Carleton University · วิทยาการคอมพิวเตอร์ ข้อมูล และเทคโนโลยี

วิทยาศาสตร์ข้อมูล

ชื่อตามทางการ : Data Science

ปีอ้างอิง : 2026-27
ดูโปรแกรมทั้งหมดของสถาบันนี้

ความเชี่ยวชาญและรูปแบบย่อย

ข้อมูลอื่นที่รวบรวมได้

ข้อกำหนดหลักสูตร หมวดรายวิชา หมวดวิชาต่อไปนี้ใช้ในการกำหนดข้อกำหนดหลักสูตรในโปรแกรมปริญญาตรีสาขาวิทยาศาสตร์ข้อมูล รายวิชาเลือกเสรี รายวิชาทุกวิชาที่เปิดสอนโดยคณะศิลปศาสตร์และวิทยาศาสตร์สังคม คณะกิจการสาธารณะและโลกาภิวัตน์ โรงเรียนธุรกิจ Sprott และคณะวิทยาศาสตร์ ยกเว้นรายวิชาในหมวดรายวิชาที่ห้าม รายวิชาเลือกเสรีสามารถรวมรายวิชา COMP, CSEC, DATA, MATH และ STAT ได้ รายวิชาที่ห้าม รายวิชาต่อไปนี้ไม่สามารถใช้เป็นหน่วยกิตใน B.D.S. โปรดทราบว่าหลักสูตรใด ๆ ที่มีการลงทะเบียนข้ามกับหลักสูตรในรายการนี้ก็ห้ามเช่นกัน: BIOL 3604 [0.5] Statistics for Biologists BUSI 1401 [0.5] Foundations of Information Systems BUSI 2401 [0.5] Introduction to Data Analytics BUSI 2402 [0.5] Business Applications Development BUSI 3400 [0.5] Database Design CGSC 1005 [0.5] Computational Methods in Cognitive Science COMP 1001 [0.5] Introduction to Computational Thinking for Arts and Social Science Students COMS 3001 [0.5] Quantitative Research in Communication CRCJ 3001 [0.5] Quantitative Methods in Criminology ECON 1401 / MATH 1401 [0.5] Elementary Mathematics for Economics I ECON 1402 / MATH 1402 [0.5] Elementary Mathematics for Economics II ECON 2210 [0.5] Introductory Statistics for Economics ECON 3001 [0.5] Mathematical Methods of Economics ECON 4001 [0.5] Mathematical Analysis in Economics ECON 4002 [0.5] Statistical Analysis in Economics ECON 4004 [0.5] Operations Research: Linear Programming Models ECON 4706 [0.5] Econometrics I ECON 4707 [0.5] Econometrics II ECON 4713 [0.5] Time-Series Econometrics GEOG 2006 [0.5] Introduction to Quantitative Research ECOR 2606 [0.5] Numerical Methods GEOG 3003 [0.5] Quantitative Geography MATH 1009 [0.5] Mathematics for Business MATH 1119 [0.5] Linear Algebra: with Applications to Business NEUR 2001 [0.5] Introduction to Research Methods in Neuroscience NEUR 2002 [0.5] Introduction to Statistics in Neuroscience NEUR 3001 [0.5] Data Analysis in Neuroscience I NEUR 3002 [0.5] Data Analysis in Neuroscience II PSCI 2702 [0.5] A Statistical Toolkit for Political Scientists PSYC 2001 [0.5] Introduction to Research Methods in Psychology PSYC 2002 [0.5] Introduction to Statistics in Psychology PSYC 3000 [1.0] Design and Analysis in Psychological Research SOCI 2004 [0.5] Data Literacy for Social Sciences SOCI 3008 [0.5] Data Analysis for Social Sciences SOCI 4102 [0.5] Multiple Regression Analysis SOWK 3001 [0.5] Introduction to Research Methods in Social Work SYSC 2510 [0.5] Probability, Statistics and Random Processes for Engineers หลักสูตรระดับ 0000 ทั้งหมด และหลักสูตรทั้งหมดใน BIT, IMD, IRM, MPAD, NET, OSS, PLT และ ITEC ยกเว้นต่อไปนี้: BIT 1000, BIT 1001, BIT 1100, BIT 1101, BIT 1200, BIT 1201, BIT 2000, BIT 2004 (no longer offered), BIT 2005 (no longer offered), BIT 2007 (no longer offered), BIT 2100 (no longer offered), BIT 2300 (no longer offered), MPAD 2400, MPAD 2501 (no longer offered), MPAD 3300, MPAD 3501, MPAD 4001, MPAD 4501, MPAD 4502, MPAD 4503, MPAD 4504 Data Science B.D.S. Honours (20.0 credits)

เส้นทางและเงื่อนไขของโปรแกรม

ตารางเหล่านี้สรุปข้อกำหนดจากแหล่งข้อมูลสำหรับช่วงเวลาที่ระบุ การตีความอย่างเป็นทางการเป็นหน้าที่ของมหาวิทยาลัย

เส้นทาง 1
A. หน่วยกิตที่รวมในการคำนวณเกรดเฉลี่ยหลักสูตรวิชาเอก (Major CGPA) (13.5 หน่วยกิต)
1. 1.5 หน่วยกิตใน:1.5
MATH 1007 [0.5]แคลคูลัสเบื้องต้น I
MATH 1104 [0.5]พีชคณิตเชิงเส้นสำหรับวิศวกรรมหรือวิทยาศาสตร์
MATH 2007 [0.5]แคลคูลัสพื้นฐาน II
2. 1.0 หน่วยกิต ใน:1.0
DATA 3200 [0.5]ทักษะการสื่อสารสำหรับนักวิทยาศาสตร์ข้อมูล
PHIL 2106 [0.5]จริยธรรมสารสนเทศ
3. 5.5 หน่วยกิตใน:5.5
COMP 1405 [0.5]บทนำสู่วิทยาการคอมพิวเตอร์ I
COMP 1406 [0.5]บทนำสู่วิทยาการคอมพิวเตอร์ II
COMP 1805 [0.5]โครงสร้างเชิงแยก (Discrete Structures) I
COMP 2109 [0.5]บทนำสู่ความมั่นคงและความเป็นส่วนตัว
COMP 2401 [0.5]บทนำสู่การโปรแกรมเชิงระบบ
COMP 2402 [0.5]ชนิดข้อมูลนามธรรมและอัลกอริทึม
COMP 2404 [0.5]บทนำสู่วิศวกรรมซอฟต์แวร์
COMP 2406 [0.5]พื้นฐานของแอปพลิเคชันเว็บ
COMP 2804 [0.5]โครงสร้างเชิงแยก (Discrete Structures) II
COMP 3105 [0.5]บทนำสู่การเรียนรู้ของเครื่อง (Introduction to Machine Learning)
COMP 4107 [0.5]เครือข่ายประสาทเทียม
4. 2.0 หน่วยกิตใน:2.0
DATA 1517 [0.5]การสร้างแบบจำลองข้อมูล I
DATA 1519 [0.5]การสร้างแบบจำลองข้อมูล II
DATA 2500 [0.5]การจัดการข้อมูลด้วย R
DATA 3500 [0.5]การเขียนโปรแกรมเชิงสถิติด้วย R
5. 2.0 หน่วยกิตใน:2.0
STAT 1500 [0.5]การปฐมบทสู่การประมวลผลเชิงสถิติ
STAT 2210 [0.5]พื้นฐานการอนุมานเชิงวิทยาศาสตร์ข้อมูล I
STAT 3553 [0.5]การสร้างแบบจำลองการถดถอย (เกียรตินิยม)
STAT 4601 [0.5]การทำเหมืองข้อมูล I (เกียรตินิยม)
6. 1.0 หน่วยกิต จาก:1.0
COMP 4010 [0.5]เบื้องต้นเกี่ยวกับการเรียนรู้เชิงเสริมกำลัง
COMP 4102 [0.5]การมองเห็นด้วยคอมพิวเตอร์
COMP 4115 [0.5]เบื้องต้นเกี่ยวกับการประมวลผลภาษาธรรมชาติ
COMP 4116 [0.5]ระบบหลายตัวแทน

รายวิชา

รายวิชาดังกล่าวถูกพบในหน้าต้นทางของโปรแกรม การปรากฏไม่ได้หมายความว่าทุกรายวิชาจะเป็นภาคบังคับในทุกเส้นทางการศึกษา

แหล่งที่มาและอ้างอิง

ปีอ้างอิง : 2026-27

วันที่และแหล่งที่มาถูกเก็บไว้เพื่อช่วยให้คุณตรวจสอบข้อมูล การแปลเสนอเพื่ออำนวยความสะดวกในการอ่าน แหล่งทางการเป็นที่อ้างอิงสำหรับเงื่อนไขและข้อกำหนด

แหล่งอ้างอิง : https://calendar.carleton.ca/undergrad/undergradprograms/datascience/

นักศึกษาต่างชาติ กฎที่มีผลบังคับใช้

กฎสำหรับการเรียนในแคนาดา

ใบอนุญาตเรียน หลักฐานทางการเงิน ขั้นตอนในควิเบก การทำงาน และทางเลือกหลังสำเร็จการศึกษา: ดูขั้นตอน จำนวนเงิน และตารางในคู่มือฉบับเต็ม

ขณะนี้คู่มือเป็นภาษาฝรั่งเศส
อ่านคู่มือ

ติดต่อ StudyCanada

บอกแผนการเรียนหรือคำถามของคุณ แล้วเราจะติดต่อกันต่อทางอีเมล

เราจะใช้ข้อมูลติดต่อนี้เพื่อตอบคำถามของคุณ ความเป็นส่วนตัว

แบบฟอร์มนี้ส่งถึง StudyCanada หากต้องการติดต่อสถานศึกษา โปรดใช้ข้อมูลติดต่อในหน้าของสถานศึกษานั้น