Trang chủ StudyCanadaCác trường đại học tại CanadaCarleton UniversityKhoa học Dữ liệu, Phân tích và Trí tuệ Nhân tạo
Chuyên ngành và biến thể
M.A.Sc. Khoa học Dữ liệu, Phân tích và Trí tuệ Nhân tạo (5.0 tín chỉ)
M.C.S. Khoa học Dữ liệu, Phân tích và Trí tuệ Nhân tạo (5.0 tín chỉ)
M.Eng. Khoa học Dữ liệu, Phân tích và Trí tuệ Nhân tạo (4.5 tín chỉ)
M.I.T. Khoa học Dữ liệu, Phân tích và Trí tuệ Nhân tạo (5.0 tín chỉ)
M.Sc. Khoa học Dữ liệu, Phân tích và Trí tuệ Nhân tạo (5.0 tín chỉ)
Ph.D. Khoa học Dữ liệu, Phân tích và Trí tuệ Nhân tạo (1.5 tín chỉ)
Lộ trình và điều kiện chương trình
Các bảng này phản ánh các yêu cầu từ nguồn cho khoảng thời gian được chỉ định. Việc giải thích chính thức thuộc về trường đại học.
Lộ trình 1
| M.A.Sc. Khoa học Dữ liệu, Phân tích và Trí tuệ Nhân tạo - lộ trình luận văn (5.0 tín chỉ) | ||
| 1. 1.0 tín chỉ trong: | 1.0 | |
| DATA 5000 [0.5] | Giới thiệu về Khoa học Dữ liệu | |
| DATA 5001 [0.5] | Các nguyên tắc cơ bản về Khoa học Dữ liệu và Phân tích | |
| 2. 0.5 tín chỉ trong các môn tự chọn SYSC được chấp thuận (xem trang web chương trình DSAAI để biết danh sách các môn tự chọn áp dụng) | 0.5 | |
| 3. 0.5 tín chỉ trong các môn tự chọn được chấp thuận không thuộc SYSC (xem trang web chương trình DSAAI để biết danh sách các môn tự chọn áp dụng) | 0.5 | |
| 4. 0.5 tín chỉ trong môn tự chọn từ bất kỳ đơn vị tham gia DSAAI nào | 0.5 | |
| Ghi chú: 0.5 tín chỉ từ các môn tự chọn ở trên phải thuộc về các ứng dụng của trí tuệ nhân tạo hoặc học máy (xem trang web chương trình DSAAI để biết danh sách các môn tự chọn áp dụng) | ||
| 5. 2.5 credits in: | 2.5 | |
| DATA 5929 [2.5] | Luận văn - MASc | |
| Tổng số tín chỉ | 5.0 |
Lộ trình 2
| Yêu cầu - hướng luận án (5.0 tín chỉ) | ||
| 1. 1.0 tín chỉ trong: | 1.0 | |
| DATA 5000 [0.5] | Giới thiệu về Khoa học Dữ liệu | |
| DATA 5001 [0.5] | Các nguyên tắc cơ bản về Khoa học Dữ liệu và Phân tích | |
| 2. 0.5 tín chỉ trong các môn tự chọn COMP được chấp thuận (xem trang web chương trình DSAAI để biết danh sách các môn tự chọn áp dụng) | 0.5 | |
| 3. 0.5 tín chỉ trong các môn tự chọn được chấp thuận không thuộc COMP (xem trang web chương trình DSAAI để biết danh sách các môn tự chọn áp dụng) | 0.5 | |
| 4. 0.5 tín chỉ trong môn tự chọn từ bất kỳ đơn vị tham gia DSAAI nào | 0.5 | |
| 5. 0.5 tín chỉ từ các môn tự chọn ở trên phải thuộc về các ứng dụng của trí tuệ nhân tạo hoặc học máy (Xem trang web chương trình DSAAI để biết danh sách) | ||
| 6. 2.5 tín chỉ trong: | 2.5 | |
| DATA 5939 [2.5] | Luận văn - MCS | |
| Tổng số tín chỉ | 5.0 |
Lộ trình 3
| M.Eng. Khoa học Dữ liệu, Phân tích và Trí tuệ Nhân tạo - lộ trình học phần (4.5 tín chỉ) | ||
| 1. 1.0 tín chỉ trong: | 1.0 | |
| DATA 5000 [0.5] | Giới thiệu về Khoa học Dữ liệu | |
| DATA 5001 [0.5] | Các nguyên tắc cơ bản về Khoa học Dữ liệu và Phân tích | |
| 2. 1.0 tín chỉ trong các môn tự chọn SYSC được chấp thuận (xem trang web chương trình DSAAI để biết danh sách các môn tự chọn áp dụng) | 1.0 | |
| 3. 0.5 tín chỉ trong bất kỳ khóa SYSC nào ở cấp sau đại học | 0.5 | |
| 4. 1.0 tín chỉ trong các môn tự chọn được chấp thuận từ hai đơn vị không thuộc SYSC (xem trang web chương trình DSAAI để biết danh sách các môn tự chọn áp dụng) | 1.0 | |
| 5. 1.0 tín chỉ trong các môn tự chọn từ bất kỳ đơn vị tham gia DSAAI nào | 1.0 | |
| Ghi chú: 0.5 tín chỉ từ các môn tự chọn ở trên phải thuộc về ứng dụng của trí tuệ nhân tạo hoặc học máy (xem trang web chương trình DSAAI để biết danh sách các môn tự chọn áp dụng) | ||
| Tổng số tín chỉ | 4.5 |
Lộ trình 4
| M.I.T. Khoa học Dữ liệu, Phân tích và Trí tuệ Nhân tạo - lộ trình luận văn (5.0 tín chỉ) | ||
| 1. 1.0 tín chỉ trong: | 1.0 | |
| DATA 5000 [0.5] | Giới thiệu về Khoa học Dữ liệu | |
| DATA 5001 [0.5] | Các nguyên tắc cơ bản về Khoa học Dữ liệu và Phân tích | |
| 2. 0.5 tín chỉ trong các môn tự chọn ITEC được chấp thuận (xem trang web chương trình DSAAI để biết danh sách các môn tự chọn áp dụng) | 0.5 | |
| 3. 0.5 tín chỉ trong các môn tự chọn được chấp thuận không thuộc ITEC (xem trang web chương trình DSAAI để biết danh sách các môn tự chọn áp dụng) | 0.5 | |
| 4. 0.5 tín chỉ trong môn tự chọn từ bất kỳ đơn vị tham gia DSAAI nào | 0.5 | |
| Ghi chú: 0.5 tín chỉ từ các môn tự chọn ở trên phải thuộc về các ứng dụng của trí tuệ nhân tạo hoặc học máy (xem trang web chương trình DSAAI để biết danh sách các môn tự chọn áp dụng) | ||
| 5. 2.5 credits in: | 2.5 | |
| DATA 5919 [2.5] | Luận văn - MIT | |
| Tổng số tín chỉ | 5.0 |
Lộ trình 5
| M.Sc. Data Science, Analytics and Artificial Intelligence - lộ trình luận văn (5.0 credits) | ||
| 1. 1.0 tín chỉ trong: | 1.0 | |
| DATA 5000 [0.5] | Giới thiệu về Khoa học Dữ liệu | |
| DATA 5001 [0.5] | Các nguyên tắc cơ bản về Khoa học Dữ liệu và Phân tích | |
| 2. 0.5 credit trong môn tự chọn MATH hoặc STAT được phê duyệt (xem trang chương trình DSAAI để biết danh sách các môn tự chọn áp dụng) | 0.5 | |
| 3. 0.5 credit trong môn tự chọn được phê duyệt không thuộc MATH hoặc STAT (xem trang chương trình DSAAI để biết danh sách các môn tự chọn áp dụng) | 0.5 | |
| 4. 0.5 tín chỉ trong môn tự chọn từ bất kỳ đơn vị tham gia DSAAI nào | 0.5 | |
| Ghi chú: 0.5 tín chỉ từ các môn tự chọn ở trên phải thuộc về các ứng dụng của trí tuệ nhân tạo hoặc học máy (xem trang web chương trình DSAAI để biết danh sách các môn tự chọn áp dụng) | ||
| 5. 2.5 credits in: | 2.5 | |
| DATA 5909 [2.5] | Luận văn - MSc | |
| Tổng số tín chỉ | 5.0 |
Lộ trình 6
| Yêu cầu (1.5 credits): | ||
| 1. 0.5 tín chỉ trong: | 0.5 | |
| DATA 5001 [0.5] | Các nguyên tắc cơ bản về Khoa học Dữ liệu và Phân tích | |
| 2. 1.0 credit trong môn tự chọn, được giám sát viên phê duyệt (xem trang chương trình DSAAI để biết danh sách các môn tự chọn áp dụng) | 1.0 | |
| 3. 0.0 credit trong: | ||
| DATA 6907 [0.0] | Kỳ thi Tổng hợp Tiến sĩ | |
| 4. 0.0 tín chỉ trong: | ||
| DATA 6908 [0.0] | Đề cương Nghiên cứu Tiến sĩ | |
| 5. 0.0 tín chỉ trong: | 0.0 | |
| DATA 6909 [0.0] | Luận văn - PhD | |
| Tổng số tín chỉ | 1.5 |
Khóa học
Các học phần này đã được phát hiện trên trang nguồn của chương trình. Việc xuất hiện của chúng không có nghĩa là tất cả đều bắt buộc trong mọi lộ trình.
Nguồn và tham khảo
Năm tham chiếu : 2026-27
Ngày và nguồn được giữ lại để giúp bạn kiểm tra thông tin. Các bản dịch được cung cấp để dễ đọc; nguồn chính thức là tham chiếu cho các điều kiện và yêu cầu.
Nguồn tham khảo : https://calendar.carleton.ca/grad/gradprograms/dsa/