专业方向与分支
工学硕士 数据科学、分析与人工智能 (5.0 学分)
计算机科学硕士（M.C.S.） 数据科学、分析与人工智能 (5.0 学分)
工程硕士 数据科学、分析与人工智能 (4.5 学分)
信息技术硕士 (M.I.T.) 数据科学、分析与人工智能 (5.0 学分)
理学硕士 数据科学、分析与人工智能 (5.0 学分)
博士 数据科学、分析与人工智能 (1.5 学分)
项目的课程路径和条件
这些表格列出了所示期间来源的要求。正式解释由大学负责。
课程路径 1
| 数据科学、分析与人工智能工程硕士（M.A.Sc.）—论文路线（5.0 学分） | ||
| 1. 1.0 学分，包括： | 1.0 | |
| DATA 5000 [0.5] | 数据科学导论 | |
| DATA 5001 [0.5] | 数据科学与分析基础 | |
| 2. 在经批准的 SYSC 选修课中取得 0.5 学分（适用选修课列表见 DSAAI 项目网站） | 0.5 | |
| 3. 在非 SYSC 的经批准选修课中取得 0.5 学分（适用选修课列表见 DSAAI 项目网站） | 0.5 | |
| 4. 在任何参与的 DSAAI 单位中选修 0.5 学分 | 0.5 | |
| 注：上述选修课中必须有 0.5 学分属于人工智能或机器学习的应用（适用选修课列表见 DSAAI 项目网站） | ||
| 5. 2.5 学分，选修： | 2.5 | |
| DATA 5929 [2.5] | 论文 - MASc | |
| 总学分 | 5.0 |
课程路径 2
| 要求 - 论文途径（5.0 学分） | ||
| 1. 1.0 学分，包括： | 1.0 | |
| DATA 5000 [0.5] | 数据科学导论 | |
| DATA 5001 [0.5] | 数据科学与分析基础 | |
| 2. 在经批准的 COMP 选修课中取得 0.5 学分（适用选修课列表见 DSAAI 项目网站） | 0.5 | |
| 3. 在非 COMP 的经批准选修课中取得 0.5 学分（适用选修课列表见 DSAAI 项目网站） | 0.5 | |
| 4. 在任何参与的 DSAAI 单位中选修 0.5 学分 | 0.5 | |
| 5. 上述选修课中必须有 0.5 学分为人工智能或机器学习的应用（见 DSAAI 项目网站列单） | ||
| 6. 在以下取得 2.5 学分： | 2.5 | |
| DATA 5939 [2.5] | 论文 - MCS | |
| 总学分 | 5.0 |
课程路径 3
| 数据科学、分析与人工智能工程硕工学硕士（M.Eng.）—课程路线（4.5 学分） | ||
| 1. 1.0 学分，包括： | 1.0 | |
| DATA 5000 [0.5] | 数据科学导论 | |
| DATA 5001 [0.5] | 数据科学与分析基础 | |
| 2. 在经批准的 SYSC 选修课中取得 1.0 学分（适用选修课列表见 DSAAI 项目网站） | 1.0 | |
| 3. 在任何研究生级别的 SYSC 课程中取得 0.5 学分 | 0.5 | |
| 4. 在非 SYSC 的两个单位中取得经批准选修课共 1.0 学分（适用选修课列表见 DSAAI 项目网站） | 1.0 | |
| 5. 在任何参与的 DSAAI 单位中取得 1.0 学分选修课 | 1.0 | |
| 注：上述选修课中必须有 0.5 学分属于人工智能或机器学习的应用（适用选修课列表见 DSAAI 项目网站） | ||
| 总学分 | 4.5 |
课程路径 4
| 数据科学、分析与人工智能理学硕士（M.I.T.）—论文路线（5.0 学分） | ||
| 1. 1.0 学分，包括： | 1.0 | |
| DATA 5000 [0.5] | 数据科学导论 | |
| DATA 5001 [0.5] | 数据科学与分析基础 | |
| 2. 在经批准的 ITEC 选修课中取得 0.5 学分（适用选修课列表见 DSAAI 项目网站） | 0.5 | |
| 3. 在非 ITEC 的经批准选修课中取得 0.5 学分（适用选修课列表见 DSAAI 项目网站） | 0.5 | |
| 4. 在任何参与的 DSAAI 单位中选修 0.5 学分 | 0.5 | |
| 注：上述选修课中必须有 0.5 学分属于人工智能或机器学习的应用（适用选修课列表见 DSAAI 项目网站） | ||
| 5. 2.5 学分，选修： | 2.5 | |
| DATA 5919 [2.5] | 论文 - MIT | |
| 总学分 | 5.0 |
课程路径 5
| 理学硕士 数据科学、分析与人工智能 - 论文途径 (5.0 学分) | ||
| 1. 1.0 学分，包括： | 1.0 | |
| DATA 5000 [0.5] | 数据科学导论 | |
| DATA 5001 [0.5] | 数据科学与分析基础 | |
| 2. 在经批准的 MATH 或 STAT 选修课中取得 0.5 学分（适用选修课列表见 DSAAI 项目网站） | 0.5 | |
| 3. 在非 MATH 或 STAT 的经批准选修课中取得 0.5 学分（适用选修课列表见 DSAAI 项目网站） | 0.5 | |
| 4. 在任何参与的 DSAAI 单位中选修 0.5 学分 | 0.5 | |
| 注：上述选修课中必须有 0.5 学分属于人工智能或机器学习的应用（适用选修课列表见 DSAAI 项目网站） | ||
| 5. 2.5 学分，选修： | 2.5 | |
| DATA 5909 [2.5] | 论文 - 硕士理学 | |
| 总学分 | 5.0 |
课程路径 6
| 要求（1.5 学分）： | ||
| 1. 0.5 学分于： | 0.5 | |
| DATA 5001 [0.5] | 数据科学与分析基础 | |
| 2. 在经导师批准的选修课中取得 1.0 学分（适用选修课列表见 DSAAI 项目网站） | 1.0 | |
| 3. 0.0 学分于： | ||
| DATA 6907 [0.0] | 博士综合考试 | |
| 4. 0.0 学分于： | ||
| DATA 6908 [0.0] | 博士提案 | |
| 5. 0.0 学分于： | 0.0 | |
| DATA 6909 [0.0] | 论文 - 博士 | |
| 总学分 | 1.5 |
课程
这些课程在项目的源页面中被识别。其出现并不意味着它们在每个路径中均为必修。
来源与参考
参考年份 : 2026-27
为帮助您核实信息，保留了日期和来源。为便于阅读提供了翻译；以官方来源为准，查看条件和要求。
来源参考 : https://calendar.carleton.ca/grad/gradprograms/dsa/