專門化與變體
M.A.Sc. 資料科學、分析與人工智慧 (5.0 credits)
M.C.S. 資料科學、分析與人工智慧 (5.0 credits)
M.Eng. 資料科學、分析與人工智慧 (4.5 credits)
M.I.T. 資料科學、分析與人工智慧 (5.0 credits)
M.Sc. 資料科學、分析與人工智慧 (5.0 credits)
Ph.D. 資料科學、分析與人工智慧 (1.5 credits)
課程路徑與條件
此等表格依來源列出該期間的要求。官方解釋以大學為準。
路徑 1
| M.A.Sc. 資料科學、分析與人工智慧（Data Science, Analytics, and Artificial Intelligence）—論文途徑（5.0 學分） | ||
| 1. 1.0 學分於： | 1.0 | |
| DATA 5000 [0.5] | 資料科學導論 | |
| DATA 5001 [0.5] | 資料科學與分析基礎 | |
| 2. 0.5 學分於核可之 SYSC 選修課（請參見 DSAAI 課程網站以取得適用選修課列表） | 0.5 | |
| 3. 0.5 學分於非 SYSC 之核可選修課（請參見 DSAAI 課程網站以取得適用選修課列表） | 0.5 | |
| 4. 0.5 學分於任一參與 DSAAI 單位之選修課 | 0.5 | |
| 注意：上述選修課中須有 0.5 學分為人工智慧或機器學習之應用（請參見 DSAAI 課程網站以取得適用選修課列表） | ||
| 5. 下列項目共 2.5 學分： | 2.5 | |
| DATA 5929 [2.5] | 論文 - MASc | |
| 總學分 | 5.0 |
路徑 2
| 要求 — 論文途徑（5.0 學分） | ||
| 1. 1.0 學分於： | 1.0 | |
| DATA 5000 [0.5] | 資料科學導論 | |
| DATA 5001 [0.5] | 資料科學與分析基礎 | |
| 2. 0.5 學分於核可之 COMP 選修課（請參見 DSAAI 課程網站以取得適用選修課列表） | 0.5 | |
| 3. 0.5 學分於非 COMP 之核可選修課（請參見 DSAAI 課程網站以取得適用選修課列表） | 0.5 | |
| 4. 0.5 學分於任一參與 DSAAI 單位之選修課 | 0.5 | |
| 5. 上述選修課中須有 0.5 學分為人工智慧或機器學習之應用（請參見 DSAAI 課程網站以取得列表） | ||
| 6. 2.5 學分於： | 2.5 | |
| DATA 5939 [2.5] | 論文 - MCS | |
| 總學分 | 5.0 |
路徑 3
| M.Eng. 資料科學、分析與人工智慧—課程途徑（4.5 學分） | ||
| 1. 1.0 學分於： | 1.0 | |
| DATA 5000 [0.5] | 資料科學導論 | |
| DATA 5001 [0.5] | 資料科學與分析基礎 | |
| 2. 1.0 學分於核可之 SYSC 選修課（請參見 DSAAI 課程網站以取得適用選修課列表） | 1.0 | |
| 3. 0.5 學分於任何研究所級別之 SYSC 課程 | 0.5 | |
| 4. 1.0 學分於來自兩個非 SYSC 單位之核可選修課（請參見 DSAAI 課程網站以取得適用選修課列表） | 1.0 | |
| 5. 1.0 學分於任一參與 DSAAI 單位之選修課 | 1.0 | |
| 注意：上述選修課中必須有 0.5 學分為人工智慧或機器學習之應用（請參見 DSAAI 課程網站以取得適用選修課列表） | ||
| 總學分 | 4.5 |
路徑 4
| M.I.T. 資料科學、分析與人工智慧—論文途徑（5.0 學分） | ||
| 1. 1.0 學分於： | 1.0 | |
| DATA 5000 [0.5] | 資料科學導論 | |
| DATA 5001 [0.5] | 資料科學與分析基礎 | |
| 2. 0.5 學分於核可之 ITEC 選修課（請參見 DSAAI 課程網站以取得適用選修課列表） | 0.5 | |
| 3. 0.5 學分於非 ITEC 之核可選修課（請參見 DSAAI 課程網站以取得適用選修課列表） | 0.5 | |
| 4. 0.5 學分於任一參與 DSAAI 單位之選修課 | 0.5 | |
| 注意：上述選修課中須有 0.5 學分為人工智慧或機器學習之應用（請參見 DSAAI 課程網站以取得適用選修課列表） | ||
| 5. 下列項目共 2.5 學分： | 2.5 | |
| DATA 5919 [2.5] | 論文 - MIT | |
| 總學分 | 5.0 |
路徑 5
| M.Sc. Data Science, Analytics and Artificial Intelligence - 論文途徑 (5.0 credits) | ||
| 1. 1.0 學分於： | 1.0 | |
| DATA 5000 [0.5] | 資料科學導論 | |
| DATA 5001 [0.5] | 資料科學與分析基礎 | |
| 2. 0.5 學分，經核准的 MATH 或 STAT 選修課（適用選修課列表見 DSAAI 課程網站） | 0.5 | |
| 3. 0.5 學分，經核准且非 MATH 或 STAT 的選修課（適用選修課列表見 DSAAI 課程網站） | 0.5 | |
| 4. 0.5 學分於任一參與 DSAAI 單位之選修課 | 0.5 | |
| 注意：上述選修課中須有 0.5 學分為人工智慧或機器學習之應用（請參見 DSAAI 課程網站以取得適用選修課列表） | ||
| 5. 下列項目共 2.5 學分： | 2.5 | |
| DATA 5909 [2.5] | 論文 - MSc | |
| 總學分 | 5.0 |
路徑 6
| 要求（1.5 學分）： | ||
| 1. 0.5 學分於： | 0.5 | |
| DATA 5001 [0.5] | 資料科學與分析基礎 | |
| 2. 1.0 學分，經指導教授核准的選修課（適用選修課列表見 DSAAI 課程網站） | 1.0 | |
| 3. 0.0 學分，於： | ||
| DATA 6907 [0.0] | 博士綜合考試 | |
| 4. 0.0 學分於： | ||
| DATA 6908 [0.0] | 博士提案 | |
| 5. 0.0 學分於: | 0.0 | |
| DATA 6909 [0.0] | 論文 - PhD | |
| 總學分 | 1.5 |
課程
這些課程在該課程的來源頁面中被辨識出。其出現不代表它們在每一條路徑中均為必修。
來源與參考
參考年份 : 2026-27
保留日期與來源以協助你核實資料。為便於閱讀提供譯文；官方來源為條件與要求的參照。
來源參考 : https://calendar.carleton.ca/grad/gradprograms/dsa/