在数字时代汹涌前行的浪潮中，大数据专业如同新时代的“石油”，成为了推动智能时代前行的关键力量。随着人工智能在各领域的广泛应用，从围棋世界冠军到无人超市，再到自动驾驶汽车，人工智能已经悄然融入我们的日常生活。而这一变革的背后，正是大数据的支撑和推动。
李开复的著作《人工智能》为我们揭示了人工智能的核心要素：学习+大数据=AI。在新西兰，为了应对数字化浪潮，已经颁布了《数字包容蓝图》，旨在确保每个公民都能从数字科技发展中受益。这也预示着新西兰对于数据科学领域的人才需求将不断增长，特别是那些擅长数据挖掘、分析与应用的专家。
在坎特伯雷大学，应用数据科学硕士课程成为众多学子的首选。这一课程适合不同背景的学生，学制仅为一年，费用相对合理。课程内容丰富，涵盖编程、Python、R、SQL、数据库等核心知识。学生还有机会参与暑期项目或实习，积累实践经验。
据了解，该专业的学费为每年XX刀（不含学生费用和其他书本费用）。开学时间分为两次，分别是二月和七月。对于想要申请的学生来说，二月入学是一个不错的选择。因为二月份的课程设置更加有利于学生的学习和适应。对于那些选择七月入学的学生，建议在入学前加强统计学和数据挖掘等相关知识的学习，为学习大数据打下坚实的基础。
这一专业不仅顺应了时代的潮流，而且在全球范围内都受到了广泛的关注和认可。每年的学生数量都在大幅增长，学费涨幅稳定，相对于其他同等级的高校来说，具有很高的竞争力。对于那些渴望在数据科学领域发展的学生来说，这是一个难得的机会。在这个数字化浪潮中，抓住机会，迎接挑战，成为数据科学领域的精英吧！入学须知
学术背景概览：我们诚邀拥有卓越学术成就的人士加盟。申请者须拥有本科学位，且两年课程平均分不低于B等级。对于国内优秀院校如985/211工程的申请者，均分要求为不低于75%；而其他院校申请者则需达到均分不低于80%的标准。
语言要求：我们期望申请者具备以下任一英语水平证明：雅思总分达到6.5，单项不低于6.0；PTE总分58，单项不低于50；或者达到CCEL EAP2 B+以及NZCEL 5级的水平。若您拥有同等英语能力证明，亦符合要求。
专业背景要求：我们欢迎拥有数据科学相关学位背景的申请者，包括但不限于生物科学、计算机科学、数字人文、经济学、环境科学、金融学、地理学、地质学、数学、物理学、心理学等领域。具体细节可查阅学校官网（
学期安排：我们的学年一般分为三个学期。以2019年为例，第一学期从2月下旬至6月底；第二学期从7月中旬至11月初；第三学期则为暑期，此阶段主要安排少数课程及暑期实习（summer intern）。需要注意的是，每个学期都有两周的假期。第三学期的暑期实习通常包括公司实习或导师研究项目。
毕业技能：通过我们的课程学习，您将掌握数据科学领域的前沿知识，具备利用数据解决问题的能力，熟悉设计、实现数学建模的过程，并熟练掌握R和Python等编程技能以及其他技术。
技能包：我们将助您掌握Python、R、SQL、Database、Spark、Hadoop、MapReduce、Neural Network等核心技能。
就业前景：我们的毕业生在就业市场上具有广泛的竞争力，可担任商务分析师、数据分析师、大数据解决方案架构师、数据工程师、大数据开发人员、数据科学家、技术/项目分析师、数据库协调/管理员以及信息情报顾问等职位。
官网链接：
课程详细介绍：
MADS专业的课程被精心划分为三个板块，旨在为学生提供全面的数据科学教育。
背景课程：包括DATA401 Statistics统计学、COSC480 Computer Programming计算机编程以及MBIS 623 Data Management数据管理。拥有这些背景的学生可以选择不重复学习这些课程，以更专注于核心领域的学习。
必修课和部分选修课：涵盖从基础到高级的各种内容。其中包括DATA 420 Scalable Computing、DIGI 405 Texts, Discourses and Data: the Humanities and Data Science、STAT 462 Data Mining以及STAT 448 Big Data。这些课程旨在培养学生的数据科学技能，并为他们提供处理大规模数据的能力。
项目/实习部分：学生有机会参与真实世界的数据科学项目，通过解决实际问题来应用所学知识。坎大位于基督城，与众多公司合作，为学生提供了丰富的实习机会。这个暑假，许多学生已成功获得公司的带薪实习。
部分课程详细介绍：
DATA401 Statistics统计学基础课程，为学生介绍概率计算、密度分布等统计学基础知识。对于后续课程如正态分布和偏态分布的处理，这些知识将起到关键作用。如果没有类似的数学基础背景，学习这门课程可能会面临一些挑战。虽然与本科生一起上课，但研究生学生可以通过回放教学录像来巩固知识。总体难度为两颗星。
COSC480 Computer Programming课程主要学习Python编程。每周都有作业需要提交，学生需要提交自己的代码并通过验证。对于没有编程经验的学生，建议学习这门课程，因为后续的DATA 420 Scalable Computing将大量使用Python。
MBIS 623 Data Management课程则专注于数据库管理，包括数据库设计、实现以及关系数据库和非关系数据库的介绍。虽然作业较多，但老师的授课风趣，可以帮助学生轻松掌握知识。如果拥有数据库经验，可以更加游刃有余地学习这门课程。
STAT 462 Data Mining课程被强烈推荐为第一学期的选择。课程内容丰富，包括Linear Regression、Logistic Regression、Cross Validation等。授课老师准备充分，条理清晰，能够给出专业的指导和建议。学好这门课程将为后续课程打下坚实的基础，因此其重要性不言而喻。
DATA 420 Scalable Computing课程主要讲解分布式计算，包括Haddop和Spark的Frameork以及关键算法MapReduce的实现。每周都有作业和实验，学生需要根据老师给出的code examples来实现其他功能。通过这门课程的学习，学生将掌握处理大规模数据的能力，为未来的职业生涯做好准备。选修课程DATA 422 Data Wrangling概述
这门课程聚焦于数据清洗领域，作为数据挖掘的预备课，它涵盖了一系列复杂的技术概念。你将遇到编程、Hadoop、Spark、MapReduce算法等多元技术结合的内容，理解起来有一定的难度。但幸运的是，你有一位经验丰富的老师指导你前行。这位老师不仅是公司老板，还自己拥有一个咨询公司，她的专业知识丰富，视角独特，能为你提供宝贵的行业洞见。更令人欣喜的是，她非常乐于课后答疑，无论通过邮件还是其它方式，总能积极回复学生的疑问，她的干练和热情无疑为这门课程增添了更多吸引力。
授课老师Tomas是一位澳国立毕业的优秀讲师，目前任教于UC。他年轻有活力，易于沟通，而且非常热心。尽管他不讲中文，但他的华人面孔让你倍感亲切。他的技术造诣深厚，研究方向是神经网络，对于学术前沿动态有着深刻的了解。如果你对课程或者研究领域有任何疑问，他都是一个很好的咨询对象。
至于书本资料，大部分课程其实并不需要购买教材。你的老师会在课堂上提供课件和推荐阅读资料。所有的推荐材料都可以在UC Learn上找到，这是一个类似于国内校内网的平台，汇聚了所有老师想要分享的资源。除了课件，你还可以在这里找到实验课所需的实验指南和各类信息。
推荐的阅读资料包括学术期刊、专业书籍和网上有用的链接。你可以在学校的图书馆找到这些资料，无论是纸质书还是电子书，图书馆都有丰富的藏书资源。如果你找不到需要的书籍，还可以提出申请，要求图书馆购买。申请流程非常简单，只需填写你想购买的书籍信息，图书馆通常会迅速购买并通知申请人。
值得一提的是，有些教材是免费给学生使用的。你的老师会在课堂上分享这些免费教材资源。比如Data Mining的教材是由斯坦福大学和南加州大学的教授们合著的《An Introduction to Statistical Learning》一书。这本书原价100多刀，但现在可以免费作为学术交流使用，这无疑为已经投入学业的你减轻了经济负担。在这个充满挑战和机遇的课程中，你将收获丰富的知识和宝贵的经验。
