Data Science and Artificial Intelligence

Introduction 专业简介

Data Science and Artificial Intelligence（数据科学与人工智能，以下简称为DSAI）专业，是由南洋理工大学的School of Computer Science and Engineering（计算机学院）和School of Physical and Mathematical Sciences（数理学院）从AY18/19起联合offer的一个为期四年的direct honour programme。这个专业的设立，是面向那些热衷于使用数据科学和人工智能相关知识解决难题，并对未来规划十分明确的学生们。

Admission 入学要求 

DSAI是NTU一个很新的专业，到今年才有三届，也就是说现在年级最高的学姐学长是在读大三的。第一届只有大概25人，第二届有52个人，第三届有74人。由于录取的人数比较少，所以DSAI的录取分数线很迷幻。简单来说就是会将所有申请的人按成绩排名，比如说学校要录取50个人，他们就会选择成绩最好的前50个，直接发放offer。由于每年申请学生的成绩会有变动，每年的录取成绩也会随之变化。所以关于录取分数的数据sample size还是比较小的。具体来说，A-level成绩要达到AAA/A录取概率会比较大(详情参考最新的录取分数线)，如果你有H3数学并且取得了很好的成绩也可以在一定程度上加分。对于IB成绩，官网上没有提供数据，因为这几届很少用IB成绩申请的同学。

Content 课程内容
从承办DSAI的学院就可看出来，简单来说，DSAI就是一个把数学（主要是Statistics）和计算机结合起来的专业。很多主修计算机的同学都会在大四或者研究生时去pursue和人工智能或者机器学习相关的module，DSAI直接从大一开始就将这些知识融进了计算机课程中，所以如果你想要做数据科学或者数据分析相关的工作或者以后有往这边发展的想法，DSAI会是一个非常适合你的专业。DSAI的主要课程包括：

1.计算机科学的基础内容
这里的基础内容指的是与计算机科学专业相同的计算机方面的基础课程。例如数据结构、基础算法、面向对象编程、人与计算机交互、软件工程等。

这些课程将不同的计算机语言介绍给学生，并确保学生能使用该语言。这些必修的计算机课程拓展了学生的编程能力，并加深了对算法的理解。之后的数据分析及人工智能层面，都是以这些作为基础。

2.数学的基础内容
这里的基础内容指的是与数学、物理专业相同的数学方面的基础课程。例如：实用微积分，离散数学，高级微积分，概率学与统计学入门，线性代数等。

这些课程都是必修课程，目的是给学生奠定坚实的数学基础。后续的选修课程将会在这些基础上，将所学的数学知识应用至数据方面。

3.数学统计学
数学统计学是数据科学的基础内容之一。大数据的分析及应用，都建立在统计学的理论之上。在统计学之后会有回归分析学等，都是数据科学以及人工智能方面必不可缺的理论基础。

4.数据可视化
将数据从海量的数字变成简单易懂的图形的过程，即用图表等来表示数据，进行数据分析。

5.人工智能
人工智能的发展及历史，人工智能的结构，人工智能的算法以及知识工程。

6.密码学和网络安全
密码学算法及应用，以及网络安全的密码协议。

7.数据系统原理
搭建数据库的基础内容，学习并使用数据系统的基础原理。

8.数据的分析与应用
一个全面且系统的数据分析课程，包含数据分析的基础、数据算法、数据的分类方式及使用，对数据进行梳理并摘选应用。

9.机器学习
人工智能的必修课程。介绍各个种类的基础机器学习的算法及其在数据分析、计算机视觉等方面中的应用。

10.自然语言处理
自然语言处理是一个在工业和学术上讨论度都高居不下的话题。在现实生活中有很多应用实例，例如：信息提取，句子分析，机器翻译，问题回答，发言总结等。

这门课程是为了让学生对本专业有更全面的理解，并把所学知识应用到现实生活中。

11.大数据管理
根据大数据管理中的流行趋势教学，让学生能更好地在今天这个被数据充斥的大数据时代里掌握足够丰富的数据，并学会运用手中的数据解决问题。

以上举例的学习内容，只是DSAI课程的一部分。其中一些是必修课程，一些是选修课程。

必修课程给学生打下夯实的知识基础，无论是数学方面抑或是计算机方面，都确保学生具备了在相关领域继续深造的能力。选修课程的提供，是为了让学生在面对未来发展方向时，有更多元化的选择，而非局限于某一领域。

Pressure 学业压力 

总的来说，课程压力是偏大的。其实和学习计算机的同学压力差不多，只不过由于cohort size偏小，你身边存在大神的概率就比较大，所以理所当然会感受到更有压力。举个简单的例子，有的时候你自己project认认真真做了两三个月不如同班同学三天熬通宵做出来的成绩高。不过在这个专业学习一段时间后就会慢慢发现，由于这个专业以后应用的广泛性，很多同学虽然和你在同一个专业，但是你们的着重点不一样。比如有的同学想要做应用数据分析金融分析师，也有的同学更偏向于应用数据科学去做一些commercial app后端等等。所以找好自己的pace，一点一点朝着自己的目标进步就好。

Grade 评分侧重
之前网课没有当道的时候，评分的主要部分在于：mid-term，final 加一个group project。现在网课当道，有一些课程的final变成了更多的continuous assessment，然而mid-term和project依旧存在，所以整个学期其实会非常忙碌。举一个我现在正在学的CZ2007 Introduction to database这个学期的assessment为例: quiz 1&2都属于两个mid-term，一个考week1 到week7 的内容，一个考week 8 到week 12的内容。lab project是从week 4 或者week 5 开始每两周都要以小组的形式上交project report（共三次）。而final也是考察全部从week1 到week 12的内容。由此可见工作量其实不小。

Career 就业前景 
由于DSAI是从数据科学以及人工智能两方面进行学习，所以，未来的就业前景也会包含更多的方向和机会。例如：机器学习工程师、数据科学家、科研人员、商务智能开发、计算机视觉工程师、数据分析师、数据搭建师、人工智能工程师、人工智能研究员等，都是DSAI毕业生可以从事的行业。

《爱狮教育》开始于2009年，专注于新加坡AEIS爱狮考试、澳洲AEAS考前培训和新加坡SM1、SM2及O-Level 英语、数学培训、逻辑思维IQ智商向性测试培训。
爱狮教育11年的新加坡国立考试培训教学，收集了大量新加坡和各国英语教材，并经过大数据分析，终于构建起了一个很完整的培训体系和在线题库，有现场培训+远程互动教学+在线做题，对于生词能够点击鼠标自动翻译，自动对答案，使得学生的学习效率发挥到了极致，一般愿意学习的孩子经过2-6个月培训，基本都能考上新加坡政府中学