راهنمای فارسی دانشگاه سان وی مالزی

کارشناسی مدل‌سازی داده‌های آماری

Bachelor of Science (Honours) in Statistical Data Modelling

مرور کلی

کارشناسی مدل‌سازی داده‌های آماری دانشگاه سان وی، برنامه‌ای سه‌ساله و بومی است که دانشجویان را به مهارت تحلیل داده‌های پیچیده با روش‌های پیشرفته ریاضی و آماری و ابزارهای محاسباتی هوش مصنوعی مجهز می‌کند. این توانایی از تصمیم‌گیری داده‌محور پشتیبانی کرده و به تولید بینش‌های اثرگذار می‌انجامد.

مسیر تخصصی علم داده مبتنی بر هوش مصنوعی، مهارت استفاده از هوش مصنوعی و روش‌های پیشرفته علم داده را برای تحلیل مجموعه‌داده‌های بزرگ و پیچیده در دانشجویان پرورش می‌دهد. آنان می‌آموزند الگوریتم‌های یادگیری ماشین را طراحی و پیاده‌سازی کنند، مدل‌های پیش‌بینی بسازند و با پیش‌پردازش و مصورسازی داده‌ها، به کمک جدیدترین ابزارهای هوش مصنوعی، بینش‌های ارزشمند را در صنایع گوناگون استخراج کنند.

مسیر تخصصی اقتصادسنجی، روش‌های پیشرفته آماری و ریاضی برای تحلیل داده‌های اقتصادی، از جمله تحلیل رگرسیون و مدل‌سازی سری‌های زمانی، را آموزش می‌دهد. این دانش به دانشجویان امکان می‌دهد روندهای اقتصادی را تفسیر کنند و با چالش‌های پیچیده واقعی در حوزه‌هایی مانند امور مالی، تحلیل سیاست، پژوهش بازار، سلامت، انرژی، دولت، کشاورزی، حمل‌ونقل و مخابرات روبه‌رو شوند.

فارغ‌التحصیلان برای مشاغل پرتقاضایی مانند دانشمند داده، تحلیلگر هوش مصنوعی و اقتصادسنج آماده می‌شوند.

دوره آمادگی

ساختار رشته

سال اول
  • حسابان پیشرفته
  • مبانی و کاربردهای هوش مصنوعی
  • حسابان
  • مبانی مدل‌سازی داده
  • مقدمه‌ای بر پژوهش عملیاتی
  • مقدمه‌ای بر احتمال
  • اصول اقتصاد
  • جبر خطی و کاربردها
  • اصول مالی کسب‌وکار
  • اصول برنامه‌نویسی
سال دوم
  • پیش‌بینی و مدل‌سازی مبتنی بر هوش مصنوعی
  • روش‌های آماری رایانه‌محور
  • طراحی آزمایش‌ها
  • مبانی اشتغال‌پذیری
  • اقتصادسنجی مقدماتی
  • آمار ریاضی ۱
  • کنترل کیفیت و نمونه‌گیری پیمایشی
  • فناوری‌ها و مهارت‌های داده آماری
سال سوم
  • اقتصادسنجی کاربردی
  • تکنیک‌های یادگیری ماشین برای داده‌کاوی
  • تحلیل چندمتغیره
  • سری‌های زمانی و پیش‌بینی
درس اختیاری آزاد ۲
  • کارآموزی
  • فهرست دروس اختیاری (۳ درس انتخاب شود)
  • تحلیل داده پیشرفته
  • آمار ناپارامتری کاربردی
  • اقتصادسنجی کاربردی سری‌های زمانی
  • تحلیل مهندسی
  • پروژه پژوهشی
  • نظریه ریسک
  • فرایندهای تصادفی
  • شبیه‌سازی و نظریه اعتبار
  • مدل‌های بقا
دروس عمومی اجباری وزارت آموزش عالی مالزی
  • برای دانشجویان مالزیایی
  • درک اخلاق و تمدن
  • زبان ملی مالزی A (برای دانشجویانی که در SPM شرکت نکرده‌اند یا در زبان مالایی SPM نمره قبولی نگرفته‌اند)
  • ذهنیت و مهارت‌های کارآفرینی
  • خدمت اجتماعی برای سلامت سیاره‌ای
  • درستی و مبارزه با فساد
  • فلسفه و مسائل معاصر
  • برای دانشجویان بین‌المللی
  • درک اخلاق و تمدن
  • خدمت اجتماعی برای سلامت سیاره‌ای
  • ذهنیت و مهارت‌های کارآفرینی
  • درستی و مبارزه با فساد
  • زبان مالایی برای ارتباطات ۲

شرایط پذیرش

  • STPM
  • میانگین C+ یا CGPA ۲.۳۳ (حداقل ۲ درس اصلی)
  • A-Level*
  • * امتیاز بر اساس نمرات کسب‌شده در ۲ یا ۳ درس محاسبه می‌شود.
  • حداقل ۱۲ امتیاز
  • توضیح: نحوه محاسبه امتیاز A-Level
  • A = ۱۰ امتیاز، B = ۸ امتیاز، C = ۶ امتیاز، D = ۴ امتیاز، E = ۲ امتیاز
  • دوره پیش‌دانشگاهی استرالیا
  • ATAR ۶۰
  • دوره پیش‌دانشگاهی کانادا
  • ۶۰%
  • سال پایه دانشگاه موناش
  • ۶۰%
  • دوره پایه هنر سان وی
  • CGPA ۲.۰
  • دوره پایه علوم و فناوری سان وی
  • CGPA ۲.۰
  • گواهی آزمون یکپارچه (UEC)
  • حداکثر ۲۶ امتیاز از ۵ درس (همه با نمره B)
  • دیپلم بین‌المللی (IB)
  • تکمیل با حداقل ۲۵ امتیاز (بدون امتیازهای اضافه)
  • دیپلم سان وی*
  • CAVG ۵۰% یا CGPA ۲.۰
  • * دانشجویان در صورت احراز شرایط انتقال واحد ممکن است معادل‌سازی پیشرفته دریافت کنند.
  • سایر مدارک
  • سایر مدارک معادل نیز پذیرفته می‌شوند. متقاضیان فاقد مدرک استاندارد به‌صورت موردی بررسی خواهند شد.
  • APEL.A
  • گواهی APEL.A (APEL T-6) برای شناسایی یادگیری پیشین

شرایط اختصاصی

  • نمره کردیت در ریاضی SPM یا معادل آن

شرایط زبان انگلیسی

  • IELTS یا معادل آن با نمره ۶.۰
  • MUET Band ۴
  • زبان انگلیسی SPM با نمره B+
  • زبان انگلیسی UEC با نمره B6
  • زبان انگلیسی O-Level (۱۱۱۹) با نمره قبولی
  • برنامه فشرده زبان انگلیسی سان وی (IEP): قبولی سطح ۴ با حداقل ۶۵٪
  • سطح قابل‌قبول ESL / انگلیسی در دوره پیش‌دانشگاهی در صورتی که زبان آموزش انگلیسی باشد
  • ویژگی متمایز و مقایسه
  • ویژگی‌های منحصربه‌فرد کارشناسی مدل‌سازی داده‌های آماری (BSM)
  • برای دانلود اینجا را انتخاب کنید.
  • مقایسه تحلیل در مدل‌سازی داده‌های آماری با هوش مصنوعی.
  • برای دانلود اینجا را انتخاب کنید.
  • برای دانلود اینجا را انتخاب کنید.
  • مسیرهای حرفه‌ای
  • پروژه دانش آماری صنعت (SKIP)
  • پروژه صنعتی دانش آماری (SKIP) ابتکاری نوآورانه برای پیوند یادگیری کلاسی با کاربردهای واقعی است. این برنامه بستری فراهم می‌کند تا متخصصان صنعت وارد کلاس شوند و دانشجویان را به‌طور مستقیم با چالش‌های عملی و دیدگاه‌های دنیای حرفه‌ای آشنا کنند.
  • دانشجویان آمار از طریق SKIP فرصت می‌یابند دانش نظری خود را برای حل مسائل واقعی به کار بگیرند و مفاهیم انتزاعی را به مهارت‌های عملی تبدیل کنند. مشارکت در پروژه‌های صنعتی به آنان کمک می‌کند به‌روشنی ببینند که دانش آماری و روش‌های کاربردی چگونه به بینش‌هایی معنادار و اثرگذار تبدیل می‌شوند.
  • این برنامه با تقویت هم‌زمان مهارت فنی و ذهنیت حل مسئله، اشتغال‌پذیری دانش‌آموختگان را به‌طور چشمگیری افزایش می‌دهد؛ توانمندی‌هایی که در محیط کار بسیار ارزشمندند. تاکنون دانشگاه سان وی تنها دانشگاهی است که چنین پیوند ساختاریافته‌ای میان صنعت و دانشگاه ارائه می‌کند و دانش را به تجربه عملی تبدیل می‌سازد تا دانشجویان برای مشاغل موفق در حوزه‌های داده‌محور آماده شوند. در SKIP، یادگیری از نظریه فراتر می‌رود و به مسیری از دانش تا اثرگذاری عملی بدل می‌شود.
  • تجربه دانشجویان
  • از اعداد تا اثرگذاری
  • دستیار مدیر در Public Bank
  • واحد انطباق جرایم مالی
  • دارای گواهی مبارزه با پول‌شویی و تأمین مالی تروریسم (CAML).
  • کارآموزی در AIA Public Takaful.
  • مسلط به SAS، Tableau، Excel، VBA و راهکارهای Quantexa.
  • دانش‌آموخته کارشناسی آمار صنعتی، که اکنون کارشناسی مدل‌سازی داده‌های آماری نام دارد، ورودی ۲۰۲۲.
  • متن کامل تجربه دانشجو
  • Bryan Ng Meng Chuen
  • دانش‌آموخته کارشناسی آمار صنعتی، که اکنون کارشناسی مدل‌سازی داده‌های آماری نام دارد، ورودی ۲۰۲۲.
  • عمومی Bank
  • Assistant مدیر
  • هدف، نگرش و مزیت سان وی
  • همکار حوزه هوش مصنوعی و یادگیری ماشین در Sunway Shared Services / Digital Hub.
  • پیش‌تر به‌عنوان کارآموز و دانشمند داده با Ipsos Sdn Bhd Malaysia همکاری داشته است.
  • مسلط به SAS و Python.