弗吉尼亚大学数据科学学院致力于培养下一代数据科学领导者。数据科学博士旨在传授必要的技能和知识，以实现数据科学方法的研究和发现。因为最终目标是提取知识并实现从复杂数据中的发现，该计划还拥有面向跨学科合作的强大应用培训。博士生将掌握数据科学的计算和数学基础，并培养数据工程、软件开发、数据政策和伦理方面的能力。
我们项目中的博士生与教师一起学徒，并在跨学科中进行高级研究，协作环境通常专注于通过数据科学方法进行科学发现。通过担任学院本科生和研究生项目的助教，他们学会了成为熟练的教育者，磨练了批判性思维和沟通技巧。

学习成果
攻读数据科学博士学位将使你准备好成为该领域的专家，并在一门新学科的前沿工作。根据领英最新的新兴就业报告，数据科学正在蓬勃发展，数据科学家是增长最快的三大工作之一。弗吉尼亚大学的数据科学博士学位开辟了学术界、工业界或政府的职业道路。我们项目的毕业生将：
• 将数据理解为一个通用概念，以及数据如何编码和捕获信息
• 精通现代数据工程技术，处理复杂和大型数据集
• 认识到与数据分析相关的伦理和法律问题及其对社会的影响
• 开发创新的计算算法和新的统计方法，将数据转化为知识
• 与来自广泛科学领域的研究团队合作
• 有效地向各种受众和利益相关者传达方法和结果
• 认识到数据科学方法和模型的广泛适用性
数据科学博士的毕业生将为数据科学领域贡献新的方法论研究，展示他们的工作具有影响力的跨学科应用，并在公开论坛上为他们的方法辩护。

课程描述
基础课程和核心课程分为6个序列，每个序列有2到4门课程：
• 计算方法（3门课程）-涵盖数据科学编程、数值优化和大数据分析方法
• 机器学习（4门课程）-涵盖数据分析方法，包括但不限于线性模型、神经网络、集成方法、聚类等。
• 理论（3门课程）-涵盖概率、数理统计和估计理论
• 数据工程（2门课程）-涵盖应用数据管理和ML操作
• 价值（2门课程）-涵盖数据科学的伦理考虑
• 研究方法（1门课程）-涵盖专业发展和研究实践
注：以下列出的主题仅代表课程所涵盖的主题，而不是详尽和排他性的主题列表。每个课程的详细主题列表都可用。

机器学习
这些课程涵盖了广泛的应用数据分析方法。
机器学习I、导言
第一年秋季学期（预科）
• 通用/集中线性模型
• 正则化
• 模型诊断/评估
• 推理，贝叶斯和频率派
• 决策树/随机森林

机器学习II、方法和应用
第一年，春季学期（预科）
• 聚类方法
• SVM
• 浅神经网络
• 集成方法
• 降维
• 异常检测
• 推荐系统

机器学习III、深度学习
第二年秋季学期（核心）
• 深度神经网络
• 卷积和循环神经网络
• 变形金刚
• 编码器/解码器
• 生成网络
• GANs
• LSTM

机器学习IV、主题待定
第二年，春季学期（核心）
• 强化学习
• 自然语言处理
• 贝叶斯机器学习

理论
该序列涵盖数理统计、概率论和统计/数据科学应用的高级线性代数。
理论一、概率和随机过程
第一年秋季学期（预科）
• 概率论
• 随机变量
• 单变量估计
• 极限定理
• 随机过程

理论II、推理与预测
第一年，春季学期（预科）
• 频率、似然和贝叶斯推理
• MLE和矩估计方法
• 信息论
• 重采样理论
• 计算算法（例如EM、MCMC）

理论III、线性模型
第二年秋季学期（核心）
• 线性模型的线性代数
• 投影、空格、SVD、特征值/向量。
• 线性模型拟合、估计和预测。

数据工程
该序列涵盖了数据科学家的“实际”注意事项。
数据工程I、数据管道和可视化
第一年秋季学期（预科）
• 本地环境
• 集装箱
• 使用云计算
• 网络抓取
• 仪表板开发
• 数据处理 /management
• 数据可视化

数据工程II ML Ops
第二年，春季学期（核心）
• 可扩展性、性能和安全性
• 处理资源限制
• 流式数据采集
• 尖端数据库技术

价值
该序列涵盖了数据科学家的伦理考虑。
价值I、数据伦理、政策和治理
第一年秋季学期（预科）
• 公平、问责和透明
• 数字权利和监管框架
• 伤害、偏见和歧视
• 政策设计、实施和评估
• 国际/多方利益攸关方协定
• 开放运动
• 技术债务
• 数据正义

价值二、数据与社会
第二年，春季学期（核心）
• 关于数据伦理/政策/治理的应用研究和案例研究
• 审计算法和ADS
• 风险评估工具
• 公民技术和社区参与
• 循证决策
• 替代数据治理模型、数据信任和数据管理
• 负责任的创新

研究方法
本课程涵盖专业发展以及如何进行数据科学研究。本课程让学生接触具有里程碑意义的论文，讨论如何参与和评估学术研究，并让学生练习学术写作。学生在本课程中制定研究提案或文献综述。
 

研究方法I
第二年，春季学期（核心）
主题待定

杂项要求
• 学生必须每周参加SDS研讨会
• 学生们在第一个暑假和教师一起在实验室工作
• 第二年后会有学生评估

常见问题汇总
这个项目需要多长时间？
平均而言，我们预计个人将在5-6年内完成该计划。这将包括在1-2年完成课程。第三年将包括从课程到独立研究的过渡，最后一年或几年将包括完成研究和论文工作。

这个项目需要多少钱？
学费和费用由弗吉尼亚大学访问者委员会每年早春制定。大多数博士生获得学费减免、奖学金工资和健康保险。学生将在整个项目中担任研究生助教或研究生研究助理。

我可以用数据科学博士做什么？
数据科学博士毕业生就业备受追捧完成博士课程后，您将拥有设定研究方向、教授和建议学生以及在政府或行业前沿工作的工具。

我可以兼职和/或在线学习该计划吗？
不，这个项目是全日制的，面对面的，位于弗吉尼亚州夏洛茨维尔。

我需要硕士学位才能申请吗？
不。满足先决条件的智力好奇的学生将为我们的博士课程做准备。

如果我已经有博士学位，我可以申请吗？
我们认为哲学博士学位是一个核心研究学位，与特定学科无关。任何人都可以申请数据科学博士项目，所有申请都经过全面审查。

我来自非STEM或非传统学术学科（例如，自然科学、人文科学、商业、法律），有兴趣攻读数据科学博士学位。我在招生过程中会有竞争力吗？
弗吉尼亚大学的数据科学博士学位旨在成为一个广泛的学位，为具有各种学术背景和学科的学生设计。在技术数据科学原理方面有坚实基础的学生已经完成了先决条件，通常在课程中表现良好。我们的教师只代表了数据科学应用的跨学科方式的一小部分。

你们录取没有得到系里资助的学生吗？
可惜名额有限，我们只录取资助的学生。

如果我知道我的论文主题，我的申请会更有竞争力吗？
不。新生很少知道他们的论文主题。但是，我们鼓励学生在申请中注明他们感兴趣的研究领域。

我需要与研究主管匹配吗？
一开始不是。数据科学博士项目不是一个“直接匹配”项目，这意味着我们不要求学生在申请我们的项目之前确定你将与之合作的研究主管。我们促进教师和博士生之间的互动，以展示他们的研究，学生通常会在项目的第二年结束时选择一名指导教师。

如果我在申请数据科学博士之前联系教职员工并询问他们是否会监督我的研究，我的申请是否会更有竞争力？
不可以。由于兴趣的数量，教师不可能在招生过程之外仔细考虑和审查申请。您不需要联系SDS教师，要求他们监督您的研究或在他们的实验室工作，以提高进入数据科学博士学位的竞争力。虽然我们将确保我们的教师与您的兴趣领域保持一致，但您不需要他们通过推荐信或资金承诺提供支持。我们鼓励您在提交申请之前查看我们的教师研究兴趣，我们的教师很乐意回答有关他们研究的问题。

有校内住宿选择吗？
是的。学生可以选择住在弗吉尼亚大学被称为“地面”的校园里。通过住房和居住生活有几个选择，以及许多靠近数据科学学院的地面住房选择。