Ph.D. در علوم و مهندسی داده های محاسباتی

Ph.D. در علوم و مهندسی داده های محاسباتی یک برنامه تحصیلات تکمیلی بین رشته ای است که برای دانشجویانی طراحی شده است که به دنبال استفاده از روش های محاسباتی پیشرفته برای حل مسائل مربوط به کلان داده، محاسبات گسترده و مدل سازی پیچیده، شبیه سازی، بهینه سازی و تجسم هستند.

تحقیقات در علوم و مهندسی داده های محاسباتی شامل: داده های بزرگ و آمار محاسباتی، هوش مصنوعی و یادگیری ماشینی، اینترنت اشیا، سیستم های بزرگ و پیچیده، سیستم های حمل و نقل و زیرساخت هوشمند، سنجش از دور، وسایل نقلیه خودمختار، واقعیت مجازی و افزوده، تجارت الکترونیک، پردازش تصویر و ویدئو، تجسم علمی و تعاملی، محاسبات با عملکرد بالا، الگوریتم‌های مقیاس‌پذیر، بیوانفورماتیک و سیستم‌های مهندسی چند فیزیک چند مقیاسی.

ما دانشجویانی را در برنامه های خود می پذیریم که سوابق مختلفی از رشته های مختلف از علوم پایه (مانند فیزیک و زیست شناسی) گرفته تا مهندسی، ریاضیات، و تجارت و اقتصاد دارند. اشتیاق خود را برای دستیابی به دانش مبتنی بر محاسبات به ارمغان بیاورید و مهارت‌های پیشرفته‌ای را که در عصر کلان داده، محاسبات بزرگ و تجزیه و تحلیل ضروری است، به دست آورید.

Ph.D. برنامه معمولاً 4 سال طول می کشد تا تکمیل شود. مدت زمان ممکن است بسته به موضوع پایان نامه / پایان نامه، نگارش و تحقیق بیشتر طول بکشد.

مدارک مورد نیاز

گزینه Post-BS

کل ساعت اعتبار: 62

• گذراندن 12 ساعت اعتبار به عنوان دوره اصلی: CSE 702، 703، 801، 804
• گذراندن 27 ساعت واحد دروس انتخابی از مهندسی، علوم کامپیوتر، ریاضیات، فیزیک، شیمی، زیست شناسی، اقتصاد، بازرگانی، علوم کشاورزی یا سایر دروس مورد تایید دپارتمان CDSE، با تایید مشاور.
• سمینار دکتری (CSE 992: 1 ساعت اعتبار) را دو بار و در مجموع 2 ساعت اعتبار بگذرانید.
• 15 واحد از پایان نامه-CSE 997 بگیرید
• 6 ساعت اعتبار اضافی را برای تکمیل 62 ساعت اعتبار مورد نیاز بگذرانید. این ساعات اعتبار می تواند از پایان نامه-CSE 997، ادامه پایان نامه-CSE 999، آموزش نظارت شده-CSE 993، تحقیقات نظارت شده-CSE 994، یا دوره های تحصیلات تکمیلی تایید شده با تایید مشاور باشد.
• حداقل 26 ساعت اعتبار باید 800-999 باشد
• قبولی در آزمون واجد شرایط، آزمون مقدماتی و دفاع از پایان نامه
• GPA مناسب را حفظ کنید

گزینه Post-MS

کل ساعت اعتبار: 44

• گذراندن 24 ساعت واحد دروس انتخابی از مهندسی، علوم کامپیوتر، ریاضیات، فیزیک، شیمی، زیست شناسی، اقتصاد، بازرگانی، علوم کشاورزی یا سایر دروس مورد تایید دپارتمان CDSE، با تایید مشاور
• سمینار دکتری (CSE 992: 1 ساعت اعتبار) را دو بار و در مجموع 2 ساعت اعتبار بگذرانید.
• 15 واحد از پایان نامه-CSE 997 بگیرید
• 3 ساعت اعتبار اضافی را برای تکمیل 44 ساعت اعتبار مورد نیاز بگذرانید. این ساعات اعتبار می تواند از پایان نامه-CSE 997، ادامه پایان نامه-CSE 999، آموزش نظارت شده-CSE 993، تحقیقات نظارت شده-CSE 994، یا دوره های تحصیلات تکمیلی تایید شده با تایید مشاور باشد.
• حداقل 26 ساعت اعتبار باید 800-999 باشد
• قبولی در آزمون واجد شرایط، آزمون مقدماتی و دفاع از پایان نامه
• GPA مناسب را حفظ کنید

شرایط لازم برای آزمون کتبی

دکتری موفق داوطلب باید در چهار دوره اصلی CSE 702، CSE 703، CSE 801، CSE 804 یک آزمون واجد شرایط را که توسط دپارتمان اداره می شود، بگذراند.

الزامات تحقیق و پایان نامه

مشاور ارشد: در ابتدا مدیر دکتری. این برنامه به عنوان یک مشاور تحصیلی برای همه دانشجویان جدید که وارد برنامه می شوند خدمت می کند. انتظار می رود که هر دانشجو در برنامه دکترا تا آغاز سال دوم با تأیید رئیس گروه، یک مشاور اصلی انتخاب کند. مشاور ارشد باید یک سمت هیئت علمی تمام وقت در دانشگاه داشته باشد و متعاقباً به عنوان مشاور تحصیلی نیز عمل خواهد کرد.

ترکیب Ph.D. کمیته: دکتری. کمیته مشورتی متشکل از حداقل پنج (5) هیئت علمی فارغ التحصیل با مشاور اصلی به عنوان رئیس آن خواهد بود. Ph.D. کمیته مشورتی توسط مشاور اصلی، با نظر دانشجو، به ریاست علوم و مهندسی داده‌های محاسباتی، برای تأیید توسط رئیس تحصیلات تکمیلی توصیه می‌شود. کمیته بر برنامه دانشجو نظارت می کند، بررسی پایان نامه و تایید آن را انجام می دهد و در نهایت اعطای مدرک را توصیه می کند.

طرح مطالعه: پس از انتخاب دانشجو برای یک منطقه تحقیقاتی، دکتری. کمیته مشورتی باید ریز نمرات قبلی دانشجو را بررسی کند، هر گونه اعتبار انتقالی را ارزیابی و توصیه کند و به دانشجو مشاوره ارائه دهد. دانشجو باید متعاقباً یک برنامه مطالعاتی را برای تصویب توسط دکتری آماده کند. کمیته مشورتی، رئیس بخش CDSE و رئیس دانشکده تحصیلات تکمیلی.

دفاع شفاهی از پروپوزال پایان نامه (آزمون اولیه): پروپوزال پایان نامه به مشاور ارشد دانشجو و دکتری ارائه می شود. کمیته مشورتی برای بررسی کمیته در صورت نیاز پیشنهاداتی را ارائه خواهد کرد. پروپوزال باید به صورت شفاهی توسط داوطلب در کمیته مشورتی دفاع شود و باید توسط کمیته تایید شود و دانشجو می تواند تحقیقات خود را ادامه دهد.

نامزدی دکتری در رشته علوم و مهندسی داده های محاسباتی: پذیرش برای کاندیداتوری Ph.D. در علوم و مهندسی داده‌های محاسباتی باید مطابق با تمام سیاست‌های موجود دانشکده تحصیلات تکمیلی باشد و پس از اینکه دانش‌آموز با موفقیت در آزمون واجد شرایط و آزمون مقدماتی گذرانده شود، اتفاق می‌افتد.

امتحان شفاهی نهایی: امتحان شفاهی نهایی پس از اتمام پایان نامه برنامه ریزی می شود، به جز برای تجدید نظرهایی که ممکن است در نتیجه امتحان ضروری باشد، اما نه زودتر از ترم یا معادل آن پس از پذیرش در کاندیداتوری، و نه قبل از همه دروس مورد نیاز. کار تکمیل شده یا در حال انجام است.

پایان نامه: پایان نامه دکتری نتایج تحقیقات اولیه دانشجو را در زمینه مورد علاقه ارائه می دهد. این باید کمکی به دانش باشد، به اندازه کافی توسط داده ها پشتیبانی شود و به شیوه ای مطابق با بالاترین استانداردهای بورس نوشته شود. انتشار انتظار می رود.

ملزومات دیگر

• میانگین نمرات: دانشجو باید برنامه تحصیلی مورد تایید را با حداقل معدل 3.0 یا بهتر با موفقیت تکمیل کند.
• شرایط اقامت: برای مدرک دکترای فلسفه (Ph.D.)، انتظار می رود دانشجو برای کار فارغ التحصیل برای حداقل چهار ترم فراتر از کارشناسی ارشد ثبت نام کند. حداقل دو واحد اقامتی باید در اقامت مداوم (ثبت نام در ترم های متوالی) به عنوان دانشجوی کارشناسی ارشد در دانشگاه تضمین شود.

مأموریت دپارتمان علوم و مهندسی داده‌های محاسباتی فارغ‌التحصیل متخصصانی است که (الف) در توسعه روش‌ها و محصولات محاسباتی جدید تخصص داشته باشند، و/یا (ب) تخصص خود را در رشته‌های خاص (در علوم، فناوری، مهندسی، و اقتصاد اجتماعی) با ابزارهای محاسباتی.

• فارغ التحصیلان باید تخصص، تفکر انتقادی و توانایی انجام تحقیق و توسعه در محاسبات مقیاس پذیر، روش های محاسباتی، هوش مصنوعی و محاسباتی، مدل سازی و شبیه سازی سیستم های پیچیده و علم و مهندسی داده را نشان دهند.
• فارغ التحصیلان باید بر برقراری ارتباط، برنامه ریزی و اجرای راه حل ها و محصولات تحقیق و توسعه در رویکردهای محاسباتی در کاربردهای مختلف در علوم، فناوری، مهندسی و ریاضیات، از جمله استفاده از تکنیک های تجسم و تجزیه و تحلیل پیشرفته، تسلط داشته باشند.
• فارغ‌التحصیلان باید مهارت‌ها و توانایی‌هایی را برای آموزش مؤثر در رشته‌های علوم محاسباتی و داده‌ها و مهندسی در سطح دانشگاه توسعه دهند.
• فارغ التحصیلان باید توانایی انجام تحقیقات جدید و مستقل و فعالیت های علمی را نشان دهند.