莫纳什大学数据科学硕士课程旨在为学生在数据科学领域的职业生涯做好准备，提供在数据分析、数据管理或大数据处理领域有效工作所需的技能。该学位核心硕士课程借鉴了数据科学实践和研究领域的最佳实践。学生将获得与数据科学相关的理论和实践问题的关键理解。课程的主要内容总结如下。
一、FIT5125信息技术研究方法
本课程广泛涵盖了与计算机科学、软件工程、信息系统和信息管理研究相关的问题、概念、方法和技术。课程介绍了主要的研究范式、研究设计的原则、研究道德、研究方法以及数据收集和分析技术，涵盖了口头、书面、在线和视频研究沟通技巧。
二、FIT5145数据科学导论
本课程着眼于过程、案例研究和简单工具，以理解处理数据的许多方面，以及数据科学中除数据分析核心任务之外的重要工作。课程介绍了数据及其处理：特征类型的数据及其收集、数据存储和基本类型的数据准备、数据清洗和数据流处理。回顾了数据分析的类型和成功的数据探索和分析的结果。还研究了标准、工具和资源。探讨了基本的策展和管理：档案和建筑实践、政策、法律和道德问题。
三、FIT5147数据探索和可视化
本课程介绍了数据探索性分析的统计和可视化技术。涵盖了数据可视化在数据科学中的作用及其局限性。研究了定性、定量、时间和空间数据的可视化。还将介绍什么是有效的数据可视化，交互式数据可视化，以及如何用R和其他工具创建数据可视化。
四、FIT5196数据争论
本课程介绍了数据争论的工具和技术。涵盖了阻止原始数据在分析中有效使用的问题，以及为分析做准备的数据清理和预处理任务。这些包括，例如，坏数据和缺失数据的处理、数据集成和初始特征选择。课程还将引入文本挖掘和网络分析。Python和Pandas环境将用于实现。
五、FIT5197统计数据建模
本课程探索了数据科学和机器学习分析方面的统计建模方法。课程以样本统计、概率、期望和参数化概率分布的形式介绍了关于数据和基础数学和统计学的基本概念。提供了通过最大似然估计、置信区间和假设检验引入统计推断的基础。课程在推理模型的基础上，考虑了预测模型，同时还考虑了无监督的机器学习方法，例如发现数据中隐藏分组的聚类。
以上五门即为莫纳什大学数据科学核心硕士课程，总计30学分，这些课程均为必修，同学一定要用心学习哟。