伯克利全球计算与数据科学
在全美排名第一的数据科学项目学习！
伯克利全球计算与数据科学项目由加州大学伯克利分校 计算、数据科学与社会学院（CDSS） 深度打造——这是伯克利 50 年来成立的首个新学院。本项目将为你提供扎实的技术基础与人文视角，帮助你在人工智能驱动的世界中脱颖而出
你将有热门课程，数据科学与统计相关课程的优先选课资格！在这里，你对数据科学、统计、计算机科学等领域的热情，将会完美地匹配伯克利最引以为傲的课程。
你将与伯克利的学生同堂上课，获得可转回你母校的学分，以及在整个硅谷创新生态系统中进行学习。你将探索驱动当今前沿科技的理论与实际应用。
此外，你还将参与由行业专家主讲的前沿课程，深入探讨人工智能与机器学习如何重塑未来职场。了解全球雇主对新一代数据驱动型人才的期待：熟练运用 AI 工具、学习批判性思维，以及理解社会与伦理的影响。
你将与来自世界各地的学生合作，通过数据驱动的决策方法，解决可持续发展、商业与医疗健康等领域的复杂挑战。
在伯克利教授和行业领袖的指导下，提升沟通能力与技术能力，站在 AI 与科技浪潮的最前沿。
项目一览
☑️ 对数据科学、统计学、计算机科学或相关领域感兴趣的本科生。
☑️ 在全美排名第一的数据科学项目学习
☑️ 优先选修热门的数据科学与统计课程
☑️ 注册和探索 AI 与机器学习如何重塑未来工作的前沿课程
☑️ 完成项目后获得结业证书
☑️ 参加迎新活动与学期交流活动，与行业领袖和顶尖教授沟通
☑️ 与 UC Berkeley 学生同堂学习
☑️ 可选择最多两门选修课，深入拓展专业兴趣
在项目中获得的学分可转回本校，或用于申请研究生院和其他专业机构。
👉 点击链接了解更多有关学分转换的信息。
关于计算、数据科学与社会学院（CDSS）
计算、数据科学与社会学院（CDSS）是 UC Berkeley 50 多年来成立的首个新学院。我们的愿景是：
培养所有学生以具有道德标准且专业的方式使用数据
推动计算、数据科学与统计等核心领域的前沿研究
将计算、数据科学与其他学科深度融合，开辟全新的跨学科领域
持续推进对人类与社会具有深远意义的研究
“我们很高兴看到伯克利在数据科学和计算机科学领域的卓越表现持续获得认可——这两个领域正在持续改变我们的社会。” Jennifer Chayes，UC Berkeley 计算、数据科学与社会学院院长说到。 “我们希望能够培养出以具备道德和伦理思维的方式来使用数据和人工智能、并以公共利益为重的下一代领导者。”
在伯克利，我们坚信计算与数据科学属于每一个人。我们需要多元的观点、经验与专业背景，确保研究与应用能够反映社会的需求与利益。
“ 伯克利提供丰富多元的计算机科学课程，这些课程由全国最好的教授授课。伯克利孕育着创新与创业的文化氛围。学生能够参与技术交流会、黑客马拉松并接触行业领袖。更吸引我的是这所大型学府提供的广阔视野——这里拥有规模庞大且多元的学生群体。湾区蓬勃的创业生态、风险投资浪潮以及突破性科技所迸发的活力，正是我渴望沉浸其中的环境。”
—Tashrique Ahmed, 威廉姆斯学院计算机科学学士
特色课程体系
每个学期，你将修读一门必修课、一门核心课以及两门选修课。
项目先修要求
你需要具备以下基础知识：
统计与数据科学的核心概念， 包括参数估计、假设检验、最大似然估计、线性回归、表格数据处理与可视化
程序结构方面的基础背景与经验
多元微积分、线性代数与微分方程的基础
有一定的编程经验
必修课程
CDSS X94 计算、数据科学与社会专题课程
(1学分)
本课程旨在帮助您在人工智能（AI）赋能的经济中驾驭变革并发挥引领作用。
通过将实时的劳动力市场情报与现代 AI/ML（机器学习）模型的实操演练相结合，您将深入了解技术变革如何重塑职业、技能和组织架构。
课程内容涵盖劳动力人口结构、计算与数据科学就业趋势、核心模型类别（大语言模型、世界模型、强化学习、智能体/规划、多模态/视觉、机器人技术）、创业机遇、云平台、风险与伦理，以及能够将模型转化为实际影响力的人类协作技能。
课程将以一项综合结业展示（Capstone Presentation）作为收尾——即制定您在 AI 赋能世界中的职业发展战略。
核心课程
你将根据学术背景来选择以下其中一门课程。
DATA C100 数据科学原理与技术
(4学分)
学习数据科学的完整生命周期：问题制定、数据收集与清洗、探索性分析与可视化、统计推断与预测、以及基于数据的决策。课程将重点培养定量批判性思维，以及数据科学流程的重要原则与技术，这包括：用于数据转换、查询和分析的编程语言；机器学习算法（回归、分类、聚类）；信息丰富的数据可视化原则；统计中的测量误差与预测概念；以及可扩展数据处理技术。
STAT 154 现代统计预测与机器学习
(4学分)
学习统计预测的理论与实践，并探讨现代方法如何基于经典方法扩展。课程主题包括：最优预测规则、维度灾难、经验风险、线性回归与分类、基函数扩展、正则化、样条函数、自助法（bootstrap）、模型选择、决策树、集成方法（boosting）、支持向量机等。课程强调计算效率与预测性能之间的平衡，并注重真实数据的处理与统计假设的检验。课程主要使用 Python作为编程语言。
选修课——打造你的学习路径
你可以选择最多 2 门选修课。
你将可以从众多高年级统计学、数据科学和计算机科学课程中选择一门选修课，以符合你的兴趣方向，例如：因果推断、时间序列分析、数据伦理、深度学习等。你也可以从伯克利的其他课程中选择选修课。
公司参访
通过参观湾区和硅谷行业领先的公司，你将结合实际，更好地领悟所学知识。通过参访亚马逊、甲骨文、欧特克等公司, 你可以充分利用伯克利与全球创新之都硅谷的紧密联系, 向企业家、创始人和公司员工学习, 得到更多动力和启发!