डेटा विज्ञान और मशीन लर्निंग (एम.एससी.)

सिद्धांत: सांख्यिकीय शिक्षण, संभाव्य मॉडलिंग, अनुकूलन और सामान्यीकरण।

अभ्यास: गहन शिक्षण (दृष्टि / समय-श्रृंखला), भू-स्थानिक या जैव / चिकित्सा डेटा अनुप्रयोग, फीचर इंजीनियरिंग, और सटीकता से परे मूल्यांकन (अंशांकन, निष्पक्षता)।

इंजीनियरिंग: पुनरुत्पादन, संस्करणित डेटा / मॉडल, बुनियादी एमएलओपीएस, और प्रयोग ट्रैकिंग।

अंतःविषय कार्य: वास्तविक डेटासेट और बाधाओं का उपयोग करके डोमेन लैब्स (जैसे, पर्यावरण, जैव चिकित्सा) के साथ परियोजनाएं।

नैतिकता और सुरक्षा: पूर्वाग्रह, गोपनीयता, और मॉडल जोखिम प्रबंधन; पारदर्शी रिपोर्टिंग।

कैपस्टोन/थीसिस: कोड, दस्तावेज़ीकरण और त्रुटि विश्लेषण के साथ प्रकाशन योग्य या उत्पादन-तैयार परियोजना।

परिणाम: अनुप्रयुक्त वैज्ञानिक/डीएस भूमिकाएँ, अनुसंधान सहायक, पीएचडी पाइपलाइन।