墨尔本大学Data Science统计学先修课程需要预习哪些内容？

墨尔本大学Data Science是一个200学分的硕士学位项目，其中3门核心统计学课程(37.5学分)，3门核心计算机科学课程(37.5学分)，先修课程(最多50学分)，还有一个顶点数据科学项目(25学分)。最后，同学可以用学科选修课程补足200学分的余数。如果同学有计算机科学背景，可能需要参加以下先修课程(作为选修课的一部分，以满足统计学核心课程的先决条件)。

一、数理统计方法MAST90105

这门课程涵盖了概率和现代统计推断的理论基础。回顾了概率的性质，介绍了一元和多元随机变量。研究了经典和贝叶斯统计方法，讨论了基本的统计概念，涉及最大似然、充分性、无偏估计、置信区间、假设检验和显著性水平。计算机软件用于数值和理论计算。课程重点：

1、发展对概率、随机变量、概率分布和概率模型及其与统计推断的相关性的系统理解。

2、从现实世界的应用中制定标准概率模型，并对其进行批判性评估。

3、应用概率分布、矩母函数、变量变换和条件期望的性质来分析常见的随机变量和概率模型。

4、使用计算机软件完成概率分析中的代数和计算任务。

5、熟悉估计和假设检验的基本概念。

6、使用统计计算软件执行许多标准的统计程序。

7、通过估计和测试关于模型参数的假设，培养使概率模型符合数据的能力。

二、统计学习第一课MAST90104

首先，这门课程为定量响应发展了统一理论，涉及模型参数的估计、使用方差分析的假设检验、模型选择、模型假设的诊断和预测。然后，课程开发了一些定性响应的分类方法。课程涵盖了计算技术(EM算法)，研究了贝叶斯方法和蒙特卡罗方法，并通过探讨一些无监督学习技术得出结论。课程重点：

1、理解线性模型的基本统计理论和此类模型的局限性。

2、使用标准统计计算包将线性模型与数据拟合，并解释结果。

3、预测(或分类)定性反应。

4、理解贝叶斯统计的基本理论。

5、理解基础理论并能够在简单的环境中应用EM算法。

6、使用计算机软件进行统计计算和数据分析。

同学可以参考上述内容来预习墨尔本大学Data Science统计学先修课程，如果同学还想预习该学位的其他课程，我们后续还会进一步介绍。