Geo-Energy with Machine Learning and Data Science MSc
能源地理学与机器学习及数据科学理学硕士硕士
本硕士课程探讨数据科学和机器学习如何变革地下地球科学与工程领域。你将从学习该领域的核心原理入手,逐步掌握运用数据科学、数值方法和机器学习解决现实世界问题的技能。通过地质野外考察以及在自选领域的独立研究项目获得实践机会。你还将发展Python编程能力,用于模拟地下过程并支持能源技术。本课程适合希望将其专业知识应用于地球科学的数学或科学背景人士,也适合来自地球科学或工程背景、希望深化该领域知识的学习者。该课程隶属于伦敦帝国理工学院的阿达·洛芙莱斯学院(Ada Lovelace Academy),该学院致力于推动计算领域性别平衡的研究生教育,以应对现代科学与工程挑战。
申请要求
申请者需持有地质学、物理科学或工程学科的学士学位,且成绩达到英国2:1标准。需具备扎实的定量背景(如A-Level数学成绩至少为A,或本科阶段修读过数学相关课程)及编程经验。其他专业背景但具备相关工作经验者亦可考虑。中国学生申请硕士课程须毕业于“211工程”高校,本科均分不低于80%,优先录取85%及以上者;申请博士课程还需持有硕士学位且成绩不低于80%。
语言要求
总分6.5(各单项不低于6.0)
| 科目 | 总分 | 阅读 | 听力 | 口语 | 写作 |
|---|
雅思 | 6.5 | 6.0 | 6.0 | 6.0 | 6.0 |
总分62(各项不低于56)
| 科目 | 总分 | 阅读 | 听力 | 口语 | 写作 |
|---|
PTE | 62 | 56 | 56 | 56 | 56 |
4.5(所有单项不低于4.5)
| 科目 | 总分 | 阅读 | 听力 | 口语 | 写作 |
|---|
新托福 | 4.5 | 4.5 | 4.5 | 4.5 | 4.5 |
课程描述
本课程为必修课程,涵盖计算科学、数据科学与地球科学的交叉领域。核心模块包括:Python数值编程,用于解决地球科学问题;数据科学与机器学习,讲授经典机器学习算法;计算数学,涵盖支撑计算与数据科学的基础数学理论;计算/数据科学应用,通过团队协作使用软件解决问题并进行成果展示;深度学习,学习构建神经网络以识别图像与语言、生成内容及预测复杂模式;资源地质学与地球物理学导论,研究地质构造特征及其形成过程;多孔介质中的流体与流动,掌握单相与多相流的解析与数值求解方法;岩石力学与压力分析,学习应力应变、弹性、孔隙弹性与热弹性理论及相关方程;能源地球科学与工程,结合地下流动、机器学习与数据科学,分析和设计能源转型相关工艺。最后完成一项应用计算/数据科学项目,独立开展技术问题研究,设计、实现、测试、修正、验证并记录基于计算或数据科学的解决方案,可自选课题或参与企业实习项目,最终提交书面报告并进行口头答辩。