Statistics MSc

本课程为一年制硕士项目，包含必修与选修模块。核心模块包括：高级统计建模（涵盖非参数方法、核密度估计与样条回归）、统计计算与算法（强化R与Python编程，学习优化算法及Bootstrap、MCMC等推断方法）、估计与推断（涵盖频率学派与贝叶斯推断、似然函数、蒙特卡洛估计）以及统计学毕业论文（在导师指导下完成独立研究项目，作为学位的总结性成果）。

可选模块提供多样化方向，学生可根据兴趣选择，包括：临床试验（研究设计、样本量计算、适应性设计）、深度学习（神经网络架构、损失函数、图像与自然语言处理应用）、流行病学与疾病建模（疾病风险度量、因果推断、传染病模型拟合）、隐过程模型（高斯过程、动态线性模型及其在环境与健康领域的应用）、机器学习（监督与无监督学习方法、算法实现与局限性分析）以及生存与纵向统计（生存分析、删失数据处理、广义线性混合模型）。

课程注重理论与实践结合，强调现代统计与AI工具的应用。部分模块每年可能调整，大学将尽力按计划开设，但会因师资、研究进展或监管要求变化而更新内容。