帝国理工学院
地球能源、机器学习与数据科学理学硕士
Geo-Energy with Machine Learning and Data Science MSc
所有院校及专业信息每 1 个月更新一次。院校政策可能在更新周期内调整，申请前请以院校官网最新信息为准。
专业介绍
研究数据科学与机器学习如何改变地下地球科学及工程研究。
就业前景
就业岗位：能源数据分析师、机器学习工程师、地质工程师、能源系统分析师、深度学习研究员
Geo-Energy with Machine Learning and Data Science MSc专业的毕业生在中国就业市场上具有广阔的前景。随着中国对新能源和清洁能源的重视，以及大数据和人工智能技术在能源领域的应用日益广泛，对于具备地质能源知识和机器学习、数据科学技能的专业人才需求日益增长。毕业生可以在能源公司、地质勘探机构、环境监测部门、科研院所等单位中找到合适的职位，从事能源数据分析、地质资源评估、能源系统优化等工作。此外，随着深度学习技术的发展，该专业的学生还可以在智能能源管理、自动化地质勘探等领域发挥重要作用，推动能源行业的技术创新和业务发展。总体来看，Geo-Energy with Machine Learning and Data Science MSc专业的就业前景十分乐观，毕业生有望在能源领域实现职业发展和个人价值。
入学与成绩要求
- 入学条件
- 二等一荣誉学士学位在地质学或物理科学学科，或工程学科.还需要有良好的定量背景证据(A级数学中至少一个A级或本科数学课程的证据)和编码经验.可以考虑具有其他资格的申请人以及相关的专业或工业经验。
- 本科背景要求
- 待确认
- 预科背景要求
- 待确认
- 成绩要求
- 198
- 平均分要求
- 待确认
- 雅思要求
- 6.5
文书与其他要求
- 文书要求
- 须提交个人陈述，说明申请课程的动机，以及具备满足课程要求的技能、知识和能力。申请表须提供两位推荐人的联系方式：至少一位为学术推荐人，另一位可为学术推荐人，或在适当且相关情况下为职业推荐人。须使用推荐人的学术或工作邮箱，不接受私人邮箱。申请提交当日或随后，学校通过邮件发送推荐请求，由推荐人在线提交；状态可在My Imperial查看。
- 文书建议
- 个人陈述建议为1至2页A4纸，12号字体，约500至1000词；这是篇幅建议，并非强制字数上限。建议依次说明：选择课程的原因；相关学术、工作及课外经历；课程与学术或职业目标的联系；选择帝国理工的具体原因；最后作总结。写作前先规划内容，结合自身经历和目标介绍感兴趣的课程内容；避免堆砌排名、学校事实及套话，提交前检查语法、拼写和课程名称。同时申请两个课程时，可在同一文件内用清晰标题区分两份个人陈述；也可先提交第一志愿陈述，若第一志愿未录取，再向相应招生团队提交第二志愿陈述。
- 特殊PS要求
- 待确认
- ATAS
- 否
- 个人陈述
- 是
- 在线推荐信
- 是
数据来源：UKEC院校库