数据科学正在成为工程师们非常需要的技能。目前，大多数工程学学位在最后一年提供数据科学主题作为一个选项，通常在一个狭窄的研究领域。2018年，我们在华威大学引入了数据科学作为所有本科工程学科(包括土木、机械、电子和系统)的核心课题。根据我们的行业经验，我们知道数据分析几乎影响着工程开发和运营的每个领域。
数据科学和机器学习将很快成为所有工程师的基本技能，无论是应用机器学习算法、为这些算法提供数据，还是根据结果做出决策。这就是为什么我们引入数据科学作为一个线程通过华威工程学位,从编程的介绍和简单的统计模型在第一年,搬到一个核心数据分析模块第二年,然后提供更多stream-specific模块年3和4。
1年级：系统建模，模拟和计算
所有工程学本科一年级学生都参加系统建模、仿真和计算。在此模块中，学生学习如何使用物理和（简单）数据驱动的方法来建模工程系统。该模块还可作为编程介绍。
熟悉编程和matlab®，学生从网上完成课程MATLAB基础课程。从教育者的角度来看，这种方法很好，因为它允许学生通过完成各种编程练习并立即反馈来通过自己的速度来学习。
在应用MATLAB技能后，他们已获得曲线拟合和从数据中获取简单模型和关系的分配，使用电气，热和翻译系统的示例解决建模和仿真问题。与计算机科学学生不同，将编程视为必要的技能，许多工程学生可能不会最初欣赏其相关性。通过在建模和模拟的背景下引入编程，我们的目标是向学生展示编码是在整个职业生涯中对他们有用的技能。
在以后的作业中，学生们将噪声或其他随机效应纳入模型。例如，我们让他们在MATLAB中创建一个简单的模型，在这个模型中，粒子在受到随机力的作用时向上飞到空中，然后又落下来。该模拟生成了一个有趣的3D可视化(图1)。整个项目让学生有信心以编程的方式创建自己的模型。
图1. Matlab 3D可视化响应随机力的粒子。
2年级：工程数学和数据分析
第二年模块ES2C7工程数学和数据分析专注于解决回归、分类和聚类问题。当我在工业领域工作时，我发现一旦数据清晰且格式合理，解决数据科学问题就相对简单了，但现实世界的数据却很少如此。考虑到这一点，我教学生如何识别和删除异常值，处理缺失值，并将数据组织到表中。
Matlab Live脚本在讲座中特别有用，因为我可以包括格式化的文本和图像，以提醒我想要覆盖的内容，并且因为代码的输出随着所产生的代码而出现。同时，在统计和机器学习工具箱™中的分类学习者和回归学习者应用程序，可以在不参考实施细节（图2）中，教授回归和分类的广泛原则（图2）。
图2。分类学习者应用。
一旦学生看到了应用程序的操作以及如何使用它们，我展示了课程如何在Matlab中工作的基础算法。
在完成关于回归、分类和聚类的实验作业后，学生们开始进行一个小组项目，在这个项目中，我让他们想象自己在一家工程咨询公司工作，负责评估制造的钢铁部件的质量。学生们必须使用两组数据(一组相当清晰，另一组混乱复杂)来预测哪些组件最有可能失败。
处理各种文件格式的噪声数据，包括Excel®，CSV和纯文本，学生删除异常值，执行连接，并准备要用于培训模型的数据。大多数群组使用回归学习者应用程序或在MATLAB脚本中实现线性回归;有些人尝试两种方法。要完成项目并展示他们在整个模块中开发的技能，每个组都会创建一个展示他们所雇用的研究的视频。
三年级及以上
对于有兴趣进一步探索数据科学和机器学习的学生，Warwick提供了一个三年级的智能系统设计模块，涵盖了计算机视觉和更先进的机器学习技术。在这个模块中，我向学生介绍在许多自主控制系统应用中使用的感觉-感知-行为框架。Simulink中的四轴飞行器模型金宝app®(图3)对于展示这个基本框架非常有用，同时向学生介绍模块中稍后将涉及的主题，如卡尔曼滤波和光流。
图3. Simulink Quadcopter模型的3D可视金宝app化。
后来，学生用Matlab开发一个手势识别应用程序，将计算机视觉和机器学习结合在一起。对于这个项目，学生开发了一种能够解释自己手的网络摄像头图像的模型，并将其分类为几个预定的手势之一。该项目专门为学生们参与学生，因为他们正在使用自己的数据，并且需要考虑照明等因素以及需要多少种不同的图像来训练准确的分类器。
学习如何将数据科学技术应用于实际问题的学生不仅为以后的高级课程做好了充分的准备，而且也为实践工程师的职业生涯做好了准备。我们已经从我们的学生那里收到了非常积极的反馈——他们发现他们能够在本科实习中应用这些技巧，并在面试中谈论这些技巧。
通过设备连接使公司能够基于数据的设计决策而不是直接或以前的经验，数据分析中的背景中的工程师非常需要。虽然我们的毕业生少数人将进入准备展示高级工程师的新工具的员工，但我们相信他们能够在情况需要时应用机器学习和数据分析。
