跳到内容

Courses & Requirements

课程描述

除非另有说明,否则所有课程都是3个学分。

课程列表

  • 点击这里 阅读Wittenberg提供的分析课程中科学硕士学位的完整描述。

ANLT 500.设计邪恶数据问题的挑战。
邪恶的数据问题是由于不完整,矛盾和不断变化的要求而难以或不可能解决的问题,这些问题往往难以识别。术语“邪恶”的使用已经来表示对分辨率的问题。此外,由于复杂的相互依赖性,解决邪恶问题的一个方面的努力可能揭示或创造其他问题。本课程将通过探索多种复杂的问题和相关数据来介绍学生对该计划 - 以及在许多生命和工作方面。在此过程中,将向学生介绍数据分析的术语,概念和技术作为未来课程和项目的基础。

ANLT 510.高级统计和建模。
 本课程为将统计数据应用于决策而制定基本知识和技能。主题包括描述性统计,概率分布,采样,置信区间,假设检测和计算机软件对统计应用的使用。

ANLT 530.数据挖掘。
数据挖掘或智能分析数据集中存储的信息,最近在各种领域和行业中获得了实践的大量兴趣。现在几乎每个组织都收集数据,可以分析,以便做出更好的决策,改进政策,发现计算机网络入侵模式,设计新药,检测信用欺诈,做准确诊断,预测重要事件,监控,评估可靠性和抢先失败复杂系统等。本课程将为参与者提供了解基本数据挖掘方法,并具有制定和解决它们问题的能力。特别注意实用,高效和统计学的声音技术。讲座将与数据挖掘软件的实践经验相辅相成。学生将有机会开发有效评估和分析数据所需的直觉。

ANLT 540.描述性,预测和规定的分析。 
本课程涵盖了分析的描述性,预测和规范性区域。学生使用每个区域的切削刃技术来了解特定上下文中的数据,并专注于评估数据以预测可能的结果。将采用行业的案例研究,团队项目和访客员工。 

ANLT 550.数据可视化。 
数据可视化中的这一介绍性课程侧重于设计和评估原理,以及经常用于聘用和告知他人的技术,概念和成语。重点是数据可视化如何出现数据和暴露见解。学生获取,解析和分析大型数据集,并使用技术可视化多变量,时间,文本,地理空间,分层和网络数据。 

ANLT 565.营销分析。
本课程探讨了数据科学和营销原则,以更有效地支持业务决策。学生将评估营销挑战,评估营销数据,制定行动计划。重点将在提供通过指定的项目提供有关营销分析洞察的公司决策者。先决条件:无

ANLT 570.案例研究I:分析的力量和广度.
本课程将对各种行业和背景的分析方法进行介绍。每个情况中的重点管理问题将被评估,并且将应用整个程序所学到的概念,以展示数据和分析的潜力来增加值。本课程的目标是传达领域的广度,并探讨分析技术应用中的语境差异。

ANLT 575.数据驱动的决策。
本课程涵盖使用数据在时间束缚现实世界情况下做出决定的基础基础。必须与主动操作系统系统合并启发式,以创建快速,有效,有效的决策。现场案例,以及启发式数据分析系统和方法将受到挑战学生有效利用数据做出决策。先决条件:无

ANLT 580.案例研究II:分析的有针对性的应用。 
本课程将用于探索分析和对课程特别兴趣的打开问题的应用。在某些情况下,案例研究将补充Capstone体验。虽然Capstone项目将涉及大量深度和时间来完成,但本课程将要求学生快速评估问题,有效地评估数据,并制定可以实时增加价值的行动计划。这种体验旨在模仿所有学生将在完成计划后将其技能所面临的条件。本课程的总体目标是展示队员在这些应用中的应用范围和深度 - 他们的分析技能相关。本课程还旨在扩大班级所有成员的技能和视角。

ANLT 591.分析CAPSTONE I(项目探索)。 1学分。
分析程序Capstone阶段。学生将审查和练习研究生级研究,大学图书馆资源,文学评论,数据收集和写作期望。 Fianl项目将挑战学生阐明数据问题的性质,相关性和背景,相关的研究问题,方法以及在书面报告中产生结果。

ANLT 592.分析CAPSTONE II(项目设计和提案)。 2学分。
第二阶段分析程序Capstone。当然侧重于使用战略决策数据的未实现机会,以及公司经理和分析师面临的激烈问题解决。分析了来自人力资源,财务,营销,运营,运输和物流以及生产的数据集。学生阐明了数据问题的性质,相关性和背景,相关的研究问题,方法以及导致视频演示。 

ANLT 593.分析CAPSTONE III(项目执行)。 2学分。
第三阶段分析程序Capstone。学生将为公司执行数据分析项目。学生与公司合作伙伴合作,分析当前的业务问题,并查看找到解决方案所需的内部数据。学生将与企业利益相关者实际上互动。 

ANLT 594.分析CAPSTONE IV(项目最终确定和报告)。 1学分。
分析程序Capstone的第四阶段。课程重点是利用以前课程的知识,技能和技术的主要研究项目生产。学生选择主题,收集数据,使用库资源进行文献综述,使用R作为数据分析的基础,以及在数据,分析或商业期刊中的出版物的写作纸。项目提交给教师和行业专家小组。

回到顶部