课程

本课程使学生具备运用和解释经典统计方法来分析商业决策设置的能力. 主题包括描述性统计, 概率与概率分布, 区间估计, 假设检验, 实验设计, 方差分析(ANOVA), 和线性回归. R也将在本课程中介绍.

在本课程中，学生将学习如何使用定量数据为不同的受众构建论点. 它为论证理论的形式化研究提供了基本概念, 包括推理推理和三段论, 受众分析, 和组织.

本课程培养学生创造引人注目的叙述，以有效地传递他们的分析结果. 学生学习各种技术和工具来可视化地呈现分析结果, 清晰地传达信息, 并有效地阐明分析所揭示的业务见解. 主题将包括数据可视化软件包(例如.g. 表)来动态地呈现数据, 可视化查询链接多维可视化, 指示板, 地理信息系统(GIS), 动画, 个性化, 以及可操作的警报.

本课程帮助学生构建遵循基本编程概念和逻辑流程的精心设计的代码模块.  它涵盖了使用标准编程语言(如Python)进行计算机编程的基本概念. 主题包括数据结构, 控制结构, 数据输入/输出, 面向对象编程, 异常处理, 和调试. 课程中介绍的概念和方法用简单的数据分析例子来说明.

本课程旨在让学生掌握先进的数据分析技术. 它以数据分析课程为基础. 主题包括回归, 逻辑回归, 非线性回归, 时间序列分析, 非参数方法, 贝叶斯概率更新, 与决策分析. 学生将在本课程中继续学习R.

本课程使学生具备必要的洞察力，成为一名意识到法律的道德分析师, 政策, 以及数据的伦理含义. 这一点的核心是，学生发展对包括收集在内的数据生命周期的伦理困境的看法, 存储, 处理, 分析, 和使用. 主题包括:主要伦理传统的介绍, 隐私, 数据安全, 数据产权, 数据的准确性, fraud, 疏忽, 以及意想不到的结果和行为准则. 它包括特定行业和机构领域的约束和考虑, 数据类型, 收集方法.

本课程通过数据库理论和工具帮助学生有效地管理数据. 主题包括关系数据库结构, 数据库查询和报告, 以及并发控制等数据库管理问题, 数据安全性和完整性. 本课程将使用结构化查询语言(SQL)和结构化数据库软件包.

云计算涵盖了云基础设施的基本主题和概念，以解决大数据分析问题.  本课程涵盖的主题包括云架构，如亚马逊网络服务, 云编程, 使用Docker容器进行云传输, 物联网(IoT)移动云应用, 使用云服务进行社交网络分析, 云的性能, 云安全.

本课程培养学生开发测量系统, 监控和预测关键企业变量和绩效指标的演变，并以支持业务决策过程的可用信息的形式呈现它们. 主题包括项目管理, 数据仓库, 业务报告和绩效管理, 数据挖掘, 文本挖掘, 大数据战略.

本课程通过计量经济分析和金融建模，重点介绍分析学在金融及相关领域的应用. Concepts of financial analytics will be introduced via exercises such as: Creating a portfolio and evaluate its performance; Estimating asset pricing models using econometric techniques; Understanding and applying portfolio optimization methods; and Explore the fundamentals of options markets, 期权交易. 主题将包括资本资产定价模型(CAPM), 马科维茨有效边界, 二项树和布莱克-斯科尔斯期权定价模型.

本课程培养学生解决供应链管理和业务流程优化中的问题和机会. 学生将学习如何将商业场景转化为数学模型，以及如何使用线性规划来确定最佳解决方案. 主题包括流程分析, 线性规划, 整数线性规划, 队列模型, 库存模型, 和仿真. 本课程将介绍一门编程语言(AMPL).

本课程培养学生建模和分析市场和客户数据.  主题将包括分析在关键营销领域的应用, 包括市场细分, 新产品和服务设计, 收入优化, 客户关系管理(CRM), 定价及收益管理, 以及分配决策. 必要的营销概念和理论介绍需要, 以及案例和项目的最佳解决方案. 主题包括流程分析, 线性规划, 整数线性规划, 队列模型, 库存模型, 和仿真. 本课程将介绍一门编程语言(AMPL).

这是这个项目的顶点课程. 他们从这个项目中学到了知识和技能, 学生团队承担现实生活中的分析项目，并将向教师和分析专家展示和捍卫他们的发现和建议.