相关链接
课程
贝洛伊特大学数据分析和科学跨学科项目的课程来自多个系。
跨学科课程的例子
- 微积分1
- 数学115微积分II
- 数学175线性代数
- 离散数学
- 数学205数学统计学
- 数学统计学2
- CSCI 111面向对象编程简介
- CSCI 204数据结构和算法
- CSCI 367数据库
- ANTH 208人种学方法
- ANTH 240定量理论与技术
- 经济302市场研究研讨会
- 303年经济学计量经济学
- 经济学251定量经济学方法
- 政治科学与健康研究方法
- 认同的政治心理学
- 社会统计
- SOCI 211研究方法
- 杂志247年生物识别技术
- 研究方法与统计学1
- 研究方法与统计学2
- ART 325平面设计
- CPLT 215/WRIT 215计数,写,看
- envs260 /JOUR 350/MDST 350媒体与人类世
固定的课程
在这里找到的课程信息包括所有永久性课程,并在学术参议院批准更改时定期更新。有关历史信息,请参见课程目录.对于任何给定术语的实际课程可用性,使用课程搜索门户.
在本课程中,学生将学习数据工作涉及的内容,包括数据伦理的讨论,并介绍流行的数据工具,如R, Tableau, SQL。学生们还会了解数据工作是什么样的,他们还会与数据科学/分析领域的校友联系,从从业人员那里了解更多关于该领域的信息。
数据可视化是以图形形式显示信息的过程,用于研究数据集中的模式并交流结果。本课程涵盖了数据可视化的方法,主要围绕两个领域:作为探索的数据可视化和作为交流的数据可视化。学生讨论单变量、双变量和多变量比较,并使用多个程序生成可视化。每个学生将根据自己选择的主题创建一个最终的作品集项目。前提条件:无,数据科学、数据分析专业优先。
作为数据科学和数据分析的高级研讨班,本课程提供了DSDA专业和辅修学生在贝洛伊特学习期间所学的概念和技能的综合。学院各院系的附属教师讨论他们学科中数据的重要性和意义。学生完成一个高级作品集,展示他们在数据科学和分析方面的工作,并为后贝洛伊特教育和就业做准备。(CP)前提条件:高级。
本课程将讨论几种数据挖掘技术,以从大型数据库中识别在当前流程级别可能不可用的新模式。主题涉及数据处理、数据可视化、数据探索、预测、分类、异常检测、关联分析和聚类。学生在多个项目中使用数据挖掘工具和技术,如决策树、支持向量机、贝叶斯分类器和神经网络均值聚类,以解决数据科学领域的一些问题。奇数年,春季学期。前提条件:初级和计算机科学204。推荐:数学175和205。
介绍机器学习的三种类型:1)监督学习,2)无监督学习和3)强化学习。学生们以个人或团队的形式,利用来自不同领域的真实世界数据集,实现机器学习算法/方法,并评估他们的表现,包括面向相关领域观众的工作演示。学生学习与数据科学相关的专业、伦理和社会问题。Python是本课程的主要编程语言。(CP)偶数年,春季学期。先决条件:计算机科学