西北大学分析学专业解析

西北大学的分析科学硕士（msia）计划向学生教授在当今竞争激烈，数据驱动的世界中推动业务成功的技能，并致力于培养具有全面技术的数据科学家，这些科学家具有严格的技术培训和商业头脑，以领导数据科学团队 。

该专业计划教学生识别模式和趋势，从大量的结构化和非结构化数据中解释和获取见识，并以适用于各个行业的实用，有用的术语传达他们的发现。 凭借严格的课程工作和行业经验，我们的毕业生拥有精良的装备，可以充分利用数据并将其全部价值传达给他们服务的组织。

专业特点

虽然程序只专注于建模或数据挖掘等分析的一个方面，但我们的程序为学生提供了在分析的所有三个方面的严格学习课程：预测（预测），描述性（商业智能和数据挖掘）和规范性（ 优化和模拟）。

该计划中的每门课程都以以前的课程为基础，并辅以案例研究，团队项目和行业嘉宾演讲，以确保基于商业现实的学术经验。 这种整体方法使毕业生能够通过经验的眼光解决以数据为中心的复杂业务挑战。

课程概述
analytics（分析）理学硕士课程是全日制校园课程。 我们课程中的学生将作为一个队列一起进行整个课程。 该计划跨越五个连续的季度，从第一个秋季季度开始，到第二个秋季季度结束。 前三个季度（秋季，冬季，春季）在校园里，参加必修课，并与同班同学一起开展总体实习项目。 在第四季度（夏季），学生至少要花10周的时间来完成行业内的实习。 这个季度没有学费。 最后，在第五个季度（第二个秋季），硕士学生将完成一个顶点项目，参加他们要求的最后课程，并参加他们选择的选修课程。

秋季（第一季）
行业实践（msia 489）
在业务和技术顾问的指导下，学生们以小组形式工作，以将课程工作整合到行业提供的项目中。

一切始于数据（msia 400）
通过项目和成功案例涵盖基本分析概念的入门课程。

数据库和信息检索简介（msia 413）
数据模型和数据库设计； sql，分布式数据库和信息检索。

预测分析i（msia 401）
多元回归，逻辑回归，判别分析，广义线性模型和生存分析。

java和python编程简介（msia 422）
面向对象的编程，数据结构和算法。

冬季区
行业实践（msia 489）
在业务和技术顾问的指导下，学生以小组形式工作，以将课程工作整合到行业提供的项目中。

通过分析产生业务价值（msia 410）
关于分析和强大的沟通技巧如何推动业务价值的一门引人入胜的实用课程。

数据可视化（msia 411）
可视化原理，记分卡，仪表板，与图形的交互，讲故事和3。

数据挖掘（msia 421）
聚类（k均值，分区），关联规则，因子分析，规模发展，生存分析，主成分分析和降维。

预测分析ii（msia 420）
非参数回归和分类方法，包括基本概念，各种非线性预测建模方法和算法以及对结果的理解和解释。时间序列预测简介。



春季区
行业实践（msia 489）
在业务和技术顾问的指导下，学生以小组形式工作，以将课程工作整合到行业提供的项目中。

分析价值链（msia 423）
本课程教授将基于机器学习的解决方案从概念转移到生产应用程序以及a / b测试和实验设计所需要的内容。

大数据分析（msia 431）
着重于haoop，非结构化数据概念（键值），mapreuce技术和大数据分析。

商业智能数据管理简介（msia 430）
在线分析处理（olap），尺寸建模和数据流。

深度学习（msia 432）
深度学习模型（生成式和区分式），cnn，rnn和反向传播。

夏季区
实习
学生在行业合作者的雇用上至少花费10周。

秋季（第二季）
顶石设计项目（msia 499）
在这个最终项目中，学生将利用课程的广度和深度来解决行业提供的问题。

数据科学家的领导力见解和技能（msia 412）
通过反思性的体验练习，学生将通过更加了解自己是谁以及他们如何理解和与他人互动来提高他们的领导才能并增加情绪智力。

文字分析（msia 414）
介绍各种实用的自然语言处理任务/技术，重点关注行业主题和最新系统。

选修课
从以下示例中进行选择：人工智能的强化学习，医疗保健分析，信用风险管理的预测模型，优化与启发式或社交网络分析。

针对想进一步了解的学生，可以关注我或者对我的文章进行评论点赞与我互动～也欢迎您到:石家庄市新华区中华北大街50号军创国际商务花园12楼 ，现场咨询。