本课程提供方法的介绍性概述, 数据分析这一不断发展的领域中的概念和当前实践. 要涵盖的主题包括数据收集, 信息决策的分析和可视化以及统计推理方法. 学生将使用当前的统计软件探索这些主题. 一些重点还将给予数据分析的伦理原则.

本课程的重点是设计数据库时的基本设计考虑. 具体的主题包括设计备选方案的性能分析, 系统配置和管理一个流行的数据库系统. 本课程还提供了数据库系统的算法和机器组织的深入分析. 注意:本课程有监考考试。. 如果学生使用在线监考，这种考试需要额外的技术.

本课程的重点是收藏, 准备, 分析数据来创建可视化, 指示板, 以及可以用来交流关键业务见解的故事. 学生将学习如何使用当今企业使用的最流行的可视化工具构建和简化数据分析项目，并有效地突出其含义.

本课程探讨数据挖掘方法和工具, 研究了海量数据集分析分析中的问题, 和非结构化数据. 学生将学习在大型数据集中发现模式的概念和技术, 哪些支持组织决策.

本课程探讨了机器学习的两个主要领域:有监督和无监督. 主题包括线性回归和逻辑回归, 概率推理, 支持向量机, 人工神经网络, 聚类, 还有降维, 和编程.

本课程探讨分析计算的方法和诊断分析和预测分析的程序. 主题包括数据操作, 聚类算法, 以及使用基本编程技术的回归方法.

本课程考察数据分析过程，强调数据的定量和定性发现. 学生将培养数据分析方法和预测分析的技能，使他们能够开发算法方法，并将它们与流行的行业软件一起用于数据驱动解决方案.

这门数据分析课程的目的是评估学生综合和整合他们在课程中所学到的知识和技能的能力. 本课程为学生提供机会，通过包括问题范围在内的综合项目，展示数据分析关键领域的能力, 数据准备与分析, 以及模型开发.

本课程向学生介绍具有商业应用的统计学. 本课程包括描述统计和推理统计. Topics included are: measures of central tendency; measures of dispersion; graphical displays of data; linear regression; basic probability concepts; binomial and normal probability distributions; confidence intervals; and hypothesis testing. 这些主题将使用基本的代数知识和Microsoft Excel来覆盖. 注意:本课程有监考考试。.