Data Analytics Minor
数据分析辅修(14-16学时)
Requirements |
14-16 hours |
---|---|
CMPSC 1100 Python编程1 | 4 hours |
数据1200 Excel和SQL编程 | 4 hours |
DATA 3100数据可视化与R | 4 hours |
统计学课程(选以下其中一门): |
2-4 hours |
介绍描述统计和推论统计. 主题包括聚会, organizing, interpreting, 并以假设检验作为商业和经济领域决策的方法来呈现数据. 程序包括z检验、t检验、方差分析、相关性和简单回归.
交叉上市与ECON 2100.
前提条件:证明高中代数的熟练程度或教师的许可.
(通常每学期提供.)
介绍使用Python解决计算问题. 动手实验用于激发基本的编程概念, 包括基本数据类型和结构, functions, conditionals, and loops. 其他主题可能包括构建和抓取HTML网页. 本课程推荐给所有希望探索数据科学和/或计算机科学的人.
先决条件:数学ACT成绩至少21分或导师许可.
学习使用Excel和SQL管理、操作和汇总数据. Excel中的主题包括, 但不限于:函数, filters, 图表和可视化, pivot tables, and macros. SQL中的主题包括但不限于:查询、连接和基本数据库管理.
数据可视化的研究,包括原理和技术. 学生将分析可视化的有效性, 使用编程语言R创建一系列广泛的可视化, 并通过它们传达一个故事. 重点将放在获取和清理数据上.
先决条件:CMPSC 1100 Python编程I的成绩为“C”或以上,以及以下统计学课程之一的成绩为“C”或以上:BUSAD 2100商业与经济统计, MATH 1300 Statistics, 数学3100微分方程, 政治科学统计概论, 心理统计2100, 或SOC 2910社会统计.
统计概念的介绍,重点是应用. 主题包括描述性统计, 离散和连续概率分布, 中心极限定理, confidence intervals, hypothesis testing, and linear regression.
(通常在秋季学期开设.)
介绍基本的概率和统计概念,重点是应用. 主题包括描述性统计, probability, Bayes' Theorem, 离散和连续概率分布, 联合概率分布, 估计和假设检验.
先决条件:数学1610微积分II的成绩为“C”或以上.
(通常在偶数年的秋天提供.)
本课程向学生介绍通常用于回答有关政治世界问题的统计技术. 本课程教导学生如何建构及描述资料, 检查变量之间的关系, 建立和评估统计模型. In addition, 学生将学习运用这些统计技术来得出关于政治世界的结论并做出政策决定. Throughout the semester, 将向学生介绍这些数据集, software, 以及最常用于政治和政策定量分析的技术.
(通常在春季学期开设.)
介绍描述和推理统计作为决策指导在心理学和相关领域. 主题包括组织, analysis, presentation, 而数据的解释则着重于假设检验模型的推理. 具体程序包括z检验、t检验、方差分析和相关性分析. 计算经验需要实验室部分.
先决条件:心理学1010/心理学1010FYW心理科学入门和大二的成绩.
推荐:大学水平的数学课程.
(通常每学期提供.)
在本课程中,学生将了解描述性和推断性统计及其在社会学研究中的应用. 统计程序包括集中趋势测量, variability, t-test, one-way ANOVA, correlation, regression, and chi square. 课程还包括使用SPSS进行分析的具体培训.
先决条件(s): SOC 1110社会学介绍.
(通常在春季学期开设.)