M.S. in Data Science & Analytics

这种浓度准备学生将数据转化为可操作的信息，为组织寻求数据驱动的建议. 本课程介绍用于存储的方法和工具, access, 并分析数据以支持业务决策. 学生们学习如何识别, manage, retrieve, 并分析数据以获得洞察力，并使用结果信息做出明智的业务决策. 学生与指导老师协商选择四门课程(12学分).

选择两门课程(6学分):

• BNAL 503数据探索与可视化(3学分)
• 高级商业分析与大数据应用(3学分)
• BNAL 721商业系统仿真建模(3学分)优先, 但如果没有提议, BNAL 576模拟建模和分析业务系统(3学分)可以代替BNAL 721与浓度协调员的许可，如果不提供BNAL 721.

选择两门课程(6学分):

• IT 650数据库管理系统(3学分)
• 商业智能(3学分)
• 大数据信息与通信技术(3学分)

这种集中的目的是为学生进入与数据科学和分析相关的快速新兴领域做好准备. 该课程涉及相关的数据分析主题，如视频分析, 算法和数据结构, 信息检索. 学生学习计算数据分析、数据可视化和自然语言处理.

学生在与指导老师协商后，从以下列表中选择四门课程(12学分):

• CS 522机器学习I(3学分)
• CS 532网络科学(3学分)
• CS 550数据库概念(3学分)
• cs569网络安全数据分析(3学分)
• cs580人工智能导论(3学分)
• CS 722机器学习II(3学分)
• CS 725信息可视化(3学分)
• 自然语言处理(3学分)
• CS 734信息检索(3学分)

本课程的目的是让学生全面了解处理大数据的方法和技术，并灌输植根于大数据解决方案的工程解决问题的技能. 这将进一步使他们成为高级数据分析方面的专业人士, 能够将多个数据源的大数据流转换为可理解和可操作的信息，以便做出决策. 课程(12学分)将使学生学习和实践以下能力:数据收集, data storage, 处理和分析数据, 报告统计数据和模式, 得出结论和见解，并提出可行的建议.

从(6学分)中选择两门核心课程:

• ENMA 754大数据基础(3学分)
• MSIM 715高性能计算与仿真(3学分)
• ECE 607机器学习1(3学分)

选择两门选修课程(6学分):

• ECE 784计算机视觉(3学分)
• MSIM 695大数据分析可视化主题(3学分)
• MSIM 574交通数据分析(3学分)
• MAE 740自主和机器人系统分析与控制(3学分)
• 并行集群计算方法(3学分)
• ECE 651统计分析与仿真(3学分)
• ECE 780机器学习II(3学分)

这种集中使MS数据科学的学生能够发展地理空间科学和技术方面的高级技能和专业知识. 整合地理资讯系统(GIS), remote sensing, 基于位置的数据可以让数据科学家发现空间模式. 该课程为地理空间技术的广度提供了基础，以便为分析准备数据, 进行适用性分析, 空间预测建模, geostatistics, 以及时空模式挖掘和目标检测. 集中课程(12学分)结合了先进的地理可视化和网络制图技术，也增强了制图分析和通信.

本专业必修核心课程(6学分):

• GEOG 600地理空间数据分析(3学分)
• GEOG 601空间统计与建模(3学分)

选修两门课程(6学分):

• 互联网地理信息系统(3学分)
• GEOG 532 Advanced GIS(3学分)
• 高级空间分析(3学分)
• GEOG 590应用GIS/制图(3学分)
• GEOG 5XX编程GIS(3学分)
• GEOG 519沿海环境空间分析(3学分)
• GEOG 520海洋地理(3学分)
• 地理信息系统在应急管理(3学分)
• 主题:地理空间领域技术(3学分)

总集中学时要求:12

DASC顶点项目 (3 credits)
硕士DASC学位也需要一个顶点项目. 为寻求这种专注的学生, 他们必须完成一个专注于地理空间分析的项目，同时采取以下措施:

DASC 690顶点项目