必修模块
课程内容：一系列运筹学技术的介绍，包括：线性编程的基础，包括单纯形法和对偶性；整数编程 马可夫链 排队论 动态编程 库存模型；博弈论。
先决条件：学生必须了解线性代数（矩阵乘法，向量的几何解释），概率论（期望值，条件概率，随机事件的独立性）和微积分（导数，极限）的基础知识。
课程内容：该课程分为两部分，涵盖运筹学中两个最重要的工具：数学优化，运用复杂的数学方法做出最佳决策以及模拟，模拟现实场景（基于计算机） 建模环境。
优化（12个课时）：这部分使学生能够制定，建模和解决作为数学优化问题的实际管理问题。在概述该领域最相关的技术时，它讲授了一系列构建数学优化模型的方法，并说明了如何解决它们并分析其解决方案。主题包括：使用线性和网络模型制定管理问题；用专用编程语言解决此类问题；解决方案的解释；非线性模型的公式化和求解，包括一些或全部的二进制，整数，凸和随机规划模型。
建模（8个学时）：该部分将培养模拟建模技巧，理解支撑模拟方法论的理论基础，并对管理模拟建模项目中的实际问题有所了解。主题包括：生成离散和连续随机变量；蒙特卡罗模拟；方差减少技术；以及其他主题，例如离散事件模拟，马尔可夫链蒙特卡洛方法。本课程将教学生如何使用仿真建模软件包。
本课程涵盖最常用的数据分析统计方法。除了标准的推断方法（例如参数估计，假设检验，线性模型和逻辑回归）外，它还涵盖了蒙特卡洛方法，自举，EM算法，置换检验，基于局部拟合的回归，因果推断和错误发现率。 软件R构成课程的组成部分，可提供动手的数据分析经验。
可选模块-1 unit
MA402博弈论I（0.5）
MA407算法与计算（0.5）
MA421高级算法（0.5）
MA427数学优化（0.5）
MA428组合优化（0.5）
MA429数据挖掘算法技术（0.5）
MA434算法博弈论（0.5）
可选模块-0.5 unit
MA433网络数学（0.5）
MG409拍卖与博弈论（0.5）
MG422战略思考（0.5）
MG455决策，偏见和微调（0.5）
ST422时间序列（0.5）
ST449人工智能和深度学习（0.5）
