曼彻斯特 The University of Manchester

商业分析：运筹学与风险分析

+ 查看更多

最近的论文项目主题示例：

本课程涵盖主要的数学编程和优化方法，包括：线性，非线性，整数和动态编程。该课程还介绍了元启发式方法。重点放在通过使用适当的软件工具来解决管理优化问题。 

本课程涵盖数据分析，数据管理，数据预处理，预测建模，无监督学习，高级分析和大数据的基础知识，以支持业务决策。 

该单元概述了仿真技术，尤其是它们在支持风险分析和系统中的流量管理中的使用，该系统足够复杂以限制其他建模方法的适用性。特别是，该单元涵盖并对比了三种主要的运筹学模拟概念和方法：蒙特卡洛模拟，离散事件模拟和系统动力学。该单元还介绍了马尔可夫链分析和基本排队论模型，并讨论了将这些数学方法用作补充和/或告知模拟的手段。我们着重于实际的建模工作，并向学生介绍了一系列合适的软件包。 

项目和计划管理实践对跨部门的组织越来越重要。项目和计划是组织（公共和私人）着手进行蓄意而积极的战略变革的主要工具。例如，能力转换，新产品开发和基础架构开发取决于成功的项目组织。该课程将探讨如何设计和领导项目组织，通过提供一系列工具技术和对项目以及项目管理进行批判性思考的方式来取得成功。 

供应链仅仅是由具有复杂合同的公司组成的网络，以向客户采购，制造和交付产品或服务。供应链互动的复杂性和参与方的数量使探索和优化网络级物流管理变得充满挑战和兴趣，因此，对受过该学科培训的专业人员提出了很高的要求。本模块旨在深入了解如何在供应链中管理物流。具体来说，我们将尝试探索，评估和了解物流决策（设施，网络设计，库存和运输）如何影响重点企业及其整个供应链的绩效。鉴于第三方，第四方和第五方物流公司的数量激增，我们还将探讨其重要性，全球供应链中物流外包的适当性和复杂性。完成本模块后，您将了解物流经理面临的许多决策。此外，您还将了解可在实践中应用的理论，概念和实践，以指导工作场所环境中的关键物流决策。

 

数据分析（包括数据预处理，分析，可视化，机器学习和优化），侧重于使用Python编程语言的业务应用程序，而无需假设已有编程知识。