利兹大学 University of Leeds

商业分析与决策科学 Business Analytics and Decision Sciences MSc

+ 查看更多

目标：本模块旨在基于风险管理，认知心理学和行为经济学的循证方法，教授有效的管理决策。参加者将了解自己和他人的判断和决策基础的思维过程，常见的判断错误和决策偏见以及改进决策的策略。该模块不具备任何先验知识，将深入分析有效的决策，这对于个人和专业环境均有用。

学习成果：
完成本单元后，学生将能够批判性地评估：

断和决策的影响

目标：该模块以在有效管理决策中获得的个人决策的基础理论知识为基础，旨在为学生提供对有效管理决策的更深刻的理解。具体而言，它将重点关注行为决策理论在复杂，现实世界和管理问题上的实际应用。在这些情况下，重点将放在理解和改进决策上。研究领域包括集体决策，讨价还价和谈判，公众风险感知，有效的风险沟通以及结构化决策辅助工具的实施。该模块旨在通过提供发展决策分析技能的机会来为该计划做出贡献各种决策领域，例如战略，人力资源管理，市场营销

学习成果
完成本单元后，学生将能够批判性地评估：

评估上述问题与总体上管理决策之间的相关性的能力，尤其是对于参与者自己的专业和个人决策而言。

技能成果
完成本单元后，学生将能够：

目标：本单元旨在向学生介绍业务分析中的关键概念，并特别强调常见的应用领域。它还探讨了决策支持的行为（决策科学）观点与管理科学/业务分析观点之间的联系。

学习成果
完成本单元后，学生将能够：

技能成果
完成本模块后，学生将能够：

目标：该模块旨在为学生提供对现代业务分析工具及其在业务管理中的应用的全面了解。

学习成果
完成本单元后，学生将能够：

技能成果
完成本模块后，学生将能够：

目标：本单元旨在为学生提供在商业环境中为外部和内部客户提供咨询服务的技能，从而为商业问题提供基于证据的解决方案。这对于MSc商业分析与决策科学硕士是必修课，因为这是毕业生（作为团队的一部分）可能扮演的角色。

学习成果
完成本单元后，学生将能够：

技能成果的技能：

主题特定技能：

目标

1）促进他们的理学硕士课程的学术文献研究； 

2）促进其论文的定量研究项目的进行；

3）允许他们在业务环境中使用和解释此类方法的结果。

学习成果
完成本单元后，学生将能够使用描述性统计数据和多种方式呈现数据，并能够使用定量方法进行分析，批判性地评估其潜力和陷阱，包括以下方法和概念：

技能成果：

目标：本模块旨在为学生提供必要的水平的机器学习方法基础，以使他们能够在商业环境中使用和解释机器学习方法。

学习成果
完成本模块后，学生将能够使用机器学习来分析数据，并能够批判性地评估其潜力和陷阱，包括以下方法和概念：

1.了解并利用回归和回归树

2.了解并利用朴素的贝叶斯分类
3.了解并利用支持向量机
4.了解和利用神经网络和深度学习
5.能够将机器学习应用于文本分析

学生将学习批判性地评估机器学习方法以解决业务问题，并扩展他们的分析思维能力

学习成果
完成本单元后，学生将能够：
1、设计研究项目并撰写研究建议
2、从学术文献中找到，提取，分析和批判性评估论点，数据和信息
3、在业务分析或决策科学领域进行有针对性的重要文献综述
4、识别并阐明从文献综述中得出的明确的研究问题或假设
5、证明其选择的研究设计
6、在适当的情况下，进行现场工作，包括定性或定量，基于调查或档案的数据的收集
7、严格分析主要和/或辅助数据
8、在管理和商业背景下，针对其特定研究应用适当的研究伦理学层面
9、在主题领域适当地清楚地阐明研究结果
10、独立管理自己的研究项目
11、严格评估研究方法
12、严格评估研究论文

技能成果
研究技能，时间管理，计划和组织

目标：本模块旨在提供对非专业受众如何感知风险的批判性理解。它还将探讨如何有效地将风险信息传达给不同的受众。

学习成果
在完成模块后，学生应该能够批判性地评估：

技能成果
完成本单元后，学生应该能够：

目标：本模块旨在为学生提供必要的水平的机器学习方法基础，以使他们能够在商业环境中使用和解释机器学习方法。
学习成果
完成本模块后，学生将能够使用机器学习来分析数据，并能够批判性地评估其潜力和陷阱，包括以下方法和概念：
1.了解并利用回归和回归树。
2.了解并利用朴素的贝叶斯分类。
3.了解并利用支持向量机。
4.了解和利用神经网络和深度学习。
5.能够将机器学习应用于文本分析。