William＆Mary的MSBA项目使学生在真实商业世界的环境中，与其他5人组成学习团队，通过批判性思维项目，您将从各种角度获得敏锐的洞察力。学生将具备分析专业知识，可以从多个角度解决复杂的问题，成为公司要聘用的战略资产。
在短短的两个学期（或10个月）中，您将离开四个领域的专业人士：
商业敏锐度
应用数学
计算技术
交流影响
学校采用“书本末尾”的方法，首先讲授业务环境，其次是密集的分析方法课程，其中三分之一是在机器学习和人工智能中，最后是Capstone项目，学生将在其中担任一个真正公司的顾问。
核心课程
核心课程确保将学习数据科学家的技术技能并获得商业分析师的战略眼光。
了解如何收集和组织公司收集的有关其业务的大量数据，掌握运用大数据所需的必要技能，确定可有效预测消费者行为的关键数据字段。使用非技术性，管理性术语有效地传达技术分析的结果
提供洞察力和相关性以影响战略决策
秋季
这个密集的课程将包括对业务分析的最新技术的调查：对使用业务分析获得竞争优势的公司的评论以及如何做到这一点。这些主题将在上课的第一天进行小组讨论。本课程将教授业务敏锐度以及分析领域如何适应业务环境。主题将包括以下主题：了解资产负债表和损益表，预算，用于绩效衡量和激励的业务指标，影响力沟通，可视化，公司功能；他们如何互动，拥有什么数据以及项目管理技术。该课程还将包括：调查在运营，供应链，人力资源
Internet规模的应用程序和现代业务流程会生成与业务生命体征，市场现象，连接数百万用户的社交网络以及用户和客户习惯有关的大量数据。这些设置中产生的数据有望大大提高知识水平并提供商机。本课程涵盖数据库体系结构，数据库管理系统，数据库系统，数据库设计原理和方法论以及数据库应用程序开发技术的基础知识。本课程还检查与数据组织，表示，访问，存储和处理有关的问题。这包括诸如元数据，数据存储系统，自我描述性数据表示，半结构化数据模型，语义网和大规模数据分析等主题。
随机建模是业务分析研究的基础课程。它提供了与随机过程建模相关的原理的理解。主题将包括：概率论（重要的概率分布，从分布中采样，多个随机过程的相互作用）；以及 统计分析（描述性/推论性/预测性统计，多元统计，时间序列模型）；和建模（建模概念，蒙特卡洛模拟，决策分析）。还将向学生介绍各种统计建模软件包。
本课程旨在让学生深入了解回归和分类的理论和实践，这是数据科学家工具包中最常用的两种技术。这些预测性分析技术是通常称为机器学习技术的一系列分析的重要组成部分，它们是更精细的机器学习技术的基础，这些技术将在称为机器学习2的顺序课程中进行介绍。将涵盖称为R的功能强大且无处不在的软件包，该软件包在此类的实验和作业中广泛使用，随后在整个程序中的其他类别中再次出现。
优化是在硕士级别的所有业务分析程序中发现的一种分析方法。本课程将提供优化和分析方面的知识，这些知识是分析方法论的基础，包括线性编程，整数编程，混合整数编程和随机编程等优化技术的理论和应用。
春季
面对数十年来服务于信息处理行业的数据存储和检索技术，面对目前由网络和所谓的“物联网”创建的大量数据，事实证明这些技术是不够的。企业需要一套专门设计用于处理这些庞大数据集的新技术。在本课程中，将教授MapReduce技术，其中包括并行处理和Hadoop，Hadoop是一种在大型数据集上实现MapReduce的开源框架。将教授其他大数据工具，它们提供对非结构化数据的类似SQL的访问：Pig和Hive。最后，我们将教授所谓的NoSQL存储解决方案，例如HBase。
本课程介绍业务数据可视化的原理和技术。有效的视觉效果传达信息，以最大程度地提高可读性，理解力和理解力。信息可视化原理来自统计，感知，图形和信息设计以及数据挖掘领域。学生将学习视觉表示技术，以增加对复杂数据和模型的理解。将根据选择用于显示定量和定性的适当数据的适当方法来讨论人类信息处理以及视觉和文本信息的编码。主题包括图表，表格，图形，有效的演示文稿和仪表板设计。案例将用于各种行业。
大多数业务问题太大或太复杂而无法最佳地解决，而“最优”的严格含义意味着找到问题的“可能”最佳解决方案。因此，满足或找到接近最佳解决方案的启发式解决方案是行业中解决问题的主要方式。具有设计和执行更接近最佳解决方案的试探法的能力，可以为公司创造竞争优势。本课程侧重于需要快速而有效的解决复杂问题的方法，以便可以及时采取措施。本课程涵盖的启发式类型是算法，算法是为解决问题而采取的一系列步骤。
这是两门课程中的第二门课程，旨在让学生掌握大数据时代所使用的各种分析技能，以揭示内部交易系统，社交媒体和互联网所创建的数据元素中的隐藏模式及其之间的关系。东西 第二门机器学习课程涵盖许多方法，包括各种非线性方法，基于树的方法，支持向量机，主成分分析以及通过无监督机器学习技术对非结构化数据进行分析。R语言在本课程中被广泛使用。
本课程提供了其他课程未涵盖的一组基本工具的能力。人工智能（AI）方法在出现大型复杂问题的情况下表现良好，这是尖端业务分析工作的重点。本课程涵盖AI方法，例如遗传算法，神经网络和模糊逻辑。人工智能为现代数据科学家提供了一套必不可少的分析技术，这些科学家可以解决涵盖庞大数据集并涉及复杂关系的问题。
本课程在业务分析计划的最后两个半周内讲授，要求学生从头到尾完成一个全面的业务分析项目。这些项目要求学生运用在先前课程中获得的知识。学生将确定最适合自己项目的技术，然后有效地应用一种方法。项目的特点是需要分析大量数据并解决复杂问题。将提供由企业主办的几个项目，目标是代表多种职能和行业，以满足学生的兴趣。他们将定义和框架一个复杂的问题，开发一种系统的方法来使用分析方法解决问题，生成创新的解决方案，并使用数据可视化技术和沟通技巧说服力地传达该解决方案。每个业务分析的顶峰团队将分配一名独特的教职主管（每个团队平均4-5名学生）。
综合技能
将学习用于聚类，回归，分类以及用于视觉和文本挖掘的深度学习的最新模型
此外，还将全面了解时间序列预测，资源优化，物流和大规模报告的模型
我们的计划在每个课程中都使用工具，包括但不限于：
Python
R
Gurobi
Alteryx
Tableau
MySQL
Keras
Spark
TensorFlow
新手训练营
- MSBA项目在夏季为学生提供了几个商业分析新手训练营。这些新手训练营包括线性代数，R和Python编程。
- 每周的课程费用为$ 250
Capstone
MSBA Capstone是一项密集的任务，可测试学生成为高效分析师的能力。与大多数项目不同，WM的方法可确保学生在开始项目之前在工具箱中拥有所有必需的工具。学生将在整个MSBA项目中学习的技能应用于商业环境中的实际情况，从而使学生能够真实的评估所获得的知识，以成功解决商业分析中的复杂业务问题
TOEFL机构代码为B308
