必修核心课程
- MGTA 451：市场营销，财务和运营方面的业务分析，共4个单元
业务分析项目应努力通过解决有影响的业务问题为组织创造实质性价值。在本课程中，学生将学习确定营销，财务和运营等实质性领域中的商机。
本课程旨在向学生介绍R中的数据分析，其中重点更多地放在业务“数据”上而不是“分析”上。重点是收集，处理，操纵和汇总大数据集。在整个课程中都会使用案例研究。
本课程旨在帮助业务经理在复杂的决策情况下使用数据做出良好的决策。将涵盖几种分析和计量经济学方法，包括决策分析，回归分析，优化和模拟。
客户分析专注于使用数据，统计数据和机器学习来创建，开发和维护与单个客户的_exchanges_。许多公司都拥有有关客户行为的大量信息。但是，很少有公司拥有专门针对此类信息采取行动的人员或专业知识。在本课程中，您将学习现代分析驱动的市场营销方法，并将获得收集，分析和处理客户数据所需的动手经验。
学生将作为团队的一员继续他们的成功经验，以解决公司面临的实际业务问题。每个团队将作为项目的外部顾问工作，以为客户公司创造价值。最多可计两次两次，最多四个学分。
选修课-16 units
这门基于项目的课程探索和发展分析专业人士制作业务案例所需的应用沟通技巧。学生将单独或以团队的方式工作，以开发有说服力的消息，以便与技术专家和业务决策者之间以及之间相互交流复杂的技术信息和业务见解。
本课程着重于基于数据的收集，绘制推理和制定业务决策。它将涵盖工具-Python，API和NLP-收集，处理和分析来自Web和其他来源的数据，目的是使学生精通数据并从真实的大型数据集中获取见解。学生将了解点击流分析的强大功能以及Web数据分析的行业应用程序可以释放的各种可能性
公司和其他组织通常会收集文本，图像和视频等非结构化数据。诸如此类的复杂数据性质和规模需要专门的分析框架。在本课程中，我们将讨论和使用使决策者能够从非结构化数据中提取可操作信息的工具。
本课程着重于通过结合数据和分析工具（包括统计，预测和优化）来提高生产和服务运营以及供应链的绩效。学生将学习在容量和分配设施的规划和签约中运用分析方法；如何确定对库存水平进行动态管理的数据收集要求；以及如何在需求学习中改善收入管理
在本课程中，我们将介绍设计和构建仪表板以及数据可视化的原理。我们将利用Tableau的资源库来演示数据可视化和数据讲故事的最佳实践。
学生将学习设计和进行实验以指导政策和商业决策。他们将学会区分相关性和因果关系，并根据非实验数据来批判性评估因果关系。
在资源匮乏，信息不准确以及利益相关者议程相互冲突的情况下（即大部分时间），决策很难。学生将利用先进的行为研究，通过改善自己的决策和对他人决策的理解来获得竞争优势。
许多项目无法产生有价值的结果，超出预算或未按时完成。本课程将教学生如何设置和管理团队以及业务分析项目的执行赞助者的目标和期望。
本课程专门介绍推荐系统，数据挖掘和预测分析的当前方法。不需要机器学习的背景知识，但是所有参与者都应该熟悉编程（所有示例代码都将使用Python）以及基本的优化和线性代数。
- MGTA 462A：大数据技术和业务应用，2个单元
当今，分析大规模和复杂数据是许多业务应用程序不可或缺的一部分。本课程旨在为学生提供通过数据库系统处理大量数据的技能。这些学生将学习基本操作，例如数据清理和将外部数据收集到数据库中的提取-转换-加载（ETL）流程，执行复杂查询的高级SQL以及数据库内分析以及数据原理用于企业级数据分析的仓库设计。
- MGTA 462B：大数据技术和业务应用，2个单元
当今，分析大规模和复杂数据是许多业务应用程序不可或缺的一部分。本课程旨在为学生提供技能和知识，以进行大规模分析。学生将学习分析过程中用于收集，准备，处理和评估数据的步骤。使用分布式计算和基于云的工具对大数据执行可伸缩分析的技能和技术将是本课程的重点。Spark分布式平台和基于AWS云的分析将提供实践经验。通过作业和项目，学生将运用他们在课程中学习的工具和技术来利用大数据。
在本课程中，您将学习建立统计/机器学习模型以查找数据事件中的欺诈所需的所有知识。我们将介绍构建欺诈模型的基础知识：了解问题动态，欺诈模式，数据分析和准备，构建专家变量/功能，不同的算法选择以及模型优度的度量。
该课程涵盖了制定数据驱动的定价决策的主要驱动力。定价是所有战术营销决策中最关键的一项。它涉及对供应方（例如成本）和需求方因素（例如，消费者的支付意愿）的详细了解。在本课程中，我们将定价决策视为经济，战略和行为考虑因素的交集。我们将介绍所需的数据和分析技术，以制定最佳的定价决策。我们将介绍用于主要（例如调查）数据以及辅助数据（例如POS扫描仪数据）的工具和技术。本课程将包括讲座，讨论定价理论的课程以及课堂上的实验室，我们在课堂上使用数据确定适当的收费价格。
- MGTA 495：商业分析课程的特殊主题，2-4 单元
数据可用性的提高有可能创造巨大的财务和社会效益，但也可能损害隐私和歧视等领域的利益。本课程旨在向学生介绍由于收集，汇总，使用和分析数据而引起的法律，政策和道德问题，并研究应对这些意外后果的方法。作业将以书面形式和基于项目的方式进行，并且该课程将讨论来自现实世界争议的示例。
其他选修课-12 units
- CSE 250B：人工智能原理：学习算法，4个单元
本课程涵盖用于从数据进行有监督和无监督学习的算法。内容可能包括最大似然，对数线性模型（包括逻辑回归和条件随机字段），最近邻方法，核方法，决策树，集成方法，优化算法，主题模型，神经网络和反向传播。
随着深层网络的出现，神经网络最近重新流行起来，深层网络赢得了所有最重要的计算机视觉竞赛的冠军，并且还用于许多其他模式识别和模式转换问题，并且已成为一种方法强化学习的最佳选择。在本课程中，我们从神经网络的基础知识入手：我们介绍了感知器，线性和逻辑回归，多层网络和反向传播，卷积神经网络，递归网络和深度网络。
自然语言处理（NLP）是AI的一个领域，旨在使计算机具备智能处理自然（人类）语言的能力。本课程将探索用于自然语言数据自动分析的统计技术。涉及的特定主题包括：概率语言模型，用于定义文本序列上的概率分布；文字分类 序列模型；将句子解析为句法表示；机器翻译和机器阅读。
概述了用于制定和评估技术战略的工具，包括技术变革经济学，技术演进模型以及组织动力学和创新模型的介绍。了解技术公司如何获得并维持竞争优势。
营销研究是公司获取和综合有关其客户和竞争对手的信息的过程。经理在不确定的决策面前使用营销研究，因此他们可以采取行动以取得更好的结果。本课程特别强调在数字时代和自动化时代的信息获取，而统计学将是突出的特点。在本课程中同样强调的是，开发吸收信息并将其转化为明智的业务策略的技能。市场营销学教授和应用的方法包括假设检验，聚类，因子分析，多维标度，面板数据的因果推断，A / B检验和实验设计。
该课程确定影响产品和服务选择和使用的因素。将向学生介绍包括评估行为在内的问题/决定；了解消费者的决策过程，以及创造理想的消费者行为的策略。
在本课程中，学生将创建原型电子商务业务。我们进行市场选择，采购，客户和市场研究，差异化，定位，品牌，商店设计，用户体验测试，定价，社交媒体，内容营销和数字广告。在每个阶段都强调以数据为依据的决策。
介绍最新的金融预测方法。学生将学习根据预测变量，调查，市场信息和其他经济数据的过去值估算预测模型。参与者将成为媒体报道的预测的重要消费者
建立受心理学启发的行为理论，以描述金融市场的各种特征。考察行为金融学的见解如何补充传统范式，并阐明投资者的交易模式，资产价格行为和公司融资。
