数据挖掘
批判性地分析和证明数据挖掘过程中涉及的步骤
预测和识别与数据挖掘相关的数据问题
研究、测试和应用数据挖掘中使用的主要算法和技术
证明适用于给定数据挖掘问题的技术
使用适当的度量评估和反思数据挖掘项目的结果
调查数据挖掘的应用领域和当前的研究方向
反思数据挖掘的伦理和社会影响
数据整理
现实世界的数据通常是混乱的、分布式的和异构的。本课程介绍数据清理和标准化以及数据集成的核心概念，旨在将原始数据转换和映射为其他格式，以便更高效、更方便地使用和分析数据。这些课程还讨论了与数据分析相关的数据质量、管理和存储问题。
社会科学方法和数据类型简介
本课程介绍了主要的实证社会科学方法、数据类型以及收集社会科学数据的技术。该课程将为学生提供将社会科学方法应用于数据生成和分析的技能，从而为政策、业务和服务提供决策提供信息。
内容将包括：主要社会和行为理论概述（理性选择；推动和行为洞察力；复杂性理论），研究设计简介（观察设计；干预和实验设计以及行动研究），收集数据的技术（定量调查；定性调查）访谈；行为和经验方法）、衡量问题、研究的参与性方法、弱势群体以及伦理和隐私方面的考虑。
使用数据回答政策问题和评估政策
本课程将为学生提供一系列分析技术，可用于回答政策和服务提供问题以及如何衡量政策的影响。它将涵盖政策评估的四个关键方面
- 原因：计划或政策是否对结果或感兴趣的结果有直接影响？
- 归因：导致这种影响的计划或政策是什么？
- 实施：关于计划或政策是如何交付的，可以学到什么？
- 文件：如何向学术和政策受众报告评估的关键方面？
回归建模
回归建模是一门应用统计学课程，研究使用线性回归技术检查变量之间的关系。该课程通过拟合模型的迭代过程强调统计建模的原理，检查拟合以评估模型中的缺陷并建议替代模型，并继续直到达到令人满意的模型。此过程中的两个步骤都需要使用计算机：模型拟合使用各种数值算法，模型评估涉及大量使用图形显示。R统计计算包被用作课程的一个组成部分。
广义线性模型
本课程旨在向学生介绍广义线性建模方法，重点是但不限于分析分类数据的常用方法。涵盖的主题包括多元线性回归和方差分析的回顾、列联表的对数线性模型、二元响应数据的逻辑回归、泊松回归、模型选择和模型检查、混合效应模型。其他主题可能包括广义线性模型和广义混合效应模型的贝叶斯分析。
图形数据分析
本课程介绍数据表示、汇总和展示的原则，特别强调图形的使用。本课程将在现代计算环境中使用 R 语言。讨论的主题包括：
· 数据表示；好的和坏的图形的例子；图形构造原则；需要避免的一些陷阱；演示图形。
· 图形环境；交互式图形；视窗; 链接窗口；图形对象。
· 统计图形；茎叶图、箱形图、直方图；平滑直方图；分位数-分位数图；表示多元数据；散点图; 聚类；星星和面孔；动态图形，包括数据旋转和刷亮。
· 变量之间的关系；平滑散点图；简单回归；建模和诊断图；探索表面；等高线图和透视图；多重回归; 时间和空间的关系；时间序列建模和诊断图。
商业和金融的介绍性统计
解释和使用基本的金融统计技术和概念来分析金融和投资数据
使用概率原理解决问题
认识和使用不同的统计分布
执行计算并解释各种估计技术的结果
进行并解释假设检验的结果
进行和解释方差分析测试并比较两组或多组数据之间的差异
应用和解释回归模型
关系数据库
科学家编程
计算机科学
COMP8600 统计机器学习
COMP8880 网络科学计算方法
COMP6490 文档分析
COMP8420 神经网络、深度学习和仿生计算
社会科学
SOCR8082 社会研究实践
SOCR8006 在线研究方法
SOCR8203 社会科学数据创建的先进技术
SOCR8204 为政策制定和服务提供提供信息的先进社会科学方法
统计数据分析
STAT6016 贝叶斯数据分析简介
STAT6039 数理统计原理
STAT6040 统计学习
STAT8002 应用时间序列分析
