根据美国劳动局的数据, 2019年至2029年, 增长最快的第11位是数据科学家,增长率为31%,工资中位数为98美元,000. 这门辅修课程是在大数据解决方案领域的一位领导者的指导下开发的. 有许多财富100强企业作为客户, 这门辅修课程的主要重点是教学生进入这个快速发展的领域所需的硬技能和软技能. 查德隆州立学院开设了内布拉斯加州首个数据分析辅修课程. 课程开始时假设学生没有编程经验. 通过关注雇主的需求,并提供在机器学习和商业智能等热门领域的经验,来建立适当的基础, 完成这门辅修课程的学生将为他们可能被雇佣的众多行业或雇主提供必要的技能.

辅修数据分析

Fall Semester

MATH 200 数据分析入门 3
MATH 201 程序化数据导论 3
MATH 202 数据库结构简介 3

春季学期

MATH 301 数据生命周期和应用. Devel. 3
MATH 302 应用“大数据” 3

Fall Semester

MATH 439 统计学理论 3

春季学期

MATH 426 运筹学 3

数学200和数学201可以同时采取.
每学期提供数学200.
数学201是数学202的先决条件.
数学202是数学301的先决条件.
数学301是数学302的先决条件.
数学429在偶数年的秋天(和交替的夏季)提供。.
数学426是提供在偶数年的春天(和交替的夏天).


课程描述

数学200数据分析入门(3学分)
R统计编程入门及其应用. 学生将熟悉探索性数据分析的过程、技术和目标. 学生将能够创造, assess, 有效地调试代码, 并以有效的方式解释他们的发现.

数学201程序数据入门(3学分)
编程入门:从大数据原理的角度学习如何编码的整体方法. 主题包括但不限于数据类型, Immutables, Functions, Packages, Loops, Recursion, 并介绍了面向对象编程(OOP)

数学202数据库结构(3学分)
RDBMS的基本原理, DBMS, 结构化查询语言(SQL), MySQL, NoSQL, JSON, 远程数据库访问, 和API请求

数据生命周期和应用程序开发(3学分)
数据生命周期与管理原理, 将DLM原则应用于真实世界的场景和数据情况, 将编程原理应用于学习其他语言

应用大数据(3学分)
机器学习, 简单线性回归, 主成分分析, 神经语言程序学, 可视化, 以及与“大数据”领域相关的其他主题-分析和应用

运筹学(3学分)
Game theory, 线性规划, simplex method, duality, 运输和分配问题, 动态规划概论, 还有排队论. 商业和工业观点的应用.

数学439统计理论(3学分)
共同分配概念, 有条件的期望, 分布函数法, transformation, 矩生成函数的方法, 次序统计量, 抽样分布, 中心极限定理, 连续和离散

随机变量.