犯罪分析澳门威尼斯人注册网站研究生证书

对犯罪问题采取循证和数据驱动的方法是刑事司法机构和非政府组织之间的行业标准。本课程将涵盖三个广泛领域的各种统计“工具”：(1)描述性统计，(2)推论统计和假设检验，以及(3)关联度量。学生将学习如何提出澳门威尼斯人注册网站研究问题，描述并从定量数据中得出结论，解释统计澳门威尼斯人注册网站研究结果，并能够以清晰准确的方式将这些发现呈现给各种受众——能够用数字“讲故事”。此外，学生将熟练地处理大型数据集，并使用刑事司法和相关领域常用的分析软件——社会科学统计软件包（SPSS），以批判的视角进行分析。[4]

当代执法机构经常采用犯罪和情报分析来制定和告知有效的犯罪应对措施。本课程提供对犯罪和情报分析技术的深入澳门威尼斯人注册网站研究。它还探讨了犯罪和情报分析员在执法组织和过程中的作用，这种方法的历史演变，关键的法律和政策问题，以及实施的挑战。学生有机会将这些技能应用于案例澳门威尼斯人注册网站研究模拟，涉及一系列常见的犯罪问题和案例，使用现实世界的例子和信息来源。[4]

地理信息系统和空间分析的基础提供了地理信息系统（GIS）的介绍，特别是在城市规划中的应用。在过去十年中，随着基于窗口的GIS软件（如ESRI ArcGIS）的注入，空间分析在地方、州和区域规划中的作用稳步增加。本课程的重点是使学生在应用学习环境中能够自如地与其他GIS用户交流，澳门威尼斯人注册网站研究空间数据，并制作高质量的数字地图。[4]

数据分析为刑事司法和相关组织的行政、管理和问责程序提供信息。虽然传统的犯罪分析往往狭隘地寻求提高组织对公共安全结果的有效性，但管理和问责分析也力求确保公平、高效、透明和负责任的做法。本课程探讨当代管理和问责制实践，重点是如何利用数据来改进这些实践。学生将学习在司法系统领域（从警务到惩戒）以及社区组织中使用真实数据源的技能。当代的挑战，如差别待遇、滥用武力、“过度监管”，都构成了讨论和任务的框架。学生将了解数据知情方法的优势和局限性。这门课程对于想要从事分析工作的学生、其他实践者、非营利组织管理者以及对司法改革更广泛感兴趣的人来说是很有价值的。[4]

威胁评估是一种识别、评估和预防潜在暴力事件的系统策略。行为威胁评估采用跨学科的方法，结合犯罪学、执法学、精神病学和心理学的见解，旨在在袭击发生之前提供暴力的替代方案。在本课程中，学生将学习行为威胁评估的原则，并通过回顾校园枪手、大规模杀人犯、独行侠恐怖分子以及更常见的罪犯类型（如家庭暴力罪犯）的案例和澳门威尼斯人注册网站研究，探索该领域的持续发展。本课程适用于各种执法人员、心理健康从业人员、学校管理人员、工作场所管理人员和负责维护社区安全的公职人员。[4]

在犯罪分析（CA）集中或证书课程的学生被鼓励从事监督项目作为其学位的一部分。该项目由讲师监督，通常是集中区域协调员。可用于完成专业或证书内的四学分选修课程。基于项目和体验式学习活动是澳门威尼斯人注册网站研究生专业教育和我们自己的项目的学习成果的核心。该项目使学生有机会加强和综合在其他课程中学到的技能，将技能应用于现实世界的问题和环境，并与专业领域建立联系。CA集中或证书的项目将侧重于与刑事司法或相关机构的分析相关的应用澳门威尼斯人注册网站研究和分析方法和/或组织流程。[4]

本课程涵盖了使用Python进行软件设计和开发的面向对象方法的概念。它包括对编程概念的详细讨论，从数据类型、控制结构、方法、类、数组和字符串的基础开始，然后继续到高级主题，如继承和多态性、创建用户界面、异常和流。完成本课程后，学生将能够应用软件工程原理来设计和实现可用于分析和大数据的Python应用程序。从2021年秋季开始，本课程将满足以下BU中心领域的单个单元：定量推理II，创造力/创新，批判性思维。

先决条件：任何语言的编程经验。或导师的同意。[4]

原名CS 555 Data Analysis and Visualization with R.本课程概述了最常用于处理、分析和可视化数据的统计工具。主题包括简单线性回归、多元回归、逻辑回归、方差分析和生存分析。使用统计软件包R来探索这些主题，重点是了解如何使用和解释该软件的输出，以及如何将结果可视化。在每个主题领域中，都讨论了方法论，包括潜在的假设和它如何工作的机制以及对结果的适当解释。概念是在现实世界的例子背景下提出的。推荐的先决条件：MET CS 544或同等的知识，或澳门威尼斯人注册网站的同意。[4]

学生将学习主要的Python工具和数据分析技术。每周有作业和课堂主题的小项目。这些作业将有助于建立必要的统计、可视化和其他数据科学技能，以便在各种应用中有效地使用数据科学，包括金融、文本处理、时间序列分析和推荐系统。此外，学生将为期末项目选择一个主题，并在上课的最后一天提交。前提条件：MET CS 521或同等学历。或者，老师的同意。[4]

先决条件：MET CS 521和MET CS 546；MET cs579或MET cs669；或导师同意。-学习数据挖掘的基本概念和技术。主题包括数据准备、分类、性能评估、关联规则挖掘、回归和聚类。学生将在课堂上学习数据挖掘算法的基本理论，并通过作业和使用r的一个学期的课堂项目来实践这些算法。完成本课程后，学生将能够独立执行数据挖掘任务来解决实际问题。[4]