计算机信息系统硕士，数据分析专业

本科先决条件：在校园先决条件：满足cs200信息技术基础。或者老师的同意。;本科先决条件：限制：仅MS CIS。本课程不能与CS 425（本科）或CS 535一起进行。只有cs535或cs625可以计入学位要求。本课程介绍数据通信的基础，并采用自下而上的方法来学习计算机网络。本课程以基本网络安全和管理概念的概述结束。前提条件：达到cs200，或导师同意。本课程不能与MET CS 425（本科）或MET CS 535一起进行。这些课程中只有一门可以计入学位要求。[4]

本科先决条件：限制：仅限MS CIS。本课程不能与MET CS 469（本科）或MET CS 579同时进行。这些课程中只有一门可以计入学位要求。-学生学习最新的关系型和对象关系型工具和技术，用于持久数据和对象建模和管理。学生在学习结构化查询语言（SQL）以及设计和实现数据库时，将获得使用Oracle或Microsoft SQL Server的广泛实践经验。学生设计并实现一个数据库系统作为学期课题。限制:本课程不能与MET CS 469(本科)或MET CS 579一起进行。这些课程中只有一门可以计入学位要求。[4]

本科先决条件：基本的编程知识或澳门威尼斯人注册网站的同意。-面向对象的信息系统分析和设计方法，用于有数据处理需求的组织。系统的可行性;需求分析;数据库利用率;统一建模语言；软件系统架构、设计、实施、管理；项目控制;以及系统级测试。前提条件：基本的编程知识或澳门威尼斯人注册网站的同意。[4]

本科先决条件：限制：仅限MS CIS学生。-本课程描述和比较当代和新兴的信息技术及其管理。学生将学习如何识别对其组织具有战略价值的信息技术，以及如何管理其实施。该课程强调将信息技术应用于商业需求。CS 782是在高级硕士（700）水平，它假设学生理解it系统在CS 682系统分析和设计的水平。没有完成cs682的学生应该联系他们的老师，以确定他们是否准备充分。前提条件：MET cs682，或导师同意。[4]

先决条件：METCS 200或300或教练同意。不建议没有编程背景的学生使用。-本课程涵盖了使用Java编程语言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，从基本的数据类型、控制结构、方法、类、applet、数组和字符串开始，然后进入高级主题，如继承和多态性、接口、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标准来设计和实现安全、健壮和可扩展的Java应用程序。

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 544 Foundations of Analytics with R.本课程的目标是为学生提供数据分析领域所需的数学和实践背景。概率论和统计学的概念，以及R工具的统计计算和图形将被审查。澳门威尼斯人注册网站研究了不同类型的数据以及数据汇总技术和绘图。使用离散、连续和多元分布的数据总体进行了探索。在测量和计算过程中的误差分析。置信区间和假设检验主题也进行了检查。本课程所涵盖的概念将使用r语言进行演示。前提条件：MET CS546和（MET CS520或MET CS521），或同等知识，或导师同意。[4]

本科先决条件：学术背景，包括大学代数标准c课程所涵盖的材料。本课程的目标是为学生提供成功定量分析问题所需的数学基础。课程的第一部分介绍理解概率和统计的数学先决条件。主题包括组合数学、函数、微分与积分的基本原理。课程的第二部分集中于基本概率论、离散分布和连续分布的澳门威尼斯人注册网站研究。前提条件：学术背景，包括大学代数标准课程或澳门威尼斯人注册网站同意的内容。对于本科生：本课程不能与MET MA 213一起参加，这些课程中只有一门将计入学位课程要求。参加MET MA 113和MET MA 123的学生也不允许将MET CS 546计入学位要求。[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]

先决条件：MET CS 544，或MET CS 555或同等知识，或澳门威尼斯人注册网站的同意。Web挖掘和图形分析课程涵盖了Web挖掘、机器学习基础、文本挖掘、聚类和图形分析等领域。这包括学习机器学习算法的基础知识、如何评估算法性能、特征工程、内容提取、情感分析、距离度量、聚类算法的基础知识、如何评估聚类性能、图分析算法的基础知识、基于图的链接分析和社区检测。实验室课程。[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]