课程描述
数据科学学士学位
有关数学系提供的所有课程的完整列表,请访问 课程目录.学生将学习创建简单的脚本/程序以自动执行简单的计算机操作所需的基本编程技术. 学生将学习使用选定的脚本语言实现算法来解决计算问题所需的技能. 课程将回顾脚本语言之间的常见结构,包括Python, Ruby, PERL, PowerShell, SQL和BASH. 主题将包括使用Python开发脚本和程序的基本性能优化和安全实践.
先决条件: 2320年独联体
先决条件: CIS 2330或CSEC 2330
一门旨在向学生介绍数据科学基础知识的课程. 学生将学习数据科学工作所需的基本技能. 本课程假定没有计算机编程经验, 它假设没有统计学的先验知识.
先决条件: 数学1304
先决条件: 数学3332
先决条件: 数学2340和数据4365
这是一个三小时的课程, 它包括函数, 限制, 衍生品, 不定式, 和积分, exponential and logarithmic 功能; inverse trigonometric 功能, 和应用程序.
先决条件: 数学1311
本课程包括积分技巧, 集成的应用, 反常积分, 无穷级数和微积分使用极坐标和参数曲线.
先决条件: 数学2312
这是一门针对数学、科学和工程专业的C程序设计入门课程. 主题包括:数据类型, 以及相关操作, 浮动的错误, 输入/输出, 控制结构, 功能, 数组, 数据结构, 文件和字符串处理. 程序设计,调试技术和良好的编程实践也将讨论. 编程练习和项目将强调数学中的问题和应用, 科学与工程领域.
本课程涵盖向量, 多元函数的微分学, 多重积分, 和应用程序.
先决条件: 数学2313
先决条件: 数学2313
这个三小时的课程涵盖了统计推断技术,包括抽样理论, 评估程序, 假设检验, 和极大似然法. 这是数学3331概率与统计基础的两门课程的第二部分.
先决条件: 数学3331
这个三小时的课程涵盖了回归分析的理论和基本应用. 涵盖的主题包括简单的线性回归, 多元回归, 模型选择过程, 基本的非线性模型, 比如逻辑回归和概率回归. 本课程还涵盖了软件包R、一款统计软件和SAS的使用.
先决条件: 数学3332