数据分析硕士 Tufts University - Graduate School of Arts and Sciences

Kevin Ku / Pexels

数据分析是一个快速发展的领域，通常是业务战略和复杂问题解决方案的关键。数据分析师几乎在每个领域都受到追捧。事实上，在最近的一项研究中，IBM预测，到2020年，对数据专业人员的需求将增加364,000个职位空缺至2,720,000个。

跨学科的数据分析理学硕士课程由该领域的专业顾问委员会指导，他们帮助确保该计划提供严格的分析技能课程，这些课程涉及艺术，人文科学和科学以及企业内部社区。

该计划为希望在数据分析领域建立专业知识的在职专业人员提供全职或兼职计划。大多数学生在两年内完成该课程，但可以通过加速学习在一年内完成。

结构体

该跨学科硕士课程旨在为广泛领域的学生提供服务。作为该计划的学生，您将根据个人兴趣和职业目标定制课程选择。

课程结构包括五个部分：

• 数据分析基础：1门课程
  该必修的入门课程将为您提供有关数据分析一般主题的坚实基础
• 应用和专业能力：5 门课程（其中 4 门是 ½ 学期课程）
  这些必修课程使您能够在快速发展的领域培养雇主所需的关键能力。您将通过从数据可视化到编码的课程学习如何有效地交流和呈现数据。
• 统计分析与建模技术：3门课程
  本节深入探讨分析方法中的统计分析和技术。
• 学科能力：2门课程
  从一系列与学科相关的选修课中进行选择，这些选修课将使您缩小关注范围并将您学到的技能应用到您感兴趣的领域。
• 顶石：1门课程
  您将通过完成一个实验性的顶点项目来完成该计划，该项目将整合并展示您获得的技能和知识。

完成该计划后，您将能够证明以下知识领域：

• 使用适当的统计方法分析来定义和解决复杂的基于数据的问题。
• 选择具有稀疏和大型数据集的适当统计和预测方法。
• 根据与学科相关的概念，对这些结果提供适当的理论解释。
• 演示书面口头交流技巧，以便从数据分析中得出结论。
• 创建可视化表示以增加对复杂数据的理解和利用。
• 保持协作团队关系，有效地为共享项目做出贡献。
• 具有与数据相关的语言的函数编程技能。