USC-MS in Analytics 分析学
-
专业介绍：
MS in Analytics 分析学（学制1年，STEM）课程旨在帮助学生获取知识和技能，从而在分析和数据科学领域取得成功的职业生涯，并解决现实世界的问题。该课程特别适合那些具备工程学科或其他职业培训背景，并对数据科学、统计学和数学有兴趣的学生。在开始课程之前，学生需要具备一定的编程基础知识，以便顺利过渡到课程中更高级的统计和机器学习计算工具。在该课程中，学生将学习作为数据分析师和数据科学家所需的技能，包括概括和呈现复杂数据的能力、应用机器学习方法来预测不同复杂情景的结果，以及将数据转化为实用的见解的能力。该课程综合运用统计学和机器学习建模来解决当今数据驱动世界中的实际问题。学生将学习生成强大分析报告所需的技能，并向决策者提供信息，以帮助他们做出明智的决策，为组织增加价值。为了实现这些目标，学生将接受深入培训的领域包括数据管理、数据挖掘、数据可视化、机器学习、决策分析和数据科学统计等。
在整个课程期间，学生将掌握一系列用于数据处理和分析的最先进的软件和编程工具，包括 Python、R 和 SAS 等用于机器学习和可视化分析的工具。完成必修课程后，学生还可以选择选修课程，以进一步提高他们在感兴趣领域的专业技能。这些选修课程包括数据分析咨询、财务数据分析、自然语言处理用于文本挖掘和推荐系统，以及大规模机器学习（大数据分析）等。
学术要求：
通常，申请MS Analytics分析学硕士课程的学生应具备工程或与工程相关的本科学位，例如计算机科学、经济学、工程、金融、信息科学/工程和数学等。对于没有上述首选专业学位的申请人，需要完成以下课程并证明熟练程度：微积分、线性代数、概率/统计、编程课程。
语言要求：TOEFL 90，单项 20。
最低GPA：3.0+。
2024 Spring和2024 Fall不需要GRE成绩，提交的分数不会被审核。
如果没有计算机科学基础但是想要进入CS行业，MS in Analytics是一个不错的转码项目。因为它本身并不要求计算机科学的学科背景，对于转码申请人比较友好，申请门槛较低，选课灵活度较高。课程设置：
分析学硕士课程包括五门基础课程和两门选修课程，共计28学分。
核心课程（12学分，每门课程3学分）预测分析
分析优化方法
分析数据管理
Group A（4学分，选择一门课程）
综合分析
数据分析咨询
性能分析与仿真
Group B（4学分，选择一门课程）
实验设计
数据挖掘
金融分析
用于性能分析的马尔可夫模型
文本分析
企业商业智能和系统分析
决策分析
性能分析与仿真
选修课程（8学分）学生可以选择Industrial and Systems Engineering开设的选修课程，如计算机科学、数据科学，或南加州大学其他学院的课程作为选修课。
