统计 & 数据科学

SDS 100实验室:可重复科学计算与数据(1学分)

数据科学的实践依赖于培养负责任的数据使用和可重复的科学调查的计算环境. 本课程培养学生运用现代工作流程从事数据科学工作的能力, 开源工具和道德实践. 学生将学习如何用轻量级标记语言编写科学报告.g.，降价)，包括代码(e.g.， R)，数据，图形，text和其他媒体. 学生还将学习对数据科学中的道德实践进行推理. S / U只. 在下列任何一项需要同时注册: SDS 192, SDS 201, SDS 220, SDS 290 or SDS 291. 限制:已完成以下任何一项的学生不开放: SDS 192, SDS 201, SDS 220, SDS 290 or SDS 291. 报名人数限30人. 未注册必修课程的学生将不经通知而被退学.

秋天,春天

SDS 109/ CSC 109与数据通信(4学分)

作为 SDS 109 和 CSC 109. 世界越来越依赖于收集和分析信息来帮助人们做出决策. 正因为如此, 就数据进行有效沟通的能力是几乎所有学科未来就业前景的重要组成部分. 在本课程中, 学生将学习信息可视化的基础知识，并提高他们使用数据进行交流的技能. 本课程探讨决策的概念, 人类的感知, 色彩理论和讲故事在数据驱动的交流中的应用. 本课程帮助学生在如何与人谈论数据方面打下坚实的基础, 对于有抱负的数据科学家和想要学习新的信息呈现方式的学生. {M}

秋天,春天

SDS 192数据科学入门(4学分)

使用Python, R和SQL介绍数据科学. 学生们学习如何刮痧, process 和 clean data from the web; manipulate data in a variety of formats; contextualize variation in data; construct 点和区间估计 using re抽样 techniques; visualize multidimensional data; design accurate, clear 和 appropriate data graphics; create data maps 和 perform basic spatial analysis; 和 query large relational databases. 前提条件:并发注册 SDS 100 要求以前没有完成的学生 SDS 201, SDS 220, SDS 290 or SDS 291. {M}

秋天,春天

SDS - 201本科生统计方法(4学分)

(原MTH 201/ 201). 概述本科研究所需的统计方法, 强调数据收集的方法, 数据描述和统计推断, 包括对研究设计的介绍, 置信区间, 测试假说, 方差分析和回归分析. 讨论了定量数据和分类数据的分析技术. 强调应用程序，学生使用R进行数据分析. 本课程满足心理学专业的基本要求. 参加过 m 111 或者同等的 SDS 220，这也满足了基本要求. 前提条件:并发注册 SDS 100 需要学生谁还没有完成 SDS 192, SDS 220, SDS 290 or SDS 291. 限制:学生通常只能修一门以上的课程: 220年生态, 政府203年， MTH 220; 201, SDS 201, SDS 220 or SOC 204. 名额限制:40人. {M}

秋天,春天

SDS 220概论概率与统计(4学分)

(原MTH 220/SDS 220). 面向应用的现代统计推断导论:研究设计, 描述性统计, 随机变量, 概率和抽样分布, 点和区间估计, 假设测试, 重采样过程, 多元回归. 广泛应用于自然科学和社会科学. 本课程满足生物科学的基本要求, 工程, 环境科学, 神经科学, 和心理学. 先决条件: m 111，或同等; SDS 100 必须同时修读尚未修毕的 SDS 192, SDS 201, SDS 290 or SDS 291. 限制:学生通常只能修一门以上的课程: 220年生态, 政府203年， MTH 220; 201, SDS 201, SDS 220 or SOC 204. 名额限制:40人. {M}

秋天,春天

SDS 235/ CSC 235视觉分析(4学分)

作为 CSC 235 和 SDS 235. 可视化分析技术可以帮助人们从海量数据中获得洞察力, 动态, 模棱两可且经常相互矛盾的数据. 在本课程中, 学生学习新兴的基础知识, 视觉分析的多学科领域，并将这些技术应用于个人兴趣领域的重点研究问题. 选择将本课程作为编程强化课程的学生应该之前学习过CSC 212. 在这个轨道上, 学生学习使用R, Python和HTML5/JavaScript开发自定义可视化分析工具. 喜欢非编程密集课程的学生可以选择使用现有的可视化分析软件, 例如Tableau或Plotly. 名称:理论，编程. 先决条件: CSC 120 或同等. {M}

秋天，春天，变化无常

SDS 236数据新闻(4学分)

数据新闻是用数据讲述故事的实践. 本课程将侧重于新闻实践, 将数据作为来源进行访谈, 并在上下文中解释结果. 我们将讨论在新闻语境中观众的重要性, 并将着重于变异和偏差的统计概念. 本课程将包括数据的实际操作, 使用适当的计算工具，如R, Python, 和数据api. 此外，我们将探索使用可视化和讲故事的工具，如Tableau，情节.ly和D3. 不需要编程或新闻方面的经验. 先决条件:统计学入门课程(包括 SDS 220, SOC 204, 政府203年, 220年生态, 201). 报名人数限20人. WI {M}

秋天，春天，变化无常

SDS 237数据人种学(4学分)

本课程介绍数据人种学的理论与实践, 演示如何使用定性数据收集和分析来研究数据设置和工件. 学生将学习野外笔记写作技巧, 参与观察, 深入的采访, 文献分析和档案研究，以及如何将它们用于数据集的文化基础背景化. 学生将学习如何在R中以突出其社会政治来源的方式可视化数据集. 学生还将学习如何利用民族志方法来改进数据记录和交流. 本课程将介绍有关技术科学实地考察的政治辩论. 推荐的先决条件: SDS 192. 名额限制:40人. {S}

秋天,春天

SDS 270数据科学编程(4学分)

这门课不是关于数据分析的，而是, 学生将深入学习R编程语言. 主题可能包括数据结构, 控制流, 正则表达式, 功能, 环境, 函数式编程, 面向对象编程, 调试, 测试, 版本控制, 文档, 文学编程, 代码审查和包开发. 本课程的主要目标是为一个可行的, 协作, 开源, 可发布的R包. 先决条件: SDS 192 和 CSC 110，或同等. 名额限制:40人. {M}

秋天,春天

SDS 271数据科学Python编程(4学分)

本课程涵盖了处理所需的技能和工具, 使用Python分析和可视化数据，并在协作项目中工作. 主题包括Python中的函数式和面向对象编程, P和as中的数据争用, 可视化在Matplotlib在seaborn, 以及创建可重现的工作流:调试, 测试和记录程序, 有效地使用版本控制. 本课程的主要目标是创建一个可行的, 像Python包索引(PyPI)中的那些开源Python包. 先决条件: SDS 192 和 CSC 110. 名额限制:40人. (E) {M}

秋天，春天，变化无常

SDS 290研究设计与分析(4学分)

(原m /SDS 290). 对科学研究所需的统计方法的调查, 包括规划数据收集和数据分析，为研究假设提供证据. 这门课程可以包括方差分析的内容, 的相互作用, 对比, 多重比较, 多元回归, 因子分析, 观察性和随机研究的因果推理以及显示数据的图形方法. 特别注意分析学生项目的数据，如论文和专题研究. 统计软件用于数据分析. 前提条件:下列之一: 201, SDS 201, 政府203年, 220年生态, SDS 220 or a score of 4 or 5 on the AP 统计数据 examination or the equivalent; concurrent registration in SDS 100 需要学生谁还没有完成 SDS 192, SDS 201, SDS 220 or SDS 291. 名额限制:40人. {M}

秋天,春天

SDS 291多元回归(4学分)

(原MTH 291/ SDS 291). 回归技术的理论和应用:线性和非线性多元回归模型, 残差及影响分析, 相关, 协方差分析, 指标变量与时间序列分析. 本课程包括选择方法, 拟合, 评估和比较统计模型，并分析取自自然的数据集, 物理与社会科学. 先决条件: SDS 201, 201, 政府203年, SDS 220, 220年生态 或同等 or a score of 4 or 5 on the AP 统计数据 examination; concurrent registration in SDS 100 需要学生谁还没有完成 SDS 192, 201, 220 or 290. 名额限制:40人. {M}{N}

秋天,春天

SDS 293机器学习建模(4学分)

在“大数据”时代，统计模型变得越来越复杂. 本课程从线性回归模型开始，向学生介绍从数据中学习的各种技术, 以及评估和比较模型的原则方法. 主题包括偏方差权衡, 重新采样和交叉验证, 线性模型选择和正则化, 分类和回归树, 装袋, 提高, 随机森林, 支持向量机, 广义加性模型, 主成分分析, 无监督学习和k-means聚类. 重点放在统计计算的高级语言(如.g. R或Python). 先决条件: SDS 291 和 m 211 (m 211 可能并发). 名额限制:40人. {M}

秋天，春天，每年

SDS 300di研讨会:统计和数据科学应用的主题-残疾包容和数据分析(4学分)

学生将学习残疾的社会模式和批判性残疾理论，以及研究的设计和过程, 并参与一个研究项目，分析残疾包容的公共数据. 本课程涵盖的统计方法可能包括逻辑回归, 多变量分析, 因子分析, 等. 学生需要向期刊提交他们的期末项目, 在学期结束前参加会议或比赛. 先决条件: SDS 201, SDS 220 or 220年生态. 限制:仅限大三和大四学生. 报名人数限15人. 需要教练许可. {M}

秋天，春天，变化无常

SDS 320/ MTH 320数理统计(4学分)

作为 m 320 和 SDS 320. 介绍统计学的数学理论以及该理论在现实世界中的应用. 讨论包括随机变量的函数, 估计, 似然和贝叶斯方法, 假设检验和线性模型. 先决条件:统计学入门课程; m 212 和 m 246，或同等. 报名人数限20人. {M}

春天

SDS 338/ GOV 338政治网络研究研讨会(4学分)

作为 政府338年 和 SDS 338. 一个国家、政治家或利益集团的行为如何影响他人的行为? 马萨诸塞州将娱乐用大麻合法化的决定会影响佛蒙特州的大麻政策吗? 从宣战到决定谁是国会议员的投票联盟, 社会科学家越来越多地通过政治网络来认识世界的相互联系. 本课程介绍社会网络分析的基本要素，以及如何将其应用于美国政治. 先决条件: SDS 220 或者同等的统计学入门课程. 限制:仅限大三和大四学生. 报名人数限12人. 需要教练许可. {S}

秋天，春天，隔年

SDS 364/ PSY 364研究研讨会:群体间关系(4学分)

作为 364 和 SDS 364. 研究群体间关系，探索用于研究混合人际互动的理论和统计模型. 研究项目的例子包括检查性物化对女性和男性的影响, 种族间互动中的同理心准确性与家庭劳动中的性别不平等. 各种技能包括, 但不限于, 文献综述, 研究设计, 数据收集, 测量评价, 先进的数据分析和科学写作的发展. 先决条件: 201, SDS 201, SDS 220 或同等; 和 202. 限制:仅限大三和大四学生. 报名人数限12人. 需要教练许可. {M} {N}{年代}

秋天，春天，隔年

SDS 390be统计与数据科学主题-生物统计学和流行病学方法(4学分)

流行病学涉及人群中疾病的分布和决定因素, 而生物统计学侧重于统计方法的发展和应用，以广泛的主题在生物学, 医学和公共卫生. 本课程着重于流行病学的基本概念, 包括关联措施和常见流行病学研究设计, 以及公共卫生数据的统计方法. 讨论包括分类数据分析(列联表分析), 多项式回归, 序数回归和泊松回归)和生存分析(Kaplan-Meier估计和Cox比例风险模型). 不需要生物学背景. 先决条件: SDS 291 和[m 112 or (m 111 和 m 153)]. 限制:SDS 390可参加3次不同主题的考试. 报名人数限30人. {M}

秋天，春天，变化无常

统计与数据科学主题-分类数据分析(4学分)

分类数据分析统计方法的理论与应用. 本课程概述了分析离散数据(包括二进制数据)的统计方法, 多项和计数响应变量. 考虑了标称和序数响应. 讨论可能包括列联表和卡方分析, 物流, 泊松和负二项回归模型. 使用R统计软件. 先决条件: SDS 291 or SDS 290 或同等. 限制:SDS 390可参加3次不同主题的考试. 报名人数限30人.

秋天，春天，变化无常

SDS 400特殊研究(1-4学分)

通常是大三和大四的学生. 需要教练许可.

秋天,春天

SDS 410统计学顶点 & 数据科学(4学分)

这一学期的课程利用学生以前的课程来解决现实世界的数据分析问题. 学生在由学术界、政府或工业界赞助的项目中进行团队合作. 发展的专业技能包括:道德, 项目管理, 协同软件开发, 文档和咨询. 定期团队会议, 每周进度报告, 中期及最终报告, 并且需要多次演示. 仅对统计和数据科学专业开放. 先决条件: SDS 192, SDS 291 和CSC 111. 限制:仅限统计和数据科学专业. 报名人数限20人. 需要教练许可. {M}

秋天,春天

SDS 430D荣誉论文(4学分)

需要部门许可.

秋天,春天