辅修数据科学

本课程是一门介绍性课程，旨在向学生展示数据科学的主要问题和方法，并具有基本的数学背景。本课程涵盖了基本的数据科学概念和算法，强调现实应用，并获得对该领域的广泛理解。

概率论和统计学的基本概念，以及在科学、社会科学和管理方面的应用。概率，条件概率，贝叶斯公式，伯努利试验，期望值，频率分布，集中趋势的度量。如果学生之前通过了MAT 130，则不能获得MAT 102的学分;102分不计入本系专业。

本课程强调函数概念的意义和应用。它涵盖了多项式，有理数，指数，对数和三角函数及其图，三角恒等式。通过MAT 125和126相当于通过MAT 130。

本课程介绍计算机程序设计的基本概念。学生通过分析、开发、基本调试和测试程序学习程序逻辑、流程图和问题解决。主题包括变量、表达式、数据类型、函数、决策、循环和数组。学生将使用在本课程中获得的知识和技能来开发各种简单的程序。

本课程向学生介绍如何使用计算机软件和计算机编程进行数据探索、自然系统建模(来自生物、化学或物理)、信息可视化和仪器/机器人控制。这是通过独立研究完成的，学生们在小组中设计和执行计算项目，然后批判性地分析、解释和展示他们的发现。

有没有想过像亚马逊这样的公司是如何更了解你的?有没有想过天气数据是如何在新闻中呈现的?利用跨学科的概念，我们将学习如何处理大数据。复杂的数据集正在不断生成。关于这些数据告诉我们什么，出现了许多问题。我们遗漏了什么吗?我们如何在这些大型数据集中寻找信号?使用Excel和R编程等计算机程序，我们将学习如何管理、排序和表示这些数据。学生将被鼓励识别与现实世界问题相关的数据集，并使用在课堂上学到的工具来讲述他们的故事。

现代生物学已经产生了大量的数据，但很少有专家分析这些数据。基因组学和生物信息学课程将教学生如何使用计算机算法分析数据。学生通过使用数据库进行计算练习，学习基因组学在生物医学和生物学研究中的应用。主题包括基因组测序基因预测、遗传变异、序列数据库搜索、多序列比对、进化树构建、蛋白质结构预测、蛋白质组学分析、相互作用网络和基因组浏览器的使用等。

该课程向学生介绍ArcGIS Online，这是Esri提供的一种在线地理信息系统(GIS)应用程序。有了GIS，学生可以探索、可视化和分析数据;创建具有多层数据的2D地图和3D场景，以同时可视化多个数据集;并将工作分享到在线门户网站。GIS分析工具被用于许多学科和实践领域，包括公共卫生、历史、社会学、政治学、商学、生物学、国际发展和信息技术。在课程结束时，学生将有机会在他们感兴趣的特定领域接受有关GIS应用的额外培训。

本课程是为科学与信息技术专业的学生开设的概率论与统计学入门课程。它涵盖了概率和统计的基本概念、频率分布、图形方法、集中趋势和可变性的度量、计数原理、贝叶斯定理、离散和正态概率分布、线性回归模型、相关性、中心极限定理、抽样可变性、置信区间和假设检验。应用到不同的领域包括整个。

本课程将介绍生物统计学在生物学、医学和公共卫生研究中的概念、理论和应用。它将涵盖描述性统计、概率和分布的概念、图形化方法、两个变量的比较、中心极限定理、抽样可变性、置信区间和假设检验。

本课程介绍心理学研究的统计程序。主题包括分布和图表、集中趋势和变化的度量、z得分、概率、假设检验、t检验、方差分析、相关和回归以及卡方分布。学生将被介绍使用SPSS(或类似的程序)来分析和解释数据。

介绍描述性统计和组织、呈现和解释数据的方法。涵盖了集中趋势的度量，两个变量的关联度量，以及一些多变量分析。包括对真实数据的计算机分析。