本课程提供方法的导论概述, 数据分析领域的概念和当前的实践. 讨论的主题包括数据收集, 分析和可视化以及统计推断方法的知情决策. 学生将利用当前的统计软件探索这些主题. 一些重点也将给予数据分析的道德原则.

本课程着重于设计数据库时的基本设计考虑. 具体主题包括设计方案的性能分析, 系统配置和管理一个流行的数据库系统. 本课程也提供数据库系统的算法和机器组织的深入分析.

本课程的重点是收集, 准备, 并分析数据以创建可视化, 指示板, 还有可以用来传达关键业务见解的故事. 学生将学习如何组织和简化数据分析项目，并利用当今最流行的可视化工具有效地强调其含义.

本课程 探索 数据 挖掘  方法和工具, 查阅   分析 对大量 数据集的分析中存在的问题,  和非结构化数据. 学生将学习概念和技术 到 发现模式 在大型数据集, 哪些 支持组织决策.

本课程探讨机器学习的两个主要领域:有监督和无监督. 主题包括线性回归和逻辑回归, 概率推理, 支持向量机, 人工神经网络, 聚类, 和降维, 和编程.

本课程探讨分析计算的方法以及诊断和预测分析的程序. 主题包括数据操作, 聚类算法, 以及使用基本编程技术的回归方法.

本课程检视数据分析的过程，并强调数据的定量和定性结果. 学生将发展数据分析方法和预测分析的技能，使他们能够开发算法方法，并将其与流行的行业软件一起用于数据驱动的解决方案.

这门数据分析的核心课程的目的是评估学生综合和整合他们在课程中所学到的知识和技能的能力. 本课程通过一个包括问题范围在内的综合项目，为学生提供展示数据分析关键领域能力的机会, 数据准备和分析, 一个模型开发.

本课程向学生介绍统计学与商业应用. 本课程包括描述统计学和推理统计学. Topics included are: measures of central tendency; measures of dispersion; graphical displays of data; linear regression; basic probability concepts; binomial and normal probability distributions; confidence intervals; and hypothesis testing. 这些主题将涵盖代数和Microsoft Excel的基本知识.