学生需要修读下列七门必修课程以及其中任意三门选修课程，即共计30学分以满足毕业要求。每门课程均为 3 学分。
本课程旨在向学生介绍 Python 的基础知识，Python 是一种通用编程语言，广泛应用于数据科学、大数据分析和优化业务问题。课程将为学生提供实现自己的算法的技能，以及使用成千上万的 Python 软件包进行建模和决策支持等数据分析的技能。实验课将为学生提供练习编程技能和获得形成性反馈的机会。课程的重点是数据分析的实用知识、实例和实际应用。课程非常注重实践，最终目标是将学生培养成为一名在现实世界中应用的全能数据分析师。
本课程全面介绍了数据科学应用所必需的统计概念、模型和数据分析技术。学生将获得探索性数据分析、统计建模、机器学习算法和交流分析见解的实用技能。将强调使用 R 或 Python 编程来实现方法。通过案例研究和使用真实数据的实践项目，学生将学习如何应用统计思维和编程技能来提取有意义的信息，做出数据驱动的预测和决策，并将结果有效地传达给利益相关者。
本课程旨在介绍业务数据管理的高级概念和原理。本课程将讨论各种类型的数据库，如面向对象、关系型、文档型、NoSQL 和 New SQL。还将介绍 Microsoft SQL Server 和/或 Oracle 等流行的数据库管理系统。主题包括数据模型（ER、关系和其他）；查询语言（结构查询语言）；半结构化和复杂数据的管理；NoSQL 数据库。它还涵盖数据管理、数据保护、隐私控制、用户安全和管理以及系统配置的基本概念、选项和最佳实践。它涉及数据灾难恢复、规划和程序的一般概念。
本课程讲授数据挖掘的核心原理和思想。它涵盖一系列数据挖掘方法，用于从商业、金融、城市规划和医学等不同领域的大量有价值的数据库中提取知识。内容包括分类、聚类、关联规则等数据挖掘技术。此外，还将涉及顺序数据挖掘、图挖掘和社交网络分析等高级主题。此外，学生还将掌握解释数据挖掘模型的定量分析技能。课程结束时，学生将对数据挖掘的理论和实践有全面的了解，并掌握从数据库中提取有价值见解的必要技能。
本课程为学生提供了在数据科学问题上展示创新能力和主动性的机会。学生需要在个别教员的指导下独立完成一个重要项目，该项目可以是理论性的，也可以是实践性的。该课程培养学生将数据科学知识和数据分析技能整合并应用于不同场景的能力。课程也是一个平台，通过数据科学知识展示和分享对现实世界中学术和/或工业问题的新颖研究。
本课程侧重于人工智能的基本概念、技术和潜在的商业应用。课程概述了人工智能、智能代理、问题解决、规划、推理、学习等方面的浪潮。课程内容包括搜索、逻辑、遗传算法、计算学习方法以及一些潜在的商业应用，如专家系统、新闻分析等。
机器学习是人工智能的一个分支，也是近年来最流行的人工智能技术之一。机器学习模型和技术已广泛应用于自然语言理解、机器视觉和模式识别等多个领域。本课程将介绍机器学习的概念、技术和商业应用。课程将涵盖监督学习、半监督学习、无监督学习、迁移学习和强化学习范式。这些技术包括回归、概率生成模型、逻辑回归、神经网络、支持向量机、Q-learning 等。本课程将包含和介绍这些课程的商业应用实例。
本课程介绍网络安全的基本概念和设计原则，并重点介绍在网络世界中保护信息和数据的不同方法。主题包括 CIA（保密性、完整性和可用性）、安全简介、网络攻击和威胁、加密算法和应用、网络安全和基础设施。
随着云资源的快速发展，由于资源带宽有限，大部分传统数据中心已被云平台（如亚马逊网络服务、微软 Azure、谷歌云平台）所取代。一名合格的数据科学家需要掌握云计算技能，学会在云端执行数据管道中的一系列任务，如数据采集、数据清洗、数据转换和数据挖掘，以及模型训练和测试。本课程旨在研究云计算的最新趋势，为学生提供云计算的基础知识。学生将学习到适用于独特业务需求的云计算部署和实施的最佳实践。课程讨论云技术的概念性主题，并通过利用公共云基础设施的项目提供实践经验。主题包括云交付模式（SaaS、PaaS 和 IaaS）；云计算概述；公共云基础设施、按需自我服务和资源池；快速弹性；测量服务；云存储架构（数据分布、耐用性、一致性和冗余）；重复数据删除；云安全问题；当前云计算平台的案例研究。
本课程介绍自然语言处理（NLP）。课程将简要概述该领域，包括最前沿的文本处理任务（如文本摘要、命名实体识别、文档分类等）、其计算问题设置和方法论的一般思想。此外，还将讨论最先进的技术，包括生成序列到序列模型、多模态数据建模（如图像到文本、视频/音频到文本）、聊天机器人、问题解答系统、主题建模等。
本课程将介绍视觉数据处理和分析技术。主题包括空间域和频域的图像处理和分析、图像修复和压缩、图像分割和配准、形态学图像处理、表示和描述、特征描述、人脸识别、虹膜识别、指纹识别、图像分析主题（如医学图像分析）。
本课程介绍现实世界（如制造业和服务业）中的运营管理。学生将学习如何设计、运营和改进流程，以提高效率和效益。课程涵盖流程设计、产能规划、库存管理、质量控制和供应链管理等关键主题。学生将学习运营管理的重要性，以及用于优化流程和提高组织绩效的各种技术和策略。
本课程介绍基本的可视化技术，以便将复杂的数据集转化为 将复杂的数据集转化为可理解和有洞察力的可视化表示，从而达到讲述数据故事的目的。 课程涵盖一系列主题，包括设计原则、人类视觉感知、开源可视化工具、CT/MRI 数据可视化技术、计算流体动力学、图形和网络、时间序列数据、文本和文档、Twitter 数据和时空数据。课程采用实践方法，结合使用 Tableau、PowerBI 和 D3.js 等流行数据可视化工具的实际练习。课程还强调数据准备和清理的重要性，确保学生了解从数据收集到最终可视化的整个数据可视化过程。 在整个课程中，学生将负责创建自己的数据可视化，并在小组项目中利用所学技能展示一个数据故事。
本课程研究社会行为与计算技术的交叉点。学生将通过网络分析、数据挖掘和信息可视化等领域，学习收集、分析和可视化社会数据的技术。课程涵盖了研究社会结构、动态、社区和大规模信息传播的计算工具。学生在通过编程作业和社交网络项目应用这些技术时，将考虑社交数据中的道德问题。课程还探讨了以用户为中心的社交平台和应用设计。学生将批判性地研究流行的社交系统，同时获得构建社交界面和应用程序的实践经验。
移动边缘计算 (MEC) 是一项新兴技术，可将云功能扩展到网络边缘。本课程将向学生介绍 MEC 的关键概念、架构和使能技术。学生将了解 MEC 的动机及其在移动云计算中应对的挑战。课程还将涵盖 MEC 框架和部署模型的基础知识。还将研究促进 MEC 的 5G 网络和边缘基础设施技术。还将探讨物联网、增强现实和智能城市等应用。还将研究边缘任务卸载、计算分区和资源管理技术。还将讨论边缘人工智能和数据处理框架等主题。安全、隐私保护和开源/行业边缘平台将是重点话题。学生将了解用于开发低延迟应用程序的 MEC 框架。通过这门实用课程，学生将学习到极具影响力的全新移动边缘计算领域的基础知识。
本课程介绍常用的定量分析技术，以促进科学、系统的决策制定。学生将学习如何运用适当的决策技术，为各种商业问题寻求最佳解决方案，并学习电子表格建模的最佳实践，以提高清晰度和沟通能力。通过练习这些技巧和Excel函数，学生将掌握分析和基于计算机解决问题的技能，从而帮助他们提高工作或日常生活中的表现。
深度学习是机器学习的前沿技术之一。它是一种用于建立和模拟人脑进行分析学习的神经网络，通过模仿人脑的机制来解释数据。深度学习广泛应用于计算机视觉、语音识别、自然语言处理等领域。本课程旨在提供对现有深度学习方法的深入理解和实践经验。内容包括如何选择深度神经网络、如何设计深度神经网络、如何训练和优化神经网络以实现实际应用。课程将涵盖深度神经网络模型，包括卷积神经网络、循环神经网络、长短期记忆网络、深度残差网络、生成式对抗网络、基于注意力的模型、对抗学习模型，以及训练技术，包括丢弃、批量归一化、激活函数的选择等。将介绍 TensorFlow、Pytorch 或其他最先进的深度学习工具，并将其应用于解决商业领域中不同类别的海量数据集问题。
本课程让您了解大数据的概念和挑战。重点是数据分析技术，以解决大数据中的 V（数量、速度、种类、真实性、价值和价值）问题，以及这些问题如何影响数据收集、监控、存储、分析和报告。将介绍大数据领域的以下主题：分布式文件系统；大数据分析技术；大数据高性能处理算法；大数据搜索和查询技术。课程还将介绍一个用于管理和处理大规模数据的大数据管理系统实例（Apache Spark）。此外，还将阐述大数据分析在商业中的应用。学生将通过作业、作品集开发和项目积极参与本课程的讲授。
区块链作为一种去中心化的开放式账本，已被证明取得了惊人的成功。这一开创性技术在数字身份识别、数据营销、比特币等加密货币等多个领域大有可为。本课程向学生介绍区块链、分布式账本技术、替代共识、智能合约和安全性以及加密货币的基础知识。此外，还将阐述加密货币的案例研究和应用实例（如比特币）。学生将通过作业和项目了解区块链技术对金融服务和其他行业的影响。
医疗保健分析全面改变了传统的医疗系统，使医疗保健更高效、更便捷、更个性化。本课程将向学生介绍支持智能医疗的关键技术。它解释了如何建立监控基础设施，以及如何利用物联网（IoT）技术从多个来源的各种可穿戴传感器收集和传输数据： MAC 协议、路由协议。本课程还将介绍健康和医疗保健数据的数据融合、数据模型、数据管理、机器学习算法以及用于健康风险预测的分析技术和工具。本课程还将阐述案例研究和应用实例。
本课程讲述位置情报和地理信息系统（GIS）的地理基础。内容包括地理信息系统如何促进地理空间数据分析和交流，以解决复杂的地理概念或问题。了解位置分析和技术如何切实支持商业专业人士分析多种来源的地理空间数据并创建位置情报，从而增强理解力、洞察力、智能决策和预测能力。将介绍位置分析在商业中的前沿课题和应用。还将回顾和讨论该领域的道德、法律和社会问题。本课程结合课堂教学和实践教程，让学生在实践中学习 GIS 分析技能。