香港城市大学应用统计硕士(香港硕士申请141)

香港城市大学——商学院,我来为大家讲解一下关于香港城市大学应用统计硕士?跟着小编一起来看一看吧!

香港城市大学应用统计硕士(香港硕士申请141)

香港城市大学应用统计硕士

香港城市大学——商学院

商业和数据分析硕士

商业与数据分析理学硕士(MSCBDA)课程旨在通过积极学习应用统计、大数据管理、数据挖掘和社交媒体分析等广泛知识领域的理论、方法和支持技术,培养学生具备商业数据分析的专业知识。

MScBDA(QAB)课程为许多香港高等院校的毕业生提供了一个机会,以提高他们的商业数据分析技能,并成为其组织中更有效的决策者。学院的许多毕业生在商业和工业部门担任管理职位。该课程的潜在学生是以下专业的毕业生。

会计学、经济学和金融学。

商业、管理、营销和行政。

计算机科学、信息系统和数学。

工程学。

其职业道路导致他们在商业数据分析方面有重要作用的方向。

入学要求

任何学科的学士学位持有者,其课程涵盖适当的数学知识。

非英语国家院校的毕业生应满足以下最低英语水平要求。

托福成绩达到550分(纸质考试)或59分(修订后的纸质考试)或79分(网络考试);或

雅思总分达到6.5分;或

大学英语测试的6级成绩(最低分450分或以上)。

课程结构

核心课程

IS5413数据库管理系统

本课程旨在介绍数据库系统的基本概念。 它包括用于物理设计和实现的数据库模型和语言,以及用于数据库应用的概念和逻辑设计的设计方法。

IS6335 数据可视化

"一图胜千言"。 人类有感知图像信息的能力,并能利用直觉发现模式。 在一个数据驱动的商业环境中,用巧妙的可视化来传达硬信息的能力是必不可少的,也是有价值的。

本课程的目标是学习如何在商业环境下使用可视化工具进行数据解释。学院将通过不同应用领域的有趣的可视化例子,探索如何组织并从大量的数据中获得意义。学生将学习数据可视化方法的概念、方法和应用。学生还将学习可视化工具,从基于GUI的Tableau软件到R和python中更高级的可编程的可视化软件包。他们将被指导创建引人入胜和互动的可视化,以及体验虚拟现实应用。学生将应用这些概念和技能来设计一个最终项目。

该课程没有编程背景的先决条件,但之前的编码语言经验会有帮助。

MS5217 统计数据分析

本课程包括数据分析中的基本统计概念和必要的计算工具。目标是学习如何根据现实世界的问题进行描述性、分析性和预测性数据分析。本课程也是市场营销、金融、经济学和更高级的数据科学课程的选修课的定量基础。

MS6711数据挖掘

本课程向学生介绍了一系列与商业应用相关的流行和实用的数据挖掘和机器学习算法。学生需要使用python编程语言进行数据分析。成功完成本课程后,学生将获得该领域的核心基础知识,并为数据分析领域的各种职业做好充分准备

选修课程

MScBDA课程的选修课是作为以下两个研究方向之一提供的。

信息分析管理(IAM)流

商业定量分析(QAB)流

信息分析管理(IAM)流

课程简介

商业与数据分析硕士(信息分析管理流IAM)课程旨在通过积极学习大数据管理、数据可视化、数据挖掘、应用统计、社交媒体分析和分析管理等广泛知识领域的理论、方法和支持技术,培养学生具备商业数据分析的专业知识。

MScBDA课程与MScBDA信息分析管理(IAM)流有关,该课程在2020/2021年前取代了信息系统系提供的MScISM课程。

BDA硕士课程(IAM流)的潜在申请人是以下专业的毕业生。

会计学、经济学和金融学。

商业、管理、营销和行政。

计算机科学和数学。

工程学。

教育学

通信和创意媒体

并且其职业发展方向是商业数据分析或分析管理具有重要作用。

课程亮点

帮助任何学科的学士学位持有人进入商业数据分析行业

5个学生奖学金(每个10,000港元)

学生可参加由北美、欧洲或亚洲合作大学提供的免费交流课程(一个学期--第二学年的A学期)。

除了基于课程作业的选修课,ISM流的学生可以参加3、6或9学分的商业数据分析实践项目。

课程结构(从2022/23届起)

核心课程(5门课程-15学分)

IS5413数据库管理系统(3学分,B阶段)

IS6941大数据和社会媒体分析(3个学分,学期B)

IS6335数据可视化(3个学分,学期A)

MS5217 统计数据分析 (3个学分,学期A)

MS6711数据挖掘 (3个学分,学期B)

选修课程(15学分)

信息分析管理IAM流(至少12个学分,来自以下列表)

IS5740管理支持和商业智能系统(3学分,学期A)

IS6400 商业数据分析 (3个学分,学期B)

IS6200区块链技术和商业应用(3学分,学期B)

IS6321商业智能应用(3个学分,学期A)

IS5940创新和技术创业(3个学分,学期B)

IS5540 项目管理和质量保证(3个学分,学期A)

IS5312 Python分析性编程(3个学分,A学期)

IS6921 知识管理 (3个学分,学期B)

IS6912信息系统项目(6个学分,学期A和B)

剩下的3个学分可以从CB内部任何部门提供的任何研究生选修课程中选择。IS系的一些选修课如下。

IS6914信息分析管理项目(3学分,学期A或B)

IS5238 商业实践实习(3个学分,A学期或B学期或暑期)。

IS5311 商业应用JAVA编程 (3个学分,B学期)

商业定量分析(QAB)流

商业与数据分析硕士课程旨在通过积极学习统计和分析方法、现实世界的商业案例和编程技术,培养学生具备商业数据分析的专业知识。该项目课程包括广泛的知识领域,如应用统计、大数据管理、数据挖掘、社交媒体分析、经济和金融预测。

MScBDA项目有三个分流。通常情况下,学生将被录取到商业定量分析(QAB)或信息系统管理(ISM)流。在特殊情况下,学生可能会被考虑录取到普通(G)流。有关MScBDA(ISM)项目的信息,请点击这里。对于对QAB蒸汽感兴趣的申请人,请通过申请系统直接申请QAB流。只有那些将QAB作为第一选择的申请人才会被考虑录取到QAB流。学院不允许其他专业的申请人或未来被录取的学生转入QAB专业。

QAB课程(商业定量分析),以前被称为MScQAB或MAQAB,有近30年的历史。目前的MScBDA(QAB)项目的开发是为了提供现代量化技能,以促进金融业、技术公司和公共部门等广泛领域的商业问题识别、分析框架制定和统计分析。学院的许多毕业生已经在香港的商业和工业部门担任管理职位。最近的毕业生安置包括中国大陆的许多顶级公司,包括腾讯、字节跳动、尼尔森、盈科、德勤、平安资产管理等。

BDA(QAB)硕士项目提供全面的定量方法,包括应用回归分析、数据挖掘、市场营销中的预测模型、经济预测和金融计量学等课程。该项目受益于通过统计程序的培训,如SAS、R和Python,并提供数据分析的实践经验。学院所有的课程都是独立的,不需要学生以前的编程经验。学院通过实践编程练习,用相关的数据分析向学生传授真实世界的商业案例。

该项目潜在的学生是大学毕业生。

商业专业(会计、市场营销、管理等)。

社会科学专业

工程专业

理科专业

项目欢迎那些想从事统计数据分析有重要作用的职业道路的学生。学院对目标学生有非常低的数学要求。然而,潜在的学生应该至少学习过一门微积分或线性代数的本科课程。学院欢迎没有任何统计和编程背景的申请人。

课程结构

要从该课程毕业,学生必须参加并通过10门一学期的课程,其中5门是核心(或必修)课程。每门课程都有一定数量的学分(CU)。通常情况下,一个学期的课程相当于3个CU,包括13个三小时的课程。评估是基于作业、项目、考试、演讲和课堂参与。

该课程可提供全日制(1年)、非全日制(2年)或综合模式。如果全日制学生希望在第二年的10月而不是7月毕业是有可能的。夏季之后毕业的学生需要安排夏季课程(第10门课程)。

2021-22年MScBDA(QAB)学生手册

对于2022-2023年及以后入学的学生

1. 课程核心课程(12个学分)

课程代码 课程名称 级别 学分 单位

IS5413数据库管理系统 P5 3

IS6335 数据可视化 P6 3

MS5217 统计数据分析 P5 3

MS6711 数据挖掘 P6 3

2. 流动核心和选修课程(18个学分)

学生必须完成以下核心课程。

流动核心课程(3个学分)

课程代码 课程名称 级别 学分 单位

MS5218 应用线性统计模型 P5 3

和15个学分的选修课程,其中至少有12个学分是从以下流选修课程列表中选择的。剩下的课程可以从商学院任何部门提供的研究生选修课程中选择。

分流选修课程(15学分)

课程代码 课程名称 等级 学分 单位

MS5216 决策分析 P5 3

MS5223 项目管理 P5 3

MS5313管理决策模型 P5 3

MS5318 使用Excel和R的预测分析 P5 3

MS6211 风险管理的统计模型 P6 3

MS6219 商业的预测模型和预测 P6 3

MS6221 市场营销中的预测模型 P6 3

MS6601 经济学和金融学中的统计建模 P6 3

MS6712 商业定量分析中的当代主题 P6 3

信息分析管理(IAM)课程由信息系统系提供,而商业定量分析(QAB)课程由管理科学系提供。申请人必须在网上申请表格中明确指出他们选择的具体流。如需了解更多详情,请浏览上述两个网站,以获得各自的分流(选修课)信息,以及进一步咨询的联系方式。

此文章摘自学校官网MSc in Business and Data Analytics | City University of Hong Kong

,

免责声明:本文仅代表文章作者的个人观点,与本站无关。其原创性、真实性以及文中陈述文字和内容未经本站证实,对本文以及其中全部或者部分内容文字的真实性、完整性和原创性本站不作任何保证或承诺,请读者仅作参考,并自行核实相关内容。文章投诉邮箱:anhduc.ph@yahoo.com

    分享
    投诉
    首页