利维商学院的在线MSBA课程
在利维商学院(Leavey School of Business)，我们为自己在灵活性和定制方面的声誉感到自豪。在线MSBA课程提供了一个机会，根据您的特定需求定制您的课程，从13门选修课中选择10个单元。无论您是想专注于大数据建模和强化学习，还是想拓宽对云计算和云计算架构的理解，还是想深入研究自然语言处理和深度学习，我们的课程都可以根据您的需求进行定制。
商业分析硕士课程
并修课程
由于在线商业分析硕士课程的大量定量性质，申请人应提供在本科教育期间或之后成功完成以下学科领域课程的证据:
- 统计数据内容应包括统计学、描述性统计、回归、概率、随机变量和分布、中心极限定理、置信区间和1和2总体的假设检验、拟合优度和列联表等主题
- 微积分1:内容应包括微分和积分;极限、导数和连续性的关键概念;函数绘图和优化中的导数;微积分基本定理
没有完成这些课程的申请人可以考虑临时入学在线MSBA课程，前提是他们在注册该课程之前完成了这些课程。雷竞技在线官网
核心课程(32学分)
FNCE2402/MSIS2402，金融与分析数学(4个单元)
本课程旨在为MSBA在线课程的其余部分提供学习量化金融(QF)和商业分析与数据科学(BADS)所需的数学主题的全面背景知识。数学主题包括微积分、线性代数和概率论。将包括这些主题在各种业务上下文中的应用。
MSIS 2503，数据库管理系统- SQL基础(2单元)
本课程介绍了分析、设计和管理业务数据、数据库和数据库管理系统的技术和管理方法。主题包括结构化和非结构化数据管理，关系数据库和面向对象数据库的比较，关系数据库的概念和逻辑设计，以及数据库实现和管理。
MSIS 2507/IDIS 3802, Python数据分析(4个单元)
数据科学涉及应用科学方法，从广泛来源的数据集中提取理解并根据数据集做出预测。数据科学涉及三个领域的知识和技能:编程、数学/统计学和特定领域的专业知识。本课程的目标是教授与数据科学相关的编程技能。学生将学习Python编程语言，以及一整套用于Python数据科学的开源工具，包括IPython Notebook、NumPy、SciPy、Pandas、matplotlib、scikit-learn和许多其他工具。学生将学习涵盖探索性数据分析各个阶段的技能:导入数据(SQL, web, JSON, CSV)，清理和转换数据，算法思维，分组和聚合，可视化，时间序列，统计建模/预测，以及结果的交流。本课程将利用来自广泛来源的数据，并将以最终项目和演示结束。
MKTG 2505，市场分析(4个单元)
帮助管理者识别来自杠杆分析的竞争优势，应用和实施工具，评估优势和限制，提出相关的业务问题，并解释和沟通工具和模型的输出，以实现有利可图的业务决策。
MSIS 2508，机器学习(4个单元)
本课程向参与者介绍基于大数据和小数据(数值和文本)的定量技术和算法。我们还分析了大系统的预测和优化的理论模型，这些模型目前在商业中被广泛使用。它所介绍的主题通常是定性的，但现在可以进行定量处理。该课程将为参与者在其他在线MSBA课程中对大型数据集进行更严格的分析做好准备，并介绍机器学习模型和商业智能的数据分析。
ECON 2509，计量经济学与R(4个单元)
涵盖了计量经济学的基本概念基础和工具并将其应用到实际数据的案例研究中。本课程使用的主要统计技术是多元线性回归和r编程。
MSIS 2510，规范分析(4个单元)
本课程帮助学生理解商业决策中的优化原则，从问题描述中准备基于计算机的模型，并使用软件工具确定最佳解决方案。本课程还帮助学员解释解决方案，以获得对投入、资源限制及其盈利能力影响的敏感性的见解。
IDIS 3598，实习或顶点课程(6学分)
实习
实践项目由外部合作伙伴定义，他们提供数据集和感兴趣的问题。从现实世界的问题开始，并使用合作伙伴的输入，学生将细化问题以确定项目范围，应用分析工具来产生见解，解释发现，在报告中总结发现，并将其呈现给合作伙伴或教师主管。实习分两个季度进行，每季度相当于2个学分，或总共4个学分。该实习课程将作为您在整个商业分析在线硕士课程中所有工作的高潮。
顶石
Capstone项目在一个季度的课程中使用数据并检查教师提供的分析问题。学生将问题细化到项目范围，应用分析工具产生见解，解释发现，并在最终报告中总结发现。在某些情况下，有全职或兼职工作或实习工作的学生，如果愿意，可以联系他们的雇主，寻找合适的项目。在这种情况下，雇主和教师将提供监督。
实践项目由外部合作伙伴定义，他们提供数据集和感兴趣的问题。从现实世界的问题开始，并使用合作伙伴的输入，学生将细化问题以确定项目范围，应用分析工具来产生见解，解释发现，在报告中总结发现，并将其呈现给合作伙伴或教师主管。实习分两个季度进行，每季度相当于2个学分，或总共4个学分。该实习课程将作为您在整个商业分析在线硕士课程中所有工作的高潮。
顶石
Capstone项目在一个季度的课程中使用数据并检查教师提供的分析问题。学生将问题细化到项目范围，应用分析工具产生见解，解释发现，并在最终报告中总结发现。在某些情况下，有全职或兼职工作或实习工作的学生，如果愿意，可以联系他们的雇主，寻找合适的项目。在这种情况下，雇主和教师将提供监督。
选修课程(以下共10个学分)
MSIS 2527，大数据建模与分析
本课程是关于大数据及其在开展现代商业智能或可操作的洞察以解决新的业务需求中的作用。本课程是一门以实验室为主导，以开源软件为基础的课程。学生将学习Hadoop框架、NoSQL数据库和R语言的基础知识。本课程将集中于存储、过程分析和大数据的各个方面。学生将可以访问MapR Hadoop Image。该图像由指导教师增强，以包括MOngoDB和R。
MSIS 2537，强化学习
在系统模型不可用时，通过分析样本路径获得值函数信息的情况下，引入强化学习作为最优控制的一种方法。RL算法，时间差异学习，Q-学习，政策上和政策外学习，政策探索与开发，深度学习神经网络作为RL系统的函数逼近器，深度Q网络(DQN)算法，政策梯度方法，如与值函数和政策梯度方法相结合的REINFORCE算法。这些概念在游戏系统、金融和机器人领域的应用也被讨论。
MSIS 2528，应用云计算
计算正在向云迁移。在本课程中，您将通过使用来自主要云提供商的服务来理解即服务概念，并学习如何部署和管理云基础设施。本课程侧重于在亚马逊、谷歌和微软的三个主要云服务平台上操作所需的实际操作技能。本课程将提供这些平台的核心功能的应用视角，如负载平衡、自动伸缩、无服务器计算和云AI。
MSIS 2529，仪表板
本课程使您能够将数据转换为有说服力的仪表板，有效地告知和指导管理行动。如果仪表板能激励目标受众采取行动，那么它就是有说服力的。如果仪表盘能提供全面可靠的信息，那么它就是有效的。本课程介绍和讨论仪表板的基本设计原则和技术，并允许您设计、实现和批评仪表板。
MSIS 2539，数据可视化
本课程使您能够探索数据，识别见解，并使用数据可视化技术开发基于证据的论点。完成本课程将使您具备中等水平的数据素养，能够通过数据的功能性和真实的视觉呈现来解释、构建和传达论点。您将整理数据，自定义数据可视化技术，并以编程方式开发数据可视化。
MSIS 2513，数据库管理系统-设计，开发和管理
本课程介绍了分析、设计和管理业务数据、数据库和数据库管理系统的技术和管理方法。主题包括结构化和非结构化数据管理，关系数据库和面向对象数据库的比较，关系数据库的概念和逻辑设计，以及数据库实现和管理。
这两个学分小时的课程侧重于了解客户需求的有效策略，并将其转化为清晰、易消化和差异化的消息声明。我们将提供战略和例子，以实现强大的竞争定位，以及如何和何时(重新)定义整个市场，而不是仅仅区别定位您的产品。具体主题将包括定位和信息创建的最佳实践，竞争格局建模和发展差异化，将客户需求转化为有效的定位/信息，以及批发市场(重新定义)。额外的重点将包括核心媒体资产的概述，以有效地推动在当今日益增长的Web 2.0世界中采用定位/消息传递。
这两个学分小时的课程侧重于了解客户需求的有效策略，并将其转化为清晰、易消化和差异化的消息声明。我们将提供战略和例子，以实现强大的竞争定位，以及如何和何时(重新)定义整个市场，而不是仅仅区别定位您的产品。具体主题将包括定位和信息创建的最佳实践，竞争格局建模和发展差异化，将客户需求转化为有效的定位/信息，以及批发市场(重新定义)。额外的重点将包括核心媒体资产的概述，以有效地推动在当今日益增长的Web 2.0世界中采用定位/消息传递。
MSIS 2538，云计算架构
云计算是计算机系统资源的按需可用性，特别是数据存储和计算能力，不需要用户直接主动管理。硬件虚拟化的广泛采用以及具有大容量网络的低成本计算机和存储设备的可用性以及面向服务的体系结构导致了云计算的增长。本课程将研究哪些技术使云计算成为可能，以及IT部门如何利用这些技术使企业计算环境更加高效。本课程分为三部分。第一部分将研究如何通过改进计算机体系结构实现硬件虚拟化。第二部分将讨论虚拟化层中的两种主要解决方案，即基于管理程序的虚拟化和基于容器的虚拟化。课程的第三部分将研究微服务和容器工作流编排。本课程包括基于虚拟机管理程序(VMware)和容器(Docker)等不同技术创建虚拟机的实践实验室。我们还将探索不同的工作流编排工具，如Docker Swarm和/或谷歌Kubernetes。
MSIS 2534，自然语言处理
本课程教授学生自然语言处理(NLP)的基础知识，这对于商业分析在线硕士课程的其余部分是必要的。NLP最近在商业领域得到了一些应用。现在，希望在该领域工作的学生需要了解基础内容，本课程旨在为学生提供对该领域及其业务应用的概念理解，以及实现NLP模型的技术工具包。
MSIS 2536，深度学习
深度学习神经网络(DLNs)的主题介绍，使用逻辑回归的线性学习模型，以及添加隐藏层来创建深度前馈神经网络。详细的算法被用来训练这些网络使用随机梯度下降和产生的算法称为Backprop。这些网络的训练过程与张量流工具和MNIST和CIFAR-10图像数据集一起使用。一些专门的DLN架构包括:(a)卷积神经网络(ConvNets)， (b)循环神经网络(RNNs)， (c)强化学习。讨论了模型参数初始化、欠拟合和过拟合以及正则化等技术。在训练过程中经常引起问题的消失梯度问题也被讨论。
FNCE 2526/FNCE 2426，金融科技
快到了!
FNCE 2524/FNCE 2404，时间序列分析预测
本课程旨在全面介绍时间序列分析中使用的预测方法。本课程涵盖时间序列预测的一系列主题。本课程将为您提供一种语言来描述时间序列数据，并最终涵盖建模技术，如ARIMA, SARIMA和GARCH，以产生预测。
FNCE 2525/FNCE 2408，金融分析
本课程涵盖面板数据分析中的关键问题，重点是其在实证研究中的应用，特别是实证公司财务。本课程旨在介绍分析面板数据的各种计量经济学方法，并开发识别数据中的因果关系的核心技术。我们将从标准线性回归开始，并扩展到集合，固定效应和随机效应回归模型;辅助变量;differences-in-differences;选择模型;回归不连续。学生将通过阅读学术论文和进行自己的实证分析，接触到广泛的金融应用。
经济3000，管理经济学
本课程将介绍管理决策的经济基础。本课程分析个人和公司的经济行为，并探讨他们在市场中的相互作用如何影响管理决策。学习市场、价格弹性、消费者理论和企业理论的基本概念，将经济理论纳入管理决策。将讨论在不同的产业结构中如何做出关键的管理决策。
对我们的在线MBA感兴趣?
2月
5
优先级的最后期限
2月5日
2023年春季学期
3月
12
申请的最后期限
3月12日
2023年春季学期
4月
3.
下一个开始
4月3日
2023年春季学期
