美國數(shù)據(jù)分析研究生主要學(xué)習(xí)的課程有：應(yīng)用統(tǒng)計(jì)學(xué)、應(yīng)用數(shù)學(xué)、計(jì)算機(jī)、優(yōu)化選擇、客戶行為學(xué)、風(fēng)險(xiǎn)管理、運(yùn)籌學(xué)和決策理論、商業(yè)統(tǒng)計(jì)方法、商業(yè)流程模型、商業(yè)決策模型、數(shù)據(jù)管理、運(yùn)營管理。

數(shù)據(jù)分析主要是將大量復(fù)雜數(shù)據(jù)，經(jīng)過定量方法和應(yīng)用分析轉(zhuǎn)換為合理清晰，便于管理的信息，從而做出合理的商業(yè)決策。學(xué)生會(huì)接觸到先進(jìn)的決策分析工具和技術(shù)，應(yīng)用這些工具和技術(shù)在實(shí)際的商業(yè)領(lǐng)域中給予合理的解決方案。補(bǔ)充材料：美國數(shù)據(jù)分析研究生技術(shù)方面主要有以下要求：

1、數(shù)學(xué)。微積分和線性代數(shù)是大多數(shù)數(shù)據(jù)挖掘應(yīng)用程序需要矩陣計(jì)算的基本算法。

2、統(tǒng)計(jì)學(xué)。掌握相關(guān)性分析、多元回歸，揉合各種數(shù)據(jù)從不同角度進(jìn)行預(yù)測性和指導(dǎo)規(guī)范性建模，會(huì)使用R、SAS、SPSS、SciPy、Stata等統(tǒng)計(jì)工具軟件。

3、編程和寫腳本。掌握編程語言可以更具競爭力，如：Python、C/C++、Java、Ruby、Perl、MATLAB、Pig等。

4、數(shù)據(jù)庫。熟練掌握SQL，關(guān)注NewSQL這類高擴(kuò)展、高性能數(shù)據(jù)庫，如：Cloudera Impala、Clustrix、VoltDB等。

5、分布式計(jì)算系統(tǒng)：熟悉Apache產(chǎn)品族，鉆研NoSQL平臺(tái)，了解Apache Cassandra和MongoDB的優(yōu)缺點(diǎn)，動(dòng)手實(shí)踐Hadoop、HBase、Cassandra、MapReduce、Hive等不斷出現(xiàn)的新系統(tǒng)。

6、數(shù)據(jù)挖掘。數(shù)據(jù)挖掘是跨學(xué)科的，借鑒人工智能和機(jī)器學(xué)習(xí)、統(tǒng)計(jì)數(shù)據(jù)和數(shù)據(jù)庫系統(tǒng)等。

7、數(shù)據(jù)建模。從ERWin、Agile Data Modeling、ORM Diagrams、UML class diagrams、CRC cards、DDL、Bachman diagrams、Zachman Framework等數(shù)據(jù)建模工具開始，掌握建模技術(shù)和方法。

8、預(yù)測建模。

9、機(jī)器學(xué)習(xí)。

10、數(shù)據(jù)可視化。選擇掌握Flare、HighCharts、AmCharts、D3.js、Processing、Google Visualization API、Raphael.js、Tableau等其中一些可視化工具。