跳到主要内容

工业 & 应用数学

关于项目

工业与应用数学理学学士学位是一个创新和灵活的项目, 为学生提供定量和计算的知识和沟通技能必不可少的职业在工业和进一步研究的应用数学. 该专业以数学课程为基础,整合了数学课程, 统计数据, 和计算, 强调建模, 数据分析, 以及口头和书面技术交流. 两门选修课允许学生根据他们的教育和职业相关的目标定制课程.

从全国信誉第一的网投平台工业与应用数学专业毕业的学生应该具备与金融相关的量化和计算解决问题的能力,为进入职场做好准备, 保险, 生物医学, 和零售行业.

学生的结果

完成工业与应用数学学士课程后,学生将能够:

  • 运用数学和统计知识在不同的情况下制定适当的模型和解决问题的方法
  • 利用计算技能解决问题,数据分析和可视化
  • 有效沟通解决问题的方法和发现

如何注册

在校生:申报本课程

一旦你被录取为本科生,并满足了你所选专业的进一步录取要求, 你可能 宣布重大事件 or 选修辅修课程.

全国信誉第一的网投平台:现在就申请

适用于大都市州: 开始你的旅程 工业 & 应用数学 现在. 了解注册的步骤 或者,如果你对大都会州能为你提供什么有疑问, 询问信息,参观校园或与招生顾问聊天.

开始你的 工业 & 应用数学

获得学位的网投十大信誉可靠平台方法: 全国信誉第一的网投平台为你提供了完成学位所需的灵活性. 通过网投十大信誉可靠平台合作机构的项目,您可以找到一条获得您的工业 & 最适合你的应用数学学士学位.

关于你的入学选择

项目资格要求

学生表示对工业感兴趣 & 应用数学理学学士在申请入学时,将在数学系分配一名指导教师 & 统计和将给予预备地位.

有兴趣攻读该课程的学生应采取以下步骤:

  1. 和数学系的老师谈谈 & 或联络统计处主席(math@thebroadbandcoalition.com),以了解网投十大信誉可靠平台有关工业的资料 & 应用数学,B.S. 以及系里的其他项目,以确定哪个项目最符合你的兴趣.
  2. 完成以下专业预科要求:
    • 选修以下必修课程, 《计算思维与编程导论, 数学210微积分I, 和数学215离散数学.
    • 获得C-或更高的成绩,累计GPA为2.以上必修课程修满5级或以上.
  3. 宣布工业 & 应用数学,B.S. 使用在线理学院本科生声明表格.

 

转学课程的等价性由数学系决定.

 

课程及要求

跳到课程要求

要进入该项目,学生必须完成专业前要求,成绩为C-或更高,累计GPA为2.50或以上. 学生必须在全国信誉第一的网投平台完成至少20个学分的课程.

课程要求

+预科基础(16学分)

介绍如何用计算机提出问题,并开发和实施解决方案. 学生分析用户需求, 设计算法来解决这些问题,并将这些设计转化为计算机程序. 本课程还提供了计算领域内主要领域的概述. 主题包括算法设计, 性能指标, 编程语言和范例, 编程结构, 数字表示, 布尔代数, 计算机系统组织, 数据通信和网络, 操作系统, 编译器和解释器, 云计算, 数据分析, 移动计算, 物联网, 和人工智能)数据库, 互联网, 安全, 隐私, 道德, 以及其他社会和法律问题. 涉及流程图工具和使用Python等语言进行编程的实验作业和家庭作业是本课程不可或缺的一部分.

完整的课程描述计算思维与编程

本课程涵盖统计学的基本原理和方法. 它强调技术和应用在现实世界的问题解决和决策. 主题包括频率分布, 位置和变化的测量, 概率, 抽样, 实验设计, 抽样分布, 区间估计, 假设检验, 相关与回归.

完整的课程描述统计学I

从一开始, 微积分已被证明是人类最伟大的智力成就之一. 这门多面手的学科已被证明在解决从物理学、天文学到生物学和社会科学的各种问题方面是有用的. 通过概念和理论框架,本课程涵盖了微分学的主题,包括极限, 衍生品, 超越函数的导数, 微分的应用, 洛必达法则, 隐函数微分, 及相关费率.

完整的课程描述微积分I

+ Core (39) - 41学分)

面向对象计算机程序的结构、设计和实现. 主题包括顺序结构, 选择结构, 重复结构, 递归, 二次排序算法, 异常, 对象, 和类. 重点介绍方法、参数传递、数组和对象数组. 探索使用伪代码和统一建模语言(UML)解决问题和算法设计技术. 重点是设计好的测试用例和调试技术. 涉及多个类的编程项目.

用编程解决问题的完整课程描述

本课程涵盖基础到中间回归分析. 本课程建立在STAT201(统计学I)中学习的假设检验思想的基础上。. 重点是学习新的统计技能和用于实际应用的概念. 学生将使用统计软件进行分析. 主题包括简单线性回归和二元线性回归, 残留分析, 多线性模型建筑, 逻辑回归, 一般线性模型, 协方差分析, 以及时间序列数据的分析.

回归分析的完整课程描述

这是数学210微积分I的延续和工作知识的材料是预期的. 通过概念和理论框架,本课程涵盖定积分, 微积分基本定理, 集成的应用, 求积分的数值方法, 积分和级数的技巧.

微积分2的完整课程描述

数学建模是使用数学和计算工具来洞察科学中出现的复杂问题的过程, 业务, 行业, 和社会. 数学建模是一个迭代的过程,它涉及到科学方法的计算方法. 假设已经建立, 一个与这些假设一致的数学结构被开发出来, 根据经验证据提出和检验假设, 然后对模型进行相应的细化. 这些模型的质量作为验证过程的一部分进行检查, 当对模型进行改进和调整时,整个循环重复进行. 本课程介绍了数学建模过程以及通常用于研究与时间相关的现象的确定性和随机方法.

完整的课程描述介绍数学建模

这是一门基于微积分的概率论课程. 它涵盖了以下主题. (1)一般概率:概率的集合表示法和基本要素, 组合概率, 条件概率和独立事件, 和贝叶斯定理. (2)单变量概率:二项, 几何, 超几何, 泊松, 统一的, 指数, 和正态分布, 累积分布函数, 的意思是, 方差和标准差, 矩和矩产生函数, 和切比雪夫定理. (3)多变量概率:联合概率函数和联合密度函数, 联合累积分布函数, 中心极限定理, 条件概率和边际概率, 矩和矩产生函数, 方差, 协方差和相关性, 和转换. (4)在医学检验问题中的应用, 保险, 政治调查, 社会不平等, 游戏, 以及其他感兴趣的领域.

概率论的完整课程描述

优化涵盖了许多具有共同目标的问题——确定问题中决策变量的值,使某些目标函数最大化(或最小化),同时满足各种约束条件. 采用数学建模方法, 本课程介绍数学规划技术和概念,如线性规划, 敏感性分析, 网络建模, 整数线性规划, 目标规划, 和多准则优化. 软件被用来解决现实世界的问题,强调结果的可解释性. 应用包括确定产品组合,路线和物流,以及财务规划.

优化的完整课程描述

随机过程包括一系列受概率定律支配的事件. 随机过程在生物学中有许多应用, 医学, 心理学, 金融, 电信, 保险, 安全, 以及其他学科. 本课程介绍应用随机过程的基础知识,如马尔可夫链(包括离散时间和连续时间)。, 队列模型, 更新过程. 软件被用来解决现实世界的问题,强调结果的解释和随机过程在管理决策中的作用.

《随机过程导论》的完整课程描述

本课程探讨如何使用算法和计算机编程来解决数学问题的理论和实践. 可能的主题包括舍入和截断错误, 非线性方程的解, 线性和非线性方程组, 插值和逼近, 数值微分与积分, 常微分方程的数值解.

完整的课程描述计算数学

本课程通过对复杂环境的调查,为学生提供重要的解决问题的经验, 在现实世界中出现的开放式问题. 团队合作, 学生应用数学建模过程,将他们遇到的问题转化为可以用数学方法研究的问题, 统计, 以及他们从以前的课程中获得的计算知识和思维. 重要的重点放在证明用于调查问题的方法上, 协调团队成员的工作, 将分析和发现传达给技术和非技术观众.

高级数学建模的完整课程描述

选择下列课程之一(2或4学分)

介绍数据科学中常用的方法和技术. 本课程将使用面向对象的计算机程序设计相关的处理方法, 数据的汇总和可视化, 怎样才能使学生在他们的研究领域中使用数据并有效地交流定量研究结果. 主题包括计算机编程的基础知识, 数据可视化, 数据争吵, 数据改变, 数据使用的伦理问题, 并使用面向对象的编程语言进行数据分析. 学生将完成一个数据科学项目.

完整的课程描述数据科学和可视化

本课程涵盖了高级统计编程技术,包括数据处理, 数据可视化和假设检验. 本课程的主题包括R语法, 在R中输入和输出, 数据可视化, 交互式数据图形, 数据争吵, 整理数据, 和假设检验. 本课程以在STAT201中学到的知识为基础.

统计编程的完整课程描述

+选修课(8学分)

学生必须完成下列课程中的两门. 至少有一个必须有MATH名称.

这是实际分析的入门课程. 首先要严谨地审视逻辑法则,以及这些法则是如何在构造数学论证时使用的, 本课程发展了实数的拓扑结构. 主题包括极限、序列、序列和连续性. 课程的主要目标是教学生如何阅读和编写数学证明.

分析导论的完整课程描述

本课程涵盖了线性抛物方程的初值和边值问题的理论, 椭圆, 双曲偏微分方程. 主题可能包括一阶方程, 二阶方程, 分离变量, Sturm-Liouville问题, 变换方法, 格林函数, 傅里叶级数, 数值方法与建模应用.

全课程描述的偏微分方程

本课程涵盖统计分析中的方差分析(方差分析)方法的入门和中级概念. 本课程建立在STAT201(统计学I)中学习的假设检验思想的基础上。. 重点是学习新的统计技能和用于实际应用的概念. 学生将使用统计软件进行分析. 主题包括单因素方差分析模型, 双因素方差分析模型, 重复测量设计, 随机和混合效果, 主成分分析, 线性判别分析和聚类分析.

方差分析和多元分析的完整课程描述

本课程涵盖生物统计学的基础和中间主题, 并建立在STAT 201(统计I)中学习的假设检验思想的基础上。. 重点是学习新的统计技能和用于实际应用的概念. 学生将使用SPSS进行分析. 主题包括生物统计学的设计研究, 方差分析, 相关, 线性回归, 生存分析, 分类数据分析, 逻辑回归, 非参数统计方法, 以及临床试验分析中存在的问题.

生物统计学的完整课程描述

本课程涵盖了非参数统计分析的基本到中间概念. 本课程建立在STAT201(统计学I)中学习的假设检验思想的基础上。. 重点是学习新的统计技能和用于实际应用的概念. 学生将使用统计软件进行分析. 主题包括成对数据的非参数方法, Wilcoxon秩和检验, 克鲁斯卡尔-沃利斯测试, 拟合优度检验, 非参数线性相关与回归. 完成STAT201(统计学I)是本课程的先决条件.

非参数统计方法的完整课程描述

本课程涵盖了分类数据统计分析的基本到中间概念. 本课程建立在STAT201(统计学I)中学习的假设检验思想的基础上。. 重点是学习新的统计技能和用于实际应用的概念. 学生将使用统计软件进行分析. 主题包括对2x2表的分析, 分层分类分析, 优势比的估计, 一般双向表和三向表的分析, 概率单位分析, 以及对数线性模型的分析. 完成STAT201(统计I)是先决条件.

分类数据分析的完整课程描述

本课程涵盖分析环境和生物数据集的中间统计方法. 本课程建立在统计学和假设检验的基础上. 课程内容包括配对t检验, 未配对t检验, 野生, 单、双向方差分析, 多元方差分析, 重复的措施, 回归, 主成分分析和聚类分析. 学生将学习如何使用统计软件进行所有的分析.

环境统计的完整课程描述

时间序列是在连续的时间点或连续的时间段内对一个变量进行的一系列观察. 本课程介绍标准和先进的时间序列分析和预测方法. 使用图形技术和数值摘要来确定数据模式,如季节性和周期性趋势. 预测方法包括:移动平均线, 加权移动平均线, 指数平滑法, 状态空间模型, 简单线性回归, 多元回归, 分类和回归树, 还有神经网络. 预测准确性的衡量标准用于确定使用哪种方法获得未来时间段的预测.

时间序列分析与预测的完整课程描述

这是涵盖物理学基本概念的两个学期序列的第一门课程. 这门课程包括牛顿运动定律, 工作, 能源, 线性动量, 旋转运动, 重力, 平衡和弹性, 周期运动, 流体力学, 温度, 热, 还有热力学定律. 实验室强调物理概念的应用和定量解决问题的技能. 适合理科生和有较强数学背景的通识教育学生.

微积分基础物理的完整课程描述I

本课程介绍热力学的概念. 主题包括热力学第一定律, 热力学第二定律, 熵, 统计力学, 气体和固体的比热容, 效率和卡诺循环, 化学势, 化学物质和相平衡, 等. 探索的应用将包括气体的行为和热机的操作. 实验室强调本课程所教授的概念和解决问题技巧在现实世界中的应用.

完整的课程描述为热力学

介绍数据库的定义、创建和管理中的概念和方法. 重点放在使用适当的方法和工具来设计和实现数据库,以满足确定的业务需求. 主题包括概念性的, 逻辑和物理数据库设计理论和技术, 例如使用实体关系图, query tools and SQL; responsibilities of data and database administrators; database integrity, 安全 and 隐私; and current and emerging trends. 使用数据库管理系统,如MySQL. 覆盖HCI(人机交互)主题,开发数据库前端,应用HCI原则,提供高水平的可用性体验. 重叠:ICS 311T数据库管理系统.

数据库管理系统的完整课程描述

本课程是对编程语言的主要特性和设计的全面介绍. 它对包括结构化编程在内的编程范式进行了比较研究, 面向对象编程, 函数式编程和逻辑编程. 本课程是对编程概念和结构(包括数据类型)的概览, 控制结构, 子程序和参数传递, 嵌套和范围, 派生数据类型, 输入和输出, 动态变化的结构. 还涵盖了词汇和语义分析的原则.

编程语言组织的完整课程描述

使用面向对象的范例进行系统开发. 编程主题包括:继承, 多态性, 动态链接, 泛型, 图形用户界面, 和数据序列化. 用于发现概念类的用例和基于状态的方法. 设计原则包括利斯科夫替换原则, 开闭原理, 和稳定依赖原则. 设计像Factory这样的模式, 迭代器, 适配器, 外观, 桥, 观察者, Command, 状态, 复合, 单例, 和中介. 设计原则的运用, 设计模式, 以及面向对象系统设计中的模型-视图-控制器. 系统实现. 重构. 集团项目.

面向对象设计和实现的完整课程描述

涵盖大数据系统所使用的概念和方法. 主题包括:使用分布式文件系统存储和处理大数据的基础知识, 映射减少编程范式, 和NoSQL系统. 通过使用Hadoop等工具实现大数据问题的解决方案,学生将获得实际操作经验, Apache生猪拉丁语, 蜂巢, 黑斑羚, MongoDB, 卡珊德拉, Neo4J, 或火花.

大数据存储和处理的完整课程描述

涵盖并行和分布式算法的设计和开发及其实现. 主题包括多处理器和多核体系结构, 并行算法设计模式和性能问题, 线程, 共享对象和共享内存, 同步的形式, 数据结构的并发性, 并行排序, 分布式系统模型, 基本的分布式问题和算法,如互斥, 共识, 和选举, 以及分布式编程范例. 编程的.

并行和分布式算法的完整课程描述

计算机网络OSI和TCP/IP模型的原理和实践, 特别强调这些网络的安全. 涵盖计算机和数据安全的一般问题. 介绍网络协议的各个层, 包括物理, 数据链路, 网络, 和传输层, 流控制, 错误检查, 以及拥塞控制. 计算机系统的优点和弱点, 和保护技术:主题包括应用密码学, 安全威胁, 安全管理, 操作系统, 网络防火墙和安全措施. 关注安全编程技术. 编程项目.

网络和安全的完整课程描述

现代操作系统设计和实现的原理、技术和算法. 主题包括操作系统结构, 进程和线程调度, 内存管理包括虚拟内存, 文件系统实现, 输入输出系统, 海量存储结构, 保护, 和安全. 学生将实现进程、内存和文件管理算法.

操作系统的完整课程描述

本课程介绍了数学在财务决策中的应用, 统计数据, 经济理论, 会计程序. 两个核心思想是金钱的时间价值和预期回报与风险之间的关系, 以及这些想法是如何用于债券估值的, 股票, 和其他金融证券, 并做出资本投资决策.

金融原理的完整课程描述

商业智能是以用户为中心的数据探索过程, 数据关系和趋势-从而帮助提高企业的整体决策. 本课程介绍访问数据(理想情况下存储在企业数据仓库中)和分析数据的迭代过程,以便获得见解和交流发现. 此外, 本课程还介绍了如何使用软件工具进行数据分析和可视化, 特别是报表设计和仪表板的使用.

商业智能和分析的完整课程描述

本课程建立在先前有关商业智能和分析方法的分析思维和能力的课程基础上. 本课程旨在推进和完善理论方面的专业知识, 方法, 与商业预测和预测相关的工具和技术. 学生将获得使用行业标准工具和平台分析各种业务分析案例和场景的实际经验. 该课程帮助学习者在收集和分析数据的基础上,帮助企业做出更有效的商业决策. 课程的设计和授课使学生有一个积极参与的学习环境.

预测分析的完整课程描述

+综合体验(4学分)

学生必须完成4个学分的综合经验,如下所示. 咨询学术顾问以确定合适的课程.

这个高级工作坊将使学生接触统计问题解决过程中出现的统计和非统计问题, 并提供统计咨询的经验背景. 学生将会发展知识, 技能, 以及与客户互动所必需的专业关系, 包括沟通技术统计内容所需的技能 与non-statisticians.

统计咨询的完整课程描述

项目计划