南加州大学的Viterbi工程学院所开设的分析学理学硕士 （MS in Analytics）是可以在3-4学期完成的全日制课程，教授学生掌握 数据分析师 和 数据科学家 所需的技能，包括总结和呈现 复杂数据、运用机器学习方法预测 ，导致各种复杂情景产生的因素，以及将 数据转换为可执行性的洞察能力 ，解决现实问题，在分析与数据分析的职业生涯中取得成功。
该专业适合任何本科为工程或者工程相关背景的学生，非工程背景也欢迎申请，包括但不限于： 数学、经济学、统计学、商业、会计与金融 。在美国，该专业类属于STEM类别，毕业后可获得3年OPT。
分析学 是一门多领域学科 ，它将工程方法应用、分析方法、工程管理与基于数据的企业过程相联系，本课程的学习目标包括 数据收集、整理、融合和整理以分析趋势、发现模式和建立决策模型 为目标，以提供合理的决策支持。
分析学理学硕士学位 课程 共需30学分，7门核心课，3门选修课 。基础课程涵盖了优化、数据管理、数据挖掘和预测性分析建模的基础知识，以及实现这些知识所需的计算工具。选修课程使学生接触到不同的商业领域，如数据分析咨询、网络数据分析、大数据预测建模等。
必修课程(12学分) ：
DSCI 559 数据管理简介
ISE 529 预测分析
ISE 530 分析的优化方法
ISE 535 数据挖掘
方法论课程(6学分) ：
从以下选两门：
ISE 533 综合分析
ISE 537 金融分析
ISE 538 利用马克科夫模型进行性能分析
ISE 540 文本分析
ISE 543 企业商业智能和系统分析
ISE 562 决策分析
ISE 580 模拟性能建模
项目课程(3学分) ：
从以下选一门：
ISE 533 综合分析
ISE 534 数据分析咨询
ISE 580 模拟性能建模
选修课(9学分) ：
ISE选修课和需经课程顾问批准的其他选修课
通过学习，学生将具备强大的 分析技能 。该课程结合 统计和机器学 习建模，可解决当今数据驱动世界中遇到的实际问题，涉及以下学习领域：数据管理、数据挖掘、机器学习、决策分析、数据可视化、数据科学统计。通过该课程的学习，学生可精通各种数据处理与分析的最新软件和编程工具，包括Python机器学习、R和SAS Visual Analytics。学生完成必修课后即可选择选修课，从而进一步提高自己感兴趣的专业领域技能。选修课程包括但不仅限于：数据分析咨询、金融数据分析、规模化机器学习（大数据分析）、文本挖掘和推荐系统的自然语言处理。
更多信息，请点击关注并咨询顾问老师，我将为您详细解答。
