数学101数学概念(3学分)

探索各种主题, 包括计数系统, 逻辑, 几何, 概率, 和统计数据. 包括历史和文化的角度和当代应用. 背景应包括两个学期的高中代数. 秋天,春天.

数学-105大学代数(3学分)

处理线性的性质, 二次, 多项式, 指数函数和对数函数, 不平等, 和方程组. 培养批判性思维，并强调在科学和专题问题上的实际应用. 背景应包括三个学期的高中代数. 秋天，春天，夏天.

微积分预科三角学(1学分)

为数学221的成功提供必要的三角工具. 利用直角三角形和单位圆的方法发展三角函数. 涵盖图形，身份验证，和反三角函数. 不需要三角知识. 前提条件:数学成绩达到C或以上105或在分班考试中取得可接受的分数. 秋天,春天.

数学-134微积分概论(3学分)

处理多项式，指数和对数函数，它们的导数和积分. 介绍几个变量的微积分及其在自然科学和社会科学中的应用. 推荐给计划只修一学期微积分而不需要三角学的学生. 数学专业和辅修不开放. 背景应包括四个学期的高中代数和两个学期的几何. 前提条件:数学成绩达到C或以上105或在分班考试中取得可接受的分数. 不满足数学222的先决条件. 数学134和数学221不给学分. 秋天,春天.

有限数学专题(0 -191.5 - 3学分)

研究有限(非微积分基础)数学中特别感兴趣的主题. 处理其他课程中没有涉及的材料. 主题将会公布. 可以重复. 背景应包括两个学期的高中代数.

小学教师数学(3学分)

处理问题解决，实数系统，初等数论，几何，和其他主题. 只适用于基础教育专业. 前提条件:数学101. 春天.

数学-221微积分I(4学分)

Covers parametric and polar equations; limits and 连续性; differentiation and integration of algebraic, 三角, 对数, and exponential functions; and applications of differentiation. 背景应包括八个学期的高中数学, 包括四个学期的代数, 两个学期的几何课程, 还有至少12周的三角学. 前提条件:数学成绩达到C或以上105并经数学系许可, 或者在分班考试中取得可接受的分数. 数学134和数学221不给学分. 秋天，春天，夏天.

微积分II(4学分)

涵盖集成技术和集成的应用. 介绍向量和矩阵, 多元函数及其导数, 微分方程, 多重积分. 前提条件:成绩C-或更好的数学221. 秋天，春天，夏天.

数学291微积分专题.5 - 3学分)

微积分学:对标准微积分数列中未涉及的微积分方面或应用的研究. 主题将会公布. 可以重复. 先决条件:数学221.

数学-310数学历史(3学分)

考察了从Ishango Bone到牛顿和莱布尼茨的数学发展. 强调主要的数学概念, 它们被发现的文化背景, 以及相关数学问题的解决. 前提条件:成绩C-或更好的数学222.

微积分III(4学分)

涵盖无穷级数, 向量值函数, 多个集成, 线与面积分, 以及向量场的分析. 前提条件:成绩C-或更好的数学222. 秋天，春天，夏天.

微分方程(3学分)

包括标准的一阶和二阶方法, 系统, 差分方程, 幂级数, 拉普拉斯变换, 以及数值和非线性方法, 所有这些的应用程序. 前提条件:成绩C-或更好的数学222. 秋天，春天和夏天.

金融数学(3学分)

涵盖复利公式, 年金, 永续年金, 摊销时间表, 债券, 以及其他证券. 为精算师协会考试FM提供准备. 前提条件:成绩C-或更好的数学222. 2017年秋季(每隔一个秋季).

数学-线性代数(3学分)

涵盖线性方程组, 矩阵, 决定因素, 向量空间, 线性变换, 特征值和特征向量. 前提条件:成绩C-或更好的数学222. 春天.

数学-355几何基础(3学分)

从公理发展出各种概念, 包括点, 行, 发病率, 中间状态, 同余, 并行性, 垂直, 距离, 相似, 和观点. 几何包括有限, 欧几里得和双曲, 重点是欧几里得结构, 证明, 转换, 并利用计算机软件进行动态几何. 前提条件:成绩C-或更好的数学222或教师的同意. 2011年秋季.

数学-365概率(3学分)

发展基于微积分的公理概率论和应用的标准主题, 包括排列, 组合, 样本空间, 事件, 随机变量, 独立, 条件概率, 分布, 密度函数, 期望值, 力矩生成函数. 前提条件:成绩C-或更好的数学222. 秋天.

离散数学- 370 & 组合数学(3学分)

涵盖诸如枚举之类的主题, 逻辑原理, 集理论, 数学归纳法, 生成函数, 递归关系, 图论. 前提条件:成绩C-或更好的数学222. 秋天.

数学-373数值方法(3学分)

涵盖了基于数值计算机的求解超越方程的方法, 线性方程组, 插值, 近似, 数值积分与微分, 以及常微分方程的数值解. Prerequisite: Computer Science 205 or 210 or equivalent; Grade of C- or better in 数学 222. 数学341建议，但不是必需的. 2019年春季.

数学-391中级数学专题.5 - 3学分)

涵盖其他课程中未包含的主题，以在某些领域提供更大的深度，并探索当前的数学主题. 主题各不相同; may include foundations and 集理论, graph theory, and number theory. 可以重复. Prerequisite: 数学 222; any additional prerequisites will be announced when scheduled.

数学-420实物分析入门(3学分)

提供对初等微积分主题更正式的处理, 包括限制, 连续性, 可微性, 可积性, 无穷级数, 强调定理的精确定义和证明. 前提条件:数学. 秋天.

数学-425复杂变量(3学分)

复数概论和复变量函数的微积分. 主题包括复数的代数和几何, 复变函数的极限和导数, 线积分, 泰勒-劳伦级数, 和残留物. 前提条件:数学.

长期精算模型I(3学分)

涵盖权变数学在生命和健康保险领域的理论和应用, 年金及退休金, 同时使用随机和确定性方法. 包括涵盖在社会精算师考试LTAM材料. 前提条件:数学330,365. 每隔一个春天.

长期精算模型II(3学分)

继续覆盖(从数学431开始)在生命和健康保险领域的权变数学的理论和应用, 年金, 和养老金, 同时使用概率和多状态模型. 数学431和数学432一起涵盖了美国精算师协会考试LTAM的大部分内容. 先决条件:数学431. 偶尔也会提供.

抽象代数(3学分)

介绍代数结构及其应用. 涵盖集合论，数论，模算术，群，环和领域. 前提条件:数学. 2019年春季(每隔一年春季).

数学统计(3学分)

发展数理统计的标准主题, 包括抽样分布, 估计, 假设检验, 方差分析, 回归, 和关联. 先决条件:数学365与C-或更好. 春天.

数学490研讨会/工作坊/独立学习数学(0.5 - 3学分)

在安排时公布研讨会/工作坊的主题. 学生在与数学教授协商后选择的独立研究课题. 前提条件:教师许可.

高等数学专题(0 -491.5 - 3学分)

深入探索其他课程未涵盖的主题，为研究生水平的数学做准备. 主题各不相同, 但可能包括代数拓扑, 解析数论, 编码理论, 微分几何, 功能分析, 谎言理论, 偏微分方程, 实分析, 环理论, 和拓扑结构. 可以重复. Prerequisites: 数学 323; any additional prerequisites will be announced when scheduled.

数学-495高级研讨会:数学建模(3学分)

注重配方, 分析, 以及从自然科学中提取的与当代问题相关的数学模型的解释, 社会科学, 管理科学. 包括团队项目和研讨会形式. Prerequisites: Senior standing; at least two courses chosen from 数学 323, 324, 365, 341, or 373; at least one computer programming class. 秋天.

数学实习(1-6学分)

这是一项结构化的作业，可以让学生获得与职业兴趣相关的数学相关领域的实践经验. 该学生由数学系的一名教员指导，并由合作组织的一名成员监督. 前提条件:数学系许可.

QM-227统计学概论(3学分)

不确定条件下的分析和推理原理的一般介绍. 着重于统计推理的逻辑. 主题包括概率, 概率分布, 随机变量, 抽样和抽样分布, 估计, 假设检验, 线性回归和相关. 前提条件:熟练掌握代数在入门水平. 定量方法227和心理学245或社会学344不给予学分.

数据科学R入门(1学分)

本课程作为统计软件程序R的入门，因为它适用于数据科学领域. 本课程将包括进口, 探索, 可视化, 用R进行数据的转换，以及用R进行结果的交流.

STAT-188数据可视化(3学分)

数据可视化涉及周到的设计和创建数据的可视化表示(如图表), 图, 和地图)以翔实和引人注目的方式传达数字和非数字信息. 除了学习数据可视化表示的基本原理之外, 学生将获得有效沟通复杂信息所需的技能, 了解如何使用数据可视化来为决策提供信息和推动数据驱动的见解, 并使用软件创建自己的可视化, 包括表.

STAT-191基础统计学专题(0.5 - 3学分)

研究统计程式设计中特别感兴趣的主题. 处理其他课程中没有涉及的材料. 主题将会公布. 可以重复.

STAT-266入门统计学(3学分)

本课程旨在介绍统计学在数据科学框架下的基础和应用. 涵盖数据探索的关键方面, 可视化, 以及统计推断中的传统话题, 本课程通过基于项目的课程来学习，使用来自各个应用领域的开放数据源和开源统计软件R. 先决条件:STAT-166与C或更好的讲师许可.

实验设计(3学分)

深思熟虑的实验设计提供了产生有意义的结果的最佳机会, 有充分的证据来回答相关问题. 本课程将涵盖计划一个精心设计的实验过程，以收集适当的数据，以便使用标准统计程序进行分析，得出有效和客观的结论. 设计方法将应用和分析使用标准的统计软件程序，如R. 先决条件:stat - 266.

STAT-286民意调查(3学分)

民意测验和调查是收集各种领域信息的基本方法. 本课程探讨全面投票和调查工作的关键方面, 包括明确定义投票或调查的目的, 调查问卷设计, 抽样, 调查/调查部署, 数据分析, 以及发现和见解的交流. 预要求QM-227, STAT-266, SOC-344, PSYC-245，或教练的许可

STAT-291中级统计专题.5 - 3学分)

统计和/或实验设计方面的研究或应用不包括在STAT 266或267. 主题将会公布. 可以重复. Prerequisite: STAT 266; any additional prerequisites will be announced when scheduled.

现实世界中的数据分析(3学分)

本课程旨在为学生提供在现实环境中应用数据分析的机会. 学生将学习如何进行一个完整的数据分析项目, including understanding the context; collecting, 组织, 可视化, and analyzing the data; and communicating the findings to the client. 分析将使用统计软件，包括R. 因为它的总体目标与该校的改变Lab项目密切相关, 本课程可以作为改变Lab课程提供. 因为每个产品的主题(以及必要的统计工具)会有所不同, 这门课可以重上. 先决条件:stat - 266.

STAT-361线性模型(3学分)

通过考虑线性模型的理论和使用统计软件程序R进行相关分析所需的技能，深入了解线性回归模型. 主题包括评估, 推理, 诊断, 转换, 变量的选择, 方差分析, 并简要介绍广义线性模型. 先决条件:STAT-266，数学341.

机器学习(3学分)

介绍机器学习及其核心模型和算法，通过检查技术在监督和无监督学习. 正在考虑的算法是回归, 决策树, 神经网络, 支持向量机, 聚类算法. 概念和算法将使用统计软件程序R来实现. 先决条件:stat - 266.

STAT-391统计专题(0.5 - 3学分)

涵盖其他课程中未包含的主题，以在某些领域提供更深入的内容，并探索当前的统计主题. 主题各不相同, 可能包括高级回归技术, 先进的机器学习技术, 人工智能, 高级时间序列. 可以重复. Prerequisite: STAT 267; additional prerequisites will be announced when scheduled.

大型数据集技术(3学分)

本课程将讨论有效提取的方法、自定义算法和工具, 解释, 并从非常大的数据集中进行推断. 它首先介绍了大数据问题以及将标准统计技术应用于大型数据集的局限性. 它为大数据分析开发算法——包括数据压缩, 索引, 并提供了使用大数据专用工具(如Map-Reduce和Hadoop)以及通用统计软件R的经验. 先决条件:stat - 266.

STAT-490研讨会/工作坊/独立研究.5 - 3学分)

在安排时公布研讨会/工作坊的主题. 学生在与数学教授协商后选择的独立研究课题. 教员许可

STAT-491高级统计专题(0.5 - 3学分)

深入探索其他课程未涵盖的主题. 主题各不相同，但可能包括高级数据挖掘、文本挖掘和高级数据库结构. 可以重复. Prerequisites: STAT-361; additional prerequisites will be announced when scheduled.

统计建模(3学分)

包含数据分析项目的整个周期, 包括问题表述, 数据的获取和清理, 模型选择, 和拟合, 参数估计, 解释, 和报告. 利用多种数据分析技术开发的一系列统计课程，以解决现实世界的问题. 包括团队项目和研讨会形式. 先决条件:STAT-362，数学-466. 先决条件:stat - 361.