美国东北大学应用数学硕士课程有哪些?

美国东北大学应用数学（Master of Science in Applied Mathematics）是一个为期1-2.5年的全日制硕士学位课程，旨在满足在金融服务和投资管理、数据科学和高科技、计算机信息和软件开发、学术界和研究等领域工作的当前和有抱负的应用数学专业人士的需求。那么美国东北大学应用数学硕士课程有哪些?下面让考而思在线小编来给各位新生信息介绍一下。

美国东北大学应用数学硕士课程

美国东北大学应用数学硕士课程将学术严谨性和行业需求结合在一起，你将获得强大的高级数学基础，提高解决问题的能力，并发展你的数据分析和建模、机器学习、统计学习和计算技能。

除了核心课程（包括数学建模、矩阵分析、概率I和II、机器学习I和II）以及几门统计课程外，你还可以参加图论、数值分析I和II、优化算法、优化和复杂性以及量子计算和信息等课程。此外，美国东北大学一直在扩展应用数学硕士的课程设置，以满足学生的兴趣和行业需求。

更高级的选修课程利用了东北大学数学系在应用数学方面的课程（包括拓扑数据分析；概率和测度；黎曼优化；和优化理论）和纯数学（包括高级微分方程和泛函分析；微分、代数和离散几何和拓扑；以及量子理论中的数学方法）。

美国东北大学应用数学硕士四年课程设置如下（示例）：

一、核心课程

1、建模和线性代数

完成以下4学分的课程：

MATH 5110 应用线性代数和矩阵分析

MATH 5111代数1

MATH 5131 数学方法和建模简介

2、概率和分析

完成以下4学分的课程：

MATH 5101 分析1：一个变量的函数

MATH 7241 概率1

3、统计学

完成以下8学分的课程：

MATH 7243 机器学习与统计学习理论1

MATH 7342 数理统计

MATH 7343 应用统计学

二、集中或选修课程选项

1、数据科学专业

核心课程：

CS 5800 算法

CS 6140 机器学习

CS 6220 数据挖掘技术

DA 5020 收集、存储和检索数据

DA 5030 数据挖掘/机器学习简介

DS 5220 监督机器学习和学习理论

DS 5230 无监督机器学习和数据挖掘

EECE 5644 机器学习和模式识别简介

数学 7243 机器学习与统计学习理论 1

2、选修课程：

建议选修课程一览：

（学生可以在咨询指导教师后完成下面未列出的其他MATH课程和MATH以外的课程）

DS 5110 数据管理和处理简介

EECE 7205计算机工程基础

MATH 5352 量子计算与信息

MATH 7203 数值分析 1

MATH 7205 数值分析 2

MATH 7223 黎曼优化

MATH 7233 图论

MATH 7234 优化和复杂性

MATH 7339 机器学习与统计学习理论 2

MATH 7341 概率 2

MATH 7342 数理统计

MATH 7344 回归、方差分析和设计

附加课程：

以下是博士课程中通常学习的一些理论数学课程（这些课程可能并非每学年都提供）：

MATH 5102 分析 2：多个变量的函数

MATH 5112 代数 2

MATH 5121 拓扑 1

MATH 7202 偏微分方程 1

MATH 7221 拓扑 2

MATH 7311 交换代数

MATH 7315 代数数论

MATH 7320 现代代数几何

MATH 7371 莫尔斯理论

MATH 7381 组合学主题

MATH 7382 概率主题

MATH 7733 图论中的阅读材料

MATH 7741 概率与统计中的读数

MATH 8450 数学研究研讨会

以上是美国东北大学应用数学硕士课程的介绍。无论是学习哪一门课程遇到不懂的知识点，或者学习难题，有关美国应用数学课程辅导方面的需求，都可以咨询考而思在线获得一对一美国东北大学课程辅导帮助。