Southwest Baptist University

Master of Science in Data Science

Questa mappa del curriculum illustra lo sviluppo progressivo delle competenze degli studenti nel programma di Master of Science in Information Technology Management, mostrando come ogni corso introduca (I), sviluppi (D) o porti gli studenti alla padronanza (M) dei sette risultati di apprendimento del programma (PLO), culminando nel corso conclusivo in cui gli studenti dimostrano la padronanza di tutti i risultati.

• TECH 500: Sfide etiche nella gestione della tecnologia
• BUS 5203: Analisi dei dati
• BUS 5213: Elaborazione dei dati per il processo decisionale
• TECH 575: Analisi dei Big Data per IoT
• TECH 615: AI applicata: soluzioni per le aziende
• TECH 630: intelligenza artificiale avanzata per analisi aziendali e processi decisionali
• BUS 5223: Progetti leader di analisi dei dati
• TECH 643: Metodi statistici
• TECH 674: Metodi quantitativi
• TECH 699: Progetto finale di Data Science e Analytics

Classi principali

TECH 500: Sfide etiche nella gestione della tecnologia

Questo corso si concentra sulla preparazione dei leader per risolvere complessi dilemmi etici nella gestione della tecnologia. Il corso enfatizza i valori biblici e le soluzioni pratiche alle sfide contemporanee. Gli studenti esplorano i sistemi etici attraverso una visione del mondo cristiana, analizzano casi di studio e sviluppano competenze per formulare solidi giudizi morali. Alla fine del corso, i partecipanti saranno in grado di affrontare questioni etiche nella leadership tecnologica con integrità e una prospettiva basata sulla fede.

Risultati di apprendimento degli studenti del corso

• SLO 1: Analizzare complessi dilemmi etici nella gestione della tecnologia utilizzando vari quadri etici, tra cui una visione del mondo cristiana. (PLO 3, PLO 4)
• SLO 2: Valutare le implicazioni delle tecnologie emergenti sul processo decisionale etico nei ruoli di leadership IT. (PLO 3, PLO 4)
• SLO 3: Sintetizzare i principi biblici con le sfide etiche contemporanee per sviluppare soluzioni basate sulla fede nella gestione della tecnologia. (PLO 3, PLO 5)
• SLO 4: Sviluppare e articolare solidi giudizi morali per casi di studio sull'etica della tecnologia, dimostrando pensiero critico e comunicazione efficace. (PLO 1, PLO 3)
• SLO 5: Creare un quadro etico personale per affrontare le sfide della gestione della tecnologia che integri gli standard professionali con i valori cristiani. (PLO 3, PLO 5)

BUS 5203: Analisi dei dati

Gli studenti saranno esposti alle pratiche di analisi dei dati nel mondo aziendale, ad esempio al modo in cui i dati vengono creati, archiviati e accessibili e al modo in cui le organizzazioni utilizzano i dati e creano ambienti che incoraggiano l'analisi.

Risultati di apprendimento degli studenti del corso

• SLO 1: comprendere la mentalità analitica per gli analisti aziendali. (PLO 2, PLO 4)
• SLO 2: comprendere i concetti di base della statistica e dell'analisi dei dati. (PLO 2, PLO 4)
• SLO 3: Applicare tecniche di analisi dei dati per rispondere a domande sul set di dati. (PLO 4)
• SLO 4: Analizzare le decisioni aziendali utilizzando tecniche di analisi dei dati. (PLO 4)
• SLO 5: Valutare le decisioni etiche nell'analisi dei dati con integrazione della fede. (PLO 5)
• SLO 6: Creare e completare un progetto di analisi dei dati per rispondere a una domanda originale in una disciplina specifica. (PLO 2, PLO 4, PLO 5)

BUS 5213: Elaborazione dei dati per il processo decisionale

Comprendere come raccogliere e utilizzare i dati nel processo decisionale utilizzando tecniche analitiche (data mining, analisi predittiva e algoritmi di apprendimento automatico) per trovare modelli di relazioni tra elementi di dati. Gli studenti impareranno come raccogliere dati appropriati e analizzarli per guidare i decisori verso una migliore comprensione dei dati e della loro applicazione gestionale.

Risultati di apprendimento degli studenti del corso

• SLO 1: Acquisire competenze di gestione delle informazioni per gestire i dati. (PLO 2, PLO 4)
• SLO 2: Acquisire competenze e strumenti analitici per comprendere i dati. (PLO 2, PLO 4)
• SLO 3: Acquisire una comprensione del processo decisionale basato sui dati e di come gestire l'incertezza. (PLO 2, PLO 4)
• SLO 4: Sviluppare una mentalità orientata ai dati per aiutare le aziende ad agire sui dati. (PLO 2, PLO 4)
• SLO 5: Sviluppare competenze nella presentazione dei dati per il processo decisionale. (PLO 1, PLO 2)

TECH 575: Analisi dei Big Data per IoT

Questo corso introduce gli studenti ad Apache Spark, un potente framework di elaborazione di big data, con un focus sulla sua applicazione nell'analisi di dataset su larga scala. Gli studenti impareranno a sfruttare le capacità di Spark usando Python, enfatizzando l'ultima sintassi Spark 2.0 DataFrame. Il curriculum comprende tecniche avanzate di manipolazione dei dati, applicazioni di apprendimento automatico usando MLlib e scenari di risoluzione di problemi del mondo reale.

Risultati dell'apprendimento degli studenti

• SLO 1: Sintetizzare la programmazione Python e i framework Apache Spark per progettare e implementare soluzioni avanzate di analisi dei big data. (PLO 2, PLO 4)
• SLO 2: Valutare e applicare la sintassi Spark 2.0 DataFrame per ottimizzare attività di elaborazione dati complesse e migliorare l'efficienza analitica. (PLO 2, PLO 4)
• SLO 3: Creare e criticare modelli sofisticati di apprendimento automatico utilizzando MLlib di Spark, tra cui regressione logistica, foreste casuali e alberi con gradiente potenziato, per risolvere problemi di classificazione del mondo reale. (PLO 2, PLO 4)
• SLO 4: Sviluppare e valutare applicazioni innovative di elaborazione del linguaggio naturale, come filtri antispam, utilizzando le capacità di Spark per l'analisi e la classificazione del testo. (PLO 1, PLO 2 e PLO 4)
• SLO 5: Formulare un quadro etico per l'analisi dei big data che integri i principi cristiani di amministrazione e privacy, esaminando criticamente le implicazioni sociali delle tecniche di analisi dei dati su larga scala. (PLO 3, PLO 5)

TECH 615: AI applicata: soluzioni per le aziende

Questo corso fornisce un'introduzione completa all'intelligenza artificiale (IA), esplorando il suo impatto trasformativo in tutti i settori e affrontando la crescente domanda globale di competenze di IA. Gli studenti approfondiranno gli sviluppi recenti in Deep Learning, Reinforcement Learning, Natural Language Processing, Computer Vision e Robotica, acquisendo al contempo esperienza pratica con moderni framework di deep learning come Keras.

Risultati dell'apprendimento degli studenti

• SLO 1: Valutare l'impatto dell'intelligenza artificiale su vari settori, analizzando le tendenze attuali e prevedendo gli sviluppi futuri nel campo. (PLO 2, PLO 4)
• SLO 2: Progettare e implementare reti neurali artificiali per risolvere problemi aziendali complessi, come la previsione dell'abbandono dei clienti e la previsione del prezzo delle azioni. (PLO 2, PLO 4)
• SLO 3: Sviluppare modelli di intelligenza artificiale avanzati utilizzando reti neurali convoluzionali e ricorrenti per il riconoscimento delle immagini e l'analisi delle serie temporali in contesti aziendali reali. (PLO 2, PLO 4)
• SLO 4: Creare e valutare sistemi di raccomandazione e applicazioni di elaborazione del linguaggio naturale, dimostrando competenza nell'applicazione dell'intelligenza artificiale per migliorare l'esperienza del cliente e le operazioni aziendali. (PLO 2, PLO 4)
• SLO 5: Sintetizzare le considerazioni etiche nell'implementazione dell'intelligenza artificiale con i principi cristiani di amministrazione e dignità umana, formulando strategie di intelligenza artificiale responsabili per le applicazioni aziendali. (PLO 3, PLO 5)

TECH 630: intelligenza artificiale avanzata per analisi aziendali e processi decisionali

Questo corso offre una prospettiva trasformativa sull'impatto dell'IA nel mondo aziendale, sottolineando il ruolo critico della competenza in materia di IA, inclusa l'IA generativa come i Large Language Models, nell'economia basata sulle informazioni di oggi. Si concentra sull'identificazione, valutazione e sfruttamento delle opportunità per l'analisi aziendale utilizzando fonti di dati sia proprietarie che pubbliche.

Risultati dell'apprendimento degli studenti

• SLO 1: Sintetizzare set di dati complessi per creare soluzioni aziendali innovative, dimostrando capacità analitiche avanzate in contesti basati sull'intelligenza artificiale. (PLO 2, PLO 4)
• SLO 2: Valutare le tendenze attuali nella gestione e nell'applicazione dell'intelligenza artificiale, criticandone il potenziale impatto su vari settori aziendali. (PLO 2, PLO 4)
• SLO 3: Progettare e valutare criticamente diversi modelli di intelligenza artificiale e data mining, giustificandone l'idoneità per specifici scenari aziendali. (PLO 2, PLO 4)
• SLO 4: Formulare strategie collaborative per tradurre le sfide aziendali del mondo reale in modelli di intelligenza artificiale praticabili, dimostrando capacità di lavoro di squadra e di risoluzione dei problemi. (PLO 2, PLO 5)
• SLO 5: Sviluppare e difendere strategie di analisi aziendale efficienti, integrando tecnologie di intelligenza artificiale per affrontare le problematiche aziendali contemporanee. (PLO 2, PLO 4)
• SLO 6: Creare un quadro etico per l'implementazione dell'intelligenza artificiale nel mondo degli affari che sia in linea con i principi cristiani di amministrazione e responsabilità sociale, esaminando criticamente le implicazioni morali del processo decisionale guidato dall'intelligenza artificiale nei contesti organizzativi. (PLO 3, PLO 5)

BUS 5223: Progetti leader di analisi dei dati

Questo corso esporrà gli studenti a componenti fondamentali per rendere operativa la business intelligence e l'analisi dei dati per migliorare il processo decisionale e la qualità all'interno di un'organizzazione. In particolare, gli studenti impareranno come assumere il ruolo di consulente di business intelligence e applicare tecniche di analisi dei dati per informare il processo decisionale aziendale.

Risultati dell'apprendimento degli studenti

• SLO 1: comprendere i termini e i concetti chiave nel campo dell'analisi dei dati. (PLO 2, PLO 4)
• SLO 2: Identificare le competenze analitiche chiave necessarie nella professione. (PLO 2, PLO 4)
• SLO 3: Presentare i dati in forma di rappresentazione grafica. (PLO 1, PLO 2)
• SLO 4: Applicare concetti e tecniche di analisi aziendale. (PLO 2, PLO 4, PLO 5)

TECH 643: Metodi statistici

Questo corso offre un'esplorazione completa delle tecniche statistiche fondamentali e avanzate essenziali per l'analisi dei dati e il processo decisionale in vari campi. Questo corso copre statistica descrittiva, teoria della probabilità, distribuzioni campionarie, test di ipotesi e statistica inferenziale. Gli studenti approfondiranno l'analisi di regressione, inclusa la regressione lineare semplice e multipla, nonché un'introduzione alla regressione logistica. Il curriculum comprende anche analisi della varianza (ANOVA), progettazione di esperimenti e metodi non parametrici. Durante il corso, l'enfasi è posta sia sulla comprensione teorica che sull'applicazione pratica utilizzando software statistici come R o SAS. Gli studenti lavoreranno con set di dati del mondo reale per sviluppare competenze nella manipolazione dei dati, nella modellazione statistica e nell'interpretazione dei risultati. Entro la fine del corso, i partecipanti saranno dotati di un solido toolkit statistico e della capacità di selezionare e applicare metodi appropriati per affrontare complesse sfide analitiche in diverse discipline. I prerequisiti includono una conoscenza di base dell'algebra e dei concetti statistici elementari.

Risultati dell'apprendimento degli studenti

• SLO 1: Dimostrare competenza nell'applicazione di tecniche statistiche fondamentali e avanzate per l'analisi dei dati e il processo decisionale in vari campi. (PLO 2, PLO 4)
• SLO 2: Condurre e interpretare accuratamente test di ipotesi e statistiche inferenziali. (PLO 2, PLO 4)
• SLO 3: Eseguire analisi di regressione, tra cui regressione lineare semplice e multipla e regressione logistica. (PLO 2, PLO 4)
• SLO 4: Applicare l'analisi della varianza (ANOVA), la progettazione degli esperimenti e metodi non parametrici ai set di dati appropriati. (PLO 2, PLO 4)
• SLO 5: Integrare i principi cristiani di etica e amministrazione nell'applicazione dei metodi statistici, riconoscendo la responsabilità di utilizzare l'analisi dei dati per il miglioramento della società e secondo i valori biblici. (OLP 3, OLP 5)

TECH 674: Metodi quantitativi

Questo corso fornisce un'introduzione completa ai metodi quantitativi essenziali e alle tecniche statistiche utilizzate nella moderna scienza dei dati. Gli studenti svilupperanno solide basi nella teoria della probabilità, nell'inferenza statistica e negli approcci analitici avanzati, cruciali per l'analisi di set di dati complessi. Gli argomenti chiave includono distribuzioni di probabilità e relative applicazioni, test di ipotesi e intervalli di confidenza, analisi di regressione lineare e non lineare, analisi e previsioni di serie temporali, statistica bayesiana e inferenza, tecniche di riduzione della dimensionalità, metodi di clustering e classificazione, metodi di ricampionamento e bootstrapping. Attraverso una combinazione di lezioni, esercizi pratici e casi di studio del mondo reale, gli studenti impareranno ad applicare questi metodi quantitativi utilizzando popolari strumenti di scienza dei dati e linguaggi di programmazione. Il corso enfatizza sia la comprensione teorica che l'implementazione pratica, preparando gli studenti ad affrontare complesse sfide di analisi dei dati in vari settori.

Risultati dell'apprendimento degli studenti

• SLO 1: Applicare la teoria della probabilità e le tecniche di inferenza statistica per analizzare set di dati complessi in contesti di scienza dei dati. (PLO 2, PLO 4)
• SLO 2: Sviluppare e valutare modelli di regressione lineare e non lineare, analisi di serie temporali e metodi di previsione per l'analisi e la previsione dei dati. (PLO 2, PLO 4)
• SLO 3: Utilizzare metodi di riduzione della dimensionalità, clustering e classificazione per estrarre modelli significativi da dati ad alta dimensionalità. (PLO 2, PLO 4)
• SLO 4: Dimostrare competenza nell'uso di strumenti di data science e linguaggi di programmazione popolari per implementare metodi quantitativi su set di dati del mondo reale. (PLO 2, PLO 4, PLO 5)
• SLO 5: Integrare i principi cristiani di utilizzo ed interpretazione etica dei dati, riconoscendo la responsabilità di impiegare metodi quantitativi in modi che onorino la verità, promuovano la crescita umana e riflettano una buona amministrazione delle risorse informative. (PLO 3, PLO 5)

TECH 699: Progetto finale di Data Science e Analytics

Questo corso di perfezionamento offre agli studenti l'opportunità di sintetizzare e applicare le conoscenze e le competenze acquisite durante il Master of Science in Data Science and Analytics. Gli studenti intraprenderanno un progetto completo di data science nel mondo reale che affronta una sfida aziendale o sociale significativa. Lavorando individualmente o in piccoli team, gli studenti identificheranno un problema, raccoglieranno e analizzeranno i dati rilevanti, svilupperanno e implementeranno soluzioni di data science appropriate e comunicheranno i loro risultati in modo efficace. Il progetto comprenderà l'intero ciclo di vita della data science, tra cui la formulazione del problema, l'acquisizione e la pre-elaborazione dei dati, l'analisi esplorativa dei dati, lo sviluppo e la valutazione del modello e la presentazione dei risultati. Gli studenti dovranno integrare tecniche di analisi avanzate, considerazioni etiche e approfondimenti aziendali nei loro progetti. Il corso culminerà in una presentazione e un rapporto finali, che dimostreranno la padronanza dei concetti di data science da parte dello studente e la sua capacità di fornire valore attraverso soluzioni basate sui dati.

Risultati dell'apprendimento degli studenti

• SLO 1: Progettare ed eseguire un progetto completo di data science che affronti un problema reale complesso, dimostrando la padronanza del ciclo di vita della data science e di tecniche analitiche avanzate. (PLO 2, PLO 4)
• SLO 2: Comunicare in modo efficace concetti, metodologie e risultati complessi della scienza dei dati a un pubblico sia tecnico che non tecnico attraverso relazioni scritte, presentazioni orali e visualizzazioni di dati. (PLO 1, PLO 4)
• SLO 3: Applicare il ragionamento etico e i principi cristiani nella progettazione, implementazione e valutazione di soluzioni di data science, affrontando questioni quali la privacy dei dati, i pregiudizi e l'impatto sociale. (PLO 3, PLO 5)
• SLO 4: Valutare e selezionare criticamente metodologie, strumenti e tecnologie di data science appropriati per risolvere specifiche sfide aziendali o sociali, giustificando tali scelte in base alla loro efficacia ed efficienza. (PLO 2, PLO 4)
• SLO 5: Collaborare efficacemente in team diversificati per pianificare, eseguire e consegnare un progetto di data science complesso, dimostrando capacità di leadership, gestione del progetto e comunicazione interculturale. (PLO 1, PLO 5)
• SLO 6: Sintetizzare le intuizioni derivanti dall'analisi dei dati per sviluppare raccomandazioni strategiche che stimolino il valore aziendale o rispondano alle esigenze della società, dimostrando la capacità di collegare la scienza dei dati con le applicazioni pratiche. (PLO 2, PLO 3, PLO 4)

Risultati di apprendimento istituzionali (ILO)

• ILO 1: Gli studenti comunicheranno in modo efficace.
• ILO 2: Gli studenti utilizzeranno metodi di indagine per acquisire e applicare le conoscenze.
• ILO 3: Gli studenti affronteranno problemi concreti applicando la fede e il ragionamento etico.
• ILO 4: Gli studenti penseranno in modo creativo e critico per intraprendere una vita di apprendimento.
• ILO 5: Gli studenti si impegneranno in un mondo culturalmente diversificato per rafforzare le relazioni con gli altri.

Risultati di apprendimento del programma (PLO)

• PLO 1: Comunicare in modo efficace concetti complessi di scienza dei dati e risultati analitici a pubblici diversi, dimostrando sensibilità culturale e considerazione etica nella presentazione dei dati. (ILO 1, ILO 3, ILO 5)
• PLO 2: applicare metodi statistici avanzati, tecniche di apprendimento automatico e strategie di data mining per estrarre informazioni significative da set di dati su larga scala, valutando criticamente i risultati per risolvere problemi del mondo reale. (ILO 2, ILO 4)
• PLO 3: Sviluppare e implementare soluzioni di data science etiche che integrino i principi cristiani di amministrazione, privacy e responsabilità sociale, comunicando al contempo in modo efficace le implicazioni etiche alle parti interessate. (ILO 1, ILO 3, ILO 5)
• PLO 4: Valutare criticamente e sintetizzare le tendenze attuali nella scienza dei dati e nell'intelligenza artificiale, dimostrando la capacità di adattarsi a tecnologie e metodologie in rapida evoluzione e di comunicare efficacemente i risultati per promuovere l'apprendimento continuo. (ILO 1, ILO 2, ILO 4)
• PLO 5: Collaborare efficacemente in team diversificati per progettare ed eseguire progetti di data science che affrontino sfide globali, utilizzando metodi di indagine appropriati e ragionamento etico per promuovere la comprensione interculturale attraverso approfondimenti basati sui dati. (ILO 2, ILO 3, ILO 5)