数据科学硕士课程提供严格而全面的课程，使学生掌握统计方法、数据分析、人工智能和道德技术管理方面的高级技能。该课程将统计方法、定量方法和数据分析等核心课程与物联网大数据分析、应用人工智能和商业洞察高级人工智能等专业课程相结合。学生将熟练掌握基本工具和编程语言，包括 Python、R、Apache Spark 和现代人工智能框架。课程强调理论基础和实际应用，以实际数据集和各个行业的案例研究为特色。涵盖的高级主题包括机器学习、深度学习、自然语言处理和预测模型。该课程还涉及数据伦理、项目领导力和商业智能的关键方面，为毕业生担任数据驱动决策的高级职位做好准备。该课程的一个独特之处在于它将基督教原则与数据伦理和负责任的技术使用相结合，培养能够驾驭现代数据科学复杂道德格局的领导者。
该课程图说明了学生在信息技术管理理学硕士课程中能力的逐步发展，展示了每门课程如何介绍（I）、发展（D）或使学生掌握（M）七个课程学习成果（PLO），最终在顶点课程中展示学生对所有成果的掌握。
- TECH 500：技术管理中的道德挑战
- BUS 5203：数据分析
- BUS 5213：处理决策数据
- TECH 575：物联网大数据分析
- TECH 615：应用人工智能：商业解决方案
- TECH 630：用于商业洞察和决策的高级人工智能
- BUS 5223：领先的数据分析项目
- TECH 643：统计方法
- TECH 674：定量方法
- TECH 699：数据科学与分析顶点项目
核心类
TECH 500：技术管理中的道德挑战
本课程的重点是帮助领导者解决技术管理中复杂的道德难题。课程强调圣经价值观和应对当代挑战的实际解决方案。学生通过基督教世界观探索道德体系，分析案例研究，并培养做出合理道德判断的技能。课程结束时，参与者将能够以诚信和基于信仰的视角解决技术领导中的道德问题。
课程学生学习成果
- SLO 1：使用各种道德框架（包括基督教世界观）分析技术管理中复杂的道德困境。（PLO 3，PLO 4）
- SLO 2：评估新兴技术对 IT 领导角色的道德决策的影响。（PLO 3，PLO 4）
- SLO 3：将圣经原则与当代伦理挑战相结合，以开发基于信仰的技术管理解决方案。（PLO 3，PLO 5）
- SLO 4：为技术伦理案例研究制定并阐明合理的道德判断，展示批判性思维和有效沟通。（PLO 1，PLO 3）
- SLO 5：创建个人道德框架，以应对技术管理挑战，将专业标准与基督教价值观相结合。（PLO 3，PLO 5）
BUS 5203：数据分析
学生将接触到商业世界中的数据分析实践，例如如何创建、存储和访问数据，以及组织如何利用数据并创建鼓励分析的环境。
课程学生学习成果
- SLO 1：了解业务分析师的分析思维。（PLO 2，PLO 4）
- SLO 2：了解统计和数据分析的基本概念。（PLO 2、PLO 4）
- SLO 3：应用数据分析技术回答有关数据集的问题。（PLO 4）
- SLO 4：使用数据分析技术分析业务决策。（PLO 4）
- SLO 5：通过信仰整合评估数据分析中的道德决策。（PLO 5）
- SLO 6：创建并完成数据分析项目以回答特定学科的原始问题。（PLO 2、PLO 4、PLO 5）
BUS 5213：处理决策数据
了解如何使用分析技术（数据挖掘、预测分析和机器学习算法）收集和利用数据进行决策，以找到数据元素之间的关系模式。学生将学习如何收集适当的数据并对其进行分析，以引导决策者更好地了解数据及其管理应用。
课程学生学习成果
- SLO 1：获得信息管理技能来管理数据。（PLO 2，PLO 4）
- SLO 2：获得分析技能和工具来理解数据。（PLO 2、PLO 4）
- SLO 3：了解数据驱动的决策以及如何应对不确定性。（PLO 2、PLO 4）
- SLO 4：培养以数据为导向的思维方式，帮助企业根据数据采取行动。（PLO 2、PLO 4）
- SLO 5：培养呈现数据以供决策的技能。（PLO 1、PLO 2）
TECH 575：物联网大数据分析
本课程向学生介绍强大的大数据处理框架 Apache Spark，重点介绍其在分析大规模数据集中的应用。学生将学习使用 Python 利用 Spark 的功能，重点介绍最新的 Spark 2.0 DataFrame 语法。课程涵盖高级数据处理技术、使用 MLlib 的机器学习应用程序以及现实世界的问题解决场景。
学生学习成果
- SLO 1：综合 Python 编程和 Apache Spark 框架来设计和实施高级大数据分析解决方案。（PLO 2、PLO 4）
- SLO 2：评估并应用 Spark 2.0 DataFrame 语法来优化复杂的数据处理任务并提高分析效率。（PLO 2、PLO 4）
- SLO 3：使用 Spark 的 MLlib 创建和评价复杂的机器学习模型，包括逻辑回归、随机森林和梯度提升树，以解决现实世界的分类问题。（PLO 2、PLO 4）
- SLO 4：利用 Spark 的文本分析和分类功能，开发和评估创新的自然语言处理应用程序，例如垃圾邮件过滤器。（PLO 1、PLO 2 和 PLO 4）
- SLO 5：制定大数据分析的道德框架，将基督教的管理和隐私原则融入其中，批判性地审视大规模数据分析技术的社会影响。（PLO 3，PLO 5）
TECH 615：应用人工智能：商业解决方案
本课程全面介绍人工智能 (AI)，探索其对各行业的变革性影响，并满足全球对 AI 技能日益增长的需求。学生将深入研究深度学习、强化学习、自然语言处理、计算机视觉和机器人技术的最新发展，同时获得 Keras 等现代深度学习框架的实践经验。
学生学习成果
- SLO 1：评估人工智能对各个行业的影响，分析当前趋势并预测该领域的未来发展。（PLO 2，PLO 4）
- SLO 2：设计和实施人工神经网络来解决复杂的业务问题，例如客户流失预测和股票价格预测。（PLO 2、PLO 4）
- SLO 3：使用卷积和循环神经网络开发高级 AI 模型，用于实际商业环境中的图像识别和时间序列分析。（PLO 2、PLO 4）
- SLO 4：创建和评估推荐系统和自然语言处理应用程序，展示应用人工智能增强客户体验和业务运营的能力。（PLO 2、PLO 4）
- SLO 5：将人工智能实施中的道德考虑与基督教的管家原则和人类尊严相结合，为商业应用制定负责任的人工智能战略。（PLO 3，PLO 5）
TECH 630：用于商业洞察和决策的高级人工智能
本课程从变革性角度阐述了人工智能对商业领域的影响，强调了人工智能能力（包括大型语言模型等生成式人工智能）在当今信息驱动型经济中的关键作用。本课程侧重于利用专有和公共数据源识别、评估和利用业务分析机会。
学生学习成果
- SLO 1：综合复杂数据集以创建创新的业务解决方案，展示人工智能驱动环境中的高级分析能力。（PLO 2、PLO 4）
- SLO 2：评估人工智能管理和应用的当前趋势，评价其对各个商业领域的潜在影响。（PLO 2，PLO 4）
- SLO 3：设计并批判性地评估各种人工智能和数据挖掘模型，证明其适用于特定的业务场景。（PLO 2，PLO 4）
- SLO 4：制定协作策略，将现实世界的商业挑战转化为可操作的人工智能模型，展示团队合作和解决问题的能力。（PLO 2，PLO 5）
- SLO 5：制定并捍卫有效的商业分析策略，整合人工智能技术来解决当代商业问题。（PLO 2、PLO 4）
- SLO 6：为商业中人工智能的实施创建一个符合基督教管家和社会责任原则的道德框架，批判性地审视组织环境中人工智能驱动的决策的道德含义。（PLO 3，PLO 5）
BUS 5223：领先的数据分析项目
本课程将向学生介绍实施商业智能和数据分析的关键要素，以改善组织内的决策制定和质量改进。具体而言，学生将学习如何担任商业智能顾问的角色，以及如何应用数据分析技术来指导业务决策。
学生学习成果
- SLO 1：了解数据分析领域的关键术语和概念。（PLO 2、PLO 4）
- SLO 2：确定职业所需的关键分析技能。（PLO 2，PLO 4）
- SLO 3：以图形表示的方式呈现数据。（PLO 1，PLO 2）
- SLO 4：应用商业分析的概念和技术。（PLO 2、PLO 4、PLO 5）
TECH 643：统计方法
本课程全面探讨了各个领域数据分析和决策所必需的基本和高级统计技术。本课程涵盖描述性统计、概率论、抽样分布、假设检验和推断统计。学生将深入研究回归分析，包括简单和多元线性回归，以及逻辑回归的介绍。课程还包括方差分析 (ANOVA)、实验设计和非参数方法。在整个课程中，重点是理论理解和使用 R 或 SAS 等统计软件的实际应用。学生将使用真实世界的数据集来培养数据处理、统计建模和结果解释的技能。在课程结束时，参与者将配备强大的统计工具包，并能够选择和应用适当的方法来应对不同学科的复杂分析挑战。先决条件包括对代数和基本统计概念的基本了解。
学生学习成果
- SLO 1：展示在各个领域应用基础和高级统计技术进行数据分析和决策的能力。（PLO 2、PLO 4）
- SLO 2：准确进行和解释假设检验和推断统计。（PLO 2、PLO 4）
- SLO 3：执行回归分析，包括简单和多元线性回归以及逻辑回归。（PLO 2、PLO 4）
- SLO 4：将方差分析 (ANOVA)、实验设计和非参数方法应用于适当的数据集。（PLO 2、PLO 4）
- SLO 5：在统计方法的应用中融入基督教的伦理和管理原则，认识到使用数据分析改善社会和践行圣经价值观的责任。（PLO 3，PLO 5）
TECH 674：定量方法
本课程全面介绍现代数据科学中使用的基本定量方法和统计技术。学生将打下概率论、统计推断和分析复杂数据集所必需的高级分析方法的坚实基础。关键主题包括概率分布及其应用、假设检验和置信区间、线性和非线性回归分析、时间序列分析和预测、贝叶斯统计和推断、降维技术、聚类和分类方法、重采样方法和引导。通过结合讲座、实践练习和真实案例研究，学生将学习使用流行的数据科学工具和编程语言应用这些定量方法。本课程强调理论理解和实际实施，帮助学生应对各个行业中复杂的数据分析挑战。
学生学习成果
- SLO 1：应用概率论和统计推断技术分析数据科学环境中的复杂数据集。（PLO 2，PLO 4）
- SLO 2：开发和评估线性和非线性回归模型、时间序列分析和预测方法，用于数据分析和预测。（PLO 2、PLO 4）
- SLO 3：利用降维、聚类和分类方法从高维数据中提取有意义的模式。（PLO 2、PLO 4）
- SLO 4：展示使用流行数据科学工具和编程语言在真实数据集上实施定量方法的能力。（PLO 2、PLO 4、PLO 5）
- SLO 5：整合基督教的道德数据使用和解释原则，认识到以尊重真理、促进人类繁荣和反映良好信息资源管理的方式采用定量方法的责任。（PLO 3，PLO 5）
TECH 699：数据科学与分析顶点项目
本顶点课程为学生提供了综合和应用数据科学与分析理学硕士课程所获得的知识和技能的机会。学生将参与一个全面的、现实世界的数据科学项目，以解决重大的商业或社会挑战。学生将以个人或小团队的形式工作，确定问题、收集和分析相关数据、开发和实施适当的数据科学解决方案，并有效地传达他们的发现。该项目将涵盖整个数据科学生命周期，包括问题制定、数据采集和预处理、探索性数据分析、模型开发和评估以及结果展示。学生将被期望将高级分析技术、道德考虑和商业洞察力整合到他们的项目中。本课程将以最终的演示和报告结束，展示学生对数据科学概念的掌握以及他们通过数据驱动解决方案提供价值的能力。
学生学习成果
- SLO 1：设计并执行一个全面的数据科学项目，解决复杂的现实问题，展示对数据科学生命周期和高级分析技术的掌握。（PLO 2、PLO 4）
- SLO 2：通过书面报告、口头陈述和数据可视化向技术和非技术受众有效地传达复杂的数据科学概念、方法和结果。（PLO 1、PLO 4）
- SLO 3：在数据科学解决方案的设计、实施和评估中运用道德推理和基督教原则，解决数据隐私、偏见和社会影响等问题。（PLO 3，PLO 5）
- SLO 4：批判性地评估和选择适当的数据科学方法、工具和技术来解决特定的业务或社会挑战，并根据其有效性和效率证明这些选择的合理性。（PLO 2、PLO 4）
- SLO 5：与不同的团队有效协作，规划、执行和交付复杂的数据科学项目，展示领导能力、项目管理和跨文化沟通能力。（PLO 1、PLO 5）
- SLO 6：综合数据分析的见解，制定推动商业价值或满足社会需求的战略建议，展示将数据科学与实际应用联系起来的能力。（PLO 2、PLO 3、PLO 4）
机构学习成果 (ILO)
- ILO 1：学生将有效沟通。
- ILO 2：学生将使用探究方法获取和应用知识。
- ILO 3：学生将运用信仰和道德推理来解决具体问题。
- ILO 4：学生将以创造性和批判性思维来追求终身学习。
- ILO 5：学生将参与文化多元的世界，以加强与他人的关系。
计划学习成果 (PLO)
- PLO 1：有效地向不同的受众传达复杂的数据科学概念和分析结果，在数据呈现中展现文化敏感性和道德考虑。（ILO 1、ILO 3、ILO 5）
- PLO 2：应用先进的统计方法、机器学习技术和数据挖掘策略从大规模数据集中提取有意义的见解，批判性地评估结果以解决实际问题。（ILO 2、ILO 4）
- PLO 3：开发和实施道德数据科学解决方案，将基督教的管理、隐私和社会责任原则融入其中，同时有效地将道德含义传达给利益相关者。（ILO 1、ILO 3、ILO 5）
- PLO 4：批判性地评估和综合数据科学和人工智能的当前趋势，展示适应快速发展的技术和方法的能力，并有效地传达研究结果以促进持续学习。（ILO 1、ILO 2、ILO 4）
- PLO 5：与不同的团队有效合作，设计和执行解决全球挑战的数据科学项目，利用适当的探究方法和道德推理，通过数据驱动的洞察力促进跨文化理解。（ILO 2、ILO 3、ILO 5）
探索类似程序类似程序
