Southwest Baptist University

Master of Science in Datenwissenschaft

Dieser Lehrplan veranschaulicht die fortschreitende Entwicklung der Kompetenzen der Studierenden im gesamten Studiengang „Master of Science in Information Technology Management“ und zeigt, wie jeder Kurs die sieben Lernergebnisse des Programms (PLOs) einführt (I), weiterentwickelt (D) oder die Studierenden zur Beherrschung (M) dieser Ergebnisse führt. Der Abschlusskurs bildet den Höhepunkt, in dem die Studierenden die Beherrschung aller Ergebnisse nachweisen.

• TECH 500: Ethische Herausforderungen im Technologiemanagement
• BUS 5203: Datenanalyse
• BUS 5213: Datenverarbeitung zur Entscheidungsfindung
• TECH 575: Big Data Analytics für IoT
• TECH 615: Angewandte KI: Lösungen für Unternehmen
• TECH 630: Erweiterte KI für Geschäftseinblicke und Entscheidungsfindung
• BUS 5223: Leitung von Data Analytics-Projekten
• TECH 643: Statistische Methoden
• TECH 674: Quantitative Methoden
• TECH 699: Abschlussprojekt zu Datenwissenschaft und -analyse

Kernklassen

TECH 500: Ethische Herausforderungen im Technologiemanagement

Dieser Kurs bereitet Führungskräfte darauf vor, komplexe ethische Dilemmata im Technologiemanagement zu lösen. Der Kurs betont biblische Werte und praktische Lösungen für aktuelle Herausforderungen. Die Studierenden erkunden ethische Systeme aus christlicher Sicht, analysieren Fallstudien und entwickeln Fähigkeiten, um fundierte moralische Urteile zu fällen. Am Ende des Kurses sind die Teilnehmer in der Lage, ethische Fragen in der Technologieführung mit Integrität und einer auf Glauben basierenden Perspektive anzugehen.

Lernergebnisse der Kursteilnehmer

• SLO 1: Analysieren Sie komplexe ethische Dilemmata im Technologiemanagement anhand verschiedener ethischer Rahmen, einschließlich einer christlichen Weltanschauung. (PLO 3, PLO 4)
• SLO 2: Bewerten Sie die Auswirkungen neuer Technologien auf die ethische Entscheidungsfindung in IT-Führungspositionen. (PLO 3, PLO 4)
• SLO 3: Verbinden Sie biblische Prinzipien mit zeitgenössischen ethischen Herausforderungen, um glaubensbasierte Lösungen im Technologiemanagement zu entwickeln. (PLO 3, PLO 5)
• SLO 4: Entwickeln und formulieren Sie fundierte moralische Urteile für Fallstudien zur Technologieethik und demonstrieren Sie dabei kritisches Denken und effektive Kommunikation. (PLO 1, PLO 3)
• SLO 5: Schaffen Sie einen persönlichen ethischen Rahmen für die Bewältigung von Herausforderungen im Technologiemanagement, der professionelle Standards mit christlichen Werten verbindet. (PLO 3, PLO 5)

BUS 5203: Datenanalyse

Die Studierenden werden mit Verfahren der Datenanalyse in der Geschäftswelt vertraut gemacht, beispielsweise damit, wie Daten erstellt, gespeichert und abgerufen werden und wie Unternehmen Daten nutzen und Umgebungen schaffen, die die Analyse fördern.

Lernergebnisse der Kursteilnehmer

• SLO 1: Verstehen Sie die analytische Denkweise von Unternehmensanalysten. (PLO 2, PLO 4)
• SLO 2: Die grundlegenden Konzepte der Statistik und Datenanalyse verstehen. (PLO 2, PLO 4)
• SLO 3: Wenden Sie Datenanalysetechniken an, um Fragen zum Datensatz zu beantworten. (PLO 4)
• SLO 4: Analysieren Sie Geschäftsentscheidungen mithilfe von Datenanalysetechniken. (PLO 4)
• SLO 5: Bewerten Sie ethische Entscheidungen in der Datenanalyse unter Einbeziehung des Glaubens. (PLO 5)
• SLO 6: Erstellen und Abschließen eines Datenanalyseprojekts zur Beantwortung einer originellen Frage in einer bestimmten Disziplin. (PLO 2, PLO 4, PLO 5)

BUS 5213: Datenverarbeitung zur Entscheidungsfindung

Verstehen Sie, wie Sie mithilfe analytischer Techniken (Data Mining, Predictive Analytics und Algorithmen für maschinelles Lernen) Daten sammeln und für die Entscheidungsfindung nutzen, um Beziehungsmuster zwischen Datenelementen zu finden. Die Studierenden lernen, wie sie geeignete Daten sammeln und analysieren, um Entscheidungsträgern ein besseres Verständnis der Daten und ihrer Managementanwendung zu vermitteln.

Lernergebnisse der Kursteilnehmer

• SLO 1: Erwerben Sie Informationsmanagementfähigkeiten zur Verwaltung von Daten. (PLO 2, PLO 4)
• SLO 2: Erwerben Sie analytische Fähigkeiten und Tools, um die Daten zu verstehen. (PLO 2, PLO 4)
• SLO 3: Erlangen Sie ein Verständnis für datengesteuerte Entscheidungsfindung und den Umgang mit Unsicherheit. (PLO 2, PLO 4)
• SLO 4: Entwickeln Sie eine datenorientierte Denkweise, um Unternehmen dabei zu helfen, auf der Grundlage der Daten zu handeln. (PLO 2, PLO 4)
• SLO 5: Entwickeln Sie Fähigkeiten zur Präsentation von Daten für die Entscheidungsfindung. (PLO 1, PLO 2)

TECH 575: Big Data Analytics für IoT

Dieser Kurs führt die Studierenden in Apache Spark ein, ein leistungsstarkes Framework zur Verarbeitung großer Datenmengen, wobei der Schwerpunkt auf der Anwendung bei der Analyse großer Datensätze liegt. Die Studierenden lernen, die Funktionen von Spark mithilfe von Python zu nutzen, wobei die neueste Spark 2.0 DataFrame-Syntax im Vordergrund steht. Der Lehrplan umfasst fortgeschrittene Datenmanipulationstechniken, Anwendungen für maschinelles Lernen mithilfe von MLlib und reale Problemlösungsszenarien.

Lernergebnisse der Schüler

• SLO 1: Synthetisieren Sie Python-Programmierung und Apache Spark-Frameworks, um erweiterte Big Data-Analyselösungen zu entwerfen und zu implementieren. (PLO 2, PLO 4)
• SLO 2: Bewerten und wenden Sie die Spark 2.0 DataFrame-Syntax an, um komplexe Datenverarbeitungsaufgaben zu optimieren und die Analyseeffizienz zu verbessern. (PLO 2, PLO 4)
• SLO 3: Erstellen und kritisieren Sie anspruchsvolle Modelle des maschinellen Lernens mit Sparks MLlib, einschließlich logistischer Regression, Zufallswäldern und Gradient-Boosted-Bäumen, um Klassifizierungsprobleme aus der Praxis zu lösen. (PLO 2, PLO 4)
• SLO 4: Entwickeln und bewerten Sie innovative Anwendungen zur Verarbeitung natürlicher Sprache, wie z. B. Spamfilter, und nutzen Sie dabei die Funktionen von Spark zur Textanalyse und -klassifizierung. (PLO 1, PLO 2 und PLO 4)
• SLO 5: Formulieren Sie einen ethischen Rahmen für Big Data Analytics, der christliche Prinzipien der Verantwortung und des Datenschutzes integriert und die gesellschaftlichen Auswirkungen von Techniken zur Datenanalyse im großen Maßstab kritisch untersucht. (PLO 3, PLO 5)

TECH 615: Angewandte KI: Lösungen für Unternehmen

Dieser Kurs bietet eine umfassende Einführung in künstliche Intelligenz (KI), untersucht ihre transformativen Auswirkungen auf verschiedene Branchen und geht auf die wachsende globale Nachfrage nach KI-Kenntnissen ein. Die Studierenden vertiefen sich in die neuesten Entwicklungen in den Bereichen Deep Learning, Reinforcement Learning, Verarbeitung natürlicher Sprache, Computer Vision und Robotik und sammeln praktische Erfahrungen mit modernen Deep-Learning-Frameworks wie Keras.

Lernergebnisse der Schüler

• SLO 1: Bewerten Sie die Auswirkungen der KI auf verschiedene Branchen, analysieren Sie aktuelle Trends und prognostizieren Sie zukünftige Entwicklungen in diesem Bereich. (PLO 2, PLO 4)
• SLO 2: Entwerfen und implementieren Sie künstliche neuronale Netzwerke zur Lösung komplexer Geschäftsprobleme, wie etwa zur Vorhersage von Kundenabwanderung oder zur Prognose von Aktienkursen. (PLO 2, PLO 4)
• SLO 3: Entwickeln Sie fortschrittliche KI-Modelle mithilfe von Faltungs- und rekurrierenden neuronalen Netzwerken zur Bilderkennung und Zeitreihenanalyse in realen Geschäftskontexten. (PLO 2, PLO 4)
• SLO 4: Erstellen und bewerten Sie Empfehlungssysteme und Anwendungen zur Verarbeitung natürlicher Sprache und demonstrieren Sie Ihre Kompetenz bei der Anwendung von KI zur Verbesserung des Kundenerlebnisses und der Geschäftsabläufe. (PLO 2, PLO 4)
• SLO 5: Synthetisieren Sie ethische Überlegungen bei der Implementierung von KI mit christlichen Prinzipien der Verantwortung und Menschenwürde und formulieren Sie verantwortungsvolle KI-Strategien für Geschäftsanwendungen. (PLO 3, PLO 5)

TECH 630: Erweiterte KI für Geschäftseinblicke und Entscheidungsfindung

Dieser Kurs bietet eine transformative Perspektive auf die Auswirkungen von KI im Geschäftsbereich und betont die entscheidende Rolle von KI-Kompetenzen, einschließlich generativer KI wie Large Language Models, in der heutigen informationsgesteuerten Wirtschaft. Der Schwerpunkt liegt auf der Identifizierung, Bewertung und Nutzung von Möglichkeiten für Geschäftsanalysen unter Verwendung sowohl proprietärer als auch öffentlicher Datenquellen.

Lernergebnisse der Schüler

• SLO 1: Synthetisieren Sie komplexe Datensätze, um innovative Geschäftslösungen zu erstellen, und demonstrieren Sie erweiterte Analysefunktionen in KI-gesteuerten Kontexten. (PLO 2, PLO 4)
• SLO 2: Bewerten Sie aktuelle Trends im KI-Management und in der KI-Anwendung und beurteilen Sie deren mögliche Auswirkungen auf verschiedene Geschäftsbereiche. (PLO 2, PLO 4)
• SLO 3: Entwerfen und bewerten Sie verschiedene KI- und Data-Mining-Modelle kritisch und begründen Sie ihre Eignung für bestimmte Geschäftsszenarien. (PLO 2, PLO 4)
• SLO 4: Formulieren Sie kollaborative Strategien, um reale geschäftliche Herausforderungen in umsetzbare KI-Modelle umzusetzen und demonstrieren Sie dabei Teamwork und Problemlösungsfähigkeiten. (PLO 2, PLO 5)
• SLO 5: Entwickeln und verteidigen Sie effiziente Business-Analytics-Strategien und integrieren Sie KI-Technologien, um aktuelle Geschäftsprobleme anzugehen. (PLO 2, PLO 4)
• SLO 6: Schaffen Sie einen ethischen Rahmen für die Implementierung von KI in Unternehmen, der mit den christlichen Grundsätzen der Verwaltung und sozialen Verantwortung übereinstimmt, und untersuchen Sie kritisch die moralischen Auswirkungen von KI-gesteuerten Entscheidungen in organisatorischen Kontexten. (PLO 3, PLO 5)

BUS 5223: Leitung von Data Analytics-Projekten

In diesem Kurs lernen die Studierenden wichtige Komponenten der Operationalisierung von Business Intelligence und Datenanalyse kennen, um die Entscheidungsfindung und Qualitätsverbesserung innerhalb einer Organisation zu verbessern. Insbesondere lernen die Studierenden, wie sie die Rolle eines Business Intelligence-Beraters übernehmen und Datenanalysetechniken anwenden, um die Geschäftsentscheidungsfindung zu unterstützen.

Lernergebnisse der Schüler

• SLO 1: Wichtige Begriffe und Konzepte im Bereich der Datenanalyse verstehen. (PLO 2, PLO 4)
• SLO 2: Identifizieren Sie die wichtigsten analytischen Fähigkeiten, die für den Beruf erforderlich sind. (PLO 2, PLO 4)
• SLO 3: Daten grafisch darstellen. (PLO 1, PLO 2)
• SLO 4: Konzepte und Techniken der Geschäftsanalyse anwenden. (PLO 2, PLO 4, PLO 5)

TECH 643: Statistische Methoden

Dieser Kurs bietet eine umfassende Erkundung grundlegender und fortgeschrittener statistischer Techniken, die für die Datenanalyse und Entscheidungsfindung in verschiedenen Bereichen unerlässlich sind. Dieser Kurs behandelt beschreibende Statistik, Wahrscheinlichkeitstheorie, Stichprobenverteilungen, Hypothesentests und Inferenzstatistik. Die Studierenden werden sich mit Regressionsanalysen befassen, einschließlich einfacher und mehrfacher linearer Regression, sowie eine Einführung in die logistische Regression erhalten. Der Lehrplan umfasst auch Varianzanalyse (ANOVA), Versuchsplanung und nichtparametrische Methoden. Während des gesamten Kurses wird der Schwerpunkt sowohl auf theoretisches Verständnis als auch auf praktische Anwendung mit statistischer Software wie R oder SAS gelegt. Die Studierenden werden mit realen Datensätzen arbeiten, um Fähigkeiten in Datenmanipulation, statistischer Modellierung und Ergebnisinterpretation zu entwickeln. Am Ende des Kurses verfügen die Teilnehmer über ein robustes statistisches Toolkit und die Fähigkeit, geeignete Methoden auszuwählen und anzuwenden, um komplexe analytische Herausforderungen in verschiedenen Disziplinen zu bewältigen. Voraussetzungen sind ein grundlegendes Verständnis von Algebra und elementaren statistischen Konzepten.

Lernergebnisse der Schüler

• SLO 1: Zeigen Sie Ihre Kompetenz in der Anwendung grundlegender und fortgeschrittener statistischer Techniken zur Datenanalyse und Entscheidungsfindung in verschiedenen Bereichen. (PLO 2, PLO 4)
• SLO 2: Hypothesentests und Inferenzstatistiken richtig durchführen und interpretieren. (PLO 2, PLO 4)
• SLO 3: Führen Sie Regressionsanalysen durch, einschließlich einfacher und multipler linearer Regression und logistischer Regression. (PLO 2, PLO 4)
• SLO 4: Varianzanalyse (ANOVA), Versuchsplanung und nichtparametrische Methoden auf geeignete Datensätze anwenden. (PLO 2, PLO 4)
• SLO 5: Integrieren Sie christliche Prinzipien der Ethik und Verantwortung in die Anwendung statistischer Methoden und erkennen Sie die Verantwortung an, Datenanalysen zur Verbesserung der Gesellschaft und im Einklang mit biblischen Werten einzusetzen. (PLO 3, PLO 5)

TECH 674: Quantitative Methoden

Dieser Kurs bietet eine umfassende Einführung in wesentliche quantitative Methoden und statistische Techniken, die in der modernen Datenwissenschaft verwendet werden. Die Studierenden entwickeln eine solide Grundlage in Wahrscheinlichkeitstheorie, statistischer Inferenz und fortgeschrittenen analytischen Ansätzen, die für die Analyse komplexer Datensätze entscheidend sind. Zu den wichtigsten Themen gehören Wahrscheinlichkeitsverteilungen und ihre Anwendungen, Hypothesentests und Konfidenzintervalle, lineare und nichtlineare Regressionsanalyse, Zeitreihenanalyse und -prognose, Bayessche Statistik und Inferenz, Techniken zur Dimensionsreduzierung, Clustering- und Klassifizierungsmethoden, Resampling-Methoden und Bootstrapping. Durch eine Kombination aus Vorlesungen, praktischen Übungen und realen Fallstudien lernen die Studierenden, diese quantitativen Methoden mithilfe gängiger Datenwissenschaftstools und Programmiersprachen anzuwenden. Der Kurs legt sowohl Wert auf theoretisches Verständnis als auch auf praktische Umsetzung und bereitet die Studierenden darauf vor, komplexe Herausforderungen der Datenanalyse in verschiedenen Branchen anzugehen.

Lernergebnisse der Schüler

• SLO 1: Wahrscheinlichkeitstheorie und statistische Inferenztechniken anwenden, um komplexe Datensätze im Kontext der Datenwissenschaft zu analysieren. (PLO 2, PLO 4)
• SLO 2: Entwickeln und bewerten Sie lineare und nichtlineare Regressionsmodelle, Zeitreihenanalysen und Prognosemethoden zur Datenanalyse und -vorhersage. (PLO 2, PLO 4)
• SLO 3: Nutzen Sie Methoden zur Dimensionsreduzierung, Clusterung und Klassifizierung, um aussagekräftige Muster aus hochdimensionalen Daten zu extrahieren. (PLO 2, PLO 4)
• SLO 4: Zeigen Sie Ihre Kompetenz im Umgang mit gängigen Data-Science-Tools und Programmiersprachen, um quantitative Methoden auf reale Datensätze anzuwenden. (PLO 2, PLO 4, PLO 5)
• SLO 5: Integrieren Sie christliche Prinzipien der ethischen Datennutzung und -interpretation und erkennen Sie die Verantwortung an, quantitative Methoden so einzusetzen, dass die Wahrheit gewahrt, menschliches Gedeihen gefördert und eine gute Verwaltung der Informationsressourcen widergespiegelt wird. (PLO 3, PLO 5)

TECH 699: Abschlussprojekt zu Datenwissenschaft und -analyse

Dieser Abschlusskurs bietet den Studierenden die Möglichkeit, die im Rahmen des Master of Science-Programms in Data Science und Analytics erworbenen Kenntnisse und Fähigkeiten zu synthetisieren und anzuwenden. Die Studierenden werden ein umfassendes, praxisnahes Data-Science-Projekt durchführen, das sich mit einer bedeutenden geschäftlichen oder gesellschaftlichen Herausforderung befasst. Die Studierenden werden einzeln oder in kleinen Teams ein Problem identifizieren, relevante Daten sammeln und analysieren, geeignete Data-Science-Lösungen entwickeln und implementieren und ihre Ergebnisse effektiv kommunizieren. Das Projekt umfasst den gesamten Data-Science-Lebenszyklus, einschließlich Problemformulierung, Datenerfassung und -vorverarbeitung, explorativer Datenanalyse, Modellentwicklung und -bewertung sowie der Präsentation der Ergebnisse. Von den Studierenden wird erwartet, dass sie fortgeschrittene Analysetechniken, ethische Überlegungen und geschäftliche Erkenntnisse in ihre Projekte integrieren. Der Kurs wird mit einer Abschlusspräsentation und einem Abschlussbericht enden, in denen die Beherrschung der Data-Science-Konzepte durch den Studierenden und seine Fähigkeit, durch datengesteuerte Lösungen Mehrwert zu schaffen, demonstriert wird.

Lernergebnisse der Schüler

• SLO 1: Entwerfen und implementieren Sie ein umfassendes Data-Science-Projekt, das sich mit einem komplexen realen Problem befasst und Ihre Beherrschung des Data-Science-Lebenszyklus und fortgeschrittener Analysetechniken demonstriert. (PLO 2, PLO 4)
• SLO 2: Effektive Kommunikation komplexer Data-Science-Konzepte, -Methoden und -Ergebnisse an technische und nicht-technische Zielgruppen durch schriftliche Berichte, mündliche Präsentationen und Datenvisualisierungen. (PLO 1, PLO 4)
• SLO 3: Wenden Sie ethisches Denken und christliche Prinzipien bei der Entwicklung, Implementierung und Auswertung von Data-Science-Lösungen an und gehen Sie dabei auf Themen wie Datenschutz, Voreingenommenheit und gesellschaftliche Auswirkungen ein. (PLO 3, PLO 5)
• SLO 4: Kritische Bewertung und Auswahl geeigneter Data-Science-Methoden, -Tools und -Technologien zur Lösung spezifischer geschäftlicher oder gesellschaftlicher Herausforderungen. Begründen Sie diese Auswahl anhand ihrer Wirksamkeit und Effizienz. (PLO 2, PLO 4)
• SLO 5: Effektive Zusammenarbeit in vielfältigen Teams zur Planung, Durchführung und Bereitstellung eines komplexen Data-Science-Projekts und unter Beweisstellung von Führungsqualitäten, Projektmanagement- und interkulturellen Kommunikationsfähigkeiten. (PLO 1, PLO 5)
• SLO 6: Erkenntnisse aus der Datenanalyse zusammenfassen, um strategische Empfehlungen zu entwickeln, die den Geschäftswert steigern oder gesellschaftliche Bedürfnisse ansprechen, und so die Fähigkeit demonstrieren, Datenwissenschaft mit praktischen Anwendungen zu verbinden. (PLO 2, PLO 3, PLO 4)

Institutionelle Lernergebnisse (ILOs)

• ILO 1: Die Studierenden werden effektiv kommunizieren.
• ILO 2: Die Studierenden nutzen Untersuchungsmethoden zum Erwerb und zur Anwendung von Wissen.
• ILO 3: Die Studierenden werden sich mit konkreten Problemen befassen, indem sie Glaubens- und ethische Argumentation anwenden.
• ILO 4: Die Schüler werden kreativ und kritisch denken, um ein Leben des Lernens zu führen.
• ILO 5: Die Studierenden werden in eine kulturell vielfältige Welt eintauchen, um ihre Beziehungen zu anderen zu stärken.

Programm-Lernergebnisse (PLOs)

• PLO 1: Kommunizieren Sie komplexe Data-Science-Konzepte und Analyseergebnisse effektiv an unterschiedliche Zielgruppen und zeigen Sie dabei kulturelle Sensibilität und ethische Überlegungen bei der Datenpräsentation. (ILO 1, ILO 3, ILO 5)
• PLO 2: Wenden Sie fortgeschrittene statistische Methoden, Techniken des maschinellen Lernens und Data-Mining-Strategien an, um aussagekräftige Erkenntnisse aus großen Datensätzen zu gewinnen, und bewerten Sie die Ergebnisse kritisch, um reale Probleme zu lösen. (ILO 2, ILO 4)
• PLO 3: Entwickeln und implementieren Sie ethische Data-Science-Lösungen, die christliche Prinzipien der Verwaltung, des Datenschutzes und der sozialen Verantwortung integrieren und gleichzeitig den Stakeholdern die ethischen Auswirkungen effektiv vermitteln. (ILO 1, ILO 3, ILO 5)
• PLO 4: Aktuelle Trends in den Bereichen Datenwissenschaft und KI kritisch bewerten und zusammenfassen, die Fähigkeit zur Anpassung an sich rasch entwickelnde Technologien und Methoden unter Beweis stellen und Ergebnisse effektiv kommunizieren, um kontinuierliches Lernen zu fördern. (ILO 1, ILO 2, ILO 4)
• PLO 5: Effektive Zusammenarbeit in vielfältigen Teams, um Data-Science-Projekte zu entwerfen und umzusetzen, die sich mit globalen Herausforderungen befassen. Dabei werden geeignete Untersuchungsmethoden und ethische Überlegungen eingesetzt, um durch datengesteuerte Erkenntnisse das interkulturelle Verständnis zu fördern. (ILO 2, ILO 3, ILO 5)