Southwest Baptist University

Maestría en Ciencias en Ciencia de Datos

Este mapa curricular ilustra el desarrollo progresivo de las competencias de los estudiantes en todo el programa de Maestría en Ciencias en Gestión de Tecnología de la Información, mostrando cómo cada curso introduce (I), desarrolla (D) o lleva a los estudiantes al dominio (M) de los siete Resultados de aprendizaje del programa (PLO), culminando en el curso final donde los estudiantes demuestran el dominio de todos los resultados.

• TECH 500: Desafíos éticos en la gestión de la tecnología
• BUS 5203: Análisis de datos
• BUS 5213: Procesamiento de datos para la toma de decisiones
• TECH 575: Análisis de Big Data para IoT
• TECH 615: IA aplicada: soluciones para empresas
• TECH 630: Inteligencia artificial avanzada para la toma de decisiones y la comprensión empresarial
• BUS 5223: Liderando proyectos de análisis de datos
• TECH 643: Métodos estadísticos
• TECH 674: Métodos cuantitativos
• TECH 699: Proyecto final de ciencia y análisis de datos

Clases principales

TECH 500: Desafíos éticos en la gestión de la tecnología

Este curso se centra en preparar a los líderes para resolver dilemas éticos complejos en la gestión de la tecnología. El curso hace hincapié en los valores bíblicos y las soluciones prácticas a los desafíos contemporáneos. Los estudiantes exploran los sistemas éticos a través de una cosmovisión cristiana, analizan estudios de casos y desarrollan habilidades para emitir juicios morales sólidos. Al finalizar el curso, los participantes estarán capacitados para abordar cuestiones éticas en el liderazgo tecnológico con integridad y una perspectiva basada en la fe.

Resultados del aprendizaje de los estudiantes del curso

• SLO 1: Analizar dilemas éticos complejos en la gestión de la tecnología utilizando diversos marcos éticos, incluida una cosmovisión cristiana. (PLO 3, PLO 4)
• Objetivo 2: Evaluar las implicaciones de las tecnologías emergentes en la toma de decisiones éticas en los puestos de liderazgo de TI. (Objetivo 3, Objetivo 4)
• SLO 3: Sintetizar los principios bíblicos con los desafíos éticos contemporáneos para desarrollar soluciones basadas en la fe en la gestión de la tecnología. (PLO 3, PLO 5)
• SLO 4: Desarrollar y articular juicios morales sólidos para estudios de casos sobre ética tecnológica, demostrando pensamiento crítico y comunicación eficaz. (PLO 1, PLO 3)
• Objetivo 5: Crear un marco ético personal para abordar los desafíos de la gestión tecnológica que integre los estándares profesionales con los valores cristianos. (PLO 3, PLO 5)

BUS 5203: Análisis de datos

Los estudiantes estarán expuestos a prácticas de análisis de datos en el mundo empresarial, como cómo se crean, almacenan y acceden a los datos, y cómo las organizaciones utilizan los datos y crean entornos que fomentan el análisis.

Resultados del aprendizaje de los estudiantes del curso

• SLO 1: Comprender la mentalidad analítica de los analistas de negocios. (PLO 2, PLO 4)
• SLO 2: Comprender los conceptos básicos de estadística y análisis de datos. (PLO 2, PLO 4)
• SLO 3: Aplicar técnicas de análisis de datos para responder preguntas sobre el conjunto de datos. (PLO 4)
• SLO 4: Analizar decisiones de negocio utilizando técnicas de análisis de datos. (PLO 4)
• SLO 5: Evaluar decisiones éticas en el análisis de datos con integración de la fe. (PLO 5)
• SLO 6: Crear y completar un proyecto de análisis de datos para responder una pregunta original en una disciplina específica. (PLO 2, PLO 4, PLO 5)

BUS 5213: Procesamiento de datos para la toma de decisiones

Comprender cómo recopilar y utilizar datos en la toma de decisiones mediante técnicas analíticas (minería de datos, análisis predictivo y algoritmos de aprendizaje automático) para encontrar patrones de relaciones entre elementos de datos. Los estudiantes aprenderán a recopilar datos adecuados y analizarlos para que los tomadores de decisiones comprendan mejor los datos y su aplicación en la gestión.

Resultados del aprendizaje de los estudiantes del curso

• SLO 1: Adquirir habilidades de gestión de la información para gestionar datos. (PLO 2, PLO 4)
• SLO 2: Adquirir habilidades y herramientas analíticas para comprender los datos. (PLO 2, PLO 4)
• SLO 3: Comprender la toma de decisiones basada en datos y cómo lidiar con la incertidumbre. (PLO 2, PLO 4)
• SLO 4: Desarrollar una mentalidad orientada a los datos para ayudar a las empresas a actuar en función de ellos. (PLO 2, PLO 4)
• SLO 5: Desarrollar habilidades para presentar datos para la toma de decisiones. (PLO 1, PLO 2)

TECH 575: Análisis de Big Data para IoT

Este curso presenta a los estudiantes Apache Spark, un potente marco de procesamiento de big data, con un enfoque en su aplicación en el análisis de conjuntos de datos a gran escala. Los estudiantes aprenderán a aprovechar las capacidades de Spark utilizando Python, haciendo hincapié en la última sintaxis de Spark 2.0 DataFrame. El plan de estudios cubre técnicas avanzadas de manipulación de datos, aplicaciones de aprendizaje automático utilizando MLlib y escenarios de resolución de problemas del mundo real.

Resultados de aprendizaje estudiantil

• SLO 1: Sintetizar la programación Python y los marcos Apache Spark para diseñar e implementar soluciones avanzadas de análisis de big data. (PLO 2, PLO 4)
• SLO 2: Evaluar y aplicar la sintaxis DataFrame de Spark 2.0 para optimizar tareas complejas de procesamiento de datos y mejorar la eficiencia analítica. (PLO 2, PLO 4)
• SLO 3: Crear y criticar modelos sofisticados de aprendizaje automático utilizando MLlib de Spark, incluida la regresión logística, los bosques aleatorios y los árboles potenciados por gradientes, para resolver problemas de clasificación del mundo real. (PLO 2, PLO 4)
• SLO 4: Desarrollar y evaluar aplicaciones innovadoras de procesamiento de lenguaje natural, como filtros de spam, utilizando las capacidades de Spark para el análisis y la clasificación de texto. (PLO 1, PLO 2 y PLO 4)
• SLO 5: Formular un marco ético para el análisis de grandes volúmenes de datos que integre los principios cristianos de administración y privacidad, examinando críticamente las implicaciones sociales de las técnicas de análisis de datos a gran escala. (PLO 3, PLO 5)

TECH 615: IA aplicada: soluciones para empresas

Este curso ofrece una introducción completa a la inteligencia artificial (IA), explora su impacto transformador en las industrias y aborda la creciente demanda global de habilidades en IA. Los estudiantes profundizarán en los desarrollos recientes en aprendizaje profundo, aprendizaje por refuerzo, procesamiento del lenguaje natural, visión artificial y robótica, mientras adquieren experiencia práctica con marcos de aprendizaje profundo modernos como Keras.

Resultados de aprendizaje estudiantil

• SLO 1: Evaluar el impacto de la IA en diversas industrias, analizando las tendencias actuales y prediciendo desarrollos futuros en el campo. (PLO 2, PLO 4)
• SLO 2: Diseñar e implementar redes neuronales artificiales para resolver problemas empresariales complejos, como la predicción de la pérdida de clientes y la previsión del precio de las acciones. (PLO 2, PLO 4)
• SLO 3: Desarrollar modelos avanzados de IA utilizando redes neuronales convolucionales y recurrentes para el reconocimiento de imágenes y el análisis de series temporales en contextos comerciales del mundo real. (PLO 2, PLO 4)
• SLO 4: Crear y evaluar sistemas de recomendación y aplicaciones de procesamiento de lenguaje natural, demostrando competencia en la aplicación de IA para mejorar la experiencia del cliente y las operaciones comerciales. (PLO 2, PLO 4)
• SLO 5: Sintetizar las consideraciones éticas en la implementación de la IA con los principios cristianos de administración y dignidad humana, formulando estrategias de IA responsables para aplicaciones comerciales. (PLO 3, PLO 5)

TECH 630: Inteligencia artificial avanzada para la toma de decisiones y la comprensión empresarial

Este curso ofrece una perspectiva transformadora sobre el impacto de la IA en el ámbito empresarial, haciendo hincapié en el papel fundamental del dominio de la IA, incluida la IA generativa como los modelos de lenguaje a gran escala, en la economía basada en la información actual. Se centra en la identificación, evaluación y aprovechamiento de oportunidades para el análisis empresarial utilizando fuentes de datos tanto privadas como públicas.

Resultados de aprendizaje estudiantil

• SLO 1: Sintetizar conjuntos de datos complejos para crear soluciones comerciales innovadoras, demostrando capacidades analíticas avanzadas en contextos impulsados por IA. (PLO 2, PLO 4)
• SLO 2: Evaluar las tendencias actuales en la gestión y aplicación de la IA, y analizar su posible impacto en diversos sectores empresariales. (PLO 2, PLO 4)
• SLO 3: Diseñar y evaluar críticamente diversos modelos de inteligencia artificial y minería de datos, justificando su idoneidad para escenarios comerciales específicos. (PLO 2, PLO 4)
• SLO 4: Formular estrategias colaborativas para traducir los desafíos empresariales del mundo real en modelos de IA viables, demostrando trabajo en equipo y habilidades para la resolución de problemas. (PLO 2, PLO 5)
• SLO 5: Desarrollar y defender estrategias de análisis de negocios eficientes, integrando tecnologías de inteligencia artificial para abordar problemas empresariales contemporáneos. (PLO 2, PLO 4)
• SLO 6: Crear un marco ético para la implementación de la IA en las empresas que se alinee con los principios cristianos de administración y responsabilidad social, examinando críticamente las implicaciones morales de la toma de decisiones impulsada por la IA en contextos organizacionales. (PLO 3, PLO 5)

BUS 5223: Liderando proyectos de análisis de datos

Este curso expondrá a los estudiantes a los componentes críticos de la puesta en funcionamiento de la inteligencia empresarial y el análisis de datos para mejorar la toma de decisiones y la calidad dentro de una organización. En concreto, los estudiantes aprenderán a asumir el papel de consultor de inteligencia empresarial y a aplicar técnicas de análisis de datos para fundamentar la toma de decisiones empresariales.

Resultados de aprendizaje estudiantil

• SLO 1: Comprender los términos y conceptos clave en el campo del análisis de datos. (PLO 2, PLO 4)
• SLO 2: Identificar las habilidades analíticas clave necesarias en la profesión. (PLO 2, PLO 4)
• SLO 3: Presentar datos de manera gráfica. (PLO 1, PLO 2)
• SLO 4: Aplicar conceptos y técnicas de análisis de negocios. (PLO 2, PLO 4, PLO 5)

TECH 643: Métodos estadísticos

Este curso ofrece una exploración integral de las técnicas estadísticas fundamentales y avanzadas esenciales para el análisis de datos y la toma de decisiones en varios campos. Este curso cubre estadísticas descriptivas, teoría de probabilidad, distribuciones de muestreo, pruebas de hipótesis y estadísticas inferenciales. Los estudiantes profundizarán en el análisis de regresión, incluida la regresión lineal simple y múltiple, así como una introducción a la regresión logística. El plan de estudios también abarca el análisis de varianza (ANOVA), el diseño de experimentos y los métodos no paramétricos. A lo largo del curso, se hace hincapié tanto en la comprensión teórica como en la aplicación práctica utilizando software estadístico como R o SAS. Los estudiantes trabajarán con conjuntos de datos del mundo real para desarrollar habilidades en manipulación de datos, modelado estadístico e interpretación de resultados. Al final del curso, los participantes estarán equipados con un sólido conjunto de herramientas estadísticas y la capacidad de seleccionar y aplicar métodos apropiados para abordar desafíos analíticos complejos en diversas disciplinas. Los requisitos previos incluyen una comprensión básica de álgebra y conceptos estadísticos elementales.

Resultados de aprendizaje estudiantil

• SLO 1: Demostrar competencia en la aplicación de técnicas estadísticas fundamentales y avanzadas para el análisis de datos y la toma de decisiones en diversos campos. (PLO 2, PLO 4)
• SLO 2: Realizar e interpretar pruebas de hipótesis y estadísticas inferenciales con precisión. (PLO 2, PLO 4)
• SLO 3: Realizar análisis de regresión, incluidas la regresión lineal simple y múltiple, y la regresión logística. (PLO 2, PLO 4)
• SLO 4: Aplicar análisis de varianza (ANOVA), diseño de experimentos y métodos no paramétricos a conjuntos de datos apropiados. (PLO 2, PLO 4)
• SLO 5: Integrar los principios cristianos de ética y administración en la aplicación de métodos estadísticos, reconociendo la responsabilidad de utilizar el análisis de datos para el mejoramiento de la sociedad y en base a los valores bíblicos. (PLO 3, PLO 5)

TECH 674: Métodos cuantitativos

Este curso ofrece una introducción completa a los métodos cuantitativos y técnicas estadísticas esenciales que se utilizan en la ciencia de datos moderna. Los estudiantes desarrollarán una base sólida en teoría de probabilidad, inferencia estadística y enfoques analíticos avanzados cruciales para analizar conjuntos de datos complejos. Los temas clave incluyen distribuciones de probabilidad y sus aplicaciones, pruebas de hipótesis e intervalos de confianza, análisis de regresión lineal y no lineal, análisis y pronóstico de series de tiempo, estadísticas e inferencia bayesianas, técnicas de reducción de dimensionalidad, métodos de agrupamiento y clasificación, métodos de remuestreo y bootstrap. A través de una combinación de conferencias, ejercicios prácticos y estudios de casos del mundo real, los estudiantes aprenderán a aplicar estos métodos cuantitativos utilizando herramientas de ciencia de datos y lenguajes de programación populares. El curso enfatiza tanto la comprensión teórica como la implementación práctica, preparando a los estudiantes para enfrentar desafíos complejos de análisis de datos en varias industrias.

Resultados de aprendizaje estudiantil

• SLO 1: Aplicar la teoría de la probabilidad y las técnicas de inferencia estadística para analizar conjuntos de datos complejos en contextos de ciencia de datos. (PLO 2, PLO 4)
• SLO 2: Desarrollar y evaluar modelos de regresión lineal y no lineal, análisis de series temporales y métodos de pronóstico para el análisis y predicción de datos. (PLO 2, PLO 4)
• SLO 3: Utilizar métodos de reducción de dimensionalidad, agrupamiento y clasificación para extraer patrones significativos de datos de alta dimensión. (PLO 2, PLO 4)
• SLO 4: Demostrar competencia en el uso de herramientas de ciencia de datos y lenguajes de programación populares para implementar métodos cuantitativos en conjuntos de datos del mundo real. (PLO 2, PLO 4, PLO 5)
• SLO 5: Integrar los principios cristianos de uso e interpretación éticos de los datos, reconociendo la responsabilidad de emplear métodos cuantitativos de manera que honren la verdad, promuevan el desarrollo humano y reflejen una buena administración de los recursos de información. (PLO 3, PLO 5)

TECH 699: Proyecto final de ciencia y análisis de datos

Este curso final brinda a los estudiantes la oportunidad de sintetizar y aplicar los conocimientos y habilidades adquiridos a lo largo del programa de Maestría en Ciencias en Ciencia y Análisis de Datos. Los estudiantes emprenderán un proyecto integral de ciencia de datos del mundo real que aborde un desafío empresarial o social significativo. Trabajando individualmente o en equipos pequeños, los estudiantes identificarán un problema, recopilarán y analizarán datos relevantes, desarrollarán e implementarán soluciones de ciencia de datos apropiadas y comunicarán sus hallazgos de manera efectiva. El proyecto abarcará todo el ciclo de vida de la ciencia de datos, incluida la formulación de problemas, la adquisición y el preprocesamiento de datos, el análisis exploratorio de datos, el desarrollo y la evaluación de modelos y la presentación de resultados. Se espera que los estudiantes integren técnicas de análisis avanzadas, consideraciones éticas y conocimientos comerciales en sus proyectos. El curso culminará con una presentación y un informe finales, que demuestren el dominio de los conceptos de ciencia de datos por parte del estudiante y su capacidad para brindar valor a través de soluciones basadas en datos.

Resultados de aprendizaje estudiantil

• SLO 1: Diseñar y ejecutar un proyecto integral de ciencia de datos que aborde un problema complejo del mundo real, demostrando el dominio del ciclo de vida de la ciencia de datos y técnicas analíticas avanzadas. (PLO 2, PLO 4)
• SLO 2: Comunicar eficazmente conceptos, metodologías y resultados complejos de ciencia de datos a audiencias tanto técnicas como no técnicas a través de informes escritos, presentaciones orales y visualizaciones de datos. (PLO 1, PLO 4)
• SLO 3: Aplicar el razonamiento ético y los principios cristianos en el diseño, la implementación y la evaluación de soluciones de ciencia de datos, abordando cuestiones como la privacidad de los datos, los sesgos y el impacto social. (PLO 3, PLO 5)
• SLO 4: Evaluar críticamente y seleccionar metodologías, herramientas y tecnologías de ciencia de datos adecuadas para resolver desafíos empresariales o sociales específicos, justificando estas decisiones en función de su eficacia y eficiencia. (PLO 2, PLO 4)
• SLO 5: Colaborar eficazmente en equipos diversos para planificar, ejecutar y entregar un proyecto complejo de ciencia de datos, demostrando liderazgo, gestión de proyectos y habilidades de comunicación intercultural. (PLO 1, PLO 5)
• SLO 6: Sintetizar los conocimientos obtenidos a partir del análisis de datos para desarrollar recomendaciones estratégicas que generen valor comercial o aborden necesidades sociales, demostrando la capacidad de conectar la ciencia de datos con aplicaciones prácticas. (PLO 2, PLO 3, PLO 4)

Resultados de aprendizaje institucional (ILO)

• OIT 1: Los estudiantes se comunicarán eficazmente.
• OIT 2: Los estudiantes utilizarán métodos de investigación para la adquisición y aplicación de conocimientos.
• OIT 3: Los estudiantes abordarán problemas concretos aplicando la fe y el razonamiento ético.
• OIT 4: Los estudiantes pensarán de manera creativa y crítica para seguir una vida de aprendizaje.
• OIT 5: Los estudiantes participarán en un mundo culturalmente diverso para fortalecer las relaciones con los demás.

Resultados de aprendizaje del programa (PLO)

• OPI 1: Comunicar eficazmente conceptos complejos de ciencia de datos y resultados analíticos a públicos diversos, demostrando sensibilidad cultural y consideración ética en la presentación de datos. (OIT 1, OIT 3, OIT 5)
• PLO 2: Aplicar métodos estadísticos avanzados, técnicas de aprendizaje automático y estrategias de minería de datos para extraer información significativa de conjuntos de datos a gran escala y evaluar de manera crítica los resultados para resolver problemas del mundo real. (OIT 2, OIT 4)
• OLP 3: Desarrollar e implementar soluciones éticas de ciencia de datos que integren los principios cristianos de administración, privacidad y responsabilidad social, y que comuniquen de manera eficaz las implicaciones éticas a las partes interesadas. (OIT 1, OIT 3, OIT 5)
• PLO 4: Evaluar y sintetizar críticamente las tendencias actuales en materia de ciencia de datos e inteligencia artificial, demostrando la capacidad de adaptarse a tecnologías y metodologías en rápida evolución y comunicar eficazmente los hallazgos para promover el aprendizaje continuo. (OIT 1, OIT 2, OIT 4)
• PLO 5: Colaborar eficazmente en equipos diversos para diseñar y ejecutar proyectos de ciencia de datos que aborden desafíos globales, utilizando métodos de investigación adecuados y razonamiento ético para promover la comprensión intercultural a través de conocimientos basados en datos. (OIT 2, OIT 3, OIT 5)