석사 데이터 과학 과학

이 커리큘럼 맵은 정보기술 관리학 석사 프로그램 전반에 걸쳐 학생들의 역량이 점진적으로 발달하는 모습을 보여주며, 각 과목이 어떻게 7가지 프로그램 학습 성과(PLO)를 도입(I), 개발(D)하거나 학생들에게 완전히 익히게(M) 하는지, 그리고 학생들이 모든 성과에 대한 습득을 입증하는 캡스톤 과정으로 마무리되는지를 보여줍니다.

• TECH 500: 기술 관리의 윤리적 과제
• BUS 5203: 데이터 분석
• BUS 5213: 의사결정을 위한 데이터 처리
• TECH 575: IoT를 위한 빅데이터 분석
• TECH 615: 응용 AI: 비즈니스를 위한 솔루션
• TECH 630: 비즈니스 통찰력 및 의사 결정을 위한 고급 AI
• BUS 5223: 선도적인 데이터 분석 프로젝트
• TECH 643: 통계적 방법
• TECH 674: 양적 방법
• TECH 699: 데이터 과학 및 분석 캡스톤 프로젝트

핵심 수업

TECH 500: 기술 관리의 윤리적 과제

이 과정은 기술 관리에서 복잡한 윤리적 딜레마를 해결할 수 있는 리더를 양성하는 데 중점을 둡니다. 이 과정은 성경적 가치와 현대적 과제에 대한 실용적인 해결책을 강조합니다. 학생들은 기독교적 세계관을 통해 윤리적 시스템을 탐구하고, 사례 연구를 분석하고, 건전한 도덕적 판단을 내리는 기술을 개발합니다. 과정이 끝날 무렵, 참가자는 성실성과 신앙 기반 관점으로 기술 리더십의 윤리적 문제를 해결할 수 있는 역량을 갖추게 됩니다.

과정 학생 학습 성과

• SLO 1: 기독교 세계관을 포함한 다양한 윤리적 틀을 사용하여 기술 관리의 복잡한 윤리적 딜레마를 분석합니다. (PLO 3, PLO 4)
• SLO 2: IT 리더십 역할에서 윤리적 의사결정에 대한 신기술의 의미를 평가합니다. (PLO 3, PLO 4)
• SLO 3: 기술 관리에서 신앙 기반 솔루션을 개발하기 위해 성경적 원칙과 현대적 윤리적 과제를 종합합니다. (PLO 3, PLO 5)
• SLO 4: 기술 윤리에 대한 사례 연구를 위한 건전한 도덕적 판단을 개발하고 표현하며 비판적 사고와 효과적인 커뮤니케이션을 입증합니다. (PLO 1, PLO 3)
• SLO 5: 전문적 기준과 기독교적 가치를 통합하는 기술 관리 과제를 해결하기 위한 개인적 윤리적 프레임워크를 만듭니다. (PLO 3, PLO 5)

BUS 5203: 데이터 분석

학생들은 데이터가 어떻게 생성되고, 저장되고, 액세스되는지, 조직이 데이터를 어떻게 활용하고 분석을 장려하는 환경을 조성하는지 등 비즈니스 세계에서의 데이터 분석 관행에 대해 배웁니다.

과정 학생 학습 성과

• SLO 1: 비즈니스 분석가를 위한 분석적 사고방식을 이해합니다. (PLO 2, PLO 4)
• SLO 2: 통계 및 데이터 분석의 기본 개념을 이해합니다. (PLO 2, PLO 4)
• SLO 3: 데이터 분석 기술을 적용하여 데이터 세트에 대한 질문에 답합니다. (PLO 4)
• SLO 4: 데이터 분석 기술을 사용하여 비즈니스 결정을 분석합니다. (PLO 4)
• SLO 5: 신앙 통합을 통한 데이터 분석에서의 윤리적 결정 평가 (PLO 5)
• SLO 6: 특정 분야의 독창적인 질문에 답하기 위해 데이터 분석 프로젝트를 만들고 완료합니다. (PLO 2, PLO 4, PLO 5)

BUS 5213: 의사결정을 위한 데이터 처리

분석 기술(데이터 마이닝, 예측 분석 및 머신 러닝 알고리즘)을 사용하여 데이터 요소 간의 관계 패턴을 찾아 의사 결정에서 데이터를 수집하고 활용하는 방법을 이해합니다. 학생들은 적절한 데이터를 수집하고 분석하여 의사 결정권자가 데이터와 관리 응용 프로그램에 대한 이해를 높이는 방법을 배웁니다.

과정 학생 학습 성과

• SLO 1: 데이터를 관리하기 위한 정보 관리 기술을 습득합니다. (PLO 2, PLO 4)
• SLO 2: 데이터를 이해하기 위한 분석 기술과 도구를 습득합니다. (PLO 2, PLO 4)
• SLO 3: 데이터 기반 의사 결정과 불확실성을 처리하는 방법을 이해합니다. (PLO 2, PLO 4)
• SLO 4: 기업이 데이터를 기반으로 행동하도록 돕기 위해 데이터 중심적 사고방식을 개발합니다. (PLO 2, PLO 4)
• SLO 5: 의사결정을 위한 데이터 제시 기술 개발(PLO 1, PLO 2)

TECH 575: IoT를 위한 빅데이터 분석

이 과정은 학생들에게 강력한 빅데이터 처리 프레임워크인 Apache Spark를 소개하며, 대규모 데이터세트 분석에 대한 응용에 중점을 둡니다. 학생들은 Python을 사용하여 Spark의 기능을 활용하는 방법을 배우며, 최신 Spark 2.0 DataFrame 구문을 강조합니다. 커리큘럼은 고급 데이터 조작 기술, MLlib를 사용한 머신 러닝 애플리케이션, 실제 문제 해결 시나리오를 다룹니다.

학생 학습 성과

• SLO 1: Python 프로그래밍과 Apache Spark 프레임워크를 종합하여 고급 빅데이터 분석 솔루션을 설계하고 구현합니다. (PLO 2, PLO 4)
• SLO 2: 복잡한 데이터 처리 작업을 최적화하고 분석 효율성을 개선하기 위해 Spark 2.0 DataFrame 구문을 평가하고 적용합니다. (PLO 2, PLO 4)
• SLO 3: 로지스틱 회귀, 랜덤 포레스트, 그래디언트 부스트 트리를 포함한 Spark의 MLlib을 사용하여 정교한 머신 러닝 모델을 만들고 비판하여 실제 분류 문제를 해결합니다. (PLO 2, PLO 4)
• SLO 4: 텍스트 분석 및 분류를 위한 Spark의 기능을 활용하여 스팸 필터와 같은 혁신적인 자연어 처리 애플리케이션을 개발하고 평가합니다. (PLO 1, PLO 2 및 PLO 4)
• SLO 5: 기독교적 청지기 원칙과 프라이버시 원칙을 통합한 빅데이터 분석을 위한 윤리적 프레임워크를 공식화하고, 대규모 데이터 분석 기술의 사회적 의미를 비판적으로 검토합니다. (PLO 3, PLO 5)

TECH 615: 응용 AI: 비즈니스를 위한 솔루션

이 과정은 인공지능(AI)에 대한 포괄적인 소개를 제공하며, 산업 전반에 걸친 혁신적 영향을 탐구하고 AI 기술에 대한 증가하는 글로벌 수요에 대처합니다. 학생들은 딥 러닝, 강화 학습, 자연어 처리, 컴퓨터 비전 및 로봇 공학의 최근 개발 사항을 탐구하는 동시에 Keras와 같은 최신 딥 러닝 프레임워크에 대한 실무 경험을 얻습니다.

학생 학습 성과

• SLO 1: 다양한 산업에 대한 AI의 영향을 평가하고, 현재 추세를 분석하고, 해당 분야의 미래 발전을 예측합니다. (PLO 2, PLO 4)
• SLO 2: 고객 이탈 예측 및 주가 예측과 같은 복잡한 비즈니스 문제를 해결하기 위해 인공 신경망을 설계하고 구현합니다. (PLO 2, PLO 4)
• SLO 3: 실제 비즈니스 맥락에서 이미지 인식 및 시계열 분석을 위해 합성곱 신경망 및 순환 신경망을 사용하여 고급 AI 모델을 개발합니다. (PLO 2, PLO 4)
• SLO 4: 추천 시스템 및 자연어 처리 애플리케이션을 만들고 평가하여 AI를 적용하여 고객 경험과 비즈니스 운영을 개선하는 데 능숙함을 입증합니다. (PLO 2, PLO 4)
• SLO 5: AI 구현의 윤리적 고려 사항을 기독교적 청지기 원칙과 인간 존엄성으로 종합하여 비즈니스 애플리케이션을 위한 책임 있는 AI 전략을 수립합니다. (PLO 3, PLO 5)

TECH 630: 비즈니스 통찰력 및 의사 결정을 위한 고급 AI

이 과정은 오늘날의 정보 중심 경제에서 생성적 AI(대규모 언어 모델 등)를 포함한 AI 능숙도의 중요한 역할을 강조하면서 비즈니스 영역에서 AI의 영향에 대한 혁신적인 관점을 제공합니다. 독점적 데이터 소스와 공개 데이터 소스를 모두 사용하여 비즈니스 분석의 기회를 식별, 평가 및 활용하는 데 중점을 둡니다.

학생 학습 성과

• SLO 1: 복잡한 데이터 세트를 합성하여 혁신적인 비즈니스 솔루션을 만들고 AI 기반 컨텍스트에서 고급 분석 기능을 입증합니다. (PLO 2, PLO 4)
• SLO 2: AI 관리 및 응용 분야의 현재 추세를 평가하고 다양한 비즈니스 부문에 미치는 잠재적 영향을 비판합니다. (PLO 2, PLO 4)
• SLO 3: 다양한 AI 및 데이터 마이닝 모델을 설계하고 비판적으로 평가하여 특정 비즈니스 시나리오에 대한 적합성을 정당화합니다. (PLO 2, PLO 4)
• SLO 4: 실제 비즈니스 과제를 실행 가능한 AI 모델로 변환하기 위한 협업 전략을 수립하여 팀워크와 문제 해결 기술을 입증합니다. (PLO 2, PLO 5)
• SLO 5: 효율적인 비즈니스 분석 전략을 개발하고 방어하고, AI 기술을 통합하여 현대적 비즈니스 문제를 해결합니다. (PLO 2, PLO 4)
• SLO 6: 조직적 맥락에서 AI 주도 의사 결정의 도덕적 의미를 비판적으로 검토하여 기독교적 청지기 원칙과 사회적 책임에 부합하는 비즈니스에서의 AI 구현을 위한 윤리적 프레임워크를 만듭니다. (PLO 3, PLO 5)

BUS 5223: 선도적인 데이터 분석 프로젝트

이 과정은 학생들에게 조직 내에서 더 나은 의사 결정과 품질 개선을 위한 비즈니스 인텔리전스와 데이터 분석을 운영화하는 데 중요한 구성 요소를 보여줍니다. 특히, 학생들은 비즈니스 인텔리전스 컨설턴트 역할을 맡고 데이터 분석 기술을 적용하여 비즈니스 의사 결정을 알리는 방법을 배웁니다.

학생 학습 성과

• SLO 1: 데이터 분석 분야의 핵심 용어와 개념을 이해합니다. (PLO 2, PLO 4)
• SLO 2: 직업에 필요한 핵심 분석 기술을 식별합니다. (PLO 2, PLO 4)
• SLO 3: 그래픽 표현 방식으로 데이터를 제시합니다. (PLO 1, PLO 2)
• SLO 4: 비즈니스 분석의 개념과 기술을 적용합니다. (PLO 2, PLO 4, PLO 5)

TECH 643: 통계적 방법

이 과정은 다양한 분야에서 데이터 분석 및 의사 결정에 필수적인 기본 및 고급 통계 기법을 포괄적으로 탐구합니다. 이 과정은 기술 통계, 확률 이론, 표집 분포, 가설 검정 및 추론 통계를 다룹니다. 학생들은 단순 및 다중 선형 회귀를 포함한 회귀 분석과 로지스틱 회귀에 대한 소개를 심도 있게 다룹니다. 커리큘럼에는 분산 분석(ANOVA), 실험 계획 및 비모수적 방법도 포함됩니다. 과정 전반에 걸쳐 R 또는 SAS와 같은 통계 소프트웨어를 사용하여 이론적 이해와 실제 적용에 중점을 둡니다. 학생들은 실제 데이터 세트를 사용하여 데이터 조작, 통계 모델링 및 결과 해석 기술을 개발합니다. 과정이 끝나면 참가자는 강력한 통계 툴킷과 다양한 분야에서 복잡한 분석 과제를 해결하기 위해 적절한 방법을 선택하고 적용할 수 있는 능력을 갖추게 됩니다. 전제 조건에는 대수와 기초 통계 개념에 대한 기본적인 이해가 포함됩니다.

학생 학습 성과

• SLO 1: 다양한 분야에서 데이터 분석 및 의사 결정을 위한 기본 및 고급 통계 기술을 적용하는 능력을 입증합니다. (PLO 2, PLO 4)
• SLO 2: 가설 검정과 추론 통계를 정확하게 수행하고 해석합니다. (PLO 2, PLO 4)
• SLO 3: 단순 및 다중 선형 회귀, 로지스틱 회귀를 포함한 회귀 분석을 수행합니다. (PLO 2, PLO 4)
• SLO 4: 분산 분석(ANOVA), 실험 계획 및 비모수적 방법을 적절한 데이터 세트에 적용합니다. (PLO 2, PLO 4)
• SLO 5: 통계적 방법의 적용에 기독교 윤리 및 청지기 원칙을 통합하고, 사회 개선과 성경적 가치를 위해 데이터 분석을 사용해야 할 책임을 인식합니다. (PLO 3, PLO 5)

TECH 674: 양적 방법

이 과정은 현대 데이터 과학에 사용되는 필수적인 양적 방법과 통계 기법에 대한 포괄적인 소개를 제공합니다. 학생들은 복잡한 데이터 세트를 분석하는 데 중요한 확률 이론, 통계적 추론 및 고급 분석 접근 방식에 대한 강력한 기초를 개발할 것입니다. 주요 주제로는 확률 분포 및 응용, 가설 검정 및 신뢰 구간, 선형 및 비선형 회귀 분석, 시계열 분석 및 예측, 베이지안 통계 및 추론, 차원 축소 기술, 클러스터링 및 분류 방법, 리샘플링 방법 및 부트스트래핑이 있습니다. 강의, 실습 및 실제 사례 연구를 결합하여 학생들은 인기 있는 데이터 과학 도구와 프로그래밍 언어를 사용하여 이러한 양적 방법을 적용하는 방법을 배웁니다. 이 과정은 이론적 이해와 실제 구현을 모두 강조하여 학생들이 다양한 산업에서 복잡한 데이터 분석 과제를 해결할 수 있도록 준비시킵니다.

학생 학습 성과

• SLO 1: 확률 이론과 통계적 추론 기술을 적용하여 데이터 과학 맥락에서 복잡한 데이터 세트를 분석합니다. (PLO 2, PLO 4)
• SLO 2: 데이터 분석 및 예측을 위한 선형 및 비선형 회귀 모델, 시계열 분석, 예측 방법을 개발하고 평가합니다. (PLO 2, PLO 4)
• SLO 3: 차원 축소, 클러스터링, 분류 방법을 활용하여 고차원 데이터에서 의미 있는 패턴을 추출합니다. (PLO 2, PLO 4)
• SLO 4: 인기 있는 데이터 과학 도구와 프로그래밍 언어를 사용하여 실제 데이터 세트에 정량적 방법을 구현하는 능력을 입증합니다. (PLO 2, PLO 4, PLO 5)
• SLO 5: 진실을 존중하고, 인간의 번영을 촉진하고, 정보 자원에 대한 좋은 청지기 역할을 반영하는 방식으로 양적 방법을 채택할 책임을 인식하면서 윤리적 데이터 사용 및 해석에 대한 기독교 원칙을 통합합니다. (PLO 3, PLO 5)

TECH 699: 데이터 과학 및 분석 캡스톤 프로젝트

이 캡스톤 과정은 학생들에게 데이터 과학 및 분석 석사 과정에서 습득한 지식과 기술을 종합하고 적용할 수 있는 기회를 제공합니다. 학생들은 중요한 비즈니스 또는 사회적 과제를 다루는 포괄적이고 현실적인 데이터 과학 프로젝트를 수행합니다. 학생들은 개별적으로 또는 소규모 팀으로 작업하여 문제를 식별하고 관련 데이터를 수집 및 분석하고 적절한 데이터 과학 솔루션을 개발 및 구현하며 결과를 효과적으로 전달합니다. 이 프로젝트는 문제 공식화, 데이터 수집 및 사전 처리, 탐색적 데이터 분석, 모델 개발 및 평가, 결과 발표를 포함한 전체 데이터 과학 라이프사이클을 포괄합니다. 학생들은 고급 분석 기술, 윤리적 고려 사항 및 비즈니스 통찰력을 프로젝트에 통합해야 합니다. 이 과정은 최종 프레젠테이션과 보고서로 마무리되며, 학생의 데이터 과학 개념에 대한 숙달과 데이터 기반 솔루션을 통해 가치를 제공하는 능력을 보여줍니다.

학생 학습 성과

• SLO 1: 복잡한 실제 문제를 해결하는 포괄적인 데이터 과학 프로젝트를 설계하고 실행하여 데이터 과학 라이프사이클과 고급 분석 기술에 대한 숙달을 입증합니다. (PLO 2, PLO 4)
• SLO 2: 서면 보고서, 구두 프레젠테이션, 데이터 시각화를 통해 기술적, 비기술적 청중 모두에게 복잡한 데이터 과학 개념, 방법론 및 결과를 효과적으로 전달합니다. (PLO 1, PLO 4)
• SLO 3: 데이터 과학 솔루션의 설계, 구현 및 평가에 윤리적 추론과 기독교 원칙을 적용하여 데이터 프라이버시, 편견 및 사회적 영향과 같은 문제를 해결합니다. (PLO 3, PLO 5)
• SLO 4: 특정 비즈니스 또는 사회적 과제를 해결하기 위해 적절한 데이터 과학 방법론, 도구 및 기술을 비판적으로 평가하고 선택하여 효과성과 효율성을 기반으로 이러한 선택을 정당화합니다. (PLO 2, PLO 4)
• SLO 5: 다양한 팀에서 효과적으로 협업하여 복잡한 데이터 과학 프로젝트를 계획, 실행 및 전달하고 리더십, 프로젝트 관리 및 문화 간 커뮤니케이션 기술을 입증합니다. (PLO 1, PLO 5)
• SLO 6: 데이터 분석에서 얻은 통찰력을 종합하여 비즈니스 가치를 촉진하거나 사회적 요구를 해결하는 전략적 권장 사항을 개발하고 데이터 과학과 실제 응용 프로그램을 연결하는 능력을 입증합니다. (PLO 2, PLO 3, PLO 4)

기관 학습 성과(ILO)

• ILO 1: 학생들은 효과적으로 소통할 것이다.
• ILO 2: 학생들은 지식 습득과 응용을 위해 탐구 방법을 사용합니다.
• ILO 3: 학생들은 신앙과 윤리적 추론을 적용하여 구체적인 문제를 해결할 것입니다.
• ILO 4: 학생들은 학습하는 삶을 추구하기 위해 창의적이고 비판적으로 생각하게 됩니다.
• ILO 5: 학생들은 다양한 문화에 참여하여 타인과의 관계를 강화합니다.

프로그램 학습 결과(PLO)

• PLO 1: 복잡한 데이터 과학 개념과 분석 결과를 다양한 청중에게 효과적으로 전달하고, 데이터 프레젠테이션에서 문화적 민감성과 윤리적 고려 사항을 보여줍니다. (ILO 1, ILO 3, ILO 5)
• PLO 2: 고급 통계 방법, 머신 러닝 기술, 데이터 마이닝 전략을 적용하여 대규모 데이터 세트에서 의미 있는 통찰력을 추출하고 결과를 비판적으로 평가하여 실제 문제를 해결합니다. (ILO 2, ILO 4)
• PLO 3: 기독교적 원칙인 청지기, 프라이버시, 사회적 책임을 통합하는 윤리적 데이터 과학 솔루션을 개발하고 구현하는 동시에 이해관계자에게 윤리적 의미를 효과적으로 전달합니다. (ILO 1, ILO 3, ILO 5)
• PLO 4: 데이터 과학 및 AI의 현재 동향을 비판적으로 평가하고 종합하여 빠르게 진화하는 기술과 방법론에 적응하고 결과를 효과적으로 전달하여 지속적인 학습을 촉진하는 능력을 입증합니다. (ILO 1, ILO 2, ILO 4)
• PLO 5: 다양한 팀에서 효과적으로 협업하여 글로벌 과제를 해결하는 데이터 과학 프로젝트를 설계하고 실행하고, 적절한 질의 방법과 윤리적 추론을 활용하여 데이터 기반 통찰력을 통해 문화 간 이해를 증진합니다. (ILO 2, ILO 3, ILO 5)