Southwest Baptist University

Master of Science στην Τεχνητή Νοημοσύνη

Αυτός ο χάρτης προγράμματος σπουδών απεικονίζει την προοδευτική ανάπτυξη των ικανοτήτων των μαθητών στο πρόγραμμα Master of Science in Information Technology Management, δείχνοντας πώς κάθε μάθημα εισάγει το (I), αναπτύσσει (D) ή φέρνει τους μαθητές στην κυριαρχία (M) των επτά Μαθησιακών Αποτελεσμάτων του Προγράμματος (PLOs), με αποκορύφωμα το μάθημα επιτοκίου όπου οι μαθητές επιδεικνύουν κυριαρχία σε όλα τα αποτελέσματα.

• TECH 500: Ethical Challenges in Technology Management
• TECH 650: Θεμέλια της Μηχανικής Μάθησης
• TECH 515: Διαχείριση Υποδομής και Ασφάλειας Cloud
• TECH 575: Big Data Analytics για IoT
• ISTM 615: Applied AI: Solutions for Business
• TECH 675: Εφαρμοσμένη Επεξεργασία Φυσικής Γλώσσας και Ευφυής Ανάλυση Κειμένου
• TECH 557: Ανάπτυξη εφαρμογών για κινητά
• TECH 685: Πρακτική Ανάπτυξη και Βελτιστοποίηση AI
• TECH 630: Προηγμένη Τεχνητή Νοημοσύνη για Επιχειρηματικές Πληροφορίες και Λήψη Αποφάσεων
• TECH 699: Advanced AI Solutions - Capstone Project

Βασικές κατηγορίες

TECH 500: Ethical Challenges in Technology Management

Αυτό το μάθημα εστιάζει στην προετοιμασία των ηγετών για την επίλυση περίπλοκων ηθικών διλημμάτων στη διαχείριση τεχνολογίας. Το μάθημα δίνει έμφαση στις βιβλικές αξίες και στις πρακτικές λύσεις στις σύγχρονες προκλήσεις. Οι μαθητές εξερευνούν τα ηθικά συστήματα μέσω μιας χριστιανικής κοσμοθεωρίας, αναλύουν περιπτωσιολογικές μελέτες και αναπτύσσουν δεξιότητες για να κάνουν ορθές ηθικές κρίσεις. Μέχρι το τέλος του μαθήματος, οι συμμετέχοντες θα είναι εξοπλισμένοι για να αντιμετωπίσουν ηθικά ζητήματα στην ηγεσία της τεχνολογίας με ακεραιότητα και προοπτική βασισμένη στην πίστη.

Μαθήματα Μαθησιακά Αποτελέσματα Φοιτητών

• SLO 1: Αναλύστε περίπλοκα ηθικά διλήμματα στη διαχείριση τεχνολογίας χρησιμοποιώντας διάφορα ηθικά πλαίσια, συμπεριλαμβανομένης της χριστιανικής κοσμοθεωρίας. (PLO 4)
• SLO 2: Αξιολογήστε τις επιπτώσεις των αναδυόμενων τεχνολογιών στην ηθική λήψη αποφάσεων σε ηγετικούς ρόλους πληροφορικής. (PLO 4, PLO 5)
• SLO 3: Συνθέστε τις βιβλικές αρχές με τις σύγχρονες ηθικές προκλήσεις για την ανάπτυξη λύσεων που βασίζονται στην πίστη στη διαχείριση τεχνολογίας. (PLO 4)
• SLO 4: Αναπτύξτε και διατυπώστε ορθές ηθικές κρίσεις για μελέτες περιπτώσεων στην ηθική της τεχνολογίας, επιδεικνύοντας κριτική σκέψη και αποτελεσματική επικοινωνία. (PLO 4)
• SLO 5: Δημιουργήστε ένα προσωπικό ηθικό πλαίσιο για την αντιμετώπιση προκλήσεων διαχείρισης τεχνολογίας που ενσωματώνουν τα επαγγελματικά πρότυπα με τις χριστιανικές αξίες. (PLO 4)

TECH 650: Θεμέλια της Μηχανικής Μάθησης

Αυτό το μάθημα προσφέρει μια ολοκληρωμένη εισαγωγή στη μηχανική μάθηση, καλύπτοντας θεωρητικά θεμέλια και πρακτικές εφαρμογές σε υποδείγματα εποπτευόμενης, χωρίς επίβλεψη και ενισχυτικής μάθησης. Οι μαθητές θα εξερευνήσουν ένα ευρύ φάσμα αλγορίθμων, όπως γραμμική και λογιστική παλινδρόμηση, δέντρα αποφάσεων, μηχανές υποστήριξης διανυσμάτων, νευρωνικά δίκτυα και τεχνικές ομαδοποίησης ενώ θα αναπτύσσουν δεξιότητες στην προεπεξεργασία δεδομένων, τη μηχανική χαρακτηριστικών, την επιλογή μοντέλου και την αξιολόγηση απόδοσης. Οι ηθικοί προβληματισμοί στην ανάπτυξη της τεχνητής νοημοσύνης ενσωματώνονται παντού. Οι μαθητές θα αποκτήσουν πρακτική εμπειρία μέσω πρακτικών αναθέσεων προγραμματισμού και έργων χρησιμοποιώντας Python και βιβλιοθήκες όπως το Scikit-learn, το TensorFlow και το PyTorch.

Μαθησιακά αποτελέσματα σπουδαστών

• SLO 1: Αξιολογήστε την καταλληλότητα διάφορων αλγορίθμων μηχανικής μάθησης για πολύπλοκα προβλήματα του πραγματικού κόσμου, επιδεικνύοντας κριτική σκέψη και αναλυτικές δεξιότητες. (PLO 1, PLO 5)
• SLO 2: Συνθέστε μοντέλα μηχανικής μάθησης που ενσωματώνουν πολλαπλούς αλγόριθμους και τεχνικές για την αντιμετώπιση πολύπλευρων προκλήσεων στην ανάλυση και την πρόβλεψη δεδομένων. (PLO 1)
• SLO 3: Δημιουργήστε ηθικά υπεύθυνες λύσεις μηχανικής μάθησης που εξετάζουν ζητήματα μεροληψίας, δικαιοσύνης και κοινωνικού αντίκτυπου. (PLO 4)
• SLO 4: Σχεδιάστε και πραγματοποιήστε αυστηρά πειράματα για την αξιολόγηση της απόδοσης και των περιορισμών των μοντέλων μηχανικής μάθησης, επιδεικνύοντας προηγμένες ερευνητικές και αναλυτικές ικανότητες. (PLO 3)
• SLO 5: Διατυπώστε και κοινοποιήστε σύνθετες έννοιες και αποτελέσματα μηχανικής μάθησης τόσο σε τεχνικό όσο και σε μη τεχνικό κοινό, επιδεικνύοντας προηγμένες δεξιότητες επικοινωνίας. (PLO 2)

TECH 515: Διαχείριση Υποδομής και Ασφάλειας Cloud

Αυτό το μάθημα παρέχει μια εισαγωγή στη διαχείριση εταιρικών δεδομένων και τεχνολογίες δικτύωσης στην Τεχνολογία Πληροφορικής (ΙΤ), με επίκεντρο τις λειτουργίες και την ασφάλεια που βασίζονται σε σύννεφο. Οι μαθητές θα εξερευνήσουν τεχνολογίες δικτύου, αρχιτεκτονικές cloud και λειτουργίες κέντρων δεδομένων, δίνοντας έμφαση σε ασφαλείς υποδομές πληροφορικής, αρχές προστασίας δεδομένων και λειτουργική αποτελεσματικότητα σε περιβάλλοντα cloud. Το μάθημα εξετάζει επίσης τη συμμόρφωση με τα πρότυπα και τους κανονισμούς του κλάδου, προετοιμάζοντας τους φοιτητές να περιηγηθούν στο περίπλοκο τοπίο της επιχειρηματικής πληροφορικής.

Μαθησιακά αποτελέσματα σπουδαστών

• SLO 1: Αξιολογήστε πολύπλοκες αρχιτεκτονικές δικτύου που βασίζονται σε σύννεφο και σχεδιάστε βέλτιστες λύσεις για υποδομές πληροφορικής σε επίπεδο επιχείρησης. (PLO 3)
• SLO 2: Συνθέστε τις βέλτιστες πρακτικές στον τομέα της ασφάλειας cloud για τη δημιουργία ολοκληρωμένων στρατηγικών διαχείρισης κινδύνου, αντιμετώπισης αναδυόμενων απειλών και συμμόρφωσης με τους κανονισμούς. (PLO 3)
• SLO 3: Δημιουργήστε καινοτόμες λύσεις διαχείρισης και αποθήκευσης δεδομένων για περιβάλλοντα cloud, βελτιστοποιώντας την επεκτασιμότητα, την απόδοση και τη σχέση κόστους-αποτελεσματικότητας. (PLO 1)
• SLO 4: Κριτική στις πρακτικές πληροφορικής μέσα από το πρίσμα της χριστιανικής διαχείρισης, διαμορφώνοντας ηθικά πλαίσια για υπεύθυνη χρήση τεχνολογίας σε εταιρικά περιβάλλοντα. (PLO 4)
• SLO 5: Προβλέψτε τον αντίκτυπο των αναδυόμενων τάσεων στον υπολογιστικό νέφος και στις εταιρικές IT στις οργανωτικές λειτουργίες και σχεδιάστε προσαρμοστικές στρατηγικές για να αξιοποιήσετε αυτές τις τεχνολογίες με ασφάλεια. (PLO 5)

TECH 575: Big Data Analytics για IoT

Αυτό το μάθημα εισάγει το Apache Spark, ένα μεγάλο πλαίσιο επεξεργασίας δεδομένων, που εστιάζει στην εφαρμογή του σε ανάλυση δεδομένων μεγάλης κλίμακας. Οι μαθητές θα αξιοποιήσουν τις δυνατότητες του Spark χρησιμοποιώντας Python, καλύπτοντας προηγμένες τεχνικές χειρισμού δεδομένων, εφαρμογές μηχανικής μάθησης και σενάρια επίλυσης προβλημάτων πραγματικού κόσμου. Στο τέλος, οι μαθητές θα αποκτήσουν επάρκεια στο Spark για ανάλυση δεδομένων και ανάπτυξη μοντέλων μηχανικής μάθησης.

Μαθησιακά αποτελέσματα σπουδαστών

• SLO 1: Συνθέστε τα πλαίσια προγραμματισμού Python και Apache Spark για να σχεδιάσετε και να εφαρμόσετε προηγμένες λύσεις ανάλυσης μεγάλων δεδομένων. (PLO 1)
• SLO 2: Αξιολογήστε και εφαρμόστε τη σύνταξη Spark 2.0 DataFrame για βελτιστοποίηση σύνθετων εργασιών επεξεργασίας δεδομένων και βελτίωση της αναλυτικής απόδοσης. (PLO 3)
• SLO 3: Δημιουργήστε και ασκήστε κριτική σε εξελιγμένα μοντέλα μηχανικής μάθησης χρησιμοποιώντας το MLlib του Spark για την επίλυση προβλημάτων ταξινόμησης στον πραγματικό κόσμο. (PLO 1, PLO 5)
• SLO 4: Ανάπτυξη και αξιολόγηση καινοτόμων εφαρμογών επεξεργασίας φυσικής γλώσσας, όπως φίλτρα ανεπιθύμητης αλληλογραφίας, χρησιμοποιώντας το Spark για ανάλυση και ταξινόμηση κειμένου. (PLO 1, PLO 5)
• SLO 5: Διαμορφώστε ένα ηθικό πλαίσιο για την ανάλυση μεγάλων δεδομένων που ενσωματώνει τις χριστιανικές αρχές της διαχείρισης και της ιδιωτικής ζωής, εξετάζοντας κριτικά τις κοινωνικές επιπτώσεις των τεχνικών ανάλυσης δεδομένων μεγάλης κλίμακας. (PLO 4)

TECH 615: Applied AI: Solutions for Business

Αυτό το μάθημα εισάγει τον αντίκτυπο της τεχνητής νοημοσύνης σε όλους τους κλάδους, αντιμετωπίζοντας την αυξανόμενη ζήτηση για δεξιότητες τεχνητής νοημοσύνης. Οι μαθητές θα εξερευνήσουν τη βαθιά μάθηση, την ενισχυτική μάθηση, την επεξεργασία φυσικής γλώσσας, την όραση υπολογιστή και τη ρομποτική. Το πρόγραμμα σπουδών εστιάζει στην επίλυση επιχειρηματικών προκλήσεων του πραγματικού κόσμου, όπως η πρόβλεψη εκτροπής πελατών, η αναγνώριση εικόνας, η πρόβλεψη τιμών μετοχών, τα συστήματα συστάσεων και οι εφαρμογές NLP.

Μαθησιακά αποτελέσματα σπουδαστών

• SLO 1: Αξιολογήστε τον αντίκτυπο της τεχνητής νοημοσύνης σε διάφορους κλάδους, αναλύοντας τις τάσεις και προβλέποντας μελλοντικές εξελίξεις. (PLO 1, PLO 5)
• SLO 2: Σχεδιάστε και εφαρμόστε τεχνητά νευρωνικά δίκτυα για την επίλυση επιχειρηματικών προβλημάτων όπως η πρόβλεψη απόκλισης πελατών και η πρόβλεψη τιμών μετοχών. (PLO 1)
• SLO 3: Ανάπτυξη μοντέλων AI χρησιμοποιώντας συνελικτικά και επαναλαμβανόμενα νευρωνικά δίκτυα για αναγνώριση εικόνων και ανάλυση χρονοσειρών. (PLO 1)
• SLO 4: Δημιουργία και αξιολόγηση συστημάτων συστάσεων και εφαρμογών επεξεργασίας φυσικής γλώσσας για τη βελτίωση της εμπειρίας των πελατών και των επιχειρηματικών λειτουργιών. (PLO 1, PLO 5)
• SLO 5: Συνθέστε ηθικούς προβληματισμούς στην εφαρμογή της τεχνητής νοημοσύνης με τις χριστιανικές αρχές της διαχείρισης και της ανθρώπινης αξιοπρέπειας, διαμορφώνοντας υπεύθυνες στρατηγικές τεχνητής νοημοσύνης για επιχειρηματικές εφαρμογές. (PLO 4)

TECH 675: Εφαρμοσμένη Επεξεργασία Φυσικής Γλώσσας και Ευφυής Ανάλυση Κειμένου

Αυτό το μάθημα διερευνά την Επεξεργασία Φυσικής Γλώσσας (NLP), ένα υποπεδίο της τεχνητής νοημοσύνης που εστιάζει στην αλληλεπίδραση γλώσσας υπολογιστή-ανθρώπου. Οι μαθητές θα καλύψουν την προεπεξεργασία κειμένου, τη δημιουργία διακριτικών, την προσθήκη ετικετών μέρους του λόγου, την αναγνώριση ονομαστικών οντοτήτων, την ανάλυση συναισθημάτων και τη μηχανική μετάφραση, ενώ μαθαίνουν προηγμένες αρχιτεκτονικές βαθιάς μάθησης, όπως RNN και μετασχηματιστές. Το μάθημα προετοιμάζει τους μαθητές να εφαρμόσουν καινοτόμες λύσεις NLP σε διάφορους τομείς.

Μαθησιακά αποτελέσματα σπουδαστών

• SLO 1: Αναλύστε πολύπλοκους αλγόριθμους και αρχιτεκτονικές NLP, επιδεικνύοντας την κατανόηση των θεωρητικών θεμελίων και των πρακτικών τους επιπτώσεων. (PLO 1)
• SLO 2: Σχεδιάστε και εφαρμόστε προηγμένες λύσεις NLP χρησιμοποιώντας εργαλεία και βιβλιοθήκες για την αντιμετώπιση των προκλήσεων επεξεργασίας γλώσσας στον πραγματικό κόσμο. (PLO 1)
• SLO 3: Αξιολογήστε την απόδοση και τους περιορισμούς διαφόρων μοντέλων και τεχνικών NLP, αξιολογώντας την καταλληλότητά τους για διαφορετικές εφαρμογές. (PLO 3, PLO 5)
• SLO 4: Αναπτύξτε ηθικά υπεύθυνες εφαρμογές NLP, λαμβάνοντας υπόψη ζητήματα μεροληψίας, δικαιοσύνης και κοινωνικού αντίκτυπου. (PLO 4)
• SLO 5: Συνθέστε και επικοινωνήστε σύνθετες έννοιες NLP τόσο σε τεχνικό όσο και σε μη τεχνικό κοινό, επιδεικνύοντας επάρκεια στην επιστημονική γραφή και παρουσίαση. (PLO 2)

Θεσμικά Μαθησιακά Αποτελέσματα (ILO)

• ILO 1: Οι μαθητές θα επικοινωνούν αποτελεσματικά.
• ILO 2: Οι μαθητές θα χρησιμοποιήσουν μεθόδους έρευνας για την απόκτηση και την εφαρμογή της γνώσης.
• ILO 3: Οι μαθητές θα αντιμετωπίσουν συγκεκριμένα προβλήματα εφαρμόζοντας πίστη και ηθική λογική.
• ILO 4: Οι μαθητές θα σκεφτούν δημιουργικά και κριτικά για να ακολουθήσουν μια ζωή μάθησης.
• ILO 5: Οι μαθητές θα εμπλακούν σε έναν πολιτισμικά ποικιλόμορφο κόσμο για να ενισχύσουν τις σχέσεις με τους άλλους.

Μαθησιακά Αποτελέσματα Προγράμματος (PLO)

• PLO 1: Αναπτύξτε και εφαρμόστε προηγμένες λύσεις τεχνητής νοημοσύνης χρησιμοποιώντας μεθοδολογίες, αλγόριθμους και τεχνολογίες αιχμής για την αντιμετώπιση σύνθετων πραγματικών προβλημάτων σε διάφορους τομείς. (ΔΟΕ 2, ΔΟΕ 4)
• PLO 2: Επίδειξη επάρκειας στη συνεργατική διαχείριση έργων και αποτελεσματική επικοινωνία σύνθετων εννοιών τεχνητής νοημοσύνης τόσο σε τεχνικό όσο και σε μη τεχνικό κοινό. (ΔΟΕ 1, ΔΟΕ 5)
• PLO 3: Αξιολόγηση και βελτιστοποίηση συστημάτων τεχνητής νοημοσύνης για απόδοση, επεκτασιμότητα και ασφάλεια, ιδιαίτερα σε περιβάλλοντα υπολογιστών που βασίζονται σε σύννεφο και κατανεμημένα. (ΔΟΕ 2, ΔΟΕ 4)
• PLO 4: Συνθέστε ηθικούς συλλογισμούς, συμπεριλαμβανομένων εκείνων που ενημερώνονται από μια χριστιανική κοσμοθεωρία, κατά την ανάπτυξη και την ανάπτυξη λύσεων τεχνητής νοημοσύνης, επιδεικνύοντας υπεύθυνες πρακτικές τεχνητής νοημοσύνης και αντιμετωπίζοντας ζητήματα δικαιοσύνης, ιδιωτικότητας και κοινωνικού αντίκτυπου. (ΔΟΕ 3, ΔΟΕ 5)
• PLO 5: Αναλύστε κριτικά τις τρέχουσες και τις αναδυόμενες τάσεις στην τεχνητή νοημοσύνη, αξιολογώντας τον πιθανό αντίκτυπό τους στις επιχειρήσεις και την κοινωνία και διαμορφώνοντας καινοτόμες στρατηγικές για την εφαρμογή τους σε οργανωτικά πλαίσια. (ΔΟΕ 2, ΔΟΕ 4, ΔΟΕ 5)