교과과정
| 학수번호 | 교과목명 | 설명 |
|---|---|---|
| G18857 |
데이터사이언스개론 (Introduction to Data Science) |
본 교과목에서는 데이터사이언스 분야에 대한 전반적인 지식을 학습한다. 데이터에 대한 이해, 분석 방법론, 응용 분야 및 사례에 대해서 학습한다. 본 교과목에서 배운 내용은 타 교과목에서 보다 심화, 확장된다. |
| G18858 |
빅데이터프로그래밍 (Big Data Programming) |
데이터사이언스 기법들을 직접 구현하기 위한 컴퓨터 프로그래밍 언어를 배우고 실습한다. 파이썬/R 등의 데이터사이언스 분야에서 가장 널리 사용되는 프로그래밍 언어를 익힌다. |
| G18859 |
데이터사이언스통계 (Data Science Statistics) |
본 교과목에서는 모집단의 모수를 추정 및 추론하는 심화된 방법을 다룬다. 이를 위해 여러 확률분포를 소개하고 순서통계량, 최대 우도 추정, 최적 검정 등을 학습한다. 그리고 이를 실습을 통해 구현한다. |
| G18860 |
데이터사이언스수학 (Data Science Mathematics) |
본 교과목에서는 인공지능과 데이터사이언스 알고리즘의 기반이 되는 수학 이론에 대해서 학습한다. 선형 시스템과 벡터 공간에 대해 이해하고, 함수와 관련된 여러 성질을 학습한다. 그리고 이를 실습을 통해 구현한다. |
| G18861 |
데이터시각화 (Data Visualization) |
빅데이터 분석의 기본 개념과 자료의 형태에 대하여 이해하고 시각화 방법론을 학습한다. 특히 다양한 시각화 도구와 통계적 기법을 활용하여 복잡한 데이터를 직관적이고 명확하게 전달하는 능력을 학습한다. 이를 통하여 빅데이터를 시각적으로 분석하여 빅데이터로 부터 의미있는 결론에 도달할 수 있는 분석 능력을 기른다. |
| G18862 |
고급머신러닝 (Advanced Machine Learning) |
본 교과목에서는 머신러닝 방법론에 대해서 학습한다. 지도학습과 비지도학습에 대해서 학습하고, 지도학습에서는 분류, 회귀 모델에 대해서 학습한다. 머신러닝 모델의 수학적 해석을 통해 이해의 깊이를 더한다. |
| G18863 |
고급확률론 (Advance Probability Theory) |
본 교과목에서는 확률공간과 확률변수의 엄밀한 수학적 정의와 그 성질에 대해 배운다. 특별히 대수의 법칙 및 중심극한정리에 대한 깊이 있는 이해를 다룬다. |
| G18864 |
최적화이론및응용 (Optimization Theory and Applications) |
본 교과목에서는 수리적 방법론의 핵심이 되는 최적화 이론에 대해서 학습하고 그 응용 분야를 살펴본다. 선형 및 비선형 최적화, 제약 및 비제약 최적화 방법론을 학습하고, 실제 문제를 최적화 기법을 통해 해결해본다. |
| G18865 |
고급딥러닝 (Advanced Deep Learning) |
본 교과목에서는 최근 인공지능과 데이터분석의 가장 중요한 방법론인 딥러닝에 대해서 학습한다. 신경망 알고리즘에 대해서 학습하고, 이를 심화시킨 딥러닝 기법에 대해서 학습한다. 다양한 구조와 손실함수에 대해서 학습하고 응용 사례에 대해서 살펴본다. |
| G18866 |
고급통계이론 (Advanced Statistics Theory) |
본 교과목에서는 고급통계적방법 및 그 이론을 다룬다. 구체적으로 비모수 확률밀도함수 추정, 비모수 회귀분석, 생존분석 등을 학습하고 이를 실습을 통해 구현한다. |
| G18867 |
고급데이터엔지니어링 (Advanced Data Engineering) |
본 교과목에서는 데이터 엔지니어링 관점에서 필요한 데이터 처리 및 가공 이론, 기술에 대해 학습한다. 다양한 형태의 데이터를 처리할 수 있는 빅데이터 탐색, 분산처리, 축적, 파이프라인, 분석기반 구축 등에 대해 학습한다. |
| G18868 |
이미지및영상데이터분석 (Image and Video Data Analysis) |
본 교과목에서는 이미지 및 이를 시간에 따라 연결한 영상 데이터에 대한 학습 및 분석 방법론을 학습한다. 영상처리 기법을 포함하여 딥러닝 방법론을 활용하여 이미지 및 영상 데이터에서 의미있는 결론을 도출한다. |
| G18869 |
통계적학습이론 (Statistical Learning Theory) |
본 교과목에서는 통계적 기법을 활용하여 데이터에 근거하여 결론을 도출하고 예측함수를 찾아내는 통계적 학습 이론에 대해서 학습한다. 특히 머신러닝 모델들에 대한 통계적 해석 및 불확실성을 반영한 결론 도출에 대해서 학습한다. |
| G18870 |
텍스트데이터분석 (Text Data Analysis) |
본 교과목에서는 최근 가장 중요한 정보 중 하나인 텍스트 데이터에 대한 접근 및 분석 방법론에 대해서 학습한다. 자연어처리 방법론부터 딥러닝 방법론을 활용하여 텍스트 데이터로부터 의미있는 정보를 추출한다. |
| G18871 |
생성모델및강화학습 (Generative Models and Reinforcement Learning) |
최근 가장 성공적인 인공지능 모델인 생성모델과 강화학습에 대해서 학습한다. 생성모델은 확률기반 모형 및 적대적 생성 모형에 대해서 학습한다. 강화학습은 실제 문제에 대한 순차적 접근법에 대해서 학습한다. |
| G18872 |
AI데이터윤리 (AI Data Ethics) |
인공지능(AI) 활용의 윤리적 함의를 배우게 된다. “사회, 인간, 개인에 미치는 영향은 무엇인가? AI는 인간에게 봉사하는가?”등의 질문에 대해 다룬다. 윤리 문제에 대한, 그리고 이에 대한 학문간 토론은 성숙한 공동체를 확립할 수 있기 때문에 전문적 개발의 필수적인 부분이다. 학생들은 윤리적 성찰을 통해 윤리적의사결정에 도움을 줄 오리엔테이션/역량을 배울 수 있다. 본 강좌에서는 유럽위원회 AI 전문가들이 정의한 신뢰할 수 있는 AI에 대한 7가지 핵심 원칙 및 요구사항과 같은 주제를 다룬다. |
| G18873 | 확률프로세스 (Stochastic Process) |
본 교과목에서는 확률변수의 열에 대한 정의와 성질을 다룬다. 특별히 마코프 과정, 마팅게일 과정, 포아송 과정 등을 학습하고 이들의 데이터사이언스로의 응용을 학습한다. |
| G18874 |
소셜네트워크분석 (Social Networks Analysis) |
소셜네트워크는 실제 사람들이 사회적 관계를 통해 구성한 네트워크를 말하며, 최근 소셜미디어가 활성화되며 소셜네트워크의 데이터를 습득하고 분석하기가 쉬워졌다. 본 교과목에서는 소셜미디어 데이터를 통해 사람에게 직접적으로 영향을 줄 수 있는 분석 결과를 도출하는 방법론을 학습한다. |
| G18875 |
고급의사결정론 (Advanced Decision Making Theory) |
데이터를 단순히 분석하는것에서 벗어나 데이터 분석 결과를 활용하여 실제 문제에서의 의사결정 상황을 다룬다. 전통적 의사결정 이론에서부터 운용과학, 순차적의사결정 이론에 이르기까지 다양한 상황에서의 의사결정 이론을 다룬다. |
| G18876 |
고급추천시스템 (Advanced Recommendation Systems) |
추천시스템은 데이터사이언스의 가장 중요한 응용분야 중 하나이다. 추천시스템 분야에서 널리 사용되어온 컨텐츠 기반 추천, 협업필터 기반 추천을 포함해 최신 딥러닝 기반 추천 방법론을 학습한다. |
| G18877 |
설명가능한인공지능 (Explainable AI) |
인공지능 기법이 고도화됨에 따라 모델의 해석과 설명이 매우 중요해졌다. 모델의 예측에 대한 해석을 하고, 모델의 판단 논리에 대해 분석하는 방법론을 학습한다. 모델의 해석을 통해 모델의 신뢰도를 결정하고 타인을 설득할 수 있는 근거를 마련한다. |
| G18878 |
빅데이터및분산시스템 (Big Data and Distributed Systems) |
일반 데이터베이스에서 처리하기 힘든 용량(volume), 속도(velocity), 다양성(variety)을 가진 빅데이터에 대해서 이해하고 이를 처리 및 저장하기 위한 방법에 대해서 학습한다. 궁극적으로 데이터로부터 가치(value)를 찾아내기 위한 데이터 처리 과정에 대해 학습한다. |
| G188779 | 고급비즈니스애널리틱스 (Advanced Business Analytics) |
비즈니스 영역에 데이터분석이 어떻게 활용되는지 사례중심으로 살펴본다. |
| G18880 |
고급금융데이터분석 (Advanced Financial Data Analytics) |
금융 분야는 수리적 방법론이 가장 정확하게 적용되는 분야 중 하나이며, 데이터사이언티스트가 오래 활동해온 분야이다. 본 교과목에서는 금융 데이터에 대한 분석 방법론에 대해서 학습하고 실제 금융 데이터에 대한 실습을 진행한다. |
| G18881 | 바이오메디컬데이터분석 (Bio-Medical Data Analytics) |
의학, 약학, 생물학, 공학 등 다양한 바이오메디컬 분야에서 생성되는 데이터의 중요성이 점점 커짐에 따라, 이러한 데이터를 효과적으로 이해하고 분석하는 능력이 중요시 되고 있다. 본 교과목에서는 바이오메디컬 데이터를 다루기 위한 기초적인 통계적 이론과 분석 방법론을 학습한다. 더 나아가, 다양한 통계적 기법을 실제 바이오메디컬 데이터에 적용하여, 연구 및 실무에서 유의미한 결과를 도출하는 실전 능력을 학습한다. |
| G18882 |
빅데이터와스마트팩토리 (Big Data and Smart Factory) |
Industry 4.0을 통해 제조 분야에서도 데이터 및 모델에 기반한 지능화 솔루션들이 활발하게 도입되고 있다. 본 교과목에서는 우리나라 산업의 가장 큰 비중을 차지하는 제조 분야에서 데이터사이언스의 역할과 적용 방법론, 사례에 대해서 학습한다. |
| G18883 |
빅데이터와인문사회과학 (Big Data and Humanity, Social Science) |
데이터사이언스의 장점은 공학이나 자연과목 분야 뿐만 아니라 인문 및 사회과학 분야에도 적용이 가능하다는 데에 있다. 또한, 인공지능 기술이 일반인의 삶에 깊숙히 들어오면서 인문사회과학적인 분석과 논의가 매우 중요해지고 있다. 본 교과목에서는 인문 및 사회과학 분야에서 데이터사이언스의 적용 가능성 및 사례에 대해서 학습한다. |
| G18884 |
빅데이터와인지과학 (Big Data and Cognitive Science) |
디지털 트랜스포메이션 및 인공지능 응용의 기저에는 인간 컴퓨터 상호작용(HCI) 및 인지과학 연구가 밑바탕이 되고 있다. 본 수업에서는 인지과학에서 다루는 이론 및 HCI 방법론을 소개하고, 데이터사이언스 분야에서 인지과학과 HCI 분야가 어떻게 활용되고 있는지 살펴본다. |
| G18885 |
데이터사이언스특강I (Topics in Data Science I) |
본 교과목에서는 데이터사이언스 분야에서 시급하게 논의되어야할 주제나 급성장하고 있는 주제에 대해서 다룬다. 필요에 따라서는 외부 연사를 초청하여 다양한 관점을 배운다. |
| G18886 | 데이터사이언스특강II (Topics in Data Science II) |
본 교과목에서는 데이터사이언스 분야에서 시급하게 논의되어야할 주제나 급성장하고 있는 주제에 대해서 다룬다. 필요에 따라서는 외부 연사를 초청하여 다양한 관점을 배운다. |