교과과정
이수구분 | 교 과 목 명(영문명) | 학 점 (학점-이론-실습) |
|
---|---|---|---|
공통기초 | 데이터과학 개론(Introduction to Data Science) | 3-3-0 | |
데이터프로그래밍 (Data Programming) | 3-3-0 | ||
데이터사이언스 수학(Data Science Math) | 3-3-0 | ||
데이터사이언스 통계(Data Science Statistics) | 3-3-0 | ||
데이터컴퓨팅(Data Computing) | 3-3-0 | ||
머신러닝(Machine Learning) | 3-3-0 | ||
데이터시각화(Data Visualization) | 3-3-0 | ||
데이터베이스(Database) | 3-3-0 | ||
전공 | 전공심화 | 딥러닝(Deep learning) | 3-3-0 |
자연어처리(Natural Language Processing) | 3-3-0 | ||
영상처리(Image Processing) | 3-3-0 | ||
데이터기반의사결정(Data-based Decision Making) | 3-3-0 | ||
의생명데이터분석론(Biomedical Data Analysis) | 3-3-0 | ||
데이터사이언스세미나(Data Science Seminar) | 3-3-0 | ||
통계분석 프로그래밍(Statistical Analysis Programming) | 3-3-0 | ||
전공융합 | 데이터사이언스 윤리와 법제(Ethis and Laws for Data Science) | 3-3-0 | |
데이터사이언스응용(Applied Data Science) | 3-3-0 | ||
의생명응용(Biomedical Application) | 3-3-0 | ||
해운항만응용(Shipping and Port Application) | 3-3-0 | ||
금융응용(Finance Application) | 3-3-0 | ||
스마트제조응용(Smart Manufactuing Application) | 3-3-0 | ||
국가통계이해 및 응용(National Statistics and Application) | 3-3-0 | ||
논문연구 | 논문연구(Thesis Research) | 3-3-0 |
영역별 수료학점
학과(전공)명 | 일반선택 | 전 공 | 부전공 | 자유선택 | 수료학점 | |||
---|---|---|---|---|---|---|---|---|
전문소양 | 융복합 | 계 | 전공 | 논문연구 | ||||
논문학위과정 | 27 | 3 | 30 | |||||
교과요목
데이터과학개론 (영문명: Introduction to Data Science)
다양한 전공의 학생들이 데이터 기반 문제를 해결하는 데 필요한 기초 이론 지식, 분석력 등 데이터 사이언스의 핵심 원리와 기법을 소개하고, 데이터 중심 사고와 의사결정을 배운다.
데이터프로그래밍 (영문명: Data Programming)
데이터의 수집, 전처리, 탐색적 데이터 분석 및 예측모델 적용, 가시화에 필요한 프로그래밍 언어를 배운다. 특히, 다양한 파이썬 패키지들을 활용해 문제에 적용하고 해결하는 능력을 배양한다.
데이터사이언스수학 (영문명: Data Science Math)
데이터사이언스를 이해하기 위한 수학적 개념에 대한 이해를 바탕으로 기초 수학, 미적분, 벡터와 행렬, 확률과 통계 등을 데이터에 적용하여 프로그래밍 언어와 함께 학습한다.
데이터사이언스 통계 (영문명: Data Science Statistics)
- 강의 주제: 데이터과학을 위한 기본적인 통계 이론 및 프로그래밍 강의를 통해, 연구디자인, 통계, 검정 등의 데이터과학 연구를 위한 통계학을 학습한다.
- 강의 목표: 데이터 분석하고 가설을 검정할 수 있는 기본적인 통계 이론 및 프로그래밍에 대해 학습하여, 실제 산업 현장에서 응용되는 통계적 구성 및 문제 해결 능력을 함양하고자 함.
- 강의 세부 내용
- - 통계학의 기본
- - 검정의 기본 개념
- - 검정결과의 확률적 해석
- - 통계적 검정 결과 도출을 위한 연구 디자인
데이터사이언스컴퓨팅 (영문명: Data Computing)
프로그래밍의 기본 원리와 개념, 데이터를 효율적으로 구성하고 다루는 방법, 전반적인 컴퓨터 시스템 및 프로그램 실행 방법과 기초적인 프로그래밍 언어 사용을 배운다.
머신러닝 (영문명: Machine Learning)
데이터사이언스에서 다루어지는 지도학습, 비지도 학습, 그래픽 모델 및 기본 강화 학습을 이해하고 이를 데이터를 이용하여 모델을 학습하는데 필요한 지식을 습득한다.
데이터시각화 (영문명: Data Visualization)
정보를 명확하고 효과적으로 전달하기 위해서 사용자가 분석 결과를 이해하기 쉽게 그래픽 의미를 이용하여 시각적으로 표현하고 전달하는 법을 배운다. 분석 결과 스토리텔링, 시각화 등 빅데이터 분석 결과 시각화의 이론과 실습을 다룬다.
데이터베이스 (영문명: Database)
데이터베이스 및 빅데이터시스템의 기본 이론을 배우고, 시스템을 구축하는데 필요한 설계, 구현과 관련된 기본 지식을 습득한다. 이를 바탕으로 설계 실습 및 시스템에 적용이 가능할 수 있도록 프로젝트를 수행한다.
딥러닝 (영문명: Deep learning)
데이터사이언스의 중요 과정 중 하나인 딥러닝 과목에서는 정형 데이터와 이미지, 음성과 같은 비정형 데이터 및 시계열 데이터에 응용할 수 있는 심층 인공신경망 모델을 배운다. 본 과정에서는 Attention 및 트랜스포머와 같은 시퀀스기반 모델과 정형 데이터 및 비정형 데이터에 대한 학습, 데이터 생성 모델에 대한 학습이 포함된다.
자연어처리 (영문명: Natural Language Processing)
자연어 및 비정형 데이터를 자연어 처리 기술에 기반하여 데이터를 효율적으로 분석하기 위한 자동화 방법을 학습하고, 이를 데이터 사이언스 분야에서 사례 기반 프로젝트를 경험한다.
영상처리 (영문명: Image Processing)
이미지 및 영상 데이터의 특성을 이해하고, 처리, 분류, 인식하기 위한 여러 가지 방법론을 배우고, 실제 환경에 적용 가능한 영상인식시스템을 개발, 평가할 수 있는 소양을 갖춘다.
데이터기반의사결정 (영문명: Image Processing)
데이터를 정확하게 측정하고 분석하는 방법을 이해하고 이를 바탕으로 비즈니스를 발전시킬 수 있는 데이터 기반 의사결정에 대해 배운다. 이를 통해 데이터를 관리하고 분석하는 역량을 강화시킨다.
의생명데이터분석론 (영문명: Biomedical Data Analysis)
- 강의 주제: 의생명 분야 데이터를 다루기 위한 응용 통계이론 및 프로그래밍을 학습한다.
- 강의 목표: 실제 의생명 분야에서 수집되는 데이터를 이해하고, 연구 디자인에 따라 적합한 분석 방법을 선택하며, 분석을 직접 수행함.
- 강의 세부 내용
- - 의생명 데이터의 이해
- - 의생명 연구디자인
- - 연관성 분석, 생존분석
- - 인과성 추정
데이터사이언스세미나 (영문명: Data Science Seminar)
데이터 사이언스 전문가를 초빙하여 최근 동향 및 실제 사례 기반 데이터 분석과정을 경험해볼 수 있는 특강 교육을 진행한다. 이를 토대로 실무 경험에서 연구주제를 발굴한다.
통계분석 프로그래밍 (영문명: Statistical Analysis Programming)
- 강의 주제: 통계분석을 위한 프로그래밍(R/SAS)을 학습함
- 강의 목표: 실제 데이터를 이용하여 통계분석을 통계분석 프로그램인 R과 SAS를 이용하여 수행할 수 있음
- 강의 세부 내용
- - 통계 분석 프로그램 이해
- - 통계분석 이론
- - R/SAS 코드 학습
데이터사이언스윤리와법제 (영문명: Ethis and Laws for Data Science)
데이터 과학자가 도덕적, 윤리적으로 행동, 행위를 하는데 도움이 되는 기준에 대해 배우고 윤리의식을 함양할 수 있도록 가치를 이해하고, 연구한다.
데이터사이언스응용 (영문명: Applied Data Science)
데이터 사이언스의 이론을 응용하여 산업의 문제를 해결할 수 있는 능력을 배양함과 동시에 데이터로부터 부가가치를 만들어내고 이를 서비스화할 수 있는 소양을 배양한다.
의생명응용 (영문명: Biomedical Application)
데이터사이언스의 의생명 분야 적용 사례에 대해서 살펴보고, 산업 이해(domain knowledge)와 더불어 실제 데이터를 통해 적용해봄으로써 의생명 산업의 문제를 해결하는 능력을 배양한다.
해운항만응용 (영문명: Shipping and Port Application)
데이터사이언스의 해운/항만 분야 적용 사례에 대해서 살펴보고, 산업 이해(domain knowledge)와 더불어 실제 데이터를 통해 적용해봄으로써 해운/항만 산업의 문제를 해결하는 능력을 배양한다.
금융응용 (영문명: Finance Application)
현재 금융공학 전반적인 이해 및 기술 동향에 대해 살펴보고, 금융 산업의 발전을 위해 데이터 기반 방법론을 이해하고 응용할 수 있는 능력을 배울 것이다.
스마트제조응용 (영문명: Smart Manufactuing Application)
데이터사이언스의 제조/물류 분야 적용 사례에 대해서 살펴보고, 산업 이해(domain knowledge)와 더불어 실제 데이터를 통해 적용해봄으로써 제조/물류 산업의 문제를 해결하는 능력을 배양한다.
국가통계 이해 및 응용 (영문명: National Statistics and Application)
- 강의 주제: 국가통계 산출을 위한 연구디자인, 샘플링, 분석 방법론에 대해 이해하고, 직접 데이터를 기반으로 산출을 수행
- 강의 목표: 실제 국가통계에 사용되는 연구디자인과 샘플링 방법에 대한 이론을 학습하고, 연구를 설계하여 국가통계를 산출해보는 것을 목표로 함
- 강의 세부 내용
- - 국가통계의 이해
- - 국가통계 산출을 위한 연구 디자인
- - 샘플링 이론
- - 데이터 기반 실습
논문연구
데이터사이언스 이론을 습득하고, 교수 학생간 토론을 통해 새로운 이론으로 확장, 개발하고, 이에 대한 공식화를 통해서 논문으로 작성할 수 있는 능력을 배양한다.