데이터사이언스대학원
교과과정
| 이수구분 | 교과목명(영문명) | 학점 (학점-이론-실습) |
|
|---|---|---|---|
| 전공 | 전공기초 | 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 | ||
| 전공핵심 | 데이터컴퓨팅(Data Computing) | 3-3-0 | |
| 머신러닝(Machine Learning) | 3-3-0 | ||
| 데이터시각화(Data Visualization) | 3-3-0 | ||
| 데이터베이스(Database) | 3-3-0 | ||
| 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 | |
석사과정 영역별 수료학점
| 학과(전공)명 | 일반선택 | 전 공 | 부전공 | 자유선택 | 수료학점 | |||
|---|---|---|---|---|---|---|---|---|
| 전문소양 | 융복합 | 계 | 전공 | 논문연구 | ||||
| 논문학위과정 | 27 | 3 | 30 | |||||
교과요목
데이터과학개론(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(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(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.
데이터사이언스통계(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(Data Computing)
프로그래밍의 기본 원리와 개념, 데이터를 효율적으로 구성하고 다루는 방법, 전반적인 컴퓨터 시스템 및 프로그램 실행 방법과 기초적인 프로그래밍 언어 사용을 배운다.
머신러닝(Machine Learning)
데이터사이언스에서 다루어지는 지도학습, 비지도 학습, 그래픽 모델 및 기본 강화 학습을 이해하고 이를 데이터를 이용하여 모델을 학습하는데 필요한 지식을 습득한다.
데이터시각화(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(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(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(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(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.
데이터기반 의사결정(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(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(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(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(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(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(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(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(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(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(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(THESIS RESEARCH)
데이터사이언스 이론을 습득하고, 교수 학생간 토론을 통해 새로운 이론으로 확장, 개발하고, 이에 대한 공식화를 통해서 논문으로 작성할 수 있는 능력을 배양한다.