발전기금
교과목명을 클릭하시면 과정 설명을 볼 수 있습니다.
| 학수번호 | 교과목명 | 학점 |
자기 학습 시간 |
영역 | 학위 |
이수 학년 |
비고 | 언어 |
개설 여부 |
|---|---|---|---|---|---|---|---|---|---|
| ADS5001 | 데이터사이언스기초 | 3 | 6 | 전공 | 석사/박사 | 1-8 | - | No | |
| 이 과목은 빅데이터의 개념, 이슈, 문제들을 소개한다. 다양한 도메인에서 데이터 저장, 마이닝, 분석, 시각화, 응용 등의 이슈를 다룬다. 더불어 빅데이터를 다루기 위한 도구, 알고리즘, 플랫폼 등을 배운다. 학생들은 비즈니스, 공학, 사회학, 생명과학 분야에서 현장 프로젝트나 케이스 연구를 통한 실용적인 지식을 얻게 된다. | |||||||||
| ADS5002 | 기초통계 | 3 | 6 | 전공 | 석사/박사 | 1-8 | 한 | Yes | |
| 이 과목에서는 효과적인 데이터 분석을 위해 R 로 프로그래밍하는 법과 R 을 사용하는 법을 배운다. 통계 프로그래밍 환경에 필요한 소프트웨어를 설치하고 구성하는 방법을 배우고 일반 프로그래밍 언어 개념을 상위 수준의 통계 언어로 구현해본다. 이 과정에서는 R 프로그래밍, 데이터 처리, 패키지 활용, 프로그래밍 개발, 디버깅와 같은 통계 컴퓨팅의 실질적인 문제를 다룬다. | |||||||||
| ADS5003 | 빅데이터처리 | 3 | 6 | 전공 | 석사/박사 | 1-8 | 한 | Yes | |
| 빅데이터 시스템은 일반적인 데이터베이스와 인터페이스가 유사하지만 구조는 매우 다르다. 이 과목은 빅데이터의 특성을 고려하여 원활하게 처리하기 위해 필요한 기술을 다룬다. Hadoop 환경에서 빅데이터 적재, 처리, 통합, 정책 등을 학습한다. 빅데이터 시스템을 이해하고 이러한 시스템에서 어떻게 데이터를 다루어야 하는 지를 이해한다. | |||||||||
| ADS5004 | 데이터분석언어 | 3 | 6 | 전공 | 석사/박사 | 1-8 | 한 | Yes | |
| 이 과목은 학생들이 Python 과 R 을 이용한 스킬 개발과 통계문제 해결을 위한 기회를 제공한다. 학생들은 효율적인 데이터 분석을 위해 프로그래밍 언어와 그 사용법을 알게 된다. 통계적 프로그램 환경하에서 필요한 소프트웨어 설치 및 세팅, 일반적인 프로그래밍 개념도 익히게 된다. 이 과목은 데이터 처리 및 기본 통계분석을 강조한다. | |||||||||
| ADS5005 | 다변량통계 | 3 | 6 | 전공 | 석사/박사 | 1-8 | 한 | Yes | |
| 이 과정에서는 다 변수 통계 모델에 대하여 학습한다. 수학 이론, 실제 데이터 적용, 계산 기술 등을 학습한다. 전통적인 다변량 모델과 최근 기술에 대하여 학습한다. 본 과정에서는 회의, 데이터 표현, 차원 축소, 분류, 추정 그리고 분류기의 불확실성 문제를 다룬다. 회귀, 데이터 감소 및 차원 감소, 분류, 예측 및 분류자 불안정 문제를 해결하는 방법을 학습한다. | |||||||||
| ADS5006 | 기계학습특론 | 3 | 6 | 전공 | 석사/박사 | 1-8 | 한 | Yes | |
| 이 과정은 기계 학습, 데이터 마이닝 및 통계 패턴 인식을 소개한다. 주제는 다음과 같다 : (i) Supervised learning (parametric/non-parametric algorithms, support vector machines, kernels, neural networks). (ii) Unsupervised learning (clustering, dimensionality reduction, recommender systems, deep learning). (iii) Best practices in machine learning (bias/variance theory; innovation process in machine learning and AI). 이 과정에서는 수많은 사례 연구 및 응용 프로그램을 활용하여 스마트 로봇 (지각, 제어), 텍스트 이해 (웹 검색, 스팸 방지), 컴퓨터 비전, 오디오에 학습 알고리즘을 적용하는 방법도 학습한다. | |||||||||
| ADS5007 | 인공지능 | 3 | 6 | 전공 | 석사/박사 | 1-8 | - | No | |
| 이 과목의 목표는 인공지능의 주요 분야에서 개발된 여러가지 이론과 기법을 학습하는 것이다. 학습하게 될 주요내용은 문제해결 및 탐색, 논리와 지식표현, 추론, 기계학습, 소프트컴퓨팅, 데이터마이닝과 현재 연구분야의 주요 주제들이다. | |||||||||
| ADS5010 | 선형대수응용 | 3 | 6 | 전공 | 석사/박사 | 1-8 | 한 | Yes | |
| 이 과목은 벡터 공간과 벡터 공간에서의 선형 변환을 학습한다. 선형 대수는 분석 기하학, 공학, 물리학, 자연 과학, 컴퓨터 과학 및 사회 과학에서도 사용된다. 선형 방정식, 행렬식, 실제 n 차원 벡터 공간, 추상적 벡터 공간 및 그 공리, 선형 독립, 벡터 공간, 선형 변환, 고유 값 및 고유 벡터의 솔루션의 행렬 사용 및 적용, 행렬 인수 분해 및 직교성을 학습한다. | |||||||||
| ADS5011 | 웹마이닝 | 3 | 6 | 전공 | 석사/박사 | 1-8 | - | No | |
| 웹 마이닝은 웹 리소스의 사용법, 내용 및 연결 구조와 관련된 데이터에서 흥미롭고 유용한 패턴을 자동으로 검색하는 것을 말한다. e-커머스, e-CRM, 웹 분석, 정보 검색 / 필터링, 웹 개인화 및 추천 시스템에 직접 적용되므로 컴퓨팅 및 정보 시스템에서 가장 인기있는 분야 중 하나다. 이 과정의 주요 초점은 웹 사용 마이닝과 전자 상거래 및 비즈니스 인텔리전스에 대하여 학습한다. 특히 사이트 학습, 자동 개인 설정, 추천 및 사용자 프로파일 링에 사용할 수 있는 웹 데이터로부터 유용한 지식을 추출하기 위해 기계 학습, 데이터 마이닝, 텍스트 마이닝 및 데이터베이스의 기술에 대해 알아본다. | |||||||||
| ADS5012 | 데이터모델링 | 3 | 6 | 전공 | 석사/박사 | 1-8 | - | No | |
| 이 과목은 광범위한 컴퓨터 과학 및 공학 및 일상 생활에서 발생하는 실용적인 통계 및 데이터 분석 관련 문제를 해결하는 중요한 기초를 형성한다. 학생들은 확률론에 기반한 데이터 모델링, 해석 및 분석을 이해한다. | |||||||||
| ADS5013 | 데이터베이스시스템특론 | 3 | 6 | 전공 | 석사/박사 | 1-8 | 한 | Yes | |
| 본 과목은 데이터베이스 관리 시스템(DBMS)의 전반적인 기초 개념 및 이론들을 공부한다. 소개되는 주요 내용은 DBMS의 주요 기능, 데이터 저장 방법, 외부 정렬, 트리 인덱싱, 해시 인덱싱, 질의 처리 최적화, 물리적 설계 및 튜닝, 트랜젝션 관리, 동시성 제어, 회복 기법 등이다. | |||||||||
| ADS5014 | 빅데이터플랫폼특론 | 3 | 6 | 전공 | 석사/박사 | 1-8 | - | No | |
| 이 과목은 Hadoop과 Hadoop eco system이라 불리는 Hadoop 기반 어플리케이션들을 다룬다. Hadoop 아키텍쳐, 소프트웨어 스택 및 실행 환경과 map-reduce와 같은 기본 프로세스에 대하여 학습한다. Hive, Hbase, Spark, Sqoop, Flume, Kafka, Azkaban, Ambari 등 대표적인 Hadoop ecosystem 구성 플랫폼에 대하여 학습한다. | |||||||||
| ADS5015 | 데이터시각화특론 | 3 | 6 | 전공 | 석사/박사 | 1-8 | - | No | |
| 이 과목은 데이터를 시각화하기위한 핵심 디자인 원리 및 기법을 소개한다. 이 과목은 복잡한 데이터를 분석하고 이해하기 위해 시각화 하는 방법과 효과적인 시각화를 설계하는 방법을 다룬다. 주요 내용은 2차원 벡터 그래픽스, 그래픽스 프로그래밍, 차트, 그래프, animation등의 시각화의 기초, 관계 시각화, 텍스트 및 DB등의 정보의 시각화 등이다. 나아가 상호작용하는 시각화 방법을 배운다. | |||||||||
| ADS5016 | 자연어처리 | 3 | 6 | 전공 | 석사/박사 | 1-8 | 한 | Yes | |
| 자연어 처리 (NLP)는 정보화 시대의 가장 중요한 기술 중 하나다. 복잡한 대화를 이해하는 것도 인공 지능의 중요한 분야다. 이 과정에서는 학생들이 자신의 신경망 모델을 구현, 학습, 디버깅, 시각화 및 개발하는 방법을 학습한다. 이 과정은 NLP에 적용되는 심층 학습의 최첨단 연구에 대한 철저한 소개를 제공한다. 이 과목은vector representations, window-based neural networks, recurrent neural networks, long-short-term-memory models, recursive neural networks, convolutional neural networks 포함한 최근 모델을 다룬다. | |||||||||
| ADS5017 | 최적화 | 3 | 6 | 전공 | 석사/박사 | 1-8 | - | No | |
| 본 과목은 선형 및 비선형 프로그래밍, 반복 및 유동적 프로그래밍 기법을 소개한다. 동적 프로그래밍으로 이산 조절기, 연속 최적 조절기, Hamilton-Jacobi -Bellman 방정식, 최소법칙 등을 유도한다. 또한 최소 에너지 문제, 선형 추종 문제, 출력 조절 및 최소 시간 문제 등을 다룬다. | |||||||||
| ADS5018 | 응용데이터분석 | 3 | 6 | 전공 | 석사/박사 | 1-8 | 한 | Yes | |
| 본 과목은 다양한 데이터 분석 사례를 다룬다. 학생들은 상황에 따른 데이터 분석 기법을 활용하는 방안을 학습한다. 본 과목에서 다루는 사례는 여러 도메인에서 일반적으로 직면하는 문제지만, 운영 조건이나 데이터 성질에 따라 해석 방법이 달라진다. 이를 위해 다양한 환경과 관점에서 따라서 데이터를 분석해본다. | |||||||||
| ADS5019 | 딥러닝 | 3 | 6 | 전공 | 석사/박사 | 1-8 | 한 | Yes | |
| 본 과목은 여러 분야에서 다양하게 활용되는 인공신경망 기반의 딥러닝을 다룬다. 특히 컴퓨터비전과 자연어 처리 분야에서 현대 인공신경망이 어떻게 활용되는 지 다룬다. Convolutional networks, RNNs, LSTM, Dropout 등을 학습한다. 주요 딥러닝 기술 트렌드를 소개한다. | |||||||||
| ADS5020 | 서버시스템이해 | 3 | 6 | 전공 | 석사/박사 | 1-8 | - | No | |
| 데이터 분석가가 다루는 빅데이터는 대게 분산 구성된 서버 시스템에 적재되어 있다. 이 과목은 데이터 분석가가 데이터를 다루면서 서버와 직면할 수 있는 문제를 보다 능동적으로 해결하기 위해 기초적인 분산 서버 시스템의 구조와 특성을 다룬다. 또한 모델이나 결과를 응용 서비스로 활용할 수 있도록 웹 서버를 학습한다. | |||||||||
| ADS5021 | 정보보안특론 | 3 | 6 | 전공 | 석사/박사 | 1-8 | - | No | |
| 이 과정은 컴퓨터 저장 장치에있는 정보와 컴퓨터 네트워크를 통해 이동하는 정보를 보호하는 데 사용되는 정보 보안의 기본 사항에 중점을 둔다. 이 과정에서는 정보 보안, 컴퓨터 보안 기술 및 원리, 액세스 제어 메커니즘, 암호화 알고리즘, 소프트웨어 보안, 물리적 보안, 보안 관리 및 위험 평가 등의 기본 사항을 살펴본다. | |||||||||
| ADS5022 | 캡스톤프로젝트 | 3 | 6 | 전공 | 석사/박사 | 1-8 | 한 | Yes | |
| 캡스톤 프로젝트는 학과 과정을 이수하며 학습한 이론을 응용하여 실제 데이터로 문제를 해결하기 위한 과목이다. 본 교과목은 지금까지 배운 지식을 토대로 현업에서 발생한 문제를 해결하는 프로젝트를 진행한다. 프로젝트 주제는 모두 실제 도메인에서 발생한 문제다. 학생들은 프로젝트를 진행하기 위해 도메인을 충분히 이해해야 한다. 학생들은 데이터 과학적 프로젝트를 수행하는 방법을 훈련한다. 프로젝트를 통해 문제 정의, 데이터 수집, 데이터 정제, 그리고 과학적 분석에 이르는 데이터 과학적 문제 해결 과정을 이해한다. | |||||||||
| ADS5023 | 비즈니스인텔리전스특론 | 3 | 6 | 전공 | 석사/박사 | 1-8 | - | No | |
| 이 과정은 비즈니스 관점에서 보다 나은 의사 결정을 내릴 수 있도록 데이터 분석 및 시각화 방법을 다룬다. 기초적인 통계분석과 최신 빅데이터 분석 방법을 다룬다. 일반적인 통계로는 무의미한 복잡한 데이터에서 최신 분석 기법을 활용하여 새로운 인사이트를 찾는 연습을 한다. | |||||||||
| ADS5024 | 빅데이터사례연구Ⅰ | 3 | 6 | 전공 | 석사/박사 | 1-8 | - | No | |
| 이 과목은 빅데이터 운영, 관리 및 활용 사례를 조사하여 토론한다. 학생들은 최근 몇 년간 발생한 실제 문제를 고찰해보며 분석, 발표, 응대, 그리고 리더십 스킬을 향상할 수 있다. | |||||||||
| ADS5025 | 빅데이터사례연구Ⅱ | 3 | 6 | 전공 | 석사/박사 | 1-8 | - | No | |
| 이 과목은 빅데이터 운영, 관리 및 활용 사례를 조사하여 토론한다. 학생들은 최근 몇 년간 발생한 실제 문제를 고찰해보며 분석, 발표, 응대, 그리고 리더십 스킬을 향상할 수 있다. | |||||||||
| ADS5029 | 논문연구 | 3 | 6 | 전공 | 석사/박사 | - | No | ||
| 본 과목에서는 데이터사이언스와 관련한 최근의 자료를 중심으로 자세히 정리, 분석하고 토의함으로서 빠른 속도로 발달하는 데이터사이언스 분야에서 논의되는 새로운 개념과 연구방법 등을 이해한다. 지도교수를 선정하여 그 지도하에 특정 주제를 가지고 연구를 수행함으로서 이 과정에서 실험적 기술과 새로운 사실의 탐구를 위한 접근방법 등을 습득한다. 이러한 과정에서 얻은 결과들을 학기말에 졸업논문으로 제출하고, 그 결과를 졸업논문심사 위원회에서 평가한다. | |||||||||
| ADS5030 | 자료구조/알고리즘 | 3 | 6 | 전공 | 석사/박사 | 1-4 | 한 | Yes | |
| 본 교과목에서는 기초적인 프로그래밍 지식을 가진 사람을 대상에게 연결 리스트, 스택, 큐, 트리 등 기본적인 자료구조들과 정렬, 검색, 그래프 이론 등 기초적인 알고리즘들에 대해 수업과 과제 수행을 통해 지식을 익히는 것을 목표로 한다. 본 수업에서는 데이터 구조와 알고리즘의 가장 필수적인 내용들을 자세히 다루며, 심화적인 내용에 대해서 스스로 학습할 수 있도록 개인 역량을 키우는 것을 목표로 한다. | |||||||||
| ADS5031 | IT와지적재산권보호 | 3 | 6 | 전공 | 석사/박사 | 한 | Yes | ||
| 정보기술, 데이터산업과 소프트웨어 등 다양하게 발전되는 기술과 관련하여 법적으로 또는 계약관계를 통해 보호되는 지적재산권을 바르게 이해하고, 정당한 권리자가 합리적으로 거래, 공유, 활용하며 관리하는 데에 도움이 되고자, 본 과목에서는 기술 관련 지적재산권 법률과 이슈를 소개하고, 정책 찬반 토론을 해보며, 중요 분쟁사례를 선택해 모의소송 및 각종 계약 체결을 위한 협상연습 등을 하는 과정을 통하여 기술의 지적재산권 보호 원리를 알고, 이슈를 파악하며, 실무에 적용할 수 있도록 한다. | |||||||||
| ADS5032 | 데이터사이언스응용 | 3 | 6 | 전공 | 석사/박사 | 1-8 | - | No | |
| 데이터사이언스가 실제 환경에 어떻게 적용 및 활용되는지를 이해하는 것은 매우 중요하다. 이 과목은 데이터사이언스의 기초를 습득한 후 다양한 분야에서 데이터사이언스가 어떻게 적용 및 응용 될 수 있는지를 배운다. 또한 현재 사용되는 다양한 데이터사이언스 활용 및 분석 기법들도 소개된다. | |||||||||
| ADS5033 | 미디어콘텐츠분석기법 | 3 | 6 | 전공 | 석사/박사 | 1-8 | - | No | |
| 본 강의는 기본적으로 미디어 컨텐츠를 분석함에 있어 날로 커지고 있는 데이터의 크기와 다양한 인간감각을 자극하는 복합성을 고려하는 분석기법을 다룬다. 미디어 컨텐츠는 그 자체로 시각, 청각, 촉각, 후각 및 복합 감각을 자극할 뿐만 아니라 사용자간의 소통 및 관계, 사용자와 사물간 관계, 사물과 사물간 관계를 모두 포괄하는 양상으로 발전해 나가고 있다. 이런 흐름에 맞추어 미디어 컨텐츠 분석 기법도 다양해져야 하며, 본 수업은 관련 이론과 방법론, 그리고 실제 분석 사례를 포괄적으로 다루게 될 것이다. | |||||||||
| ADS5034 | 컴퓨터 비전 | 3 | 6 | 전공 | 석사/박사 | 1-8 | 한 | Yes | |
| 본 과목은 컴퓨터에 의한 영상해석을 위한 이론을 정의한다. 영상 형성의 모델, 초기처리과정, 경계선의 검출, 영역의 확장과 분할, 움직임검출, 정합, Morphology 등의 알고리즘 소개와, 도형인식을 위한 통계적 모델, 분별함수, 결정 경계 및 법칙, 신경망 등의 이론을 강의한다 | |||||||||
| ADS5035 | 데이터기반보안과프라이버시 | 3 | 6 | 전공 | 석사/박사 | 1-8 | 한 | Yes | |
| 해당 과목은 보안과 프라이버시 문제들에 있어서 데이터 및 빅데이터 분석 기법들이 어떤 역할을 하는지를 소개한다. 특히 난해한 보안 및 프라이버시 문제를 해결을 하는데 다양한 기계학습, 인공지능 및 빅데이터 분석 방법들이 어떻게 활용 되는지 소개한다. | |||||||||