| 교과목번호 | 교과목명 | 교과목 설명 |
|---|---|---|
| GDS0002 | 데이터과학수학 Data Science Mathematics |
선형대수, 미적분, 확률과통계 등 데이터사이언스에 필요한 수학 중 반드시 필수적인 부분만 선별하여, 복잡한 증명이나 문제 풀이가 아닌 개념과 실습 위주로 학습한다. By selecting only essential parts of the mathematics necessary for data science, such as linear algebra, calculus, probability, and statistics, the students focus on concepts and practices, not complex proofs or problem-solving. |
| GDS0005 | 머신러닝 Machine Learning |
머신러닝의 기초 개념과 다양한 기법을 소개하며, 실습을 통해 실제 분석과정을 경험해 보게 된다. 머신러닝에 대한 이론적 기초와 실용적 응용방법을 모두 접해봄으로써, 본인의 연구 혹은 업무에 머신러닝을 적용하는 능력을 갖추게 된다. This course introduces the basics of machine learning. Through different methods of practice, students will be able to experiment with various machine learning analysis techniques. By exposing students to both theoretical and practical application methods of machine learning, this course will equip students with appropriate machine learning skills for their own research projects. |
| GDS0006 | 데이터과학통계 Statistics for Data Science |
이 과목은 데이터과학에 필요한 다양한 통계 방법들의 기초 개념을 소개하고 공개 데이터를 이용해 분석과정을 경험해 보고, R 프로그래밍 능력을 갖추게 한다. This course introduces the basic concepts of various statistical methods related to data science. Once the course is completed, students are expected to program using R and learn analyses processes that use public data. |
| GDS0007 | 딥러닝 Deep Learning |
이 과정에서 딥러닝의 기초가 되는 신경망의 원리, 딥러닝의 학습 원리와 분류와 회귀를 위한 딥러닝의 다양한 모델들을 배운다. 이를 위하여 CNN, RNN, LSTM, Attention Mechanism 등의 학습 원리와 이를 이용한 응용 시스템에 대하여 학습한다. This course teaches the principles of neural networks (the basis of deep learning), principles of deep learning, and deep learning models for classification and regression. To understand these principles, this course further teaches CNN, RNN, LSTM, Attention Mechanism, and various application systems. |
| GDS0009 | 융복합논문연구 Interdisciplinary Thesis Study |
융복합 데이터과학 논문을 준비하는 학생들에게 논문작성법과 문헌조사, 개인의 연구결과를 효과적으로 상대방에게 전달하는 발표능력을 함양시킬 수 있는 기회를 부여하고 최근의 연구동향 등을 초청강연을 통해서도 접할 수 있도록 하며, 연구진행상황을 보고케 한다. This seminar aims to hone thesis writing methods, efficient literature review, and effective presentations abilities for students preparing interdisciplinary data science papers. Guest lecturers are also invited for more practical advice. Finally, by having students report their research progress, the seminar aims to teach students how to set up effective timelines. |
| GDS0011 | 농산업데이터마이닝 Data Mining for Agriculture |
이 과목은 농산업 데이터 마이닝에 적합한 모델링 과정 및 다양한 데이터 마이닝 기법들에 대한 학습을 한 후에, 농산업 데이터 마이닝이 적용된 여러 사례에 대해서 발표하고 토의한다. This study teaches various modeling processes adapted to agricultural data mining. Specific cases, where agricultural data mining has been applied, will be analyzed, discussed, and presented by students. |
| GDS0014 | 데이터과학컴퓨팅특강 Topics in Computing for Data Science |
데이터 과학에서 사용된 컴퓨팅 방법에 대하여 강의, 토의하며, 교재와 최근 발표된 논문을 선정하여 연구 방법 및 결과, 목적 등을 종합적으로 검토한다. Special lectures and discussions are given on computing methods used in data science in this course. Textbooks and recently published papers are selected to comprehensively review research methods, results, and purposes. |
| GDS0015 | 영상처리 Image Processing |
이 과정은 시각을 위한 딥러닝 방법을 학습한다. 학생들은 사진의 디지털 표현, 손으로 쓴 문서, X-ray 및 센서 이미지를 포함한 원시 이미지 파일로 작업한다. 이미지 데이터를 처리하여 픽셀을 숫자 텐서로 변환하여 후속 분석 및 모델링을 수행한다. This course reviews deep learning methods regarding vision. Students will work with raw image files, including digital representations of photographs, hand-written documents, x-rays, and sensor images. They will further process image data, converting pixels into numeric tensors for subsequent analysis and modeling. |
| GDS0016 | 자연어처리 Natural Language Processing |
자연어 형태의 텍스트를 가지고 의미있는 데이터를 추출하여 분석하기 위한 텍스트 마이닝 기법을 배운다. 즉 텍스트 데이터를 수집하는 방법, 키워드 트렌드 분석, 감성 분석, 토픽 분석, 딥러닝기반 텍스트 분석 기법 등을 배우고 실습하는 기회를 갖는다. This course introduces text mining techniques used to analyze meaningful data from text in the form of natural language. In other words, students will have the opportunity to learn and practice how to collect text data, analyze keyword trends, perform sentimental analysis, execute topic modeling, and use deep learning-based text analysis techniques. |
| GDS0017 | 현장실습 Field Practice and Learning |
이 과정은 데이터 과학 분야 관련 기업체 및 공공기관에서 실습이며 관련 기업체의 정규직 및 인턴쉽 지원에 대한 정보를 얻을 수 있다. This course offers shadowing opportunities in companies and public institutions related to data science. During the course, further information on full-time and internship offers from each company can be obtained. |
| GDS0018 | 창의적융합프로젝트 Creative Interdisciplinary Capstone Project |
캡스톤 과정은 데이터 과학 실습에 초점을 맞춘다. 졸업논문 대신 이론을 바탕으로 프로젝트를 기획, 설계, 제작하게 하여 산업현장에서 필요한 인재를 기르는 교육과정이다. The capstone course focuses on the application of data science. As a master’s thesis replacement, this project allows students to produce more practical outputs based on theories learned throughout their master’s program to cultivate the necessary skills in the professional field. |
| GDS0020 | 머신러닝심화 Advanced Machine Learning |
머신러닝의 심화 개념과 다양한 기법을 소개하며, 실습을 통해 실제 분석과정을 경험해 보게 된다. 머신러닝에 대한 심화 이론와 실용적 응용방법을 모두 접해봄으로써, 본인의 연구 혹은 업무에 머신러닝을 적용하는 능력을 갖추게 된다. This course introduces the advanced principles of machine learning. Through different methods of practice, students will be able to experiment with various machine learning analysis techniques. By exposing students to both theoretical and practical application methods of machine learning, this course will equip students with advanced machine learning skills for their own research projects. |
| GDS0022 | 데이터과학통계심화 Advanced Statistics for Data Science |
이 과목은 선형 회귀 모델,, 일반화 선형모델, 변수 추출, 인과 추론 등 데이터과학에 필요한 심화 통계 개념을 다룬다. 공개 데이터를 이용해 분석과정을 경험해 보고, R 프로그래밍 능력을 갖추게 한다. This course covers advanced statistical concepts necessary for data science such as linear regression model, generalized linear model, variable selection, and causal inference. Students will be equipped with R programming skills through analytical experience. |
| GDS0024 | 딥러닝심화 Advanced Deep Learning |
딥러닝의 심화 원리와 다양한 심화 모델들을 배운다. 이를 위하여 비지도학습, 강화학습, Transformer, GAN, VAE 등의 심화 모델의 원리와 이를 이용한 응용 시스템에 대하여 학습한다. This course teaches the advnaced principles of deep learning. To understand these principles, this course further teaches unsupervised learning, reinforcement learning, Transformer, GAN, VAE, and various application systems. |
| GDS0026 | IoT데이터분석 IoT Data Analytics |
본 과목은 사물인터넷(Internet of Things: IoT) 기기, 센서, 네트워크를 구성하여 데이터를 생성 및 전송하고, IoT 플랫폼에서 시계열 데이터를 저장, 전처리 및 분석하기 위해 사용되는 기술과 방법들을 소개한다. This course introduces technologies and tools used to create and transmit data by configuring IoT devices, sensors, and networks, and to store, preprocess, and analyze time series data in the IoT platform. |
| GDS0028 | 데이터과학정보이론학 Information Theory for Data Science |
데이터에 대한 정보 개념과 정보량 측정 도구로써 정보 이론을 이해한다. 또한 딥러닝 학습시 성능 지표로써 손실함수를 정의하기 위한 엔트로피와 상호정보량 개념을 이해하여 다양한 확률분포 유사도와 정보의 불확실성을 다룬다. This course provides an understanding of information theory as a concept of information about data and a tool for measuring the amount of information. It also provides the concepts of entropy and mutual information to define the loss function as a performance metric in deep learning, dealing with the similarity of various probability distributions and the uncertainty of information. |
| GDS0029 | 모빌리티시각지능 Mobility Visual Intelligence |
본 강의는 시각 데이터 처리를 위한 고급 딥러닝 알고리즘을 활용하여 시각적 특징을 이해하고 사물 탐지와 같은 과업을 수행하는 방법 및 시각 임베딩 분야의 최신기술 등을 다룬다. This course covers the use of advanced deep learning algorithms for processing visual data and how they can be used to understand visual features and perform tasks such as object detection. It also covers the latest technologies in the field of visual embeddings. |
| GDS0031 | 빅데이터분석 Bigdata Analysis |
이 교과는 정형, 비정형 데이터를 포함한 데이터들에 대해 적용가능한 분석기법을 다룬다 This course covers analytical techniques that can be applied to data including structured and unstructured data. |
| GDS0032 | 데이터베이스시스템 Database System |
데이터를 컴퓨터에 효율적으로 저장하고 관리하는 체계적인 기법을 학습함으로써 다양한 분야에서 데이터베이스를 구축하고 활용하는 능력을 배양한다. This course is designed to introduce students to the foundations of database systems, focusing on basics such as the relational algebra and data model, query optimization, query processing, and transactions. |
| GDS0033 | 데이터과학응용보안 Applied Data Science and Machine Learning for Cybersecurity |
이 과정은 확률,통계,머신러닝 등 데이터사이언스 과정에서 다루는 기본 지식을 활용하여 사이버 보안 관련된 문제들을 해결할 수 있는 다양한 실습들을 진행한다. This course provides a crash-course introduction to practical data science, statistics, probability, and machine learning. The course is structured as a series of short discussions with extensive hands-on labs that help students to develop useful intuitive understandings of how these concepts relate and can be used to solve real-world problems related cyber security |
| GDS0034 | 데이터프로그래밍 Data Science Programming |
데이터과학에서 많이 사용되는 언어인 파이썬의 특징 및 문법에 대해 학습하고, 이를 바탕으로 간단한 프로그램을 스스로 설계 및 코딩함으로써 기본적인 프로그래밍적 사고를 형성하는 것을 목표로 한다. It aims to form basic programming thinking by learning the characteristics and grammar of Python, a language widely used in data science, and designing and coding simple programs by oneself based on those. |
| GDS0035 | 데이터수집및시각화 Data acquistion and visualization |
데이터 수집, 분석 그리고 시각화와 관련있는 인기있는 모듈의 활용법을 실습을 통해 습득하고, 최근 다양한 분야에서 활용되고 있는 공공데이터에 대한 데이터 분석 및 시각화를 실습을 통해 수행한다. This course teaches popular modules related to data collection, analysis, and visualization through more practical practices and training. Furthermore, using these approaches, data analysis and visualization of public data will also be explored. |
| GDS0036 | 데이터과학SW플랫폼 Software Platforms for Data Science |
"이 과정에서는 다양한 데이터 구조를 이해하고 이를 이용한 계산 알고리즘을 학습하고 데이터를 시각화, 저장 및 처리하기 위해 소프트웨어 플랫폼의 사용을 배우고 실습한다. 또한 학생들은 많은 양의 데이터를 효과적으로 처리하는 방법을 배울 것이다. This course aims to teach students various data structures and computational algorithms based on these data structures. Furthermore, students will practice using software platforms that visualize, store, and process data. Finally, students will be taught how to handle large volumes of data effectively and efficiently." |
| GDS0038 | 데이터과학윤리와법 Ethics and Law for Data Science |
이 과정은 데이터 획득 및 배포와 관련된 윤리적, 법적 문제뿐만 아니라 개인 정보 보호도 검토한다. 또한 암호화와 블록체인 기술뿐만 아니라 네트워크, 시스템, 데이터베이스 보안 등 사이버 보안에 대한 소개가 진행된다. This course reviews ethical and legal issues regarding data acquisition and dissemination, as well as privacy protection. Additionally, the course provides an introduction to cybersecurity: network, system, and database security, as well as encryption and blockchain technologies. |
| GDS0039 | 금융데이터분석 Fnancial Data Analytics |
이 과목은 금융 데이터 분석의 기본 원리와 방법론을 다룬다. 금융 데이터의 수집, 처리, 시각화 및 분석 기술을 통해 다양한 금융상품을 이해한다. 시계열 분석, 몬테카를로 시뮬레이션과 같은 통계적 방법과 머신러닝, 딥러닝과 같은 인공지능 기반 분석 방법을 학습하고, 이를 금융 데이터에 적용하여 차이점을 비교하고 이해한다. 이 과정을 통해 실무적인 금융 의사결정에 필요한 분석 역량을 강화한다. This course focuses on the fundamental principles and methodologies of financial data analysis. It involves understanding various financial products through the collection, processing, visualization, and analysis of financial data. Students will learn statistical methods like time series analysis and Monte Carlo simulation, alongside AI-based analysis techniques such as machine learning and deep learning. The course aims to apply these methods to financial data, comparing and understanding their differences, thereby enhancing the analytical skills essential for practical financial decision-making. |
| GDS0041 | 진화알고리즘및응용 Evolutionary Algorithms |
이 교과목에서는 진화 알고리즘을 활용하여 머신러닝 및 딥러닝 학습 모델의 성능 향상을 위한 방법 소개한다. This course introduces evolutionary algorithms and their applications, particularly for improving machine learning and deep learning performance. |
| GDS0042 | 엣지컴퓨팅과데이터과학 Edge Computing and Data Science |
이 과목은 엣지컴퓨팅 기술을 활용하여 IoT 기기에서 생성되는 데이터를 효율적으로 수집, 처리, 분석하는 방법을 학습한다. 실시간 데이터 분석 및 분산 처리의 개념을 이해하고, 다양한 엣지 컴퓨팅 기반의 IoT 데이터 활용 사례를 통해 실무 능력을 배양한다. This course explores methods for efficiently collecting, processing, and analyzing data generated by IoT devices using edge computing technologies. Students will gain an understanding of real-time data analytics and distributed processing concepts. Practical skills will be developed through various case studies of IoT data applications based on edge computing. |
| GDS0043 | 그래프데이터와네트워크분석 Graph Data and Network Analysis |
이 교과는 소셜 네트워크, 교통망, 인용 네트워크 등의 다양한 네트워크를 분석하는 방법을 다룬다. 그래프 데이터로부터 네트워크를 생성하는 과정부터, 특성 측정, 모형화, 커뮤니티, 전파과정 등 네트워크 과학을 응용과 예제 중심으로 폭넓게 다룬다. This course introduces how to analyze various networks, such as social networks, transportation networks, and citation networks. From constructing networks from graph data, this course broadly covers network science through applications and examples, including network measures, network models, communities, and diffusion processes. |
| GDS0044 | 시계열분석과랜덤프로세스 Time Series Analysis and Random Processes |
이 과목은 시계열 데이터의 특성과 패턴을 분석하고, 이를 기반으로 예측 및 모델링을 수행하는 방법을 학습한다. 또한, 랜덤 프로세스의 개념과 주요 이론을 이해하고 이를 실제 데이터 분석에 적용하여 통계적 의사결정을 지원하는 방법을 익힌다. This course focuses on analyzing the characteristics and patterns of time series data and learning methods for forecasting and modeling based on this analysis. It also covers the concepts and key theories of random processes and teaches students how to apply them to real-world data analysis to support statistical decision making. |
| GDS0045 | 역학원론 Principles of Epidemiology |
[보건의료트랙] 이 과목은 역학의 기본 원칙과 응용을 다루며, 질병의 원인과 분포를 이해하기 위한 방법론을 학습한다. 이는 공중보건 데이터를 분석하고 해석하는 기초적인 역학 개념을 제공한다 This course covers the basic principles and applications of epidemiology, focusing on methods for understanding the causes and distribution of disease. It provides essential epidemiological concepts for analyzing and interpreting public health data. |
| GDS0046 | 생물통계학 Biostatistical Inference |
[보건의료트랙] 생물통계학에서 사용되는 추론 기법을 학습한다. 모집단과 표본 간의 관계를 이해하고, 신뢰 구간과 가설 검정 등 통계적 추론을 통해 실질적인 데이터를 분석하는 방법을 배운다. This course focuses on the inferential techniques used in biostatistics. Students will learn to understand the relationship between populations and samples and to analyze real-world data using statistical inference methods, including confidence intervals and hypothesis testing. |
| GDS0047 | 보건의료인공지능 Artificial Intelligence in Healthcare |
[보건의료트랙] 이 과목은 보건의료 분야에서 활용되는 인공지능 기술과 알고리즘을 이해하고, 데이터 분석 및 의사결정 지원 방법들을 학습한다. 의료 데이터 기반의 예측 모델, 영상 분석, 자연어 처리 등의 AI 응용 사례를 다룬다. This course explores artificial intelligence technologies and algorithms used in healthcare. Students will learn methods for data analysis and decision support, focusing on AI applications such as predictive models, image analysis and natural language processing based on healthcare data. |
| GDS0048 | 생존분석 Survival Analysis |
[보건의료트랙] 생존 분석은 시간-사건 데이터(time-to-event data)를 분석하는 방법을 다룬다. 검열(censoring) 종류, 위험 함수(hazard function), 생존 함수(survivor function), 누적 위험 함수(cumulative hazard function), Kaplan-Meier 및 보험 수리 추정법을 사용한 생존 분포 추정, 로그 순위 검정(log-rank test) 및 기타 검정을 통한 생존 비교 등에 대해 배운다. Survival analysis focuses on methods for analyzing time-to-event data. Topics include types of censoring, hazard functions, survivor functions, and cumulative hazard functions. Students will learn to estimate survival distributions using methods such as Kaplan-Meier and actuarial estimation, and to compare survival rates using log-rank tests and other statistical tests. |
| GDS0049 | 유전체데이터처리 Genomic Data Manipulation |
[보건의료트랙] 유전체 데이터에 대한 소개, 해석을 위한 계산 방법, 그리고 현재의 기능 유전체학 연구에 대한 개요를 다룬다. 생물학적 데이터 처리, 대용량 데이터셋을 위한 프로그래밍, 고속 처리 데이터(시퀀싱, 프로테오믹스, 유전자 발현 등) 등에 대해 배우고 실습한다. This course provides an introduction to genomic data, computational methods for interpretation, and an overview of current functional genomics research. Topics include biological data processing, programming for large datasets and high-throughput data analysis, such as sequencing, proteomics and gene expression. Hands-on exercises are included to enhance practical skills. |
| GDS0050 | 종단데이터분석 Analysis of Longitudinal Data |
[보건의료트랙] 의료 연구에서 널리 사용되는 종단 데이터 분석을 다루는 이 과목은 시간이 지남에 따라 동일한 대상을 반복적으로 측정한 데이터를 분석하는 통계 기법을 가르친다. 생의학 연구에서 흔히 나타나는 불균형 및 불완전한 데이터 세트를 포함한다. 주요 주제로는 상관된 데이터 분석 소개, 반응 프로파일 분석, 매개변수 곡선 맞춤, 공분산 패턴 모델, 무작위 효과 및 성장 곡선 모델, 종단 데이터에 대한 일반화 선형 모델(일반화 추정 방정식(GEE) 및 일반화 선형 혼합 효과 모델(GLMM)) 등이 포함된다. This course focuses on longitudinal data analysis, which is widely used in medical research, and teaches statistical techniques for analyzing data collected repeatedly over time from the same subjects. It includes how to deal with unbalanced and incomplete data sets commonly encountered in biomedical studies. Key topics include an introduction to correlated data analysis, response profile analysis, parametric curve fitting, covariance pattern modeling, random effects and growth curve models, and generalised linear models for longitudinal data such as generalised estimating equations (GEE) and generalised linear mixed effects models (GLMM). |
| GDS0051 | 사회및생물학적네트워크개론 Introduction to Social and Biological Networks |
[보건의료트랙] 네트워크 과학은 사회적 네트워크에서 병원체, 행동, 정보가 퍼지는 과정을 설명하여, 전염병의 전파를 이해하고 효과적인 개입을 계획할 수 있게 한다. 생물학적 맥락에서는 유전자 조절 네트워크, 단백질 상호작용 네트워크, 신진대사 네트워크 등에서 다양하게 응용된다. 이러한 배경에서, 본 강의는 네트워크 과학의 기본 개념들과 사회적, 생물학적 응용, Python의 NetworkX 라이브러리를 사용한 분석을 다룬다. Network Science explains how pathogens, behaviors, and information spread through social networks, enabling understanding of epidemic spreading and planning of effective interventions. In biological contexts, it is widely applied in gene regulatory networks, protein interaction networks, and metabolic networks. On this background, this course covers basic concepts of network science, social and biological applications, and analysis using Python's NetworkX library. |
| GDS0052 | 개인정보보호와관리 Privacy Protection and Management |
[보건의료트랙] 이 과목은 프라이버시와 기술이 충돌하는 여러 영역을 탐구한다. 학생들은 이러한 충돌이 실제로 존재하는지 조사하고, 기술 및 정책 측면에서 어떤 해결책이 가능한지 논의한다. 또한, 기술 사용이 개인의 프라이버시에 미치는 영향과 관련된 법률 및 규정을 검토하고, 관련된 논란과 문제들을 다룬다. This course explores various areas where privacy and technology intersect. Students will examine whether these conflicts are real and discuss possible solutions from both a technological and policy perspective. The course also examines laws and regulations related to the impact of technology on individual privacy, and addresses related controversies and challenges. |
| PDS0001 | 데이터과학수학 Data Science Mathematics |
선형대수, 미적분, 확률과통계 등 데이터사이언스에 필요한 수학 중 반드시 필수적인 부분만 선별하여, 복잡한 증명이나 문제 풀이가 아닌 개념과 실습 위주로 학습한다. By selecting only essential parts of the mathematics necessary for data science, such as linear algebra, calculus, probability, and statistics, the students focus on concepts and practices, not complex proofs or problem-solving. |
| PDS0002 | 머신러닝 Machine Learning |
머신러닝의 기초 개념과 다양한 기법을 소개하며, 실습을 통해 실제 분석과정을 경험해 보게 된다. 머신러닝에 대한 이론적 기초와 실용적 응용방법을 모두 접해봄으로써, 본인의 연구 혹은 업무에 머신러닝을 적용하는 능력을 갖추게 된다. This course introduces the basics of machine learning. Through different methods of practice, students will be able to experiment with various machine learning analysis techniques. By exposing students to both theoretical and practical application methods of machine learning, this course will equip students with appropriate machine learning skills for their own research projects. |
| PDS0003 | 딥러닝 Deep Learning |
이 과정에서 딥러닝의 기초가 되는 신경망의 원리, 딥러닝의 학습 원리와 분류와 회귀를 위한 딥러닝의 다양한 모델들을 배운다. 이를 위하여 CNN, RNN, LSTM, Attention Mechanism 등의 학습 원리와 이를 이용한 응용 시스템에 대하여 학습한다. This course teaches the principles of neural networks (the basis of deep learning), principles of deep learning, and deep learning models for classification and regression. To understand these principles, this course further teaches CNN, RNN, LSTM, Attention Mechanism, and various application systems. |
| PDS0004 | 농산업데이터마이닝 Data Mining for Agriculture |
이 과목은 농산업 데이터 마이닝에 적합한 모델링 과정 및 다양한 데이터 마이닝 기법들에 대한 학습을 한 후에, 농산업 데이터 마이닝이 적용된 여러 사례에 대해서 발표하고 토의한다. This study teaches various modeling processes adapted to agricultural data mining. Specific cases, where agricultural data mining has been applied, will be analyzed, discussed, and presented by students. |
| PDS0005 | 데이터과학컴퓨팅특강 Topics in Computing for Data Science |
데이터 과학에서 사용된 컴퓨팅 방법에 대하여 강의, 토의하며, 교재와 최근 발표된 논문을 선정하여 연구 방법 및 결과, 목적 등을 종합적으로 검토한다. Special lectures and discussions are given on computing methods used in data science in this course. Textbooks and recently published papers are selected to comprehensively review research methods, results, and purposes. |
| PDS0006 | 영상처리 Image Processing |
이 과정은 시각을 위한 딥러닝 방법을 학습한다. 학생들은 사진의 디지털 표현, 손으로 쓴 문서, X-ray 및 센서 이미지를 포함한 원시 이미지 파일로 작업한다. 이미지 데이터를 처리하여 픽셀을 숫자 텐서로 변환하여 후속 분석 및 모델링을 수행한다. This course reviews deep learning methods regarding vision. Students will work with raw image files, including digital representations of photographs, hand-written documents, x-rays, and sensor images. They will further process image data, converting pixels into numeric tensors for subsequent analysis and modeling. |
| PDS0007 | 자연어처리 Natural Language Processing |
자연어 형태의 텍스트를 가지고 의미있는 데이터를 추출하여 분석하기 위한 텍스트 마이닝 기법을 배운다. 즉 텍스트 데이터를 수집하는 방법, 키워드 트렌드 분석, 감성 분석, 토픽 분석, 딥러닝기반 텍스트 분석 기법 등을 배우고 실습하는 기회를 갖는다. This course introduces text mining techniques used to analyze meaningful data from text in the form of natural language. In other words, students will have the opportunity to learn and practice how to collect text data, analyze keyword trends, perform sentimental analysis, execute topic modeling, and use deep learning-based text analysis techniques. |
| PDS0008 | 현장실습 Field Practice and Learning |
이 과정은 데이터 과학 분야 관련 기업체 및 공공기관에서 실습이며 관련 기업체의 정규직 및 인턴쉽 지원에 대한 정보를 얻을 수 있다. This course offers shadowing opportunities in companies and public institutions related to data science. During the course, further information on full-time and internship offers from each company can be obtained. |
| PDS0009 | 머신러닝심화 Advanced Machine Learning |
머신러닝의 심화 개념과 다양한 기법을 소개하며, 실습을 통해 실제 분석과정을 경험해 보게 된다. 머신러닝에 대한 심화 이론와 실용적 응용방법을 모두 접해봄으로써, 본인의 연구 혹은 업무에 머신러닝을 적용하는 능력을 갖추게 된다. This course introduces the advanced principles of machine learning. Through different methods of practice, students will be able to experiment with various machine learning analysis techniques. By exposing students to both theoretical and practical application methods of machine learning, this course will equip students with advanced machine learning skills for their own research projects. |
| PDS0010 | 데이터과학통계심화 Advanced Statistics for Data Science |
이 과목은 선형 회귀 모델,, 일반화 선형모델, 변수 추출, 인과 추론 등 데이터과학에 필요한 심화 통계 개념을 다룬다. 공개 데이터를 이용해 분석과정을 경험해 보고, R 프로그래밍 능력을 갖추게 한다. This course covers advanced statistical concepts necessary for data science such as linear regression model, generalized linear model, variable selection, and causal inference. Students will be equipped with R programming skills through analytical experience. |
| PDS0011 | 딥러닝심화 Advanced Deep Learning |
딥러닝의 심화 원리와 다양한 심화 모델들을 배운다. 이를 위하여 비지도학습, 강화학습, Transformer, GAN, VAE 등의 심화 모델의 원리와 이를 이용한 응용 시스템에 대하여 학습한다. This course teaches the advnaced principles of deep learning. To understand these principles, this course further teaches unsupervised learning, reinforcement learning, Transformer, GAN, VAE, and various application systems. |
| PDS0012 | IoT데이터분석 IoT Data Analytics |
본 과목은 사물인터넷(Internet of Things: IoT) 기기, 센서, 네트워크를 구성하여 데이터를 생성 및 전송하고, IoT 플랫폼에서 시계열 데이터를 저장, 전처리 및 분석하기 위해 사용되는 기술과 방법들을 소개한다. This course introduces technologies and tools used to create and transmit data by configuring IoT devices, sensors, and networks, and to store, preprocess, and analyze time series data in the IoT platform. |
| PDS0013 | 데이터과학정보이론학 Information Theory for Data Science |
데이터에 대한 정보 개념과 정보량 측정 도구로써 정보 이론을 이해한다. 또한 딥러닝 학습시 성능 지표로써 손실함수를 정의하기 위한 엔트로피와 상호정보량 개념을 이해하여 다양한 확률분포 유사도와 정보의 불확실성을 다룬다. This course provides an understanding of information theory as a concept of information about data and a tool for measuring the amount of information. It also provides the concepts of entropy and mutual information to define the loss function as a performance metric in deep learning, dealing with the similarity of various probability distributions and the uncertainty of information. |
| PDS0014 | 모빌리티시각지능 Mobility Visual Intelligence |
본 강의는 시각 데이터 처리를 위한 고급 딥러닝 알고리즘을 활용하여 시각적 특징을 이해하고 사물 탐지와 같은 과업을 수행하는 방법 및 시각 임베딩 분야의 최신기술 등을 다룬다. This course covers the use of advanced deep learning algorithms for processing visual data and how they can be used to understand visual features and perform tasks such as object detection. It also covers the latest technologies in the field of visual embeddings. |
| PDS0015 | 빅데이터분석 Bigdata Analysis |
이 교과는 정형, 비정형 데이터를 포함한 데이터들에 대해 적용가능한 분석기법을 다룬다 This course covers analytical techniques that can be applied to data including structured and unstructured data. |
| PDS0016 | 데이터베이스시스템 Database System |
데이터를 컴퓨터에 효율적으로 저장하고 관리하는 체계적인 기법을 학습함으로써 다양한 분야에서 데이터베이스를 구축하고 활용하는 능력을 배양한다. This course is designed to introduce students to the foundations of database systems, focusing on basics such as the relational algebra and data model, query optimization, query processing, and transactions. |
| PDS0017 | 데이터과학응용보안 Applied Data Science and Machine Learning for Cybersecurity |
이 과정은 확률,통계,머신러닝 등 데이터사이언스 과정에서 다루는 기본 지식을 활용하여 사이버 보안 관련된 문제들을 해결할 수 있는 다양한 실습들을 진행한다. This course provides a crash-course introduction to practical data science, statistics, probability, and machine learning. The course is structured as a series of short discussions with extensive hands-on labs that help students to develop useful intuitive understandings of how these concepts relate and can be used to solve real-world problems related cyber security |
| PDS0018 | 데이터프로그래밍 Data Science Programming |
데이터과학에서 많이 사용되는 언어인 파이썬의 특징 및 문법에 대해 학습하고, 이를 바탕으로 간단한 프로그램을 스스로 설계 및 코딩함으로써 기본적인 프로그래밍적 사고를 형성하는 것을 목표로 한다. It aims to form basic programming thinking by learning the characteristics and grammar of Python, a language widely used in data science, and designing and coding simple programs by oneself based on those. |
| PDS0019 | 데이터수집및시각화 Data acquistion and visualization |
데이터 수집, 분석 그리고 시각화와 관련있는 인기있는 모듈의 활용법을 실습을 통해 습득하고, 최근 다양한 분야에서 활용되고 있는 공공데이터에 대한 데이터 분석 및 시각화를 실습을 통해 수행한다. This course teaches popular modules related to data collection, analysis, and visualization through more practical practices and training. Furthermore, using these approaches, data analysis and visualization of public data will also be explored. |
| PDS0020 | 데이터과학SW플랫폼 Software Platforms for Data Science |
이 과정에서는 다양한 데이터 구조를 이해하고 이를 이용한 계산 알고리즘을 학습하고 데이터를 시각화, 저장 및 처리하기 위해 소프트웨어 플랫폼의 사용을 배우고 실습한다. 또한 학생들은 많은 양의 데이터를 효과적으로 처리하는 방법을 배울 것이다. This course aims to teach students various data structures and computational algorithms based on these data structures. Furthermore, students will practice using software platforms that visualize, store, and process data. Finally, students will be taught how to handle large volumes of data effectively and efficiently. |
| PDS0021 | 데이터과학윤리와법 Ethics and Law for Data Science |
이 과정은 데이터 획득 및 배포와 관련된 윤리적, 법적 문제뿐만 아니라 개인 정보 보호도 검토한다. 또한 암호화와 블록체인 기술뿐만 아니라 네트워크, 시스템, 데이터베이스 보안 등 사이버 보안에 대한 소개가 진행된다. This course reviews ethical and legal issues regarding data acquisition and dissemination, as well as privacy protection. Additionally, the course provides an introduction to cybersecurity: network, system, and database security, as well as encryption and blockchain technologies. |
| PDS0022 | 금융데이터분석 Fnancial Data Analytics |
이 과목은 금융 데이터 분석의 기본 원리와 방법론을 다룬다. 금융 데이터의 수집, 처리, 시각화 및 분석 기술을 통해 다양한 금융상품을 이해한다. 시계열 분석, 몬테카를로 시뮬레이션과 같은 통계적 방법과 머신러닝, 딥러닝과 같은 인공지능 기반 분석 방법을 학습하고, 이를 금융 데이터에 적용하여 차이점을 비교하고 이해한다. 이 과정을 통해 실무적인 금융 의사결정에 필요한 분석 역량을 강화한다. This course focuses on the fundamental principles and methodologies of financial data analysis. It involves understanding various financial products through the collection, processing, visualization, and analysis of financial data. Students will learn statistical methods like time series analysis and Monte Carlo simulation, alongside AI-based analysis techniques such as machine learning and deep learning. The course aims to apply these methods to financial data, comparing and understanding their differences, thereby enhancing the analytical skills essential for practical financial decision-making. |
| PDS0023 | 진화알고리즘및응용 Evolutionary Algorithms |
이 교과목에서는 진화 알고리즘을 활용하여 머신러닝 및 딥러닝 학습 모델의 성능 향상을 위한 방법 소개한다. This course introduces evolutionary algorithms and their applications, particularly for improving machine learning and deep learning performance. |
| PDS0024 | 엣지컴퓨팅과데이터과학 Edge Computing and Data Science |
이 과목은 엣지컴퓨팅 기술을 활용하여 IoT 기기에서 생성되는 데이터를 효율적으로 수집, 처리, 분석하는 방법을 학습한다. 실시간 데이터 분석 및 분산 처리의 개념을 이해하고, 다양한 엣지 컴퓨팅 기반의 IoT 데이터 활용 사례를 통해 실무 능력을 배양한다. This course explores methods for efficiently collecting, processing, and analyzing data generated by IoT devices using edge computing technologies. Students will gain an understanding of real-time data analytics and distributed processing concepts. Practical skills will be developed through various case studies of IoT data applications based on edge computing. |
| PDS0025 | 그래프데이터와네트워크분석 Graph Data and Network Analysis |
이 교과는 소셜 네트워크, 교통망, 인용 네트워크 등의 다양한 네트워크를 분석하는 방법을 다룬다. 그래프 데이터로부터 네트워크를 생성하는 과정부터, 특성 측정, 모형화, 커뮤니티, 전파과정 등 네트워크 과학을 응용과 예제 중심으로 폭넓게 다룬다. This course introduces how to analyze various networks, such as social networks, transportation networks, and citation networks. From constructing networks from graph data, this course broadly covers network science through applications and examples, including network measures, network models, communities, and diffusion processes. |
| PDS0026 | 데이터과학통계 Statistics for Data Science |
이 과목은 데이터과학에 필요한 다양한 통계 방법들의 기초 개념을 소개하고 공개 데이터를 이용해 분석과정을 경험해 보고, R 프로그래밍 능력을 갖추게 한다. This course introduces the basic concepts of various statistical methods related to data science. By the end of the course, students are expected to be able to programme using R and to learn analysis processes using public data. |
| PDS0027 | 시계열분석과랜덤프로세스 Time Series Analysis and Random Processes |
이 과목은 시계열 데이터의 특성과 패턴을 분석하고, 이를 기반으로 예측 및 모델링을 수행하는 방법을 학습한다. 또한, 랜덤 프로세스의 개념과 주요 이론을 이해하고 이를 실제 데이터 분석에 적용하여 통계적 의사결정을 지원하는 방법을 익힌다. This course focuses on analyzing the characteristics and patterns of time series data and learning methods for forecasting and modeling based on this analysis. It also covers the concepts and key theories of random processes and teaches students how to apply them to real-world data analysis to support statistical decision making. |
| PDS0028 | 고급융복합논문연구 Interdisciplinary Thesis Study |
융복합 데이터과학 논문을 준비하는 박사 학생들에게 논문작성법과 문헌조사, 개인의 연구결과를 효과적으로 상대방에게 전달하는 발표능력을 함양시킬 수 있는 기회를 부여하고 최근의 연구동향 등을 초청강연을 통해서도 접할 수 있도록 하며, 연구진행상황을 보고케 한다. This course aims to refine thesis writing methods to the Ph.D. students, efficient literature review and effective presentation skills for students preparing interdisciplinary data science papers. By having students report on their research progress, the course aims to teach students how to set up effective timelines. |
