과기대포털 | 서울과학기술대학교 | 회원가입 | 로그인
교과목 개요
 교과과정 교과목 개요
1학기 교과목 개요
데이터 사이언스 개론 (Introduction to Data Science)
통계학, 컴퓨터공학, 산업공학, 사회과학 등이 결합된 융합학문인 데이터 사이언스의 개념을 이해하고 데이터 과학자로서 갖추어야 할 역량들을 함양하기 위한 학습 로드맵을 제시한다. 또한, 데이터 사이언스의 기초가 되는 기술 및 추론 통계학(Descriptive & Inferential Statistics)의 이론적 학습과 함께 실습을 수행한다.

데이터 분석을 위한 수학 (Mathematics for Data Science)
데이터 분석의 도구로 활용되는 데이터마이닝/기계학습 방법론들을 이해하고 활용하기 위한 확률 및 통계, 선형대수, 최적화 관련 기본적인 수학 지식을 학습한다.

데이터 처리 언어 (Analytical Languages)
데이터 사이언스의 주요 분석도구로서 사용될 Python 언어를 학습한다. Python의 기본적인 활용법과 함께 통계 분석에 대한 실습을 수행하고, 이를 바탕으로 텍스트 처리, 웹문서 처리

데이터 마이닝 (Data Mining)
대용량의 데이터로부터 유용한 지식을 탐색/발견하는 데이터마이닝의 기본 개념을 학습하고 분류 및 회귀, 군집화, 연관 규칙 분석, 이상치 탐지 등 데이터마이닝 주요 방법론에 대한 이론적 이해와 비즈니스 활용 사례를 탐구한다. 또한 Python을 이용하여 데이터마이닝 방법론 구현 및 활용에 대한 실습을 수행한다.

데이터베이스 시스템 (Database Systems)
SQL, 트랜잭션 관리, 정규화, 질의 최적화 등 데이터베이스의 고급 기술과 분산 데이터베이스 이론을 학습한다. 실용적인 예제 및 실생활의 문제를 바탕으로 상용 데이터베이스(Oracle)를 이용한 실습을 수행한다.
2학기 교과목 개요
비정형 데이터 분석 (Unstructured Data Analysis)
빅데이터 환경에서 생산되는 다양한 형태의 데이터(웹, 텍스트, 멀티미디어)에 대한 수집, 처리 및 분석에 대한 방법론을 학습하고 Python Language를 이용한 실습을 수행한다.

심화 기계 학습 (Advanced Machine Learning)
빅데이터 분석의 핵심 기술인 기계 학습의 심화 알고리즘인 Support Vector Machine, Ensemble learning, Graph 기반 모델 등의 이론적 원리를 학습하고 Python을 이용한 알고리즘 구현 및 실제 사례 적용 등의 실습을 수행한다.

빅데이터 관리 시스템 (Big Data Management Systems)
Google, Facebook, Amazon과 같은 거대기업에서 다루는 데이터의 유형 및 크기에 대한 분석을 통하여 빅데이터 관리 시스템의 중요성을 배운다. HBase, Cassandra, MongoDB, Redis, Neo4J 등 다양한 빅데이터 관리 시스템을 학습하고 실습한다.

데이터 시각화 (Data Visualization)
빅데이터를 효과적으로 시각화하는 기법을 학습한다. 기본적인 데이터의 시각화 디자인 기법과 평가 방법에 더하여 다변량/텍스트/네트워크 데이터 등 다양한 형태의 데이터에 대한 시각화 기법을 R 및 Python 언어를 통해 구현 및 검증한다.

다변량 통계분석 (Multivariate Statistics)
회귀분석, 요인분석 및 군집분석 등 다변량 통계기법에 대한 수리적인 개념의 이해와 R을 활용한 실습을 수행한다.
3학기 교과목 개요
빅데이터 보안 (Security in Big Data)
빅데이터 환경에서 대량의 데이터 수집 및 분석을 바탕으로 향상되는 삶의 질 이면에 대두되는 보안관련 이슈를 이해하고 이를 해결하기 위한 기술적인 방법론의 이론적 학습 및 실습을 수행한다.

사회연결망 분석 (Social Network Analysis)
사회적 관계(연결망)에 대한 분석을 통해 사회현상에 담긴 함의를 분석한다. 사회연결망 분석의 이론적 배경, 주요 개념 및 방법, 자료의 수집과 분석 방법 등을 다루고, 연결망분석을 활용한 연구결과를 조사함과 동시에 정해진 주제를 토대로 자료 수집 및 분석 능력을 함양한다.

비즈니스 어낼리틱스 (Business Analytics)
실제 비즈니스 환경에서 직면하는 이슈를 이해하고, 이러한 이슈들에 대해 데이터 사이언스 관점에서 문제를 정의하고 해결하는 과정을 그룹 프로젝트를 통해 수행한다. 이 과정에서 데이터 분석 방법론의 구현 뿐만 아니라, 데이터 과학자로서 다른 분야의 전문가들과 협업하기 위한 커뮤니케이션/프리젠테이션 기술을 학습한다.

테크놀로지 어낼리틱스 (Technology Analytics)
특허와 논문 등 과학기술 DB를 대상으로 기계학습, 비정형 데이터 분석, 데이터 시각화 등 다양한 데이터사이언스 분석 기법을 활용하여 기업의 기술 수준 및 성과를 분석하고 미래 기술을 예측함으로써 기술예측, 기술평가, 지적재산권관리 등 기술경영 활동의 주요 의사결정을 지원하기 위한 이론 및 방법론을 습득한다.
4학기 교과목 개요
인공신경망과 딥러닝 (Neural Networks and Deep Learning)
인공신경망의 기본 원리와 활용 방법에 대해 학습하고 딥러닝의 발전 과정과 응용 사례들에 대해 알아본다. 또한 공개된 라이브러리를 이용하여 딥러닝 프로젝트를 수행한다.

데이터 사이언스 특론 (Advanced Topics in Data Science)
공공 및 민간 분야의 전문가 강연 및 패널 토론을 통해 데이터 사이언스 분야에 대한 국가 정책 방향, 최신 기술 동향 및 향후 전망, 활용 성공 사례 등을 학습한다.

빅데이터 사례연구 (Case Study on Big Data)
데이터 사이언스 관점에서 제조, 서비스, 공공 등 여러 분야에서 빅데이터를 활용한 Best Practice를 분석하고 연구함으로써 데이터 분석을 통한 인사이트 도출 및 실행 전략 수립에 대한 사례를 탐구한다.

빅데이터 고급 분석 (Advanced Big Data Analytics)
전반적인 빅데이터 분석 프로세서, 기계 학습 방법론을 익히고 빅데이터를 저장하고 이에 기계 학습 알고리즘을 적용할 수 있는 분석 플랫폼의 사용 방법을 실습한다.
[01811] 서울 노원구 공릉로 232 서울과학기술대학교 데이터사이언스학과
Copyright © Seoul National University of Science&Technology. All rights Reserved