(데이터 사이언스 부문)데이터 과학자로서 습득해야 할 데이터사이언스의 기초 이론 및 방법론을 다루며, 공통 모듈과 함께 빅데이터 가치사슬을 구성하는 세 영역별로 모듈을 구성함
· (데이터 사이언스 공통, DS) 수학 및 프로그래밍 등 데이터사이언스 이론을 이해하고 분석을 수행하기 위한 기초 역량 개발 과목으로 구성
· (데이터 엔지니어링, DE) 데이터베이스, 분산처리, 클라우드 등 데이터의 수집 및 정제, 관리를 위한 교과목으로 구성
· (데이터 애널리틱스, DA) 시각화, 다변량 통계, 시계열 분석, 확률 모형 등 수집된 데이터의 효과적 분석 기법을 습득하기 위한 교과목으로 구성
· (데이터 인텔리전스, DI) 설명가능한 기계학습, 딥러닝 등 데이터 분석 결과의 해석 및 활용 관련 교과목으로 구성
(비즈니스 포텐셜 부문)산업별 비즈니스 프로세스와 빅데이터 활용 분야를 다루며, 공통 모듈과 함께 경영 기능별로 구분된 비즈니스 기능 모듈, 산업별 도메인 지식을 다루는 비즈니스와 산업 모듈로 구성됨
· (비즈니스 포텐셜 공통, BP) 데이터 기반 비즈니스의 현황과 특성을 익히고, 다양한 산업에서 빅데이터가 활용되는 사례를 폭넓게 접할 수 있는 교과목으로 구성
· (비즈니스 기능, BF) 수요 예측부터 제품 및 서비스 설계, 유통 및 마케팅으로 이어지는 기업 내부 가치사슬의 영역별로 교과목을 구성
· (비즈니스와 산업, BI) 금융, 의료, 에너지, 국방, 플랫폼, 제조 등 다양한 도메인 지식을 습득하고 및 빅데이터 기반 신산업의 특성을 이해할 수 있는 교과목으로 구성
(데이터 프로페셔녈 부문)연구자로서의 학술 역량을 배양하기 위한 논문연구 및 세미나 모듈과 실무 전문가가 갖춰야 할 현업 적응 능력을 배양하기 위한 현장실습 및 프로젝트 모듈로 구성됨
· (논문연구 및 세미나, RS) 석사 및 박사 논문연구 교과목 및 최신 연구 동향을 파악하기 위한 세미나, 데이터 과학자에 특화된 연구윤리 과목 등으로 구성
· (현장실습 및 프로젝트, IP) 석사 및 박사 현장실습 과목 및 산업체 현장 문제를 해결하는 산학연계 프로젝트 과목으로 구성