Analytical Expert : - 데이터처리 언어에 능통하며 데이터분석을 통한 문제정의, 모델구축, 결과분석의 종합적 해결 능력을 갖춘 분석 전문가 양성

Business Specialist : 다양한 제조업 및 서비스업 사례탐구를 통해 비즈니스 운영 및 전략 관점에서 데이터기반 의사결정 및 전략수립을 수행할 수 있는 비즈니스 전문가 양성

Practical Professionals : 빅데이터 관련 산업의 선도 기업들에서의 여름/겨울 방학을 이용한 인턴십 기회 제공을 통한 실무형 전문가 양성

총 이수학점: 30학점

전공필수과목: 1학기 3과목, 2학기 3과목, 3학기 1과목, 4학기 2과목 등 총 27학점

전공선택과목: 3학기 4과목, 4학기 3과목 (전공선택 최소 3과목 이상 수강 권장)

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 분석 실습을 수행한다.

데이터 처리 언어 (Analytical Languages: R & Python)
데이터 사이언스의 주요 분석도구로서 사용될 R 및 Python 언어를 학습한다. R의 기본적인 활용법과 함께 통계 분석에 대한 실습을 수행하고, Python의 기본적인 개념을 익히고 이를 바탕으로 텍스트 처리, 웹문서 처리 등의 데이터 수집 및 전처리 실습을 수행한다.

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 R을 이용하여 데이터마이닝 방법론 구현 및 활용에 대한 실습을 수행한다.
 

2학기 교과목 개요

다변량 통계분석 (Multivariate Statistics)
회귀분석, 요인분석 및 군집분석 등 다변량 통계기법에 대한 수리적인 개념의 이해와 R을 활용한 실습을 수행한다.

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, Hidden Markov Models, Bayesian Networks, Gaussian Process 등의 이론적 원리를 학습하고 R 및 Python을 이용한 알고리즘 구현 및 실제 사례 적용 등의 실습을 수행한다.
 

3학기 교과목 개요

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.

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.

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.

분산 데이터베이스 시스템 (Distributed Database System)
효율적 분석환경을 구축하기 위한 빅데이터의 실시간 수집, 저장 및 관리에 필요한 분산데이터베이스 시스템의 원리 및 구조에 대해 학습한다. 또한 분산데이터베이스 시스템 구축 및 운용에 필요한 하둡 기반 데이터베이스 및 MapReduce/NoSQL 등 관련 기술에 대한 실습을 수행한다.
 

4학기 교과목 개요

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 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.

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.