교과목소개 학수번호 교과목명(영문) 교과구분 학년 학점/이론/실습 교과목해설 21105230 데이터통계입문 (INTRODUCTION TO DATA STATISTICS) 전공선택 1학년 3/3/0 데이터 분석을 위한 통계 기본 이론을 익힌다. 기술통계 기법을 통한 데이터분석 자료의 수집 및 정리, 확률 및 확률 분포를 학습한다. 또한 추리통계를통한 추정 및 검정, 분산분석, 회귀 분석을 학습한다. 21105229 파이썬데이터분석 (PYTHON DATA ANALYSIS) 전공선택 1학년 3/3/0 데이터분석 및 데이터모델링에 필수적으로 활용되는 NumPy, Pandas,Matplotlib, Scikit-learn 및 Tensorflow 등의 최신 파이썬라이브러리들을 소개한다. 이를 습득하기 위한 강의와 Real 데이터를 다루는 부분적인 실습으로교과목을 진행한다. 21102904 데이터사이언스개론 (INTRODUCTION TO DATA SCIENCE) 전공필수 2학년 3/3/0 데이터사이언스 개론은 빅데이터 시대의 요구에 맞게 부상하고 있는 새로운학제간 연구 분야인 데이터 사이언스의 개요를 다루는 교과목이다. 이 교과목을 통해 데이터의 통계, 데이터 시각화, 데이터의 분석 등의 문제 해결을 위한 여러 연구 도구나 기술들을 익히게 될 것이다. 본 교과목은 데이터 수집부터 분석에 이르는 과정, 데이터를 다루는 도구들, 통계적 모델과 기계 학습,그리고 실생활 사례들을 중점적으로 다룰 것이다. 21105366 인공지능기초 (INTRODUCTION TO ARTIFICIAL INTELLIGENCE) 전공선택 2학년 3/3/0 인공지능의 개념 및 기초 원리를 학습한다. 인공지능 개발에 필요한 문제해결기법, 지식 표현 방법, 추론 방법, 기계학습 등에 대한 기초를 익히고, 자연어처리, 컴퓨터비전, 로보틱스 등 인공지능의 여러 응용 분야를 소개한다. 21102905 데이터마이닝및분석 (DATA MINING AND ANALYSIS) 전공필수 2학년 3/3/0 데이터로부터 숨겨진 정보를 자동으로 추출하는 기술인 데이터마이닝의 기본개념과 관련 분석 기법들을 학습한다. 데이터마이닝의 기본 문제인 연관규칙분석, 군집화, 분류, 이상치발견, 회귀분석 등에 대한 개념 및 관련 알고리즘들을 공부하고, 이들을 통해 데이터 분석을 위한 기반 지식들을 습득한다. R과 같은 프로그램을 사용하여 실제로 데이터마이닝 기법을 적용하는 방법도학습한다. 21105367 AI수학 (AI MATHEMATICS) 전공선택 2학년 3/3/0 인공지능을 학습하는데 필요한 기초 수학을 배운다. 벡터와 행렬의 기초 내용과, 미분과 적분, 순열과 조합, 조건부 확률을 학습하고, 주성분분석과 인공신경망을 이해한다. 21102906 빅데이터처리 (BIG DATA PROCESSING) 전공선택 3학년 3/3/0 대용량, 초고속, 다양성 등의 특징을 가지는 빅데이터를 처리하기 위한 개념,이론, 기법, 플랫폼 등을 학습한다. 빅데이터의 저장을 위한 분산 저장 시스템, 빅데이터의 검색을 위한 NoSQL 데이터베이스, 빅데이터의 처리를 위한MapReduce 등의 프로그래밍 기법들을 살펴보고, 빅데이터 처리를 위한 대표적플랫폼인 Hadoop, Spark 등을 학습한다. 이와 함께 데이터마이닝과 같은 데이터분석 기술들이 이들 시스템에서 어떻게 수행되는지 알아본다. 21105624 생성형AI의이해 (INTRODUCTION TO GENERATIVE AI) 전공선택 3학년 3/3/0 이 교과목은 다양한 형태의 데이터 특성을 분석하고, 생성형 모델을 활용하여여러 도메인에서 데이터를 생성하는 방법을 다룬다. 생성 모델의 수학적 이론과 머신러닝, 딥러닝의 기초 개념을 학습한 후, 각 생성형 모델과 데이터 도메인 간의 연관성을 이해하고 실제 데이터 모델링 기법을 탐구한다. 21105625 딥러닝개론 (INTRODUCTION TO DEEP LEARNING) 전공선택 3학년 3/3/0 딥러닝의 기초, 이론, 응용을 학습한다. 딥러닝 모델, 학습 방법, 성능향상기법을 이해하고 CNN, RNN, Transformer 등 다양한 딥러닝 모델과 이미지 인식, 시퀀스 예측, 자연어 처리 등 딥러닝이 활용되는 여러 응용을 살펴본다. 21104603 머신러닝 (MACHINE LEARNING) 전공선택 3-4학년 3/3/0 머신러닝은 최근들어 인공지능의 중요 분야로서 4차 산업혁명의 핵심 기술이다. 본 교과목에서는 머신러닝의 기초가 되는 선형대수, 확률, 최적화 등의수학 이론을 배우고, 다층 및 심층 신경망의 구조와 학습 이론을 배운다. 이를 기반으로 CNN, GAN, RNN 등의 최신 모델을 배우고 이를 활용한 다양한 적용 예를 함께 학습한다. 21102909 사물인터넷시스템 (INTERNET OF THINGS SYSTEM) 전공선택 3-4학년 3/3/0 사물인터넷이란 인터넷을 기반으로 모든 사물을 연결하여 사람과 사물, 사물과 사물 간의 정보를 상호 소통하는 지능형 기술 및 서비스를 의미한다. 본교과목은 이러한 사물 인터넷의 기초와 특징을 이해하고 최신 동향을 살펴본다. 또한 사물인터넷 기반 시스템 설계용 시뮬레이션 툴을 사용하여 실습이이루어지며, 이러한 실습을 통해 사물 인터넷 기반 시스템을 설계하는 기본기술을 습득한다. 21104166 데이터사이언스융합특강 (SPECIAL TOPICS IN DATA SCIENCE) 전공선택 4학년 3/3/0 데이터사이언스 분야의 최신 주제들을 특강 형식으로 소개한다. - 지능형시스템개발 (INTELLIGENCE SYSTEM DEVELOPMENT) 전공선택 4학년 3/3/0 본 교과목은 최신 AI 기술을 사용한 지능형 시스템의 설계 및 개발 방법을 학습한다. 본 교과목에서 학생들은 LLM, RAG, MCP, Vector Database, Agentic AI 등의 핵심 기술을 이해하고, LangChain, LangGraph 등 최신 Agentic 프레임워크를 활용하여 실제로 동작하는 AI 기반 지능형 시스템을 구현해본다. - 자연어처리와 언어모델 (NLP WITH LANGUAGE MODELS) 전공선택 4학년 3/3/0 전통 NLP의 확률·구문·의미 이론부터 Transformer 기반 거대언어모델(LLM)까지 이론을 중심으로 현대 언어모델의 원리를 수학적, 알고리즘적 관점에서 탐구 21104165 바이오인포메틱스개론 (INTRODUCTION TO BIOINFORMATICS) 전공선택 4학년 3/3/0 Bioinformatics 학문에 대한 전반적인 개념을 다룬다. Genomics, Epigenomics등의 생물학적 배경지식과 함께 생명정보 서열정렬(sequence alignment), 서열 패턴 검색(motif search), 등의 Bioinformatics 관련 알고리즘에 대한 기본 개념들과 Transcriptome 분석 등 생명정보 분석 방법들을 습득한다. - 데이터사이언스응용 (APPLIED DATA SCIENCE) 전공선택 4학년 3/2/2 이 과목은 데이터사이언스의 핵심 이론과 기법을 실제 문제 해결에 적용하는 응용 중심 과목이다. 학생들은 산업, 사회, 공공 분야의 데이터를 활용하여 문제를 정의하고, 데이터 처리-모델링-평가-시각화-의사결정의 전 과정을 수행한다. 실습과 팀 프로젝트를 통해 실제 데이터 기반 문제 해결 능력과 협업 능력을 함양한다.
소프트웨어학부 데이터사이언스전공