교과목명을 클릭하시면 과정 설명을 볼 수 있습니다.
학수번호 | 교과목명 | 학점 |
자기 학습 시간 |
영역 | 학위 |
이수 학년 |
비고 | 언어 |
개설 여부 |
---|---|---|---|---|---|---|---|---|---|
ADS5002 | 기초통계 | 3 | 6 | 전공 | 석사/박사 | 1-8 | 데이터사이언스융합학과 | 한 | Yes |
이 과목에서는 효과적인 데이터 분석을 위해 R 로 프로그래밍하는 법과 R 을 사용하는 법을 배운다. 통계 프로그래밍 환경에 필요한 소프트웨어를 설치하고 구성하는 방법을 배우고 일반 프로그래밍 언어 개념을 상위 수준의 통계 언어로 구현해본다. 이 과정에서는 R 프로그래밍, 데이터 처리, 패키지 활용, 프로그래밍 개발, 디버깅와 같은 통계 컴퓨팅의 실질적인 문제를 다룬다. | |||||||||
ADS5004 | 데이터분석언어 | 3 | 6 | 전공 | 석사/박사 | 1-8 | 데이터사이언스융합학과 | 한 | Yes |
이 과목은 학생들이 Python 과 R 을 이용한 스킬 개발과 통계문제 해결을 위한 기회를 제공한다. 학생들은 효율적인 데이터 분석을 위해 프로그래밍 언어와 그 사용법을 알게 된다. 통계적 프로그램 환경하에서 필요한 소프트웨어 설치 및 세팅, 일반적인 프로그래밍 개념도 익히게 된다. 이 과목은 데이터 처리 및 기본 통계분석을 강조한다. | |||||||||
ADS5010 | 선형대수응용 | 3 | 6 | 전공 | 석사/박사 | 1-8 | 데이터사이언스융합학과 | 한 | Yes |
이 과목은 벡터 공간과 벡터 공간에서의 선형 변환을 학습한다. 선형 대수는 분석 기하학, 공학, 물리학, 자연 과학, 컴퓨터 과학 및 사회 과학에서도 사용된다. 선형 방정식, 행렬식, 실제 n 차원 벡터 공간, 추상적 벡터 공간 및 그 공리, 선형 독립, 벡터 공간, 선형 변환, 고유 값 및 고유 벡터의 솔루션의 행렬 사용 및 적용, 행렬 인수 분해 및 직교성을 학습한다. | |||||||||
ADS5016 | 자연어처리 | 3 | 6 | 전공 | 석사/박사 | 1-8 | 데이터사이언스융합학과 | 한 | Yes |
자연어 처리 (NLP)는 정보화 시대의 가장 중요한 기술 중 하나다. 복잡한 대화를 이해하는 것도 인공 지능의 중요한 분야다. 이 과정에서는 학생들이 자신의 신경망 모델을 구현, 학습, 디버깅, 시각화 및 개발하는 방법을 학습한다. 이 과정은 NLP에 적용되는 심층 학습의 최첨단 연구에 대한 철저한 소개를 제공한다. 이 과목은vector representations, window-based neural networks, recurrent neural networks, long-short-term-memory models, recursive neural networks, convolutional neural networks 포함한 최근 모델을 다룬다. | |||||||||
ADS5030 | 자료구조/알고리즘 | 3 | 6 | 전공 | 석사/박사 | 1-4 | 데이터사이언스융합학과 | 한 | Yes |
본 교과목에서는 기초적인 프로그래밍 지식을 가진 사람을 대상에게 연결 리스트, 스택, 큐, 트리 등 기본적인 자료구조들과 정렬, 검색, 그래프 이론 등 기초적인 알고리즘들에 대해 수업과 과제 수행을 통해 지식을 익히는 것을 목표로 한다. 본 수업에서는 데이터 구조와 알고리즘의 가장 필수적인 내용들을 자세히 다루며, 심화적인 내용에 대해서 스스로 학습할 수 있도록 개인 역량을 키우는 것을 목표로 한다. | |||||||||
ADS5032 | 데이터사이언스응용 | 3 | 6 | 전공 | 석사/박사 | 1-8 | 데이터사이언스융합학과 | - | No |
데이터사이언스가 실제 환경에 어떻게 적용 및 활용되는지를 이해하는 것은 매우 중요하다. 이 과목은 데이터사이언스의 기초를 습득한 후 다양한 분야에서 데이터사이언스가 어떻게 적용 및 응용 될 수 있는지를 배운다. 또한 현재 사용되는 다양한 데이터사이언스 활용 및 분석 기법들도 소개된다. | |||||||||
ADS5034 | 컴퓨터 비전 | 3 | 6 | 전공 | 석사/박사 | 1-8 | 데이터사이언스융합학과 | 한 | Yes |
본 과목은 컴퓨터에 의한 영상해석을 위한 이론을 정의한다. 영상 형성의 모델, 초기처리과정, 경계선의 검출, 영역의 확장과 분할, 움직임검출, 정합, Morphology 등의 알고리즘 소개와, 도형인식을 위한 통계적 모델, 분별함수, 결정 경계 및 법칙, 신경망 등의 이론을 강의한다 | |||||||||
CHS5001 | 석학초빙재무금융집중세미나 | 3 | 6 | 전공 | 석사/박사 | 도전학기(대학원) | - | No | |
Finance에서 국제적인 S급 저널에 논문을 게재하려면 어떻게 준비해야 될까? 이를 위해서 해외 석학으로부터 직접 강의를 들으면서 같이 논문 작업을 출범시키거나 발전시켜서 자체적으로도 S급 저널에 게재가 활성화 되도록 촉매 역할을 하는 것이 이 과목의 목적이다. 재무 금융 분야 해외 석학을 초빙해 최신 연구 이론과 방법론 강의를 들으면서 박사과정 학생들과 해외 석학의 공동연구를 새로이 만들거나 발전시켜서 국제 S급 및 A1급 연구논문 밑 프로젝트들을 왕성하게 지속적으로 진행하도록 촉진한다. 해외 석학 교수는 자신의 연구분야 관련 서베이 발표를 하고, 여러 가지 현재 작업 중인 논문들을 발표하여 피드백을 받는다. 초빙 석학은 대학원생들과 최근 해외 S급 저널에 논문 게재 경험을 나누고, 탑저널 학술지의 editor들이나 Associate Editor들과 어떻게 의사소통해야 되는지, 그리고 각종 Top Conference에서의 경험을 공유하며, 국내외 최고 학자들과의 학술적 네트워킹 기회를 창출해낼 수 있는 전략에 대해서도 토의를 한다. 대학원생들과 교수들은 각 자 자신의 현재 작업 중인 논문들을 발표하고 석학에게 지도 받으면서 가능한 한 공동작업을 하여 장기적으로 S급 저널에 지속적으로 게재할 수 있도록 한다. | |||||||||
CHS5003 | 에이전트모델링을활용한소셜시뮬레이션 | 3 | 6 | 전공 | 석사/박사 | 도전학기(대학원) | - | No | |
우리가 살아가고 있는 세상(system)은 물리적 환경(environment)과 그 안에서 행동하는 일종의 객체인 행위자(agent)로 구성되어 있다. 각각의 행위자는 어떠한 기준에 따라 스스로 판단하고 행동하며, 이들 구성요소 간의 상호작용을 통해 다양한 현상을 보인다. 행위자 기반 모델링을 통한 시뮬레이션은 이러한 형태의 사회적 현상들을 모델링하기 위해 활용되며, 교통, 공중보건, 국방 등 다양한 분야에서 활용되고 있다. 본 과목에서는 기초 통계, 소셜 시뮬레이션의 기본 구성단위인 인구에 대한 모델링 (인구생성), 행위자 기반 모델링 방법론, 감염병 확산 분석 등을 중심으로 이론 및 연구사례를 통해 소셜 시뮬레이션의 개념과 사례를 익히는 것을 목표로 한다. | |||||||||
CHS5005 | AI스타트업과기업가정신 | 3 | 6 | 전공 | 석사/박사 | 1-4 | 도전학기(대학원) | - | No |
최근 인공지능의 적용범위가 전산업분야에 걸쳐 크게 확대되면서 AI를 핵심가치로 하는 이른바 AI 스타트업이 크게 늘어나고 있다. 이는 비단 국내뿐만 아니라 해외에서도 대세로 자리잡고 있다. 그러나 AI 스타트업이 과연 어떠한 기업가정신으로 무장하고 어떠한 비즈니스 모델로 시장에 진출하는 것이 가장 효과적인지에 대해서는 이론적 실증적 가이드라인이 없는 실정이다. 막연한 기대감과 겉모습만 AI로 치장한 AI스타트업으로는 치열한 시장경쟁에서 살아남기 어렵다. 본 과목은 이러한 현재의 AI스타트업의 문제점을 보완하기 위하여 다음과 같이 세가지 목표를 제시한다. 첫째, AI스타트업이 갖추어야 할 비즈니스모델의 유형을 세분화한다. 둘째, AI스타트업이 가져야 할 기업가정신의 유형을 소개하고 그 대표적 성공사례를 다양한 국내외 사례로 분석한다. 셋째, 랜드봇, 스테이블디퓨전, 노코드 ML/DL등의 실제 소프트웨어를 토대로 팀단위로 가상의 AI스타트업을 만들어보고 해당 스타트업의 비즈니스 모델, 기업가정신을 설정하고 그 효과성을 진단해 본다. | |||||||||
CHS7001 | 블록체인의기초 | 3 | 6 | 전공 | 학사/석사/박사 | 도전학기(대학원) | - | No | |
본 과목에서는 ‘블록체인’이라는 기술의 전반적 이해를 위한 기초개념을 다룬다. 블록체인 기술이 등장하게 된 배경 및 기술의 목적을 이해하고, 수강생 스스로 기술의 한계점 및 응용 가능성에 대해 생각해 볼 수 있는 기회를 가질 수 있도록 한다. 블록체인 기술을 최초로 도입한 대표적인 암호화폐인 비트코인의 구성 요소 및 구조를 이해하고, 나아가 탈중앙화된 플랫폼을 지향하는 이더리움의 구성 요소 및 구조를 이해하여 대표적인 두 암호화폐의 장단점 및 차이점을 체계적으로 이해한다. 또한 기술을 구성하고 있는 합의 알고리즘 (POW, POS 를 중심으로), 블록체인의 확장성, 암호경제학의 개념 및 한계점을 이해하고 이를 바탕으로 블록체인의 기술의 방향성 및 응용가능성에 대한 수강생 간의 논의를 통해 기술에 대한 수강생의 심층적인 이해를 유도한다. | |||||||||
CHS7002 | 머신러닝과딥러닝 | 3 | 6 | 전공 | 학사/석사/박사 | 도전학기(대학원) | - | No | |
본 수업에서는 기초적인 머신러닝 및 딥러닝 알고리즘의 이론 및 실습을 다룬다. 구체적으로, 선형 분류, 선형 회귀, 의사결정나무, 서포트 벡터 머신, 다층신경망, 컨볼루션 네트워크 등 실제 사례에 널리 사용되고 있는 알고리즘들을 이론 강의를 통하여 습득하고, python을 이용하여 이론에서 배운 알고리즘을 실습을 통하여 자기주도적으로 학습한다. 본 수업의 원활한 수강을 위하여, 학생들은 기본적인 미적분학, 선형대수학, 확률 및 통계, python language의 활용 등에 대한 지식이 필요하다. | |||||||||
CHS7003 | 인공지능응용 | 3 | 6 | 전공 | 학사/석사/박사 | 도전학기(대학원) | - | No | |
스탠포드 대학교의 공개 강좌인 cs231n은 이미지 인식과 딥러닝에 대한 가장 유명한 공개 강좌 중 하나이다. 본 수업은 스탠포드 대학교의 공개 강좌 cs231n을 이용하여 Flipped class 방식으로 수업을 진행한다. 본 수업을 수강하기 위해서는 학부 수준의 기본적인 수학 지식(선형대수, 미적분학, 확률/통계)와 기본적인 파이썬 기반의 코딩 능력이 요구된다. 수업에서 진행하는 구체적은 진행방식과 활동은 다음과 같다. 1) On-line 강의(English)를 청취 (학습자 주도) 2) On-line 강의(English) 청취한 내용에 대해 개별 노트 정리 (학습자 주도) 3) On-line 강의(English) 청취한 내용에 대해 QnA 토론 (학습자 주도) 4) QnA 기반의 교수자 주도의 Off-line 강의(Korean) 강의 (교수자 주도) 5) 팀별 보충 발표 (학습자 주도) 매 토픽에 대하여 위에 언급한 1) ~ 5)의 진행방식을 활용하여 학습한다. 평가는 각 활동과 과제, 중간 시험, 기말 프로젝트에 기반하여 절대평가한다. 수업에 다루는 내용은 다음과 같다. - Introduction Image Classification Loss Function & Optimization (Assignment # 1) - Introduction to Neural Networks - Convolutional Neural Networks (Assignment # 2) - Training Neural Networks - Deep Learning Hardware and Software - CNN Architectures-Recurrent Neural Networks (Assignment # 3) - Detection and Segmentation - Generative Models - Visualizing and Understanding - Deep Reinforcement Learning - Final Project. 본 수업은 이미지 인식과 관련한 딥러닝 방법에 대하여 기초부터 응용까지 다루므로 관심이 있는 학생들에게 좋은 기회가 될 것이라 생각한다. | |||||||||
CHS7004 | Python활용인문사회과학논문쓰기 | 3 | 6 | 전공 | 학사/석사/박사 | 도전학기(대학원) | 한 | Yes | |
논문을 쓰기 위한 과목으로 인문사회과학 영역의 연구를 위하여 빅데이터를 활용한 논문을 쓰기 위한 과정이다. 기본적으로 논문 쓰기 방법에 대한 학습을 하며, 논문을 위한 연구 방법론으로 프로그래밍 처리를 학습한다. 프로그래밍 언어 가운데 인문사회과학 관련 자료를 처리하기 가장 적합하며, 자료 시각화 기능이 뛰어난 파이선을 활용하여 논문 쓰는 법에 대하여 구체적으로 학습한다. 논문 작성을 위한 기본 적인 연구 방법론 및 논문 내용 구성에 대한 이론 강의가 우선 진행된다. 논문 작성을 위하여 주제 선정 및 토론이 진행된다. 주제가 선정되면 관련 연구 정리 방법에 대한 강의가 진행된다. 다음 과정으로 연구 방법론에 따라 필요한 내용 작성에 대한 학습이 진행된다. 제언 및 참고 문헌 정리 방법에 대하여 학습하여 이론적 접근법을 완성한다. 파이선 활용을 통한 자료 분석을 위하여 기본적인 파이선 문법에 대한 학습이 이루어지며, 입력 자료 처리를 위한 실습을 진행한다. 각 연구 분야에서 필요한 파이선 패키지 설치 방법 및 활용 방법에 대하여 학습한 후, 실제 데이터 처리에 대한 실습이 진행된다. 공동 연구 진행을 대비하여 쥬피터 노트북 (jupyter notebook) 사용법을 기본 환경으로 설정하여 분석할 수 있도록 학습한다. 자료 가시화를 위한 matplolib 활용법을 학습하며, 빅데이터 처리를 위한 pandas 활용을 학습한다. 이 과목의 목적은 각 전공 분야에 필요한 연구를 파이선 언어로 프로그래밍 구현을 실행하여 의미 있는 연구 결과를 도출하는 것이다. 이를 위하여 과정 기간 내에 논문 1편 완성을 목표로 한다. | |||||||||
COV7001 | 논문작성법및연구윤리1 | 1 | 2 | 전공 | 석사/박사 | 일반대학원 성균융합원 | 한 | Yes | |
1) 논문작성의 전반을 소개하고, 논문작성의 필수적인 교양을 습득한다. 2) 연구 결과를 영어로 표현하는 효과적인 방법을 공부함으로써 향후 국내외학술지에 효율적으로 논문을 개제할 수 있도록 한다. 3) 연구 윤리를 습득한다. | |||||||||
DAI4001 | 인공지능과프로그래밍 | 3 | 6 | 전공 | 학사/석사 | 인공지능융합학과 | - | No | |
본 강좌는 프로그래밍에 대한 지식이 없는 비전공자를 대상으로 인공지능 활용을 위한 프로그래밍 언어인 파이썬의 기본 개념을 이해하고 인공지능과 빅데이터 활용을 위한 패키지와 시각화, 실제 데이터 분석과 응용을 수행할 수 있는 능력을 함양한다. | |||||||||
DAI5001 | 인공지능기초 | 3 | 6 | 전공 | 석사/박사 | 1-8 | 인공지능융합학과 | - | No |
인공지능은 사람의 지능과 인지 기능을 흉내낼 수 있는 정보처리 모델을 연구하는 분야이다. 인공지능의 근본적인 문제로서 경험적 탐색, 추론, 학습, 지식표현 방법에 관한 이론과 근본적인 계산학적 문제들을 다룬다. 논리 기반의 정리증명, 게임이론, 지능형 에이전트 등에 관해 다루며 신경망, 진화연산, 베이지안망의 기본 원리를 학습하고 이의 응용 사례로서 전문가시스템, 컴퓨터비전, 자연언어처리, 데이터마이닝, 정보검색, 바이오정보학 등의 분야에 대해 살펴본다. | |||||||||
DAI5002 | 인공지능프로그래밍 | 3 | 6 | 전공 | 석사/박사 | 1-8 | 인공지능융합학과 | 한 | Yes |
본 강좌는 프로그래밍에 대한 지식이 없는 비전공자를 대상으로 인공지능 활용을 위한 프로그래밍 언어인 파이썬의 기본 개념을 이해하고 인공지능과 빅데이터 활용을 위한 패키지와 시각화, 실제 데이터 분석과 응용을 수행할 수 있는 능력을 함양한다. | |||||||||
DAI5003 | 인공지능을위한수학 | 3 | 6 | 전공 | 석사/박사 | 1-8 | 인공지능융합학과 | 한 | Yes |
본 과목은 인공지능융합학과에 입학하는 신입생을 위해 인공지능을 이해하고 활용하는 데 필요한기초 수학/통계를 습득하는 과목으로 향후 인공지능을 자유롭게 활용하기 위한 통계적 토대가 되는 강좌이다. 즉, 본 과목을 통해 수강생이 머신러닝을 이해하는데 있어 필요한 수학을 프로그래밍과 연계하여 학습하는데 있다. 이를 위해 본 강의는, 대수학, 미적분학, 선형대수, 기하학과 같이 머신러닝 학습 및 강좌에 필수적으로 요구되는 내용을 다루고자 한다. | |||||||||
DAI5004 | 고급머신러닝/딥러닝 | 3 | 6 | 전공 | 석사/박사 | 1-8 | 인공지능융합학과 | 한 | Yes |
본 강좌에서는 머신러닝과 딥러닝, 그리고 이와 관련된 최적화 기법들을 배우고, 기본적인 신경망에 대해서 학습한다. 그리고 영상 처리와 자연어 처리의 핵심 모델들은 CNN과 RNN의 이론과 활용, 적용에 대해 학습하고 실습을 수행한다. | |||||||||
DAI5005 | 고급데이터마이닝 | 3 | 6 | 전공 | 석사/박사 | 1-8 | 인공지능융합학과 | - | No |
데이터 마이닝은 최근 빅데이터 분석을 위한 필수 도구로 많은 관심을 받고 있다. 특히 인공지능과 컴퓨터공학에서 고급 데이터 마이닝 알고리즘 및 분석 플랫폼을 설계하고 구현하는 기술을 학습하는 것은 빅데이터와 데이터 과학 분야에서 가치 있는 지식을 도출하는 데 핵심적인 역할을 한다. 본 과목은 이를 위한 컴퓨터공학, 데이터과학 기반 고급 기술, 알고리즘, 핵심 플랫폼을 다룬다. 또한 초대용량 데이터, 초고속 데이터 등을 효과적으로 분석하는 기법을 학습한다. | |||||||||
DAI5006 | 고급자연어처리 | 3 | 6 | 전공 | 석사/박사 | 1-8 | 인공지능융합학과 | - | No |
본 수업은 온라인 수업으로 진행하고, 기말고사/발표 등 일부 수업을 오프라인으로 진행할 수 있다. 본 과목은 자연어를 입력으로 받아 전처리/분석하여 의미를 이해하고, 자연어를 출력하는 프로그램을 구현하는 것을 목표로 한다. 수업은 교수의 이론 설명과 학생들의 논문 발표로 이루어지며, 과제/발표 및 프로젝트 수행이 평가요소에 반영된다. 학생들은 본 수업을 수강하기 위하여 머신러닝과 딥러닝 기술을 이해하고 있어야 하며, 파이썬 프로그래밍 능력이 필수적으로 갖추고 있어야 한다. 수업의 내용은 자연어 전처리, NLTK 패키지 사용법, 단어 벡터 임베딩, 형태소 분석, 파싱, 머신러닝 기반 텍스트 분류/예측/생성 모델, 신경망 기반 언어 모델, NLP 응용 프로그램을 포함한다. | |||||||||
DAI5007 | 융합서비스디자인프로세스 | 3 | 6 | 전공 | 석사/박사 | 1-8 | 인공지능융합학과 | - | No |
경제적/환경적/경험적 관점의 인간 가치에 대한 분석 및 모델링, 서비스 소비자 심리 및 행동 분석 등을 기반으로 서비스 수혜자, 제공자 등 서비스 관련자의 가치 주제 및 요소를 정의하고, 이들 가치를 견인하는 관련자 행위, 상호작용 및 터치포인트를 디자인한다. 특히 이들을 관련자의 종합적 경험으로 관리하는 서비스 디자인 과정 기반 프로세스를 팀-기반 프로젝트를 통하여 학습한다. 인공지능과 데이터마이닝과 관련된 지식을 기반으로 고객 데이터 분석을 어떠한 형태로 수행하고, 이에 따른 서비스 디자인을 어떠한 형태로 수행하는 지를 학습한다 (사전선수과목: 인공지능 기초, 고급데이터마이닝, 고급머신러닝/딥러닝). | |||||||||
DAI5008 | 고급강화학습 | 3 | 6 | 전공 | 석사/박사 | 1-8 | 인공지능융합학과 | - | No |
강화 학습은 로봇공학, 게임, 소비자 모델링 등 광범위한 문제에 적용될 수 있는 대표적인 기계 학습 기법 중 하나이다. 본 수업에서는 강화 학습의 방법론으로 마르코프 의사결정 과정, 동적 프로그래밍에 의한 계획, 모델 프리예측, 모델 프리 제어, 가치 함수 근사, 정책 그레디언트, 학습과 계획, 탐구 및 탐사 등을 다루고자 한다. | |||||||||
DAI5009 | 서비스마케팅과인공지능 | 3 | 6 | 전공 | 석사/박사 | 1-8 | 인공지능융합학과 | 영 | Yes |
서비스 마케팅 이슈에 대한 이론적, 실용적 이해를 제공함과 함께, 인공지능 기술의 마케팅 분야 활용이 서비스 마케팅에 어떠한 형태로 적용될 수 있는 지 다룬다. 특히, 서비스와 유형상품에 대한 차이를 이해하고 이 차이가 전략적 방향에서 어떠한 차이를 보이게 되는지를 알게 될 것이며, 서비스 마케팅의 역할을 정의하고, 그것의 핵심 개념을 토의하며, 고객 가치, 만족, 생산성, 그리고 질을 높일 수 있는 인공지능 기술의 기획을 경험한다. 그리고 이를 통해 서비스 비즈니스에서 경쟁적 우위를 가질 수 있게 해주는 요소가 무엇인지를 알게 되며, 그 요소를 바탕으로 인공지능 서비스를 디자인해본다. | |||||||||
DAI5013 | 고급컴퓨터비전 | 3 | 6 | 전공 | 석사/박사 | 1-8 | 인공지능융합학과 | 영 | Yes |
컴퓨터비전은 최근 가장 빠르게 발전하는 인공지능의 한 분야로, 3차원 세계를 기록한 사진 및 동영상과 같은 시작정보들을 획득, 처리, 분석, 이해하는 데에 그 목적이 있다. 본 과목은 학부 컴퓨터비전과 관련한 기초적인 개념과 방법론 및 그 응용을 배운다. 본 과목에서 다루는 주제들은, 영상 처리 및 분할, 특징점 검출, 광학, 영상 추적, 사진기 모델, 3차원 복원, 인물 및 물체 인식과 검출 등을 포함한다. | |||||||||
DAI5015 | 융합정보학이론 | 3 | 6 | 전공 | 석사/박사 | 1-4 | 인공지능융합학과 | 영 | Yes |
지금의 AI와 IT 산업을 연구하기 위해서는 IT 기술 및 서비스의 가장 기본 단위라 할 수 있는 “융합 정보”의 특성에 대한 정확한 이해가 필요하다. IT 연구를 위한 기본 강좌로서, 이 강좌에서는 융합 정보의 특성을 알아보고, 이를 바탕으로 융합 정보의 가격, 디지털 정보와 지적재산권 등 융합 정보에 대하여 다양하고 새로운 방향의 분석을 시도한다. | |||||||||
DAI5016 | 전산사회과학 | 3 | 6 | 전공 | 석사/박사 | 1-8 | 인공지능융합학과 | - | No |
본 과목에서는 사회과학 문제를 computational한 방법으로 해결하기 위한 다양한 연구 주제에 대해 다룬다. 이를 위한 기계학습, 그래프 이론, 통계학 등 다양한 방법론에 대해 다루고, 각 방법론이 실제적인 문제에 어떻게 적용되는지에 대해 학습한다. 최신 연구들에 대한 리뷰를 통해 사회과학 문제에 대한 이해 및 해결을 위한 관련 소셜 데이터 수집, 분석, 모델링, 결과 분석 방법에 대한 실제에 대해 탐색한다. | |||||||||
DAI5017 | 데이터사이언스컴퓨팅 | 3 | 6 | 전공 | 석사/박사 | 1-8 | 인공지능융합학과 | 한 | Yes |
본 강좌는 데이터사이언스와, 인공지능, 그리고 이를 위한 실제 프로그래밍에 대한 지식이 없는 대학원 진입자를 대상으로 인공지능 활용을 위한 프로그래밍 언어인 파이썬의 기본 개념을 이해하고 인공지능과 빅데이터 활용을 위한 패키지와 시각화, 실제 데이터 분석과 응용을 수행할 수 있는 능력을 함양한다. | |||||||||
DAI5018 | 고급빅데이터처리 | 3 | 6 | 전공 | 석사/박사 | 1-8 | 인공지능융합학과 | - | No |
최근 빅 데이터처리 및 가시화가 활성화되면서 빅 데이터를 효율적으로 처리하는 방법론에 대한 연구가 활성화 되고 있다. 연합 분산처리(Federated Learning), 하둡(Hadoop) 및 스파크(Spark)와 같은 분산 처리 플랫폼 활용 등이 한 예가 된다. 본 수업에서는 빅 데이터처리에 적합한 R언어를 활용하여 기초를 다진 뒤, 개인 연구 주제로 빅 데이터를 처리, 가시화, 분산처리플랫폼에서 구현, 개인 논문작성 완성을 목표로 한다. |