Category

교과목 번 호	교과목명	교과목 설명
GDS0001	데이터과학프로그래밍 Data ScienceProgramming	데이터과학에서 많이 사용되는 언어인 파이썬의 특징 및 문법에 대해 학습하고, 이를 바탕으로 간단한 프로그램을 스스로 설계 및 코딩함으로써 기본적인 프로그래밍적 사고를 형성하는 것을 목표로 한다. It aims to form basic programming thinking by learning the characteristics and grammar of Python, a language widely used in data science, and designing and coding simple programs by oneself based on those.
GDS0002	데이터과학수학 Data Science Mathematics	선형대수, 미적분, 확률과통계 등 데이터사이언스에 필요한 수학 중 반드시 필수적인 부분만 선별하여, 복잡한 증명이나 문제 풀이가 아닌 개념과 실습 위주로 학습한다. By selecting only essential parts of the mathematics necessary for data science, such as linear algebra, calculus, probability, and statistics, the students focus on concepts and practices, not complex proofs or problem-solving.
GDS0003	데이터수집및시각화 Data acquistion and visualization	데이터 수집, 분석 그리고 시각화와 관련있는 인기있는 모듈의 활용법을 실습을 통해 습득하고, 최근 다양한 분야에서 활용되고 있는 공공데이터에 대한 데이터 분석 및 시각화를 실습을 통해 수행한다. This course teaches popular modules related to data collection, analysis, and visualization through more practical practices and training. Furthermore, using these approaches, data analysis and visualization of public data will also be explored.
GDS0004	데이터과학SW플랫폼 Software Platforms for Data Science	이 과정에서는 다양한 데이터 구조를 이해하고 이를 이용한 계산 알고리즘을 학습하고 데이터를 시각화, 저장 및 처리하기 위해 소프트웨어 플랫폼의 사용을 배우고 실습한다. 또한 학생들은 많은 양의 데이터를 효과적으로 처리하는 방법을 배울 것이다. This course aims to teach students various data structures and computational algorithms based on these data structures. Furthermore, students will practice using software platforms that visualize, store, and process data. Finally, students will be taught how to handle large volumes of data effectively and efficiently.
GDS0005	머신러닝 Machine Learning	머신러닝의 기초 개념과 다양한 기법을 소개하며, 실습을 통해 실제 분석과정을 경험해 보게 된다. 머신러닝에 대한 이론적 기초와 실용적 응용방법을 모두 접해봄으로써, 본인의 연구 혹은 업무에 머신러닝을 적용하는 능력을 갖추게 된다. This course introduces the basics of machine learning. Through different methods of practice, students will be able to experiment with various machine learning analysis techniques. By exposing students to both theoretical and practical application methods of machine learning, this course will equip students with appropriate machine learning skills for their own research projects.
GDS0006	데이터과학통계 Statistics for Data Science	이 과목은 데이터과학에 필요한 다양한 통계 방법들의 기초 개념을 소개하고 공개 데이터를 이용해 분석과정을 경험해 보고, R 프로그래밍 능력을 갖추게 한다. This course introduces the basic concepts of various statistical methods related to data science. Once the course is completed, students are expected to program using R and learn analyses processes that use public data.
GDS0007	딥러닝 Deep Learning	이 과정에서 딥러닝의 기초가 되는 신경망의 원리, 딥러닝의 학습 원리와 분류와 회귀를 위한 딥러닝의 다양한 모델들을 배운다. 이를 위하여 CNN, RNN, LSTM, Attention Mechanism 등의 학습 원리와 이를 이용한 응용 시스템에 대하여 학습한다. This course teaches the principles of neural networks (the basis of deep learning), principles of deep learning, and deep learning models for classification and regression. To understand these principles, this course further teaches CNN, RNN, LSTM, Attention Mechanism, and various application systems.
GDS0008	데이터사이언스윤리와법 Ethics and Law for Data Science	이 과정은 데이터 획득 및 배포와 관련된 윤리적, 법적 문제뿐만 아니라 개인 정보 보호도 검토한다. 또한 암호화와 블록체인 기술뿐만 아니라 네트워크, 시스템, 데이터베이스 보안 등 사이버 보안에 대한 소개가 진행된다. This course reviews ethical and legal issues regarding data acquisition and dissemination, as well as privacy protection. Additionally, the course provides an introduction to cybersecurity: network, system, and database security, as well as encryption and blockchain technologies.
GDS0009	융복합논문연구 Interdisciplinary Thesis Study	융복합 데이터과학 논문을 준비하는 학생들에게 논문작성법과 문헌조사, 개인의 연구결과를 효과적으로 상대방에게 전달하는 발표능력을 함양시킬 수 있는 기회를 부여하고 최근의 연구동향 등을 초청강연을 통해서도 접할 수 있도록 하며, 연구진행상황을 보고케 한다. This seminar aims to hone thesis writing methods, efficient literature review, and effective presentations abilities for students preparing interdisciplinary data science papers. Guest lecturers are also invited for more practical advice. Finally, by having students report their research progress, the seminar aims to teach students how to set up effective timelines.
GDS0010	머신러닝과 금융공학 Machine Learning and Financial Engineering	이 과목은 금융을 위한 머신러닝 기술의 응용에 대해 소개한다. 금융 데이터는 표준 머신러닝 기술의 적용이 쉽지 않다. 이를 해결하기 위해 머신러닝 기술을 새롭게 적용시키는 것을 공부하는 것이 목표이다. This course introduces machine learning applications in finance. Financial data presents multiple challenges when applied to conventional machine learning techniques. This study aims to study specific adaptations created for financial applications.
GDS0011	농산업 데이터마이닝 Data Mining for Agriculture	이 과목은 농산업 데이터 마이닝에 적합한 모델링 과정 및 다양한 데이터 마이닝 기법들에 대한 학습을 한 후에, 농산업 데이터 마이닝이 적용된 여러 사례에 대해서 발표하고 토의한다. This study teaches various modeling processes adapted to agricultural data mining. Specific cases, where agricultural data mining has been applied, will be analyzed, discussed, and presented by students.
GDS0012	데이터과학 고급통계 Advanced Statistics for Data Science	이 과정에서는 시계열 분석이나 회귀 기반 방법 등 고급 데이터 분석을 위한 통계 방법을 소개한다. 데이터의 특성과 분석 목적을 바탕으로 학생들이 적절한 통계모델을 찾는 방법과 결과를 해석하는 방법을 배우게 된다. 과정 프로젝트를 통해, 학생들은 그 방법들을 실제 데이터에 적용할 것이다. This course introduces statistical methods used for advanced data analysis, including time series analysis or regression-based methods. By identifying the characteristics of the data and analysis, students will be able to find appropriate statistical models and fluently interpret the results by the end of the course. Through a course project, students will apply methods learned in this course to real data.
GDS0013	데이터과학 통계특강 Topics in Statistics for Data Science	데이터 과학에서 사용된 통계 방법에 대하여 강의, 토의하며, 교재와 최근 발표된 논문을 선정하여 연구 방법 및 결과, 목적 등을 종합적으로 검토한다. Special lectures and discussions are given on statistical methods used in data science in this course. Textbooks and recently published papers are selected to comprehensively review research methods, results, and purposes.
GDS0014	데이터과학 컴퓨팅특강 Topics in Computing for Data Science	데이터 과학에서 사용된 컴퓨팅 방법에 대하여 강의, 토의하며, 교재와 최근 발표된 논문을 선정하여 연구 방법 및 결과, 목적 등을 종합적으로 검토한다. Special lectures and discussions are given on computing methods used in data science in this course. Textbooks and recently published papers are selected to comprehensively review research methods, results, and purposes.
GDS0015	영상처리 Image Processing	이 과정은 시각을 위한 딥러닝 방법을 학습한다. 학생들은 사진의 디지털 표현, 손으로 쓴 문서, X-ray 및 센서 이미지를 포함한 원시 이미지 파일로 작업한다. 이미지 데이터를 처리하여 픽셀을 숫자 텐서로 변환하여 후속 분석 및 모델링을 수행한다. This course reviews deep learning methods regarding vision. Students will work with raw image files, including digital representations of photographs, hand-written documents, x-rays, and sensor images. They will further process image data, converting pixels into numeric tensors for subsequent analysis and modeling.
GDS0016	자연어처리 Natural Language Processing	자연어 형태의 텍스트를 가지고 의미있는 데이터를 추출하여 분석하기 위한 텍스트 마이닝 기법을 배운다. 즉 텍스트 데이터를 수집하는 방법, 키워드 트렌드 분석, 감성 분석, 토픽 분석, 딥러닝기반 텍스트 분석 기법 등을 배우고 실습하는 기회를 갖는다. This course introduces text mining techniques used to analyze meaningful data from text in the form of natural language. In other words, students will have the opportunity to learn and practice how to collect text data, analyze keyword trends, perform sentimental analysis, execute topic modeling, and use deep learning-based text analysis techniques.
GDS0017	현장실습 Field Practice and Learning	이 과정은 데이터 과학 분야 관련 기업체 및 공공기관에서 실습이며 관련 기업체의 정규직 및 인턴쉽 지원에 대한 정보를 얻을 수 있다. This course offers shadowing opportunities in companies and public institutions related to data science. During the course, further information on full-time and internship offers from each company can be obtained.
GDS0018	창의적융합프로젝트 Creative Interdisciplinary Capstone Project	캡스톤 과정은 데이터 과학 실습에 초점을 맞춘다. 졸업논문 대신 이론을 바탕으로 프로젝트를 기획, 설계, 제작하게 하여 산업현장에서 필요한 인재를 기르는 교육과정이다. The capstone course focuses on the application of data science. As a master’s thesis replacement, this project allows students to produce more practical outputs based on theories learned throughout their master’s program to cultivate the necessary skills in the professional field.
GDS0020	머신러닝심화 Advanced Machine Learning	머신러닝의 심화 개념과 다양한 기법을 소개하며, 실습을 통해 실제 분석과정을 경험해 보게 된다. 머신러닝에 대한 심화 이론와 실용적 응용방법을 모두 접해봄으로써, 본인의 연구 혹은 업무에 머신러닝을 적용하는 능력을 갖추게 된다. This course introduces the advanced principles of machine learning. Through different methods of practice, students will be able to experiment with various machine learning analysis techniques. By exposing students to both theoretical and practical application methods of machine learning, this course will equip students with advanced machine learning skills for their own research projects.
GDS0022	데이터과학통계심화 Advanced Statistics for Data Science	이 과목은 선형 회귀 모델,, 일반화 선형모델, 변수 추출, 인과 추론 등 데이터과학에 필요한 심화 통계 개념을 다룬다. 공개 데이터를 이용해 분석과정을 경험해 보고, R 프로그래밍 능력을 갖추게 한다. This course covers advanced statistical concepts necessary for data science such as linear regression model, generalized linear model, variable selection, and causal inference. Students will be equipped with R programming skills through analytical experience.
GDS0024	딥러닝심화 Advanced Deep Learning	딥러닝의 심화 원리와 다양한 심화 모델들을 배운다. 이를 위하여 비지도학습, 강화학습, Transformer, GAN, VAE 등의 심화 모델의 원리와 이를 이용한 응용 시스템에 대하여 학습한다. This course teaches the advnaced principles of deep learning. To understand these principles, this course further teaches unsupervised learning, reinforcement learning, Transformer, GAN, VAE, and various application systems.
GDS0025	데이터사이언스응용보안 Applied Data Science and Machine Learning for Cybersecurity	이 과정은 확률,통계,머신러닝 등 데이터사이언스 과정에서 다루는 기본 지식을 활용하여 사이버 보안 관련된 문제들을 해결할 수 있는 다양한 실습들을 진행한다. This course provides a crash-course introduction to practical data science, statistics, probability, and machine learning. The course is structured as a series of short discussions with extensive hands-on labs that help students to develop useful intuitive understandings of how these concepts relate and can be used to solve real-world problems related cyber security
GDS0026	IoT데이터분석 IoT Data Analytics	본 과목은 사물인터넷(Internet of Things: IoT) 기기, 센서, 네트워크를 구성하여 데이터를 생성 및 전송하고, IoT 플랫폼에서 시계열 데이터를 저장, 전처리 및 분석하기 위해 사용되는 기술과 방법들을 소개한다. This course introduces technologies and tools used to create and transmit data by configuring IoT devices, sensors, and networks, and to store, preprocess, and analyze time series data in the IoT platform.