▏데이터사이언스대학원 학사 내규
서울대학교 데이터사이언스대학원 학사 운영에 관한 시행 지침
제정 2020. 01. 01.
개정 2020. 06. 30.
개정 2020. 12. 22.
개정 2021. 02. 24.
개정 2021. 10. 29.
개정 2022. 01. 25.
개정 2022. 03. 18.
이 지침은 서울대학교 데이터사이언스대학원 과정의 학생들이 학업을 이수함에 있어서 숙지해야 할 제반사항이며, 본교 학칙에 입각하여 전공 내규로 정한 것이므로 학생들은 의무적으로 준수해야 한다.
1. 학사운영 일반
1. 석사과정 24학점
2. 박사과정 36학점
1. 석사과정 29학점
2. 박사과정 36학점
3. 석사박사통합과정 60학점
2. 교과목의 구성 및 내용
[2020학번]
1. 교과목 구성: 본 전공의 교과목은 기초, 공통, 계산, 분석, 응용의 다섯 영역으로 이루어진다. (각 영역별 과목은 대학원 홈페이지 참조. 단, 2군 교과목의 경우 학사위원회 심의를 통해 부제에 따라 영역을 추가 인정할 수 있음) [개정 2022. 03 18.]
데이터사이언스를 위한 컴퓨팅의 기초
(데이터사이언스를 위한 컴퓨팅 변경)
(데이터사이언스를 위한 프로그래밍 변경)
데이터사이언스를 위한 수학과 통계의 기초
(데이터사이언스를 위한 확률과 통계 변경)
(데이터사이언스를 위한 통계 변경)
데이터사이언스 원론
데이터 기반 혁신과 창업
데이터사이언스 캡스톤 프로젝트
데이터사이언스 세미나
(데이터사이언스 세미나 특강 변경)
데이터사이언스 특강
AI의 윤리적 함의
데이터사이언스 현장실습
데이터사이언스 실무 응용
빅데이터 및 지식 관리 시스템 1
(빅데이터 및 지식 관리 시스템 변경)
빅데이터 및 지식 관리 시스템 2
데이터사이언스를 위한 머신러닝 및 딥러닝 1
(데이터사이언스를 위한 머신러밍 및 딥러닝 변경)
데이터사이언스를 위한 머신러닝 및 딥러닝 2
데이터사이언스를 위한 컴퓨팅 1
(데이터사이언스를 위한 소프트웨어 플랫폼 변경)
데이터사이언스를 위한 컴퓨팅 2
(확장형 고성능 컴퓨팅 변경)
시각적 이해를 위한 기계학습
(영상 빅데이터 분석 방법론 변경)
텍스트 및 자연어 빅데이터 분석 방법론
데이터사이언스와 강화학습
앰비언트 인공지능 플랫폼 및 실습
분산 기계학습 시스템
데이터사이언스를 위한 인과 추론
데이터분석과 시각화
데이터사이언스를 위한 고급통계분석
시공간 데이터 분석 및 처리
데이터사이언스를 위한 학습이론
데이터사이언스를 위한 중급수학
머신러닝의 수리적 입문
유전체 데이터 분석 방법
자연어처리의 응용
데이터사이언티스트를 위한 금융공학
연계과목*
[2021학번]
1. 교과목 구성: 본 전공의 교과목은 기초, 공통, 계산, 수학 및 통계, 응용의 다섯 영역으로 이루어진다. (각 영역별 과목은 대학원 홈페이지 참조. 단, 2군 교과목의 경우 학사위원회 심의를 통해 부제에 따라 영역을 추가 인정할 수 있음) [개정 2022. 03. 18.]
데이터사이언스를 위한 컴퓨팅의 기초
(데이터사이언스를 위한 컴퓨팅 변경)
(데이터사이언스를 위한 프로그래밍 변경)
데이터사이언스를 위한 수학과 통계의 기초
(데이터사이언스를 위한 확률과 통계 변경)
(데이터사이언스를 위한 통계 변경)
데이터사이언스 원론
데이터 기반 혁신과 창업
데이터사이언스 캡스톤 프로젝트
데이터사이언스 세미나
데이터사이언스 특강
AI의 윤리적 함의
논문연구
데이터사이언스 현장실습
데이터사이언스 실무 응용
빅데이터 및 지식 관리 시스템 1
(빅데이터 및 지식 관리 시스템 변경)
빅데이터 및 지식 관리 시스템 2
데이터사이언스를 위한 머신러닝 및 딥러닝 1
(데이터사이언스를 위한 머신러밍 및 딥러닝 변경)
데이터사이언스를 위한 머신러닝 및 딥러닝 2
데이터사이언스를 위한 컴퓨팅 1
(데이터사이언스를 위한 소프트웨어 플랫폼 변경)
데이터사이언스를 위한 컴퓨팅 2
(확장형 고성능 컴퓨팅 변경)
시각적 이해를 위한 기계학습
(영상 빅데이터 분석 방법론 변경)
텍스트 및 자연어 빅데이터 분석 방법론
자연어 처리의 응용
데이터분석과 시각화
앰비언트 인공지능 플랫폼 및 실습
시공간 데이터 분석 및 처리
데이터사이언스와 강화학습
분산 기계학습 시스템
데이터사이언스를 위한 인과 추론
데이터사이언스를 위한 고급통계분석
데이터사이언티스트를 위한 금융공학
데이터사이언스를 위한 학습이론
데이터사이언스를 위한 중급수학
머신러닝의 수리적 입문
유전체 데이터 분석 방법
연계과목*
[2022학번부터]
1. 교과목 구성: 본 전공의 교과목은 기초, 필수, 공통, 선택의 네 영역으로 이루어진다. (단, 2군 교과목의 경우 학사위원회 심의를 통해 부제에 따라 영역을 추가 인정할 수 있음) [개정 2022. 03. 18.]
데이터사이언스를 위한 수학과 통계의 기초
데이터사이언스를 위한 컴퓨팅의 기초
데이터사이언스를 위한 머신러닝 및 딥러닝 1
데이터사이언스를 위한 머신러닝 및 딥러닝 2
빅데이터 및 지식관리시스템 1
빅데이터 및 지식관리시스템 2
데이터사이언스를 위한 컴퓨팅 1
데이터사이언스를 위한 컴퓨팅 2
데이터사이언스 프로젝트
데이터사이언스 세미나
데이터사이언스 특강
AI의 윤리적 함의 [신설 2022. 03. 18.]
데이터 기반 혁신과 창업 [신설 2022. 03. 18.]
대학원에서 개설되는 그 밖의 과목들
연계과목*
2. 연계과목*: 연계과목은 데이터사이언스의 선택 분야로 인정될 수 있는 타전공, 타학과(부)의 학부/대학원과정의 교과목을 의미한다. 연계과목은 학생의 이전 수강 과목과 성취도를 종합적으로 판단해서 학사위원회가 심의 및 승인을 한 과목을 수강함을 원칙으로 한다. [개정 2022. 03. 18.]
[2020학번]
가.
석사과정은 교과목 구성 중 “계산” 분야에서 최소 3 과목, “공통” 분야에서 데이터사이언스 세미나(1학점) 두 번 이상과 이 외의 최소 1과목, “분석” 및 “응용” 분야에서 최소 1 과목을 선택하여 수강해야 한다.
가.
나.
[2021학번]
가.
석사과정은 교과목 구성 중 “공통” 분야에서 데이터사이언스 세미나(1학점)을 두 번 이상 수강하며, 이 외의 최소 1과목(논문연구 제외)을 포함하여 6학점을, “계산” 및 “수학/통계”분야에서 최소 15학점을 이수하여야 한다.
가.
박사과정 시 본 대학원 석사과정에서 수료 기준학점을 초과하여 취득한 학점(기초 분야 제외)에 대하여 12학점까지 박사과정 수료학점으로 인정할 수 있다. 단, 석사과정에서 이수한 교과목을 박사과정에서 다시 이수하였을 경우에는 중복이수가 되어 박사과정 수료학점에 포함하지 않는다.
[2022학번부터]
가.
석사과정 학생은 전공필수과목을 이수해야 한다. 단, 학사위원회 심사를 통해서 유사한 과목을 이수하였거나 상응하는 문제해결 능력이 입증되면 해당 전공필수과목의 이수를 면제할 수 있다. [개정 2022. 03. 18.]
석사과정은 교과목 구성 중 데이터사이언스 세미나(1학점)을 세 번 이상 수강하며, 선택과목으로 최소 1과목 이상을 이수하여야 한다.
라.
석사과정 매 두 개 학기 끝날 때 (졸업학기는 제외) 학사위원회에 다음 두 학기에 수강하고자 하는 과목에 대한 계획을 제출하고 승인을 받아야 한다.
가.
박사과정은 교과목 구성 중 “공통” 분야에서 데이터사이언스 세미나(1학점) 세 번 이상과 이 외의 최소 1과목을 포함하여 6학점을, 선택과목에서 최소 18학점을 이수하여야 한다.
논문연구과목의 경우 최소 6학점, 최대 12학점까지 이수할 수 있으며, 수료학점에 포함된다.
박사과정 시 본 대학원 석사과정에서 수료 기준학점을 초과하여 취득한 학점(기초 분야 제외)에 대하여 12학점까지 박사과정 수료학점으로 인정할 수 있다. 단, 석사과정에서 이수한 교과목을 박사과정에서 다시 이수하였을 경우에는 중복이수가 되어 박사과정 수료학점에 포함하지 않는다.
본 대학원 석사과정을 이수하지 않은 박사과정생은 석사 전공필수과목을 이수해야 하며, 이는 박사과정 이수학점에 포함되지 않는다. 단 학사위원회의 심사를 통해서 유사한 과목을 이수하였거나 상응하는 문제해결 능력이 입증되면 해당 전공필수과목의 이수를 면제할 수 있다.
매 두 개 학기 끝날 때 (수료 혹은 그 이후의 학기는 제외) 학사위원회에 다음 두 학기에 수강하고자 하는 과목에 대한 계획을 제출하고 승인을 받아야 한다.
3. 석사박사통합과정
가.
석사박사통합과정 학생은 첫 학년에 석사과정 전공필수과목을 이수해야 한다. 단, 학사위원회 심사를 통해서 유사한 과목을 이수하였거나 상응하는 문제해결 능력이 입증되면 해당 전공필수과목의 이수를 면제할 수 있다.
나.
석사박사통합과정은 교과목 구성 중 “공통” 분야에서 데이터사이언스 세미나(1학점) 세 번 이상과 이 외의 최소 1과목을 포함하여 6학점을, 선택과목에서 최소 18학점을 이수하여야 한다.
논문연구과목의 경우 최소 6학점, 최대 12학점까지 이수할 수 있으며, 수료학점에 포함된다. [개정 2022. 03. 18.]
매 두 개 학기 끝날 때 (박사 수료 혹은 그 이후의 학기는 제외) 학사위원회에 다음 두 학기에 수강하고자 하는 과목에 대한 계획을 제출하고 승인을 받아야 한다.
2022학번 이전의 학생은 본인이 원하는 경우 학사위원회의 심사를 거쳐서 2022학번 이수기준을 적용 받을 수 있다.
매년 신입생이 입학하기 전에 여는 Boot Camp는 아래와 같이 두 개의 과목으로 구성된다.
- 1. 데이터사이언스 부트캠프: 수학/통계 (상응과목: 데이터사이언스를 위한 수학과 통계의 기초)
- 2. 데이터사이언스 부트캠프: 컴퓨팅 (상응과목: 데이터사이언스를 위한 컴퓨팅의 기초)
Boot Camp 성공적인 수료 혹은 해당하는 과목을 B+이상의 성적으로 이수하면 논문제출 자격시험을 응시할 수 있다. Boot Camp 혹은 해당하는 과목을 성공적으로 이수하지 못한 경우에는 대학원 학사위원회에서 심의해서 상응하는 기초지식이 있다고 판단된 경우에 한해 논문제출 자격시험을 응시할 수 있다.
3. 석사 학위수여에 관한 사항
②
4. 박사 학위수여에 관한 사항
②
제14조(학위논문 심사 신청 자격)
④
제15조(논문제출 자격시험)
논문제출 자격시험은 영어시험과 종합시험으로 구성된다. 자세한 사항은 「서울대학교 데이터사이언스대학원 논문제출자격 외국어시험 및 종합시험에 관한 시행 지침」에 따른다.
부 칙(2020. 1. 2.)
① 본 내규는 2020학년도 신입자부터 적용한다.
② Boot Camp에 관한 내규는 2021학년도 신입자부터 적용한다.
부 칙(2021. 2. 24.)
부 칙(2021. 10. 29.)
① 이 지침은 2021. 10. 29.부터 시행한다.
② Boot Camp에 관한 사항은 2022학년도 신입생부터 적용한다.
부 칙(2022. 01. 25.)
① 이 지침은 2022. 01. 25.부터 시행한다.
② Boot Camp에 관한 사항은 2022학년도 신입생부터 적용한다.
부 칙(2022. 03. 18.)
① 이 지침은 2022. 03. 18.부터 시행한다.
② Boot Camp에 관한 사항은 2022학년도 신입생부터 적용한다.