▏데이터사이언스대학원 교과목

1. 기초

1. –데이터사이언스 전문가로서 기반이 되는 기초역량을 함양하는 과정

    (1)

기초 지식이 없는 학생들을 위한 선택적 과정이며, 정규학기 외에도 관련 내용을 속성으로 제공

    (2)

데이터사이언스 대학원 진학의사가 있는 학부생들의 선수강 권장

강의코드	교과목명	과목정보
M3239.004600	데이터사이언스 원론
M3239.005600	데이터사이언스를 위한 컴퓨팅의 기초
M3239.005800	데이터사이언스를 위한 수학과 통계의 기초
M2480.001100	데이터사이언스 원리와 응용

2. 석사 전공 필수

강의코드	교과목명	과목정보
M3239.005300	데이터사이언스를 위한 머신러닝 및 딥러닝 1
M3239.005000	데이터사이언스를 위한 머신러닝 및 딥러닝 2
M3239.005700	빅데이터 및 지식 관리 시스템 1
M3239.005100	빅데이터 및 지식 관리 시스템 2
M3239.005500	데이터사이언스를 위한 컴퓨팅 1
M3239.005400	데이터사이언스를 위한 컴퓨팅 2
	데이터사이언스 프로젝트 (개설 예정)

3. 공통

강의코드	교과목명	과목정보
M3239.002300(001)	데이터사이언스 특강 (2022-1학기: 설명가능한 AI)
M3239.002300(002)	데이터사이언스 특강 (2022-1학기: 유전체와 의료데이터 분석)
M3239.002300(003)	데이터사이언스 특강 (2022-1학기: 메타러닝)
M3239.003300	데이터사이언스 세미나

4. 선택

강의코드	교과목명	과목정보
M3224.000100	시각적 이해를 위한 기계학습
M3239.000600	데이터 기반 혁신과 창업
M3239.001100	텍스트 및 자연어 빅데이터 분석 방법론
M3239.002500	분산 기계학습 시스템
M3239.002600	데이터사이언스를 위한 학습이론
M3239.002700	데이터사이언스 현장 실습
M3239.003100	데이터 분석과 시각화
M3239.003400	유전체 데이터 분석 방법
M3239.003500	데이터사이언스를 위한 고급 통계 분석
M3239.003700	시공간 데이터 분석 및 처리
M3239.003900	데이터사이언스 실무응용
M3239.004000	자연어처리의 응용
M3239.004100	데이터사이언스와 강화학습
M3239.004200	AI의 윤리적 함의
M3239.004300	데이터사이언티스트를 위한 금융공학
M3239.004400	데이터사이언스를 위한 중급수학
M3239.004500	데이터사이언스를 위한 인과 추론
M3239.005200	머신러닝의 수리적 입문
M3239.005900	앰비언트 인공지능 플랫폼 및 실습

5. 논문과목

강의코드	교과목명	과목정보
M3239.002000	대학원 논문연구