학과간 협동과정

현대 사회의 데이터 기반 의사결정과 혁신을 주도하는 전문가를 양성하여, 데이터 분석 및 인공지능 분야에서의 우수한 실력을 갖춘 인재를 배출하는 것을 목표로 한다.

석사 과정
① 데이터와 인공지능 분야의 전문가를 양성하여, 산업, 정부, 연구 기관 등에서 높은 수준의 업무를 수행할 수 있는 능력 있는 전문가를 양성한다.
② 최신 기술과 동향을 학생들에게 전달하고, 산업체와의 협력을 통해 혁신적인 프로젝트를 이끌어내어 문제 해결능력을 갖춘 실무형 인재를 육성한다.
③ 학생들에게 현장 경험을 제공함으로써 산업과 학계 간의 상호 협력을 강화하고, 빅데이터, 인공지능, 기계 학습 등의 기술을 활용하여 지역 사회의 도전 과제를 해결하는 데 기여한다.

빅데이터분석기획 (Big Data Analysis Planning) 3학점

이 과목은 업무별 분석요건에 대한 문제현황을 정의하고 이슈사항을 도출하여 빅데이터 분석목표 및 프로젝트 계획을 수립하는 방법을 배운다. 도메인 이슈 도출하기, 분석목표 수립하기, 프로젝트 계획하기, 보유데이터 자산 확인하기 등 빅데이터 분석 기획의 이론과 실습을 다룬다.

This course teaches how to define the current status of problems according to each business analysis requirement and derive issues to establish big data analysis goals and project plans. It covers both the theory and practice of big data analysis planning, including deriving domain issues, establishing analysis goals, planning projects, and verifying owned data assets.

데이터사이언스를 위한 프로그래밍 기초 (Programming Fundamentals for Data Science) 3학점

이 과목은 다양한 인공지능 기술을 이해하기 위한 기본적인 수학개념에 대하여 다룬다. 구체적으로 선형대수학, 해석기하학, 행렬 분해, 확률이론 등에 대한 필수 내용을 다루며, 관련한 최적화 문제에 대하여 소개한다.

This course covers the fundamental mathematical concepts necessary to understand various artificial intelligence technologies. Specifically, it deals with essential content such as linear algebra, analytical geometry, matrix decomposition, and probability theory, and introduces related optimization problems.

데이터사이언스를 위한 수학과 통계 (Mathematics and Statistics for Data Science) 3학점

이 과목은 인공지능(AI) 및 머신러닝(ML) 모델을 이해하고 개발하기 위해 필요한 수학적 기초 지식을 제공합니다. 중점을 두는 핵심 영역은 선형대수학, 미적분학, 확률론, 통계학이며, 이들은 모두 AI 알고리즘을 구축하고 평가하는 데 필수적이다.

This course provides the foundational mathematical knowledge necessary to understand and develop Artificial Intelligence (AI) and Machine Learning (ML) models. The core areas of focus are linear algebra, calculus, probability theory, and statistics, all of which are essential for building and evaluating AI algorithms.

지능형 교통 시스템 (Intelligent Transportation Systems) 3학점

이 과목은 이동에서 발생하는 다양한 데이터(영상, 스마트카드 등)를 기반으로 도시 교통 체계의 효율성과 안전성을 향상시키기 위한 지능형 교통 시스템에 관한 이론과 실무 지식을 다룬다.

This course deals with the theory and practical knowledge of intelligent transportation systems aimed at improving the efficiency and safety of urban traffic systems, based on a variety of data generated from mobility, such as videos and smart cards.

공간정보처리 시스템 (Spatial Information Processing Systems) 3학점

이 과목은 지리정보 같은 다양한 응용시스템 분야에서 사용되는 핵심 데이터인 공간 데이터를 효과적으로 처리하고 관리하는 기술에 대하여 배운다. 공간 데이터 모델, 공간 데이터 처리 알고리즘, 데이터 인덱싱 및 처리 기술 등을 배운다.

This course teaches the technologies for effectively processing and managing spatial data, which is a core type of data used in various application system areas such as geographic information systems. It covers spatial data models, spatial data processing algorithms, and data indexing and processing techniques.

고급머신러닝 (Advanced Machine Learning) 3학점

이 과목은 파이썬 프로그래밍 언어와 라이브러리를 이용하여 머신러닝 이론과 알고리즘이 실제로 적용되는 실용 경험을 통해 알고리즘에 대한 보다 깊은 이해와 활용 방안에 대해 배운다.

This course provides a deeper understanding and practical experience of how machine learning theories and algorithms are actually applied, using the Python programming language and libraries. It covers a more profound comprehension of the algorithms and how they can be utilized.

딥러닝특론 (Advanced Deep Learning) 3학점

딥러닝의 기초가 되는 신경망(Neural Network)의 기본 구조 및 동작 원리, 역전파 학습(Backpropagation) 알고리즘, 학습 데이터 및 학습 방법에 대하여 설명하고, 이를 바탕으로 이미지 정보 처리에 많이 사용되는 CNN(Convolutional Neural Network)을 이미지 분류(Image Classification), 객체 인식(Object Detection) 등의 응용에 적용하는 방법에 대하여 설명한다.

This course explains the basic structure and operating principles of the neural network, which forms the foundation of deep learning, the backpropagation learning algorithm, and the data and methods used for training. Based on this, it describes how to apply Convolutional Neural Networks (CNN), which are widely used in image information processing, to applications such as image classification and object detection.

빅데이터 플랫폼 설계 (Big Data Platform Design) 3학점

이 과목은 빅데이터를 수집하고, 관리 및 분석 방법 등 플랫폼 구성의 핵심 기술에 대하여 배운다. 수요 맞춤형 서비스를 기획하고 데이터 처리, 통계 분석, 머신러닝 등을 활용하여 빅데이터 서비스 플랫폼을 제작할 수 있는 실무 기술을 다룬다.

This course focuses on essential technologies in the architecture of platforms for collecting, managing, and analyzing big data. Learn practical skills to plan customized services and create a big data service platform using data processing, statistical analysis and machine learning.

영상데이터분석 (Image Data Analysis) 3학점

이 과목은 영상 데이터의 특성을 이해하고, 처리 및 인식을 하기 위한 전통적인 기법과 최근 각광받는 인공신경망 기반 기법을 배운다. 또한, 적용 가능한 영상인식시스템을 디자인, 개발 및 평가할 수 있는 소양을 갖출수 있다.

This course understands the characteristics of image data and learns both traditional techniques and recent acclaimed artificial neural network-based methods for processing and recognition. Additionally, it fosters the ability to design, develop, and evaluate applicable image recognition systems.

AI 데이터사이언스 세미나 (AI and Data Science Seminar) 3학점

이 과목은 AI 데이터 사이언스 분야의 최신 이론과 실용적 기법들을 다룹니다. 데이터의 수집, 처리, 분석, 해석에 이르기까지의 전 과정을 체계적으로 학습하며, 다양한 분야의 전문가분들의 특강을 통해 머신러닝과 딥러닝의 기초부터 고급 알고리즘에 이르는 광범위한 지식을 습득할 수 있다.

This course covers the latest theories and practical techniques in the field of AI Data Science. It systematically teaches the entire process from data collection, processing, analysis, to interpretation, and through special lectures by experts from various fields, students can acquire extensive knowledge ranging from the fundamentals of machine learning and deep learning to advanced algorithms.

멀티모달데이터분석(Multimodal Data Analysis) 3학점

이 과목은 텍스트, 이미지, 음성, 영상 등 서로 다른 유형의 데이터를 통합적으로 처리하고 분석하는 멀티모달 데이터 분석 기법을 학습한다. 멀티모달 신경망 구조, 크로스모달 임베딩, 이미지-텍스트 매칭, 영상-음성 인식과 같은 최신 연구 방법을 다루며, 실제 데이터셋을 기반으로 다양한 응용 사례를 실습한다. 학생들은 복합 데이터를 활용한 인공지능 연구와 산업 적용 능력을 기를 수 있다.

This course teaches multimodal data analysis techniques that integrate and analyze different types of data such as text, images, speech, and video. It covers multimodal neural network architectures, cross-modal embeddings, image-text matching, and video-speech recognition, along with hands-on practice using real-world datasets. Students will develop the ability to conduct AI research and apply multimodal approaches to industrial problems.

생성형인공지능세미나(Generative AI Seminar) 3학점

이 과목은 이미지, 텍스트, 음성, 영상 등 다양한 데이터를 생성할 수 있는 생성형 인공지능(Generative AI)의 이론과 최신 연구를 학습한다. GAN, VAE, 확산모델(Diffusion Models) 등의 기초 원리를 다루고, 이를 바탕으로 창의적 콘텐츠 생성, 데이터 증강, 메타버스 및 교육 분야 응용 사례를 탐구한다. 또한 AI 윤리와 사회적 영향에 대한 토론을 통해 기술적·철학적 이해를 균형 있게 습득한다.

This course focuses on the theories and recent studies of Generative Artificial Intelligence (Generative AI), which can create various forms of data such as images, text, speech, and video. It covers the fundamentals of GANs, VAEs, and diffusion models, and explores applications in creative content generation, data augmentation, the metaverse, and education. Ethical issues and societal impacts of Generative AI are also discussed, providing students with both technical and philosophical insights.

자연어처리와 응용(Natural Language Processing and Applications) 3학점

이 과목은 인간의 언어 데이터를 컴퓨터가 이해하고 처리할 수 있도록 하는 자연어처리(NLP)의 기본 이론과 응용 기법을 학습한다. 텍스트 전처리, 언어 모델, 문장 임베딩, 문서 분류, 감성 분석, 기계 번역 등의 주제를 다루며, 최근 각광받는 대규모 언어모델(LLM)의 활용 방법도 포함한다. 이를 통해 학생들은 텍스트 기반 데이터 분석 및 인공지능 응용을 위한 실무 능력을 습득할 수 있다.

This course covers the fundamental theories and application techniques of Natural Language Processing (NLP), enabling computers to understand and process human language data. Topics include text preprocessing, language models, sentence embeddings, document classification, sentiment analysis, and machine translation, as well as the utilization of large-scale language models (LLMs). Students will acquire practical skills for text-based data analysis and AI applications.

데이터기반연구논문작성법(Data-driven Research Writing) 3학점

이 과목은 데이터 분석 결과를 바탕으로 주장을 설계하고 이를 논리적이며 설득력 있는 문서로 표현하는 능력을 기르는 것을 목표로 한다. 학생들은 데이터 기반의 주제를 선정하고 문서 구조를 체계적으로 설계하는 방법을 학습하며, 통계 자료를 해석하여 글 속에 적절히 활용하는 훈련을 한다. 또한 분석 결과에 근거한 글쓰기를 통해 논리적 일관성과 표현력을 강화함으로써 학술 논문 작성뿐 아니라 실무 보고서 작성 능력까지 함께 함양할 수 있다.

This course aims to develop the ability to design arguments based on data analysis and to express them in a logical and persuasive written form. Students will learn how to select topics grounded in data and design coherent document structures, as well as interpret statistical information and incorporate it effectively into their writing. Through writing based on analytical results, students will enhance logical consistency and clarity of expression, thereby strengthening both academic research writing and practical report-writing skills.

연구과목

석사연구Ⅰ (Research for the Master’s DegreeⅠ) 0학점

석사연구Ⅱ (Research for the Master’s DegreeⅡ) 0학점