국립부경대학교 | 일반대학원 데이터공학과
교육안내
과목정보

교육안내

과목정보


​K-DS 컨소시엄 심화과목

 

 빅데이터 분석 (3학점, 심화과정) 

목표 분석 데이터의 취합 및 정제, 분석과 모델 최적화, 구현 및 배포에 이르는 전체 과정을 학습함으로써, 빅데이터 분석을 위한 전반적인 기술과 프로세스를 이해하고, 실제 빅데이터 분석을 위한 전반적인 기술과 프로세스를 이해하고, 실제 빅데이터 분석 프로젝트를 수행할 수 있는 능력을 배양할 수 있음
주요 내용 빅데이터 개념과 특징, 분산 컴퓨팅 및 병렬처리 기술의 이해
빅데이터 수집과 전처리 기술
데이터 마이닝 및 머신러닝 이론과 실제 적용 사례
데이터 시각화 및 대시보드 구현
빅데이터를 활용한 예측 분석 및 의사결정 지원
빅데이터 분석을 위한 프로그래밍 언어 및 도구


지능형차량특론
개요 최근 주목을 받는 자율주행 자동차에 들어가는 최신 모델링 기술들에 대해 소개
필요성 자율주행 자동차에 들어가는 기술의 개요 및 구성요소에 대해 소개하고, 자율주행 기술개발에 핵심적인 인지, 판단, 제어를 비롯해 인공지능과 기계학습, 컴퓨터비전 기술에 대한 소개의 필요성이 있음
교육내용 Visual recognition: Object detection, Instance segmentation, Object tracking, Stereo Matching 등
Neural network acceleration: Network pruning, quantization, hashing, MobileNet Visual SLAM & path planning algorithms
운영특징 프로젝트 수행을 통해 실제로 자율주행 자동차에 들어가는 알고리즘을 구현하여 보고, 가능하다면 이러한 알고리즘을 실제 기기에 탑재하여 동작시켜 보는 것을 목표로 진행한다
강의자료 강의자용 Lecture Notes 및 프로젝트 결과물 제공


컴퓨터비전 심화연구
개요 인공지능 분야 중 컴퓨터비전 분야에서 최신 주제로 다뤄지는 연구를 소개
필요성 인공지능 모델이 가장 먼저 적용되고 가장 큰 성과를 보이는 분야인 컴퓨터비전 분야의 연구는 자율주행, 무인감시, 화질개선 등 많은 응용분야를 가지고 있음. 따라서 시각데이터 활용과 타 분야와의 융합의 가능성이 가장 높은 분야로, 다른 인공지능 분야의 선행연구로써의 지식을 습득할 필요성이 있음.
교육내용 3D Computer Vision (Neural Radiance Fields, Implicit Neural Networks, Inverse Graphics), Image restoration (Super-resolution, Deblurring, Denoising, Frame Interpolation), Video Understanding (Object Tracking, Video Object Detection, VQA)
운영특징 소논문 작성을 목표로 하는 수업: 학기 전반부에 컴퓨터비전과 관련한 주제에 대한 개괄을 진행하고, 소논문을 위한 응용분야를 선정하여 학기 후반부에는 관련분야의 새로운 아이디어를 구현하고 검증하는 것을 목표로 진행
강의자료 강의자용 Lecture Notes 및 결과 소논문 제공


 

 

 

 

K-DS 컨소시엄 융합과목

 

데이터기반 프로세스 설계 (3학점, 융합과정)
목표 데이터 기반으로 비즈니스 문제를 해결하기 위해 프로세스를 거시적 관점에서 접근하고, 데이터의 특징을 도출하여 분석함으로써, 개선된 프로세스를 설계 및 구현하는 방법에 대해 학습한다.
주요 내용 데이터 기반 비즈니스 문제 해결: 데이터가 어떻게 비즈니스 문제 해결에 도움을 줄 수 있는지, 데이터 기반 비즈니스 모델의 이해와 중요성
데이터 프로세스 설계: 데이터 분석 및 처리를 위한 프로세스 설계, 데이터 흐름 및 작업 흐름 설계
데이터 요구사항 수집 및 분석: 데이터 요구사항 수집 및 분석 방법, 비즈니스 목적과 데이터 요구사항의 대응, 요구사항 분석 결과를 바탕으로 한 데이터 모델링
데이터 모델링: 데이터 모델링의 개념, 통계적/추계적 데이터 모델링 기법과 활용, 데이터 모델링의 유형과 특징
데이터 아키텍처 및 품질: 데이터 아키텍처 개념, 데이터 아키텍처 구성요소, 데이터 아키텍처 설계 및 관리 방법, 데이터 품질의 개념, 데이터 품질 평가 지표, 데이터 품질 관리 방법
데이터 기반 프로세스 개선: 데이터 기반 프로세스 개선 방법, 프로세스 성능 평가 지표, 프로세스 성능 개선 방법


의료생체 빅데이터 분석과 인공지능 (3학점, 융합과정)
개요 의료, 생체 데이터는 4차산업과 현대 사회에서 매우 중요하게 다루는 분야로 생성되는 빅데이터 또한 최대 규모이다. 본 교과목에서는 이를 제대로 분석하기 위해서 의료, 생체 데이터의 특징과 분석 및 모델링 적용가능한 인공지능(기계학습) 기법에 대해 알아본다
필요성 의료, 생체 데이터는 데이터사이언스에서 다루는 중요 도메인으로서 데이터 특성에 알맞은 분석방법론 및 활용가능한 인공지능(기계학습) 기법에 대해서 교육
교육내용 - 의료, 생체 데이터의 비선형 시계열 특성을 이해하고 이론적 배경지식을 습득
- 주파수 분석, 노이즈 제거 등 의료, 생체 데이터 전처리의 중요 방법론 실습
- 딥러닝, 축적컴퓨팅 등 생체 빅데이터 분석, 모델링을 위한 인공지능 기법을 실습
- 교수 지정 주제 혹은 자유 주제 생체 빅데이터 분석 프로젝트를 수행
운영특징 '데이터사이언스/인공지능 + X' 융합 분야의 실무를 수업을 통해 직접 경험. 데이터분석능력을 향상하고 의료, 생체 데이터 분야에 대한 전문 지식을 습득. 특히 이 분야의 전문가 수요가 많으므로 학생들의 경쟁력을 높이는데 크게 기여할 것으로 생각 됨.
강의자료 강의자용 Lecture Notes 및 실습 자료 제공


금융 빅데이터 (3학점, 융합과정)
목표 금융 분야에서의 데이터 마이닝과 예측 모델링 기법, 금융 상품 설계와 가격 책정 모델, 금융 리스크 분석과 관리 등을 주제로 관련된 데이터 보안과 사이버 위협 대응 등의 내용을 함께 학습함
주요 내용 금융 빅데이터 수집과 전처리
금융 분석을 위한 통계 및 머신러닝 기술의 이해
금융 데이터베이스 설계와 관리
금융 분야에서의 데이터 마이닝과 예측 모델링 기법
금융 상품 설계와 가격 책정 모델, 금융 리스크 분석과 관리
금융 거래소 및 금융 시장 데이터 분석
금융 보안과 사이버 위협 대응


제조 마케팅 융합 특론
개요 마케팅의 의사결정 모형과 머신러닝을 이용해 제조업체의 스마트 제조, 스마트 마케팅 등 데이터 기반 의사결정과 제조를 달성할 수 있는 이론 및 기술을 학습
필요성 기업의 스마트 제조 전환과 데이터 기반 인공지능의 마케팅 활용 등에 필요한 의사결정 이론과 이에 대응할 수 있는 머신러닝 등 인공지능 기반 모델링 작업은 단순한 프로그래밍 훈련 이상의 이론적 결합이 필요함
교육내용 Game Theory, Microeconometrics, Microeconomics, Industrial Organization, Discrete Choice Model, BLP, Time Series, Reinforcement Learning, 공장의 제조 및 마케팅 데이터 수집 가공, 이윤극대화 모형에 대한 이해
운영특징 기본적으로 이론수업을 진행하여 제조 마케티엥 관련된 최적 의사결정 모형에 대한 수리적, 통계적 이해를 선행하고 이후 PBL 형식의 교육 및 연구를 통해서 직접적으로 기업 또는 기관으로부터 생성된 데이터 혹은 개개인이 수집한 마케팅 정보를 활용하여 학습된 이론을 머신러닝 방법을 통해 직접적인 모형 적용의 함의를 실질적으로 학습해볼 수 있는 형태로 구서됨
강의자료 강의자용 Lecture Notes


헬스케어 융합특론
개요 의료바이오 데이터를 이용하여 데이터 기반 의사결정과 모델링 기술에 대한 학습을 진행하는 교과목
필요성 4차산업 혁명의 주요 키워드 중 하나인 헬스케어 및 의학계에서 대두되는 여러 문제들 중에서 데이터사이언스 기술력을 활용해 해결할 수 있는 문제를 탐색 및 발굴하여 실제 병원과 환자 데이터를 이용한 융합 연구 진행 필요
교육내용 Health care data, patient data, medical data 등 실제 병원 및 환자 데이터를 활용하여 문제를 정의하고 데이터 사이언스 핵심 및 심화 과목에서 배운 기술을 사용해 모델링, 분석, 예측하여 결론을 도출함
운영특징 Project based research: 참여 학생들이 관심 있는 의료 바이오 데이터를 이용한 머신러닝 및 딥러닝 모델 알고리즘을 구현해 보고, 참여 교수와의 면담을 통해 주제 탐색 및 선정하여 실제 의료 혹은 환자 데이터를 활용하여 연구를 진행
강의자료 강의자용 Lecture Notes 제공
최신 논문 동향 파악 및 스터디 진행



 

 

 

부경대 심화과목

 


자연언어처리
개요 인간 언어의 형태소 분석, 불용어 처리 등 자연어 처리 방법을 학습하고 군집분석, 감정분석 등 자연어로부터 유의미한 정보를 얻는 방법론에 대해 학습한다.
필요성 방대한 자연언어의 저장, 처리 기술 발달에 따른 분석 수요 증가
교육내용 형태소 분석, 불용어 처리, 군집분석, 감정분석, 기계번역, 자동 대화 기법 등
운영특징 Project Based 운영: 참여학생들의 개별 연구 문제들을 제시된 영상분석 기법을 활용하여 결과 도출
강의자료 강의자용 Lecture Notes 제공


데이터베이스
개요 데이터를 저장하고 검색하기 위한 기본적인 시스템으로 널리 활용되고 데이터베이스 시스템에 대한 기본 개념, 데이터 모델링, 질의어 등에 대해 학습힌다.
필요성 방대한 데이터를 다루기 위해서는 데이터 관리 방법에 대한 이해 필요
교육내용 데이터베이스 구조, 데이터 모델링, 관계 데이터 모델, SQL 등
운영특징 강의에서 다룬 방법론과 사례를 학생들이 직접 실습을 통하여 학습
강의자료 강의자용 Lecture Notes 및 실습 자료 제공


인공지능 영상분석
개요 방송영상 분야 또는 SNS를 통해 확보할 수 있는 미디어 영상 데이터를 분석하기 위한 전통적인 영상처리 방법론과 인공지능 기반의 영상 분석 방법론에 대해 학습한다.
필요성 영상 데이터를 분석하기 위한 인공지능 기반 방법론에 대해 교육하여 콘텐츠 분석 능력 향상 필요성 존재
교육내용 Image classification, Object detection, Semantic segmentation, Object tracking, Human pose estimation
운영특징 Project Based 운영: 참여학생들의 개별 연구 문제들을 제시된 영상분석 기법을 활용하여 결과 도출
강의자료 강의자용 Lecture Notes 제공


DS와 오픈소스SW
개요 현대의 소프트웨어 개발에서 오픈소스SW의 활용은 필수이다. 본 강의에서는 다양한 오픈소스SW들의 종류를 파악하고 기본적인 오픈소스 도구의 사용법을 이해한다. 또한 클라우드 컴퓨팅과 오픈소스SW의 관계를 이해하고 실습을 통해 실제 개발에 활용할 수 있도록 한다.
필요성 CS비전공학생이 데이터사이언스를 전공하기 위한 기초 오픈소스SW 교육을 시행 (부트캠프)
교육내용 - 오픈소스SW의 종류(분류)를 이해하고 분야별 대표적인 오픈소스에 대해 학습
- 현대 협업 프로그래밍에서 중요한 Git 개념을 이해하고 실습
- 클라우드 컴퓨팅과 오픈소스SW의 관계를 이해하고 실습
- 간단한 데이터분석 데모 및 Git과의 관계를 실습하고 이해
- 오픈소스 커뮤니티 활용법을 소개하고 이를 활용한 문제 해결 능력 향상
운영특징 오픈소스SW와 클라우드 컴퓨팅을 이용하여 데이터분석 데모를 실습하고, 실제 작동되는 소프트웨어를 학생들이 확인하여 성취감 및 학습 흥미를 유발할 것으로 기대됨. 이후 클라우드 컴퓨팅 기반 빅데이터 분석 플랫폼 전공 수업 수강으로 연결.
강의자료 강의자용 Lecture Notes 및 실습 자료 제공



DS 특론
개요 최신 데이터사이언스 기술에 대한 지식과 산업에서의 응용사례들을 학습한다.
필요성 이론 중심의 교과목에서는 습득하기 어려운 산업계에서의 응용사례 및 기술활용의 트렌드에 대해 파악해볼 기회를 제공
교육내용 참여교수진, 참여 학생, 지역기관 등이 추진하고 있는 데이터사이언스 프로젝트 내용 공유 교수자가 다양한 산업계 전문가를 섭외하여 데이터사이언스 활용사례에 대한 특강 진행
운영특징 프로젝트 사례를 통해 문제 해결 과정에 대해 학습하고, 토론을 통한 문제 해결 방안 도출 산업계 전문가 섭외를 통해 최신 트렌드 파악 및 취업과 인턴십 기회로의 연결 도모
강의자료 강의자용 Lecture Notes

 


 

  

부경대 융합과목

 

 

인공지능 생성모델
개요 인공지능이 스스로 영상 콘텐츠 생성하는 딥러닝 생성 모델에 대해 학습한다.
필요성 인공지능 기반 콘텐츠 생성을 위한 최근 기법들에 대한 학습 필요
교육내용 Variational Auto-Encoder, Generative Adversarial Network, Flow-based generative model, Diffusion model, Text-to-image generative model
운영특징 Project Based 운영: 수업시간에 배운 영상생성 기법을 활용하여 개별 콘텐츠 생성 및 발표
강의자료 강의자용 Lecture Notes 제공


인공지능 심화연구
개요 인공지능 분야의 보다 심층적인 기술에 대한 학습을 위해 인간의 사고 및 판단 과정에 대한 탐구와 모델링 및 구현과 관련된 연구주제들을 선별적으로 학습한다.
필요성 다양한 산업 분야에서 활용되고 있는 인공지능 기술의 활용성과 완성도를 향상시키기 위해서는 최신의 연구 결과와 실제 산업에서의 응용사례를 중심으로한 심화된 연구와 학습이 필요함
교육내용 딥러닝 구현 원리 및 새로운 네트워크 모형의 설계, Advanced Object Detection, Robotic Control using Reinforcement Learning, Advanced RNN and LSTM
운영특징 팀 프로젝트 기반의 공동 논문 연구 및 학습, 팀 단위의 향후 연구 주제 발표 및 초기 논문 드래프트 작성
강의자료 강의자용 Lecture Notes 및 실습 자료 제공


블록체인 비즈니스 분석
개요 블록체인 기술과 비즈니스 모델을 조합하여 기존 비즈니스 모델을 분석하고, 개선시키며, 새로운 비즈니스 모델을 창출 기회에 대해 기술적으로 학습한다.
필요성 블록체인 기술이 빠르게 발전하면서 이를 활용한 비즈니스 모델의 타당성과 기술적 가능성에 대한 분석과 함께, 블록체인 기술의 보안성과 투명성을 활용한 새로운 비즈니스 모델의 창출에 대한 기술적 연구와 학습이 요구됨
교육내용 블록체인 기술 기반의 이해, 블록체인 기술의 구현 및 활용 사례, 블록체인 경제의 지속가능성과 활용성, 블록체인 보안
운영특징 팀 단위 사례 연구 및 발표, 오픈소스 프로젝트를 활용한 팀 단위 프로젝트 구현 및 발표대회
강의자료 강의자용 Lecture Notes 및 실습 자료 제공


모바일 인텔리전스
개요 모바일 환경에서의 데이터 수집, 분석 및 활용에 대한 이론과 기술을 학습한다.
필요성 모바일 디바이스의 보급으로 인해 모바일 환경에서 데이터 수집과 분석이 중요해 졌으며, 모바일 단말의 한계를 극복하면서 서비스를 제공하기 위한 지능적인 응용 시스템의 구현이 많은 기업과 산업 영역에서 중요해 지고 있음
교육내용 모바일 운영체제의 심화된 탐구 및 학습, 모바일 데이터의 수집/처리/분석 실습, 모바일 앱의 구현 및 서비스화, 사용자 행동 분석 및 Personalization
운영특징 이론 및 실습 강의, 개인별 기말 프로젝트를 통한 모바일 애플리케이션의 구현 및 발표 대회 진행, 앱 마켓을 이용한 개발 앱의 공개
강의자료 강의자용 Lecture Notes 및 실습 자료 제공


시공간 데이터 처리 및 실습
개요 위치 정보를 포함한 다양한 시공간 데이터를 처리하고, 분석하는 기술의 이론과 개념을 학습하고, 기초적인 구현 내용을 실습을 통해 경험한다.
필요성 모바일 디바이스와 IoT 기술의 발달, GIS 응용 영역의 확대와 함께 다양한 위치 정보를 수집하고 이를 분석하여 응용 산업 분야에 적용하기 위한 핵심 기초가 됨
교육내용 공간 데이터 처리 기술, 위치 정보 시각화 기술, 공간 데이터의 분석 및 시계열 데이터와의 연계, 실제 데이터 분석을 위한 프로그래밍과 데이터베이스 활용 실습
운영특징 팀 단위로 실제 공간 데이터를 수집하고 분석하여 이에 대한 응용 서비스를 개발함으로써 전체 구현과정을 모두 학습하도록 진행됨
강의자료 강의자용 Lecture Notes 및 실습 자료 제공


GIS처리론
개요 공간 데이터를 분석하는 방법론에 대해 강의하고 실습 병행
필요성 공간 데이터의 특성에 맞는 분석 방법론에 대한 학습 필요
공간 데이터 및 분석 결과의 효과적인 시각화를 위한 방법 학습 필요
교육내용 공간데이터 처리 및 시각화 방법론
운영특징 강의에서 다룬 방법론과 사례를 학생들이 직접 실습을 통하여 학습
Project Based 운영: 학생이 직접 공간 데이터를 활용한 분석 주제를 제안하고 프로젝트를 수행함으로써 데이터 분석 능력 배양
강의자료 강의자용 Lecture Notes 제공


물류 빅데이터 분석
개요 물류 분야에서 발생하는 대량의 데이터를 수집하고, 분석하여 물류 프로세스의 효율성을 높이는 기술과 방법론을 학습한다.
필요성 물류는 다양한 시공간 데이터의 수집과 효율적인 처리와 함께, 실시간 실행 중에 발생하는 예외 상황에 대한 대응 규칙의 설계와 구현이 모두 중요하게 다루어져야 하는 핵심 산업 영역으로 부산지역의 Multi-modal logistics 환경에 최적화된 프로세스의 설계는 지역산업의 혁신을 위해서도 매우 중요한 응용 영역이 됨
교육내용 물류 데이터의 수집 및 전처리 기술, 머신러닝, 데이터 마이닝, 네트워크 분석 및 최적화 기술, 물류 프로세스의 분석 및 최적화 기업
운영특징 팀 단위로 물류 데이터의 수집과 네트워크 기법을 활용한 최적화 문제의 모델링과 최적해의 도출을 프로젝트로 진행, 산첩체 방문 및 산학협력 공동과제의 발굴, 모델링 결과의 학술대회 발표를 의무화함
강의자료 강의자용 Lecture Notes 및 실습 자료 제공