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 |