성균관대학교 글로벌융합학부 | 전공소개 | 데이터사이언스융합전공

교과목명을 클릭하시면 과정 설명을 볼 수 있습니다.

교육과정
학수번호	교과목명	학점	자기 학습 시간	영역	학위	이수 학년	비고	언어	개설 여부
LIS2015	메타데이터론	3	6	전공	학사	2-3	문헌정보학과	-	No
이 수업은 지식 조직의 분류법과 데이터의 의미 표현에 관한 이해를 소개한다. 학생들은 이 수업을 통해 다양한 도메인에서의 메타데이터 표준과 메타데이터의 상호운용성에 관한 여러 이슈들을 이해할 수 있게 될 것이다. 이 수업은 또한 메타데이터에 관한 국제 표준과 동향 및, 링크드 데이터를 가능하게 하는 메타데이터 인코딩을 다룬다.
LIS2017	정보조직론	3	6	전공	학사	2-3	문헌정보학과	한	Yes
문헌검색의 도구로서의 목록의 기능과 그 구성요소를 이해하고, 접근점인 표목의 선정과 그 형식을 규정한다. 아울러 표준적인 서지기술에서 규정한 데이터요소의 기술방법에 따라 실제 목록작업을 수행하고, 그 결과를 평가하고, 기술 목록의 작성능력을 배양하고, 서지 정보의 유통을 촉진하기 위한 기계 가독형 목록법의 배경과 레코드 구조를 이해하도록 한다.
LIS2018	의학정보학개론	3	6	전공	학사	2-3	문헌정보학과	-	No
이 강의는 수업과제 및 활동을 완수함으로써 건강 정보 레퍼런스 기술을 익히고자 의학용어 및 관련 정보기술을 포함하여 기본적인 의학문해 문제에 대해 논의합니다. 이 강의는 다양한 의료 데이터베이스 및 정보원을 찾고, 평가하고, 사용하는 방법을 이해하는 데 중점을 둡니다.
LIS3038	데이터큐레이션실습	3	6	전공	학사	3-4	문헌정보학과	영	Yes
이 수업은 데이터 라이프 사이클에 근거한 다양한 데이터 큐레이션 및 관리 기법을 소개한다. 기업, 대학 및 공공 기관에서 생산되는 엄청난 양의 데이터를 수집하고, 데이터를 설명하는 메타데이터를 적용하고, 데이터 센터 혹은 리포지토리에 기탁/저장, 데이터의 아카이빙 및 이전 등과 관련된 구체적인 관리 기법을 습득하고, 관련 정책에 대한 이해를 높인다.
LIS3043	학술데이터분석실습	3	6	전공	학사	3-4	문헌정보학과	-	No
이 수업은 학술데이터 분석을 위한 비블리오메트릭스(계량서지 방법론)에 대한 이해를 제공한다. 학생들은 수업을 통해 다양한 연구 영역에서 사용되고 있는 비블리오메트릭스에 대한 이론적 지식을 갖추게 되며, 학술데이터의 수집, 조직, 시각화, 통계적 데이터 분석을 실습하게 된다.
LIS3049	글로벌데이터사이언스캠프	3	6	전공	학사	3-4	문헌정보학과	-	No
이 수업을 통해 학생들은 교수의 지도 아래 해온 I-School 자매학교를 방문하여 수업 및 기업 탐방을 통해 문헌정보학 및 데이터사이언스 이론과 현장 실무 역량을 개발한다.
LIS3050	차세대시스템설계론	3	6	전공	학사		문헌정보학과	한	Yes
이 과목을 통해 학생은 XML 기반 메타데이터 설계 및 구축, 메테이터 서비스, 웹데이터에서 메타데이터의 역할, 메타데이터 연구 등에 관한 상세한 내용을 습득할 것이다. 또한 학생은 차세대시스템의 근간이 되는 상호운용성이 가능한 XML 기반 응용프로파일 구축 방법, 방대한 메타데이터에서 링크드 데이터의 역할도 터득하게 될 것이다. 이 과목을 마친 학생은 구문적 의미적 상호운용이 가능한 메타데이터 설계 및 응용프로파일을 구축할 능력을 갖추게 될 것이다.
LIS3054	데이터분석통계II	3	6	전공	학사	3-4	문헌정보학과	-	No
이강의는데이터분석기초통계를선수과목으로한다.이강의에서는데이터분석을위한이론과개념을익힌학습을바탕으로가장널리이용되는통계패키지인SPSS를활용한다.응용통계의기초인빈도분석을비롯하여(ANOVA),다변량분석(MANOVA),그리고회귀분석(Regression)까지를실습을통해익히되,데이터의속성과방법론에적절한케이스를경험한다.
LIS4029	과학학연구	3	6	전공	학사/석사	1-4	문헌정보학과	-	No
본 수업은 자연어처리, 머신러닝, 시각화, 네트워크분석 등 다양한 데이터사이언스기법을 활용하여 학술데이터를 분석하는 연구에 대해 학습한다. 연구평가지표, 연구자의 커리어, 연구 협력, 연구의 영향력 등 주제에 대한 연구논문들을 토론하고 분석한다.
STA3001	시계열분석입문	3	6	전공	학사	3-4	통계학과	한	Yes
정상성, causality, 가역성, 자기상관 이동평균 모형, 예측 등의 시계열에 대한 기본적인 개념들이 소개된다. AR, MA 그리고 ARMA 모형 등을 구축하는 방법들, ARIMA 모형 및 칼만필터, 상태공간 모형들에 대한 기초적인 내용들을 실제 예제들과 더불어 학습한다.
STA3008	다변량통계분석입문	3	6	전공	학사	3-4	통계학과	한	Yes
다변량 통계분석에 대한 소개를 다룬다. 다변량 자료의 분석과 표현을 위한 통계적인 방법들로 주성분분석, 인자분석, 정준상관분석, 군집분석, 판별분석들에 대한 기본 개념, 다변량 분산분석 등.
STA3014	통계적데이터마이닝	3	6	전공	학사	3-4	통계학과	한	Yes
최근 기업, 정부, 연구소, 의료계 등을 중심으로 방대한 자료의 수집과 저장이 가능해 지면서 이러한 자료로부터 의사결정 등이 도움이 되는 지식을 추출하는 기법으로서의 데이터마이닝을 강의한다. 포함되는 기법들에는 시장바구니분석, 클러스터링, 링크분석, 의사결정나무, 인공신경망이론 등이 있다.
STA3035	딥러닝입문	3	6	전공	학사	3-4	통계학과	한	Yes
이 교과목은 딥러닝 및 통계적 모형과 관련한 다양한 주제를 다룬다. 딥러닝에 사용되는 여러 가지방법 및 모형들에 대한 개념과 기초적인 이론을 학습하며 현실 자료에 대한 분석 능력과 문제 해결능력을 함양하기 위하여 딥러닝 패키지를 활용하여 실제 자료에 대한 실습을 병행한다.
STA3036	통계적모델링과머신러닝실습	3	6	전공	학사	3-4	통계학과	한	Yes
본 과목은 ‘통계적데이터마이닝’ 과목에서 다루지 못한 머신러닝 기법들에 대해 소개하고 다양한 형태의 데이터에 대한 다양한 통계적 모형들에 대해 공부한다. 구체적으로 본 과목에서는 연관성 분석, Support vector machine, ensemble learning 기법들과 일반화 선형모형, 비선형 모형, 네트워크 모형, 공간모형 등과 같은 다양한 통계적 모형들에 대해 공부한다. 본 과목의 목표는 이러한 통계적 방법과 모형을 바탕으로 실제 데이터에 대한 조작과 분석을 실습함으로써 데이터 분석가의 소양을 기르는 것을 최종 목표로 한다.
STA3037	데이터과학을위한회귀분석	3	6	전공	학사	3-4	통계학과	-	No
이 과목은 통계와 데이터사이언스 분야에서 필요한 회귀분석의 기초 및 방법론 그리고 응용을 다루는 교과목이다. 구체적으로는 통계와 데이터사이언스에서 중요한 통계 프로그램인 R을 이용하여 능숙하게 데이터를 탐색하고 분석하기 위해 다양한 회귀 모델링 기법와 통계 이론을 사용하는 능력을 함양하는 것을 목표로 한다. 이 과목은 또한 회귀 분석을 위한 데이터 요약, 시각화 등의 탐색 기법을 포함한다. R을 이용한 단순선형회귀, 다중선형 회귀와 모형진단 분석을 다양한 예제를 통해 살펴보며, 모형 선택, LASSO와 같은 벌점회귀, 고차원 회귀 분석, 부스트랩핑 회귀분석, 다항식 / 비모수 회귀 등과 같은 고급 주제를 유전체 데이터와 금융 데이터와 같은 실데이터를 이용하여 데이터사이언스를 직접 경험해본다.
SWE2015	자료구조개론	3	6	전공	학사	2	소프트웨어학과	영,한	Yes
본 과목의 목적은 컴퓨터 중심의 실제 문제들의 해결에 필요한 다양한 자료구조들의 사용법과 알고리즘 기술에 필요한 원칙과 기법에 대해서 소개하는 데 있다. 본 과목에서 다루는 주제들로는 배열, 스텍, 큐, 연결리스트, 트리, 그래프, 정렬, 해슁, AVL 트리 등으로 요약될 수 있다. 본 과목의 성공적인 이수를 위해서는 이산구조, C 언어 등의 선수과목이 장려된다.
SWE2016	알고리즘개론	3	6	전공	학사	2	소프트웨어학과	한,영,한	Yes
본 과목의 목적은 컴퓨터 응용에서의 문제들을 풀기 위한 다양한 알고리즘과 알고리즘분석에 필요한 기본 법칙과 기술을 소개하는데 있다. 본 과목에서 다루는 주제들은 알고리즘 분석기준, 탐색, 정렬, 그래프, 다항식, 문자열 매칭, 비다항식 문제들로 요약될 수 있다.
SWE3042	소프트웨어연구학점1	2	4	전공	학사	2-4	소프트웨어학과	한	Yes
소프트웨어연구학점 교과목을 수강하는 우수학부생들은 소프트웨어대학 각 부문의 최근 연구분야에 대하여 소개하고 연구하는 활동을 수행한다.
SWE3043	소프트웨어연구학점2	2	4	전공	학사	2-4	소프트웨어학과	한	Yes
소프트웨어연구학점 교과목을 수강하는 우수학부생들은 소프트웨어대학 각 부문의 최근 연구분야에 대하여 소개하고 연구하는 활동을 수행한다.
SWE3044	소프트웨어연구학점3	2	4	전공	학사	2-4	소프트웨어학과	한	Yes
소프트웨어연구학점 교과목을 수강하는 우수학부생들은 소프트웨어대학 각 부문의 최근 연구분야에 대하여 소개하고 연구하는 활동을 수행한다.
SWE3045	소프트웨어연구학점4	2	4	전공	학사	2-4	소프트웨어학과	-	No
소프트웨어연구학점 교과목을 수강하는 우수학부생들은 소프트웨어대학 각 부문의 최근 연구분야에 대하여 소개하고 연구하는 활동을 수행한다.
SWE3046	소프트웨어연구학점5	2	4	전공	학사	2-4	소프트웨어학과	-	No
소프트웨어연구학점 교과목을 수강하는 우수학부생들은 소프트웨어대학 각 부문의 최근 연구분야에 대하여 소개하고 연구하는 활동을 수행한다.
SWE3050	기계학습원론	3	6	전공	학사		소프트웨어학과	영,한	Yes
본 과목은 기계 학습의 기초 이론 및 개념을 이해 및 관련 모델을 구현 해 보는 것을 목표로 한다. 구체적으로는 교사 학습 기법은 선형 회귀, 로지스틱 회귀, k-최근접 이웃, Naive Bayes, Decision Tree, Perception, Multi-layer perception, 심층 인공신경망 기초 등과 비교사 학습인 k-means, 차원 축소, 분포 추정 및 행렬 분해 기반 추천 모델 및 강화 학습 기초 등을 배운다.
SWE3052	심층신경망개론	3	6	전공	학사	4	소프트웨어학과	영,한	Yes
최근 많은 관심을 받고 있는 심층신경망의 기초 이론과 기본 구조에 대해서 학습한다. 주요내용은 다층퍼셉트론의 구조와 동작 원리, 학습알고리즘, 다양한 활성화 함수, Gradient Vanishing 문제 등을 다루며, 심층신경망의 다양한 구조인 Convolutional Neural Network, Recurrent Neural Network 등을 살펴보고, 다양한 dropout 기법과 regularization기법에 대해서 학습한다.