fnctId=eduSch,fnctNo=60 교육과정 교과목해설 2023 * : 부전공지정과목, ♣ : 교직과정과목, ☆ : 교직 기본이수교과목 학과(전공)명,학년,학기,이수구분,학수번호,교과목명,학점,시수 안내하는 테이블 학과(전공)명 학년,학기 이수구분 학수번호 교과목명 학점,시수 수학물리학부 1-전학기 전기 501.010 기초수학 2-1-2-0 데이터사이언스학과 1-1 전기 501.101 일반수학I 3-3-0-0 데이터사이언스학과 1-1 전기 502.101 통계학개론I 3-3-0-0 데이터사이언스학과 1-1 전선 502.324 데이터사이언스로 풀어보는 지역사회 문제해결_코너스톤_KCC 3-3-0-0 데이터사이언스학과 1-1 전선 502.473 데이터사이언스의 이해 3-3-0-0 데이터사이언스학과 1-2 전기 502.102 통계학개론II 3-3-0-0 데이터사이언스학과 1-2 전선 501.102 일반수학II 3-3-0-0 데이터사이언스학과 2-1 전필 502.202 분포론 3-3-0-0 데이터사이언스학과 2-1 전선 502.201 확률론I 3-3-0-0 데이터사이언스학과 2-1 전선 502.464 Python프로그래밍 3-3-0-0 데이터사이언스학과 2-1 전선 502.474 행렬대수Ⅰ 3-3-0-0 데이터사이언스학과 2-1 전선 502.475 SAS프로그래밍 3-3-0-0 데이터사이언스학과 2-1 전선 502.476 데이터 엔지니어링 3-3-0-0 데이터사이언스학과 2-2 전선 502.210 확률론II 3-3-0-0 데이터사이언스학과 2-2 전선 502.305 수리통계학 3-3-0-0 데이터사이언스학과 2-2 전선 502.466 데이터 사이언스 3-3-0-0 데이터사이언스학과 2-2 전선 502.471 데이터 시각화 3-3-0-0 데이터사이언스학과 2-2 전선 502.477 행렬대수Ⅱ 3-3-0-0 데이터사이언스학과 2-2 전선 502.478 사회조사분석 및 실습 3-2-2-0 데이터사이언스학과 2-2 전선 502.479 컴퓨팅적 사고 3-3-0-0 데이터사이언스학과 2-2 전선 502.480 데이터베이스 이해 및 활용 3-3-0-0 데이터사이언스학과 3-1 전필 502.457 회귀분석Ⅰ 3-3-0-0 데이터사이언스학과 3-1 전선 502.301 표본조사론 3-3-0-0 데이터사이언스학과 3-1 전선 502.308 비모수통계학개론 3-3-0-0 데이터사이언스학과 3-1 전선 502.414 응용통계및실습 3-2-2-0 데이터사이언스학과 3-1 전선 502.467 데이터 마이닝 3-3-0-0 데이터사이언스학과 3-1 전선 502.481 범주형 데이터분석 및 실습 3-2-2-0 데이터사이언스학과 3-1 전선 502.482 다변량 데이터분석 3-3-0-0 데이터사이언스학과 3-2 전필 502.323 빅데이터통계조사및실습 3-2-2-0 데이터사이언스학과 3-2 전필 502.497 기계학습 3-3-0-0 데이터사이언스학과 3-2 전선 502.216 보험통계 3-3-0-0 데이터사이언스학과 3-2 전선 502.453 생존분석입문 3-3-0-0 데이터사이언스학과 3-2 전선 502.459 신뢰수명검정론 3-3-0-0 데이터사이언스학과 3-2 전선 502.465 실험계획법 3-3-0-0 데이터사이언스학과 3-2 전선 502.483 회귀분석 Ⅱ 3-3-0-0 데이터사이언스학과 3-2 전선 502.496 R 데이터분석 및 실습 3-2-2-0 데이터사이언스학과 3-2 전선 502.498 품질공학 및 실습 3-2-2-0 데이터사이언스학과 4-1 전선 502.469 텍스트 마이닝 3-3-0-0 데이터사이언스학과 4-1 전선 502.490 마케팅 데이터분석 실무 3-3-0-0 데이터사이언스학과 4-1 전선 502.491 공정 데이터분석 실무 3-3-0-0 데이터사이언스학과 4-1 전선 502.492 딥러닝 이해 및 활용 3-3-0-0 데이터사이언스학과 4-1 전선 502.493 데이터사이언스 특강 Ⅰ 3-3-0-0 데이터사이언스학과 4-1 전선 502.494 데이터사이언스 세미나 Ⅰ 3-3-0-0 데이터사이언스학과 4-1 전선 502.495 시계열 수요예측 3-3-0-0 데이터사이언스학과 4-2 전선 502.312 베이지안통계학 3-3-0-0 데이터사이언스학과 4-2 전선 502.484 NCS기반 데이터 분석 역량개발 3-3-0-0 데이터사이언스학과 4-2 전선 502.485 데이터분석을 통한 문제해결 방법론 3-3-0-0 데이터사이언스학과 4-2 전선 502.486 시공간 데이터 분석 3-3-0-0 데이터사이언스학과 4-2 전선 502.487 강화학습 이해 및 활용 3-3-0-0 데이터사이언스학과 4-2 전선 502.488 데이터사이언스 특강 Ⅱ 3-3-0-0 데이터사이언스학과 4-2 전선 502.489 데이터사이언스 세미나 Ⅱ_캡스톤디자인 3-3-0-0 501.010기초수학 Basic Mathematics 대학 수학(미적분학Ⅰ,Ⅱ)수강에 필요한 기초적인 수학적 지식을 습득하는 것을 목표로 한다. 이 과목에서는 함수의 개념과 그래프, 백터와 행렬, 확률과 통계에 관하여 습득 할 수 있다. 2010년 1월 12일 학점 변경 당초 3-3-0 501.101일반수학I General Mathematics I 통계학을 위한 기초 교과목으로서 수학 이론 중 집합, 수의 연속성, 극한, 미적분, 벡터 등을 학습하여 수리적 계산 능력, 논리적, 실증적 사고력을 기르는 것을 목적으로 한다. 502.101통계학개론I Elementary Statistics I 통계학의 입문으로서 기술통계, 확률, 여러 확률분포, 추정과 검정, 표본 추출법, 상관과 회귀모형의 분석, 분산분석, 적합도 검정 및 범주형 자료의 처리방법, 비모수적 방법 등의 기본 개념과 실제의 자료를 입력하고 분석하는 방법을 다룬다. 502.324데이터사이언스로 풀어보는 지역사회 문제해결_코너스톤_KCC Data Science driven Living LAB for Local Community 데이터사이언스에 대한 활용 관점의 학습과 함께, 지역사회 현안 발견 및 해결에의 적용 과정에 적용해 본다. 502.473데이터사이언스의 이해 Understanding of Data Science 데이터사이언스학과 신입생을 위해서 다양한 데이터로부터 지식과 인사이트를 추출하는데 필요한 기본적인 과학적 방법을 이해시키며, 데이터사이언스에 필요한 잠재력발견, 역량강화 및 진로탐색 등을 오리엔테이션하며 학교 및 학과 생활에 적응을 용이하도록 도움을 준다. 502.102통계학개론II Elementary Statistics II 통계학에서 많이 이용되는 행렬의 연산, 선형독립과 종속, 역행렬, 행렬의 분해, 일반화역행렬, 고유값과 고유벡터 이차형식 등의 이론과 성질을 다룬다. 501.102일반수학II General Mathematics II 통계학을 위한 기초 교과목으로서 수학 이론 중 집합, 수의 연속성, 극한, 미적분, 벡터 등을 학습하여 수리적 계산 능력, 논리적, 실증적 사고력을 기르는 것을 목적으로 한다. 502.202분포론 Distribution Theory 이론통계학의 기초로서 확률, 확률분포, 확률분포 모형, 표본분포 등을 다루며, 통계학의 수리적 개념 정립을 목적으로 한다. 502.201확률론I Probability Theory I 확률의 정의와 성질, 조건부 확률과 독립성, 확률변수와 확률함수, 분포함수, 이산확률함수들과 연속확률함수들 그리고 난수 생성 등을 다룬다. 502.464Python프로그래밍 Python Programming 파이썬 언어는 최근 전문 프로그래머들이 사용하는 언어 중 하나로 점점 그 비중이 높아져 가고 있다. 이 강의는 데이터분석을 위한 파이썬 프로그래밍의 기초를 다루는 강의이다. 프로그래밍을 처음 시작하거나, 파이썬 언어를 배우고자 하는 수강생을 대상으로 개설한 강의이다. 502.474행렬대수Ⅰ Matrix AlgebraⅠ 통계학에서 많이 이용되는 행렬의 연산, 선형독립과 종속, 역행렬, 행렬의 분해, 일반화역행렬, 고유값과 고유벡터 이차형식 등의 이론과 성질을 배운다. 502.475SAS프로그래밍 SAS Programming 대표적 통계 패키지인 SAS에 대한 기본적인 사용법, 데이터스텝 처리, 기본적 프로시져를 이용한 데이터 분석등을 배운다. 502.476데이터 엔지니어링 Data Engineering 다양한 유형의 데이터를 분석을 할 수 있도록 인코딩, 스케일링, 임퓨팅, 파티셔닝 등의 전처리를 수행할 수 있고, 비정형 데이터와 이미지 데이터를 정형화할 수 있다. 502.210확률론II Probability Theory II 확률변수의 기대값과 분산, 적률, 적률생성함수, 대수법치, 중심극한정리, 마르코프 연쇄와 응용을 깨달을 수 있다. 502.305수리통계학 Mathematical Statistics 이론통계학의 기초로서 점추정, 구간추정, 통계적 가설검정 등을 다루며, 통계학의 수리적 개념을 깨달을 수 있다. 502.466데이터 사이언스 Data Science 실제 자료 분석 및 현장학습을 통해 '분석역량' 및 '사업역량'을 극대화하기 위한 교과목으로서, 분석결과를 활용해 미래를 예측하고 사업전략에 따라 분석 방향성 및 적용 방안을 수립하는 Business Analysis를 경험하는 기회를 제공한다. 502.471데이터 시각화 Data Visualization 4차 산업혁명의 대표 통합기술인 빅데이터 개념을 이해하고 빅데이터 주요 처리단계인 수집, 저장, 처리, 분석, 시각화 기술을 학습하여 기획, 디자인, 마케팅 요소 등을 전략에 적용/활용하는 능력을 기른다. 502.477행렬대수Ⅱ Matrix AlgebraⅡ 통계학에서 많이 이용되는 행렬의 연산, 선형독립과 종속, 역행렬, 행렬의 분해, 일반화역행렬, 고유값과 고유벡터 이차형식 등의 이론과 성질을 배운다. 502.478사회조사분석 및 실습 Social Survey Analysis and Practice 다양한 사회현상을 과학적이며 실질적으로 파악하고, 데이터사이언스 분야에서 전문적인 지식을 습득시킨다. 이를 확대하여 통계청 및 리서치 회사 등에 필요한 사회조사분석사 2급 필기시험에 대비한 이론을 다루며, 통계패키지 SPSS와 R을 연계시켜 2차 실기시험에 대비하도록 한다. 502.479컴퓨팅적 사고 Computational Thinking 단편적인 학습에서 벗어나 복합적 사고로 나가는 수단으로, 창의적 문제를 해결하는 핵심 능력으로 주목받고 있다. 컴퓨터의 해결 능력인 데이터 수집ㆍ분석, 표현, 문제 분해ㆍ추상화, 자동화 등을 사고에 적용시켜 여러 분야에서 문제 해결을 하는 데 사용한다 502.480데이터베이스 이해 및 활용 Database theory and Practice 데이터베이스의 기본 개념을 이해하고 RDBMS를 실제 구축하며, SQL을 통해 원하는 데이터를 추출/변경/삭제할 수 있다. 502.457회귀분석Ⅰ Regression Analysis I 최소제곱추청법, 단순 및 중선형 회귀모형에서의 추정과 검정, 모형의 적합도 분석, 다항회귀모형, 변수선택법, 분산분석과 회귀진단에 관하여 다룬다. 502.301표본조사론 Sampling Theory 표본추출 방법, 모수추론 및 표본을 이용한 조사의 이론과 개념을 깨달을 수 있다. 502.308비모수통계학개론 Introduction to Nonparamepric Statistics 분포에 대한 가정이 없는 자료를 분석하는 방법으로 부호, 순위를 이용한 통계량의 추정과 검정을 깨달을 수 있다. 502.414응용통계및실습 Applied Statistics and Practice 통계학을 응용하는 새로운 분야에서 사용하는 내용을 심도 있게 다루는 과목으로 타 분야와 통계적으로 관련하여 새로운 접근을 시도하여 통계를 널리 응용할 수 있다. 502.467데이터 마이닝 Data Mining 거대한 양의 데이터베이스 혹은 자료로부터 의사 결정에 유용한 정보 및 지식을 발견하기 위한 자료 분석 및 모형 선정 과정을 다룬다. 대용량의 데이터베이스나 데이터로부터 흥미로운 패턴을 발견하고 새로운 입력 데이터에 대한 예측모형을 개발한다. 나무모형, 군집화기법, 신경망기법, 회귀나무모형 등의 데이터마이닝 기법을 소개하고 R을 이용하여 실제 활용 사례를 분석한다. 502.481범주형 데이터분석 및 실습 Categorical Data Analysis and Practice 대부분의 사회과학분야와 의학 분야 등 관련 데이터에서 발생하는 이산형 데이터에 대한 분석과 모형구축에 대하여 학습한다. 또한 이에 연계하여 사회조사분석사 2급 실기시험, 설문지 분석 등에 직접적으로 대비하는 과목이며, 범주형 데이터 시각화, 분할표를 이용한 데이터 요약 및 카이제곱검정, 대응분석, 프로빗 모형, 이분형 로지스틱 회귀모형, 다항 로지스틱 회귀모형, 순서형 로지스틱 회귀모형 등을 통계패키지 R과 SPSS을 사용하여 실무분석 능력을 배양한다. 502.482다변량 데이터분석 Multivariate Data Anlaysis 통계적 기법들 중 상관관계가 있는 두개 이상의 변량으로 이루어진 확률변수벡터들의 분포성질 및 자료를 선형대수 및 행렬대수이론에 기반하여 분석하는 기법으로, 이에 필요한 다변량 확률변수들의 요인분석, 주성분분석, 상관분석 등 데이터의 구조적 단순화, 관찰개체의 분류 변수의 군집화, 내부적 의존성 조사, 외부적 의존성 조사, 관찰개체의 형상화를 통한 내적 구조조사 등의 이론과 방법을 다룬다. 502.323빅데이터통계조사및실습 Big Data Statistical Survey and Practice 마케팅 시장자료에 근거하여 표본추출법(단수추출, 층화추출, 집락추출, 다단추출, 층화 다단추출, 반복추출 등), 측정, 척도의 구성, 설문지 설계, 자료의 수집 자료의 처리 및 분석을 통계패키지를 사용하여 다루며, 특히 사회조사분석사 능력을 배양한다. 2016-1학기 신설교과목, 성적평가방법 : 절대(비율)평가 502.497기계학습 Machine Learning 통계학 전공자의 관점에서 인공지능 구현의 핵심이 되는 통계적 기계학습의 기초 이론과 방법론들을 익힌다. 502.216보험통계 Insurance Statistics 여러 조건 하에서의 이자, 연금 계산, 보험과 관련된 생존분포, 생명표 또 이와 관련된 수리적 모형과 그 이론에 대해 깨달을 수 있다. 502.453생존분석입문 Introduction to Survival Analysis 생존분석은 의학, 생물학에서 얻어지는 수명 자료의 분석 방법들을 다룬다. 생존분석을 처음 배우는 학생들을 대상으로 생존분석의 기초와 기본지식을 가르친다. 패키지를 이용해 수명 관련 데이터 분석을 실습하고, 실제로 자료를 분석‧해석하는 능력을 향상시킬 수 있다. 502.459신뢰수명검정론 Reliability Theory 제품의 신뢰도, 고장률, 여러가지 수명분포, 시스템의 신뢰성 등을 다룬다. 502.465실험계획법 Experimental Design 완전랜덤화설계, 랜덤화블록설계, 라틴정방설계, 요인설계, 등 여러 가지 실험설계방법과 분석방법을 다루고, 통계패키지를 이용하여 실습하며, 현장견학을 통하여 현장에서의 응용사례를 체험한다. 502.483회귀분석 Ⅱ Regression Analysis 최소제곱추정법, 단순 및 중선형 회귀모형에서의 추정과 검정, 모형의 적합도분석, 다향회귀모형, 변수선택법, 분산분석과 회귀진단에 관하여 깨달을 수 있다. 502.496R 데이터분석 및 실습 Data Analysis using R and Practice 4차 산업혁명의 시대에 대표적으로 사용되는 프로그래밍 언어인 R을 활용하여, 데이터 분석에 대한 기초와 시각화, 공공데이터 분석 등 데이터를 분석하고 객관적인 결과를 도출하는 능력을 배양한다. 더 나아가 신경망, 자연어 처리, 비지도 학습 및 최적화 기술과 같은 다양한 데이터분석 기술을 전문적인 판단과 함께 적용하여 복잡하고 도전적인 다양한 비즈니스 문제를 해결하는 방법을 수강자에게 습득시키며, 다양한 산업 분야에서의 비즈니스 문제들을 사례로 다룬다. 502.498품질공학 및 실습 Quality Engineering and Practice 통계적 기법을 품질관리의 분석과 개선에 적용시켜 품질의 형태, 관리도법, 공정관리, 샘플링검사 등을 익혀 품질을 향상시키는 방법을 깨달을 수 있다. 502.469텍스트 마이닝 Text Mining 이 강의는 텍스트 데이터를 처리하고 활용하기 위한 R 프로그래밍 언어와 활용 기술을 소개한다. 특히, 기존의 통계지식이나 프로그래밍 경험이 전무한 학생들도 쉽고 친숙한 방식으로 텍스트 마이닝을 배우고 활용해보는 기회를 제공한다. 502.490마케팅 데이터분석 실무 Analyzing marketing data 기업의 마케팅 전략 수립 및 시장 조사 방법론 학습 MS Excel을 활용한 시장 점유율 예측, 경쟁사/자사 고객 만족도 GAP 분석 등 분석 방법론 학습 502.491공정 데이터분석 실무 Analysis of manufacturing process data 조 공정에서 주로 활용되고 있는 데이터 분석 기법 학습 Minitab 프로그램을 활용한 공정능력분석, 측정시스템분석, DOE 등 다양한 분석 방법론 학습 502.492딥러닝 이해 및 활용 Deep Learning Theory and Practice 인공신경망의 기본 개념을 바탕으로 딥러닝의 특징과 구성요소, 학습 기법에 대해 이해하고 실제 문제에 적용할 수 있다. 502.493데이터사이언스 특강 Ⅰ Special Lecture of Data Science Ⅰ 라이브러리를 이용하여 최신 인공지능의 개념을 응용 사례를 중심으로 학습하여 본다. 502.494데이터사이언스 세미나 Ⅰ Seminar Ⅰ in Data Science 다른과목들에서 배우지 않는 내용들, 통계학에서 최신경향의 연구분야들을 배운다. 502.495시계열 수요예측 Demand Forecasting of Time Series 시간의 흐름에 따라서 발생하는 금융, 각종 재화 및 서비스 데이터의 공급과 수요 간의 인과관계를 규명하며, 미래의 일정기간 동안 고려할 계량적인 수치(매출액 규모, 주가 등)를 예측하기 위한 다양한 모형을 다룬다. 통계패키지 R과 SPSS를 사용하여 추세모형분석법, 지수평활법, 정상 및 비정상 시계열 과정에 적합한 ARIMA모형, 큰 변동성 시계열에 적합한 개입모형, VAR 모형 ARCH모형, GARCH 모형 등에 대한 실무적 경험적 데이터분석 능력을 배양하게 한다. 502.312베이지안통계학 Bayesian Statistics 사전분포, 사후분포, 베이지안 추론, 베이지안 의사결정, 베이즈규칙의 허용성 등에 대한 개념을 깨달을 수 있다. 502.484NCS기반 데이터 분석 역량개발 Development of NCS-based data analytics capabilities 국가직무능력표준(NCS) 기준 데이터 분석 직무 이해 업무 수행을 위한 직무 필요 역량(지식/기술/태도) 분석 데이터 분석 직무 관련 취업을 위한 준비 방법 학습 502.485데이터분석을 통한 문제해결 방법론 Problem-solving methodology through data analysis 기업 경영혁신 기법인 Six Sigma 문제해결 방법론 학습, 데이터 분석을 기반으로한 기업 내 문제해결 기법 이해 502.486시공간 데이터 분석 Spatiotemproal Analyss 시간 및 공간으로 표현되는 데이터를 이해하고 시각화할 수 있으며, 적절한 기법을 통해 모델링하고 예측할 수 있다. 502.487강화학습 이해 및 활용 Reinforcement Learning Theory and Practice 강화학습의 기본 개념과 함께, 강화학습에 대한 실습을 통해 실제 활용 능력을 배양한다. 502.488데이터사이언스 특강 Ⅱ Special Lecture of Data Science II 데이터사이언스에 숙달된 수강생을 대상으로 4차 산업혁명 관련 최근 데이터사이언스 분야 또는 연관분야에서 중요시 다루어지는 논점이나 이슈를 심도깊게 다루며, 최첨단 데이터사이언스 지식과 모범사례를 습득하여 실무데이터를 분석하는 고급역량을 함양한다. 502.489데이터사이언스 세미나 Ⅱ_캡스톤디자인 Seminar Ⅱ in Data Science _ Capstone Design 다른과목들에서 배우지 않는 내용들, 통계학에서 최신경향의 연구분야들을 배운다.