정보 사회가 도래함에 따라 정보의 생성과 처리에 필요한 전문 요원의 수요가 급격히 늘어나고 있다. 이런 시대적인 요청에 부응하기 위하여 본 전공에서는 정보의 효율적 관리와 접근, 그리고 응용을 위한 데이터베이스 설계와 운용 기법, 통계 기반 데이터 분석, 소셜미디어 데이터 분석, 빅데이터 예측분석 등에 대해 심도 있게 학습한다. 데이터사이언스를 전공하는 학생은 인공지능 전공 교과목을 함께 수강하는 것을 권장한다.

GITS301. 데이터베이스론(Database Systems) [구:GTIA301] 2학점

정보 시스템에서 데이터베이스의 중요성과 관리의 복잡도 때문에 시스템 분석가는 데이터 베이스 시스템의 논리적 구조 및 물리적 구현, 관계된 응용등을 정확히 이해해야 한다. 이 과목은 이러한 상황에 관계된 것을 다루며 중요한 내용으로는 데이터 환경, 개체-관계 모델, 데이터 모델, 데이터베이스 설계, 관계 시스템, 데이터베이스의 사용과 관리 등을 다룬다.

GITS302. 데이터베이스 설계(Database Design) [구:GTIA302] 2학점

효율적인 데이터 처리를 위한 데이터베이스 구성을 다룬다. 현실세계의 요구사항 분석, 데이터 및 처리의 모델링, 통합, 구조적 분석 등 논리적 설계와 화일 및 인덱스 최적화, 기억장치 할당, 성능 평가 등의 물리적 설계를 다룬다.

GITA304. 파이썬 프로그래밍(Python Programming) 2학점

파이썬 언어의 기초 문법에 대한 개념을 설명하고 이에 대한 응용을 실습한다. 본 교과목은 데이터사이언스 과목을 이수하기 위한 기초 코딩 기술을 제공하며, 본 교과목을 이수한 학생은 파이썬을 이용하여 데이터의 저장, 처리, 분석하는 능력을 갖게 된다.

GITA305. 머신러닝 I(Machine Learing I) 2학점

최근 4차산업혁명시대에 인공지능에 대한 관심히 증가함에 따라 인공지능을 구현하기 위한 머신러닝(기계학습)기법을 공부하는 것을 목표로 한다. 이를 위하여 머신러닝에 많이 사용되는 행렬과 벡터에 대해서 알아보고, 기계학습 기법의 기본이 되는 신경망 모형, 다층 퍼셉트론 등과 이를 확장한 딥러닝 기법 중 합성신경망(CNN)기법에 대해서 학습하도록 한다.

GITA306. 머신러닝 II(Machine Learing II) 2학점

머신러닝1 과목의 심화과정으로 다양한 최신 딥러닝 기법을 공부하는 것을 목표로한다. 다양한 딥러닝 최적화 방법(목적함수, 규제기법 등)과 GAN, 오토인코더, RBM, 그리고 시계열 자료에 적합한 RNN, LSTM등의 딥러닝 기법을 학습하도록 한다.

GITA 315. 파이썬 머신러닝(Python Machine Learning) 2학점

파이썬 프로그래밍 언어와 라이브러리를 이용하여 머신러닝 이론과 알고리즘이 실제로 적용되는 실용 경험을 통해 알고리즘에 대한 보다 깊은 이해와 활용 방안을 터득하도록 한다.

GITS 316. 텐서플로우 활용 기초(Introduction to TensorFlow Applications)[구:GTIA316] 2학점

텐서플로우의 기본 API를 학습하고 수치 계산과 행렬 연산 방법, 파라미터 최적화 방법 등을 학습한다. 그리고 이미지, 동영상, 문자열과 같은 데이터에 대한 기초적인 분석과 활용 사례에 대해 학습하고 이를 통하여 텐서플로우의 활용 기초 능력을 키울 수 있도록 한다.

GITA 317. 파이썬 머신러닝 II(Python Machine Learning II) 2학점

머신러닝 이론과 딥러닝 이론에 대한 기본 학습과 병행하여 이를 실제로 적용하는 실용 경험을 통해 고급 머신러닝 알고리즘에 대한 이해를 높이도록 함과 동시에 이의 구현과 관련 라이브러리의 활용 기술을 터득하도록 한다.

GITA320. 멀티미디어 시스템(Multimedia Systems) 2학점

멀티미디어 정보를 컴퓨터에서 처리하기 위하여 필요한 여러 하드웨어 및 소프트웨어 기술들에 대하여, 멀티미디어 정보 저장 방법, 압축 방법, 동기화 방법, 전송 방법, 상영 방법, 그리고 멀티미디어 프로그래밍 방법, 멀티미디어 응용 등을 중심으로 다룬다.

GITA323. 멀티미디어 압축기술(Multimedia Compression Techniques) 2학점

멀티미디어 정보의 저장과 통신을 위한 압축기술에 대해 상세히 다룬다. 이에는 압축에 대한 기본개념과 신호처리 기술, 그리고 JPEG, MPEG 등 표준화 기술이 포함된다.

GITA325. 멀티미디어 표준 및 응용(Multimedia Standards and Applications) 2학점

멀티미디어 시스템의 구성은 멀티미디어 데이터의 생성, 코딩, 저장, 검색, 전송, 표현 등의 일련의 과정을 포함하고 있으며 각 부분 및 서로 다른 시스템과의 호환성을 위하여 각 해상 기술의 표준화가 필요하며, 많은 관련 국제 표준들이 제정되었다. 이러한 각 표준들의 이해와 적절한 응용은 기술의 개발이나 시스템의 구성시 호환성, 안전성, 사용기술의 첨단성 등 많은 부분 에서 필요한 노력은 감소시켜 주며, 빠른 개발의 진행을 가능하게 하여 준다. 본 과목에서는 많은 멀티미디어 관련 표준들 중에서 각 분야에서 가장 널리 사용되며 추후 기술개발에 바탕을 제공하는 MPEG-1/2 /4/7/21, JPEG/ JPEG2000, H.320, G.700 등의 최신 멀티미디어 관련 표준과 그 응용 분야의 이해 및 표준화 동향의 파악을 목적으로 한다.

GITS333. 지리 정보 시스템(Geographic Information System) 2학점

지리정보 시스템은 지리 형태에 관한 데이터를 수집, 저장하고 이를 분석, 가공하여 관련 응용 분야에 활용할 수 있는 정보를 제공하는 시스템을 말한다. 지리정보시스템은 영상처리, 데이터베이스, 그래픽스, 인공지능 등 여러 분야에 기초한 시스템으로 도시계획, 교통 관리, 자원관리, 환경 및 토지관리, 군사적 목적 등 다방면에 적용되고 있다. 이에 대한 기초 이론과 활용을 다룬다.

GITS338. 공간 정보 처리 시스템(Spatial Information Processing Systems) 2학점

정보처리시스템에서는 지리정보, CAD, Robotics 및 이미지 프로세싱과 같은 다양한 응용시스템 분야에서 사용되는 핵심 데이터인 다차원 공간 데이터를 효과적으로 처리하고 관리하는 기술에 대하여 배운다. 공간 데이터 모델, 공간 데이터 처리 알고리즘, 데이터 인덱싱 및 질의어 처리기술 등을 배운다.

GITS340. 모바일 컴퓨팅 시스템(Mobile Computing Systems) 2학점

이동 컴퓨팅 시스템의 중요 핵심 구성 요소인 이동 컴퓨팅 모델, 위치 의존적질의어 처리 및 최적화 기술, 데이터 브로드 캐스팅 기술 및 처리 모델, 이동클라이언트와 서버간의 캐쉬 관리 기술, 위치 데이터목록 관리 기술 등의 기본개념을 배우며, 위의 기술들이 실제적으로 응용된 다양한 이동 컴퓨팅 시스템들을 소개하고 분석한다. 또한 이와 관련된 최근 연구 동향들을 분석하여 그 문제점들을 토의하고 이에 대한 개선점을 제시하는 프로젝트를 수행함으로써 이동 컴퓨팅 시스템에 대한 기본적인 이론뿐만 아니라 그 응용 시스템들에 대한 이해를 높인다.

GITA341. 자연언어처리(Natural Language Processing) 2학점

한국어 형태소 분석, 구문분석, 의미분석, 대화분석, 한국어 생성, 기계번역, 대화 인터페이스 기법 등 컴퓨터의 자연언어 이해 및 생성에 관한 전반적인 내용을 다룬다.

GITS344. 사용자 인터페이스(Human-Computer Interaction) 2학점

사용자의 개념모형 및 학습, 수준 등을 고려한 사용자 모델링과 그래픽 사용자 인터페이스, 멀티미디어 사용자 인터페이스, 음성 및 대화를 이용한 사용자 인터페이스 등 사용자 위주의 제품 개발을 위한 사용자 인터페이스 개발 기법 및 평가 방법을 다룬다.

GITS347. XML 기술과 응용(XML Technology and Applications) 2학점

최근 정보 및 데이터를 표현하는 표준으로 많이 사용되고 있는 XML과 관련된 여러 기술(XML의 문법, XML의 스키마, XML 질의언어들, DOM, SAX, XML 데이터베이스 등)을 다룬다. 또한 XML분야와 관련된 최근 연구 동향을 살펴본다.

GITS360. 전자상거래시스템 분석 및 설계
(E-Commerce System Analysis and Design) 2학점

전자상거래 비즈니스 계획에 의거하여 전자상거래 시스템 구현을 위한 필요사항의 분석과 이를 시스템화 하기 위한 설계능력을 학습한다. 실제 운영 중인 다양한 형태의 전자상거래 시스템에 대한 사례 분석을 기반으로 구체적인 실무분석능력을 배양한다.

GITS361. 전자 화폐 및 지불 시스템(E-Cash and Payment System) 2학점

전자상거래와 사이버 비즈니스의 확산에 따라 최근 급속도로 발전하고 있는 전자화폐의 개념과 분류에 대해 알아보고, 전자화폐의 안정성과 익명성 및 그취소, 오프라인성, 이중사용 방지 등의 요구 조건을 만족시키기 위한 프로토콜 및 전자결제의 표준화 문제를 다룬다.

GITS371. 정보검색(Information Retrieval) 2학점

이 과목은 대량 정보의 조직적인 색인, 저장, 관리에 필요한 이론과 실제를 교육한다. 특히 대량의 문서를 효과적으로 저장하고 검색할 수 있는 색인, 저장, 검색, 문서분류, 시소러스 구성방법으로 학습하고, 정보검색시스템의 관리와 평가 방법을 학습하며, 주요 정보검색시스템과 전자도서관등에 대한 사례연구 조사를 통해 정보검색의 실제 활용을 이해한다.

GITS372. 소셜 미디어 데이터 분석(Social Media Data Analysis) 2학점

페이스북, 트위터, 위키, 유튜브 등과 같은 다양한 소셜 미디어 데이터를 분석하는 기술을 배운다. 이를 위하여 소셜 미디어 데이터의 그래프 모델링, 탐색 및 측정기법과 기본적인 데이터 마이닝 기법과 같은 핵심 분석 요소 기술들을 배우고 이에 기반한 소셜 미디어 데이터 커뮤니티 분석 기법을 배운다.

GITS375. 스마트폰 모바일 소프트웨어(Mobile Software for Smart Phone) 2학점

스마트폰 모바일 플랫폼인 Android와 iOS에서 응용 소프트웨어 개발을 위해서 필요한 개발 플랫폼 개요, 응용 프로그램 설계, 사용자 인터페이스, 주요 APIs 등을 소개하고 간단한 응용 소프트웨어를 구현해 본다.

GITS376. 클라우드 컴퓨팅(Cloud Computing) 2학점

차세대 IT 시스템중에서 분산 컴퓨팅과 스마트 컴퓨팅 기술의 기본이 되는 클라우드 컴퓨팅(Cloud computing) 기술의 구조, 구현, 응용 등을 이해해야 한다. 이 과목에서는 클라우드 컴퓨팅 사례를 중심으로 여러가지 기술과 응용을 고찰한다.

GITS377. 빅데이터 예측분석(Big Data Predictive Analytics) 2학점

세상의 거의 모든 것이 데이터화(datafication)되고 있다. 빅데이터 분석은 다양한 출처의 데이터를 대규모로 융합, 분석하여 새로운 가치를 만드려 함이다. 예측분석은 구할 수 있는 데이터를 잘 취합하고 모델을 만들어 미래의 또는 아직 접하지 않은 이벤트를 예측함이다. 이를 위해선 예측분석을 통해 얻으려는 비즈니스 가치 분석, 데이터 이해, 빅데이터 기술 및 다양한 기계학습/통계 기법에 대한 이해가 필요하다. 이 과목은 이론과 실습을 통해 데이터 예측분석에 필요한 기본소양을 다룬다.

GITS378. 빅데이터 컴퓨팅(Big Data computing) 2학점

데이터의 수집, 전처리, 탐색적 테이터 분석 및 간단한 자연어 처리, 예측모델 적용, 그리고 데이터 가시화 등에 필요한 다양한 Python package들을 실제 사용 사례 등을 다룬다.

GITS380. 머신러닝 기반 데이터 분석(Machine Learning-Based Data Analysis) 2학점

고도의 정확도가 요구되는 문제를 해결하기 위해 복잡한 데이터 구조 패턴을 기계(컴퓨터)로 하여금 스스로 학습하게 하는 머신러닝 알고리즘 기술을 활용하여 현업의 데이터를 분석하고, 실제 업무에 적용할 수 있다. 머신러닝 수행방법 계획, 데이터 세트분할, 학습모델 적용하기, 자율학습 모델 적용하기 등 머신러닝 기반 데이터 분석의 이론과 실습을 다룬다.

GITS381. 통계기반 데이터 분석(Statistics-Based Data Analysis) 2학점

수집된 내ㆍ외부 데이터 및 정형ㆍ비정형 데이터를 활용하여 분석 목적에 따라 가설을 설정하고 필요한 데이터 세트를 편성하여 통계기반 데이터 분석 모델을 만들고 평가할 수 있다. 가설 설정하기, 빅데이터 모델 개발하기, 빅데이터 모델 평가 검증하기, 빅데이터 모델 운영방안 마련하기 등 통계기반 데이터 분석의 이론과 실습을 다룬다.

GITS382. 텍스트 마이닝 기반 데이터 분석(Text Mining-Based Data Analysis) 2학점

다양한 텍스트 형태의 원천 자료로부터 고품질의 정보를 도출하기 위해 입력된 텍스트를 처리하고, 구조화하여 패턴을 도출한 후 결과를 평가 및 해석하여 현실 업무에 적용할 수 있다. 텍스트 분석 계획 수립하기, 텍스트 모델 구축하기, 단어사전 구축하기, 텍스트 분류 결과 분석하기, 정형 데이터 결합 분석 수행하기 등 텍스트 마이닝 기반 데이터 분석의 이론과 실습을 다룬다.

GITS383. 빅데이터 분석 결과 시각화(Big Data Visualization) 2학점

정보를 명확하고 효과적으로 전달하기 위해서 사용자가 분석 결과를 이해하기 쉽게 그래픽 의미를 이용하여 시각적으로 표현하고 전달할 수 있다. 분석 결과 스토리텔링 하기, 분석 정보 시각화하기, 분석 정보 시각표현하기 등 빅데이터 분석 결과 시각화의 이론과 실습을 다룬다.

GITS384. 빅데이터 분석 기획(Big Data Analysis Planning) 2학점

업무별 분석요건에 대한 문제현황을 정의하고 이슈사항을 도출하여 빅데이터 분석목표 및 프로젝트 계획을 수립할 수 있다. 도메인 이슈 도출하기, 분석목표 수립하기, 프로젝트 계획하기, 보유데이터 자산 확인하기 등 빅데이터 분석 기획의 이론과 실습을 다룬다.

GITA385. 딥러닝 기초(Introduction to Deep Learning) 2학점

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.

GITA386. 빅데이터 마이닝(Big Data Mining) 2학점

메모리에 저장할 수 없는 대용량 데이터베이스로부터 사전에 알려지지 않은 잠재적인 유용한 정보를 추출하는 내용을 다룬다. 유사 항목 검색, 데이터 스트림 처리, 다중빈도 항목 마이닝, 클러스터링, 추천 등 기술을 다룬다. 분산 파일 시스템과 맵리듀스를 바탕으로 대용량 데이터에 작동하는 병렬 알고리즘을 다룬다.

GITS390. 시계열 자료 분석과 예측(Time Series Data Analysis and Forecastings) 2학점

시계열 자료 및 비시계열 자료에 대한 예측 기법과 예측에 대한 모델 평가 방법을 학습한다.예측 기법으로 선형 회귀모델,로지스틱 회귀모델, decomposition모델, ARIMA모델, ARIMAX모델, Panel Data분석 기법을 학습한다.시계열 분석의 중요한 개념인 정상 시계열, Granger인과관계, co-integration을 학습한다.프로그래밍 사례 학습 훈련을 통하여 실제 데이터 분석 능력을 확립하는 것을 목표로 한다.

GITA402 베이즈 통계 모델링(BBayesian Statistical Modeling) 2학점

베이즈 방법론을 기반으로 주어진 데이터에 대하여 확률모형/모델을 구성하고 그 모델의 파라메터에 대한 사후분포 

(posterior distribution)을 구하는 방법에 대하여 학습한다. 베이즈 통계 모델링에 사용되는 확률분포의 종류를 살펴

보고, 구성한 통계모델이 가지는 파라메터들의 사후분포를 구하기 위한 프로그래밍을 이용한 컴퓨터 계산 방법, 계산

결과의 분석/해석을 위한 요약 및 가시화의 방법을 살펴본다.