이화여자대학교데이터사이언스대학원

데이터모델링과 데이터베이스

(Data Modeling and Databases)

크게 두 개의 파트로 구성되어 있다. 첫 번째 파트에서는 기업정보시스템의 핵심요소인 데이터베이스에 관한 실무적 이해와 개발 방법론을 강의와 실습을 병행하여 학습한다. 두 번째 파트에서는 앞에서 다룬 데이터베이스 기술이 진화하여 기업의 빅데이터 인프라 구조가 되기까지의 데이터기술의 진화과정에 대한 설명과 함께 빅데이터 기반의 혁신을 주도하고 있는 GE, 넷플릭스와 월마트 같은 글로벌 기업의 사례들을 살펴본다. 그리고 빅데이터 컴퓨팅의 핵심 기술인 NO SQL (Not Only SQL) 시스템에 대해서 학습한다. 마지막으로 빅데이터 전략을 도출하기 위한 방법론에 대해 학습하고, 방법론을 적용하여 기말 프로젝트를 수행한다.

데이터사이언스고급통계분석

(Advanced Statistical Analysis for Data Science)

데이터 분석을 위한 다양한 자료형태에서의 통계적 방법론을 습득한다. 비 정규분포에 대한 평균 검정에 대한 비모수적 방법론과 범주형 자료에 대한 통계적 방법론을 배운다. 또한 다변량 데이터에서의 여러 통계 기법들을 학습하고, 마지막으로 Monte Carlo Markov Chain을 포함한 베이지안 통계적 방법 기법을 이용하여 자료를 어떻게 분석하는 지 배운다.

딥러닝과 인공지능 응용

(Deep Learning & AI Applications)

기계학습 알고리즘 중 가장 큰 주목을 받고 있는 딥러닝 알고리즘에 대해 학습한다. 신경망(Neural Networks) 알고리즘에서 시작해 심층신경망(Deep Neural Networks) 알고리즘으로 확장하여 딥러닝의 개념과 철학, 성공 원인 등을 학습한다. 성공적인 구조로 알려진 Convolutional Neural Networks, Recurrent Neural Networks (including Long Short-Term Memory), Autoencoder 등을 학습한다. 최근 주목받고 있는 새로운 모델들인 Attention, Generative Adversarial Networks, Diffusion 등과 설명 가능한 인공지능에 대해서 학습한다. Python과 Tensorflow (with Keras)를 이용하여 딥러닝 모델을 직접 활용해보는 기회를 갖는다.

데이터 기반 최적화와 의사결정

(Data-Driven Optimization and Decision Making)

최적화 기법에 기반한 의사결정 방법론에 대해서 학습한다. 주어진 문제와 제약조건 등의 환경 변수에 기반하여 경영과학, 운영관리 관점에서 최적의 해법을 찾는 방법론을 학습한다.