현장 중심의 탄탄한 커리큘럼으로
'실전형 데이터 사이언티스트 배출'
AI•빅데이터 석사
학점구성
교육일정
- 개강시기 :
- 3월, 9월
- 원서접수 :
- 개강 약 5개월 전에 홈페이지 공시
- 교육기간 :
- 1년(2학기)
- 교육시간 :
- 금요일 18:30~22:20/ 토요일 08:30~17:20
학점구성
구분 | 개설학점 | 비고 | |
---|---|---|---|
AI•빅데이터 전공 | 전공기초, 심화 | 약 20학점 | FUS 공통 9학점 별도 |
BP/논문 | 3학점 | ||
총 개설학점 | 27학점 | ||
최소 졸업학점 | 24학점 |
- 스위스 프랭클린대 복수학위 AI EMBA 선택 시 해외집중과정 2과목 포함
- 상기 개설학점은 커리큘럼에 따라 변동될 수 있습니다.
- 경영자독서모임(MBS) 교양필수 1학점 별도 이수 필요
커리큘럼
커리큘럼
구분 | 과목명 | |
---|---|---|
AI•빅데이터 전공 | 전공기초 및 심화 |
|
논문/BP/사업계획서 | Business Project and Thesis Writing AI·빅데이터 플랫폼 설계/구축/실습 I, II (※ 전공필수) |
*상기 커리큘럼은 변동될 수 있습니다.
커리큘럼 특징
- 확실한 통계 기법 교육과 AI•빅데이터 실전 능력 배양
- AI•빅데이터 석사 전공 중 세계 최대의 전공 과목 교육
- 경영대학원의 장점에 충실한 현업에 즉시 적용 가능한 AI•빅데이터 전공 교육 실현
- 국내•외 타학교와는 확연히 차별화 된 이론과 실습 중심의 AI•빅데이터 전공 커리큘럼
교육내용
구분 | 교육내용 |
---|---|
Understanding of AI Fundamentals | 한 기업의 AI도입 및 활용 Plan을 정립하고 실행계획을 세우기 위한 명확한 Value Proposition을 정의하고 이를 추진하기 위한 AI playbook을 작성하는 방법론을 배운다. 5가지의 AI Initiative들을 각 기업의 상황에 맞게 선정하고 구체화하며, 비즈니스 모델 캔버스를 통해 기업에서의 AI를 활용한 신사업전략을 세우는 방법론을 배운다. |
Methodologies in AI & Big Data Analytics | 데이터 분석 및 AI 등의 알고리즘을 통한 다양한 빅데이터 활용 사례들을 알아보고 간단한 실습 등을 통해 완전히 이해한다. |
Statistics with R | 통계분석의 기초와 R의 시각화 프로그램 공학이나 전산학의 배경이 전혀 없는 수강생들에게 프로그래밍의 개념을 설명한다. 현장에서 필요한 통계분석의 개념에 대하여 익히고 R의 최대 강점 중의 하나인 뛰어난 Graph에 대한 이론과 실습을 통하여 자료의 시각화(visualization)를 배운다. |
RDBMS와 SQL | 데이터베이스(데이터 저장소)의 역할과 기능을 이해하고, 데이터베이스에 저장된 데이터를 원하는 형태로 조회, 가공, 변경하는 SQL 언어를 학습한다. 데이터 전처리를 위한 방법과 실제 데이터를 활용하여 다양한 조회, 집계 방법을 실습한다. |
Python I,II | DX에 대한 개념 이해 및 파이썬 프로그래밍 학습을 기반으로 현업에서의 데이터 분석력을 제고하고 향후 머신러닝 학습에 필요한 기초 지식 습득한다. 효율적인 데이터 분석을 통한 업무의 생산성 제고 및 향후 예측 모형 개발 학업을 위한 기반을 마련한다. |
Deep Learning Algorithms with Python | 딥러닝이 다른 머신러닝 기법과 어떤 차별점이 있고 어떤 이론적 배경으로 만들어 졌으며 어떻게 발전해 왔는지 살펴본다. 또한, 주요 딥러닝 모델인 DNN, CNN, RNN의 작동 원리와 학습 방식을 이해하고 실제 구현된 코드를 확인하고 실행해보며 딥러닝 모델의 장점을 확인해 본다. |
빅데이터 연구세미나 | 자신의 연구, 경험, 및 최신 동향에 대해 발표하며, 업계에서의 문제점과 도전 과제에 대해 논의한다. |
Data Mining I,II | 데이터마이닝은 데이터베이스에 이미 존재하는 데이터를 이용하여 어떠한 구조적 패턴을 발견할 수 있는지 학습하는 과목이다. 텍스트 전처리, 의미정보 변화, 의미정보 추출, 패턴 및 경향 분석, 자연어 처리, 사례 연구 및 실습한다. |
AI Computer Vision | 컴퓨터 비전은 컴퓨터를 이용하여 정지 영상 또는 동영상으로부터 의미 있는 정보를 추출하는 학문이다. 즉, 사람의 눈과 뇌가 하는 작업을 수학적 알고리즘을 통해 컴퓨터가 수행할 수 있도록 만드는 작업이다. 본 수업은 OpenCV를 이용하여 컴퓨터 비전 이론을 학습하고 알고리즘을 프로그래밍하는 수업이다. |
Personalized recommendation system | 추천 시스템에 대한 이론적 지식을 바탕으로 파이썬을 이용하여 직접 추천시스템 모델을 구현할 수 있는 역량 강화합니다. 순차적인 추천시스템의 발전 과정을 학습하고, 추천모델 구성에 필요한 시스템을 학습한다. |
Text Mining and Natural Language Process | 텍스트 마이닝과 자연어 처리에 대해 전체 과정을 이해할 수 있도록, 텍스트 전처리 방법을 비롯하여 통계적 방법에서 인공신경망 기반의 방법까지 개념적 이해와 함께 예제 실습을 통해 활용력을 높인다. |
Generative AI & Prompt Engineering | 초거대 언어모델(LLM) 위주의 GPT 모델에 대한 이해도를 높이고, Prompt Engineering의 원리와 방법에 대해 실습한다. 이를 통해 실무에 적용할 수 있는 수준의 GPT와 Prompt Engineering에 대한 Hands On 실력을 키울 수 있다. |
강화학습 | 강화학습의 기본 개념과 핵심 알고리즘, 인공신경망의 알고리즘을 이해하고 간단한 인공지능 구현한다. |
빅데이터 플랫폼 구축 실습 및 논문/BP Clinic 1,2 | 데이터 등을 활용하여 실제 업무 및 비즈니스에 쓰일 수 있고 도움이 되는 데이터 플랫폼을 기획하고 모델링 하며 구축, 실습하는 과정이다. |
*상기 교과목은 변경될 수 있습니다.
교수진 소개
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|