AI (인공지능) MBA
Track1 AI 빅데이터
MBA
AI MBA
Track1 AI 빅데이터
Track1 AI 빅데이터
현장 중심의 탄탄한 커리큘럼으로
'실전형 데이터 사이언티스트 배출'
과정개요
과정소개
맥킨지 빅데이터 보고서(2012)에 따르면 앞으로 미국에서만 총 180,000여명의 데이터 분석 전문가가 추가로 필요할 것이라고 합니다. 국내에서도 민간부문은 물론 교통, 재난, 의료 등 공공서비스는 물론 전 영역에서 AI•빅데이터 활용에 대한 수요는 늘고 있습니다. 정부는 2023년까지 국내 최고 수준의 데이터 사이언티스트 1,000명, 수준별 전문인력 5,000명 양성을 목표로 하고 있습니다.
aSSIST의 AI•빅데이터 MBA는 빅데이터 시대에 가치 창출을 선도하는 데이터 사이언티스트 양성을 위해 현장 중심의 탄탄한 커리큘럼과 Open 교수 플랫폼으로 그 동안 수많은 ‘실전형 데이터 사이언티스트’ 를 양성하여 왔습니다. 또한 유일하게 미국과 스위스에 모두 인정받은 스위스 프랭클린대의 MBA 학위도 동시에 취득할 수 있는 복수학위과정도 운영하고 있습니다.
과정특징
-
AI•빅데이터 전략 전문가 양성에 초점
- AI•빅데이터 IT 전문가: 하둡, NoSQL, 실시간 처리기술 등을 익숙히 다룸
- AI•빅데이터 분석 전문가: AI•빅데이터 처리, 분석, 기계학습 모델링, 예측 전문가
- AI•빅데이터 도메인 전문가: 특정 산업/업종/업무에 해박한 지식 + 데이터 사이언스 능력
- AI•빅데이터 전략 전문가: 위의 세 분야에 충분한 지식을 보유하고 있으며 현업과 협의하여 AI•빅데이터 테마를 도출하고 실행전략을 수립한 뒤 진행을 주도적으로 리드
-
ㅠ자형 데이터 사이언티스트 양성
- 수직적 데이터 사이언티스트: IT, 통계, 기계학습 등의 영역에 아주 깊은 지식/역량 보유
- 수평적 데이터 사이언티스트: 사업 영역 지식과 문제 해결 역량
- ㅠ자형 데이터 사이언티스트: IT, 통계, 기계학습 등의 영역에 아주 깊은 지식/역량 보유할 뿐만 아니라 현업에서 문제를 발굴하여 이를 데이터 기반으로 해결할 수 있는 역량을 통합적으로 보유
-
AI•빅데이터를 분석하는 최고의 목적에 포커싱 된 교육
- 내부의 사업적 의사결정 지원 : 데이터 분석을 기반으로 한 의사결정으로 비용과 시간을 절약하여 비즈니스 운영의 높은 효과를 창출
- 이상탐지/실시간 대응 및 예측/최적화 : AI 기반 모델 개발로 다양한 현안 해결
- 개인화된 추천 : 개인에 대한 전방위 데이터를 활용하여 실시간 개인추천 모델 개발
- 새로운 제품/서비스 제안(개발) : AI•빅데이터 분석으로 인사이트를 추출 - 새로운 제품/서비스 개발에 활용
-
각 전공과목의 교육은 최고의 현장 전문가가 담당
- 경영학 공통과목(최고 강평 교수진 선별 구성): aSSIST에서 운영해온 MBA 모듈 교수진 pool 중, 학생 및 국내외 약 200여 곳 기업체로부터 가장 우수한 강의평가를 받은 교수진으로 구성
- 데이터 사이언스 기초 과목: 2015년부터 운영해 온 AI•빅데이터 MBA 과정의 경험을 바탕으로 데이터 과학을 위한 기초과목 발굴 및 최상의 교육 제공
- AI•빅데이터 전공 및 심화과목: AI•빅데이터의 각 세부 영역에 대한 실무 경험 및 연구 실적이 높은 전문가들로 교수진 구성(AI•빅데이터 관련 현장 전문가/교수 강의)
- AI•빅데이터 산업별 CEO 특강: 산업별 AI•빅데이터 기업의 전·현직 CEO 및 임원으로 현장 지향적 사례 특강
커리큘럼
커리큘럼
| 구분 | 과목명 |
|---|---|
| 전공기초 |
|
| 전공심화 |
|
| 논문/BP/사업계획서 | Business Project and Thesis Writing |
*상기 커리큘럼은 AI(인공지능) MBA 경영학공통 과목에서 일부 다뤄지며, 전공과목은 개설과목 수강 신청자 수에 따라 변동될 수 있습니다.
커리큘럼 특징
- 확실한 통계 기법 교육과 AI•빅데이터 실전 능력 배양
- 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 |
|---|---|
| 기초 통계학 | 확률이론, 확률분포, 가설검정, 회귀분석, 분산분석, 비모수통계 |
| 다변량 통계 | 중회귀분석, 요인분석, 군집분석, 판별분석, 로짓분석, k-NN 기법, CART |
| RDBMS와 SQL | 전사데이터웨어하우스(EDW), SQL, RDB, OLAP, Java, ERP, CRM, Business Intelligence |
| AI•빅데이터 방법론과 기계학습 | AI•빅데이터 분석 절차와 기법 실습(R) |
| 웹 마이닝 | 표준 웹로그 분석 시스템, 사용자 구분, 세션 구분, 거래 구분, 패턴발견, 군집화, 사례연구 및 실습 |
| 비정형 데이터마이닝 I | 텍스트 전처리, 의미정보 변화, 의미정보 추출, 패턴 및 경향 분석, 자연어 처리, 사례 연구 및 실습 |
| 비정형 데이터마이닝 II | 비정형 데이터마이닝 실습 |
| 데이터 마이닝 I | 데이터마이닝 프로세스, 모델구축, 시계열 분석, 최적화, 시뮬레이션, 예측 및 분류, CART, k-NN 기법 |
| 데이터 마이닝 II | 나이브 베이즈, 로지스틱 회귀분석, 신경망 분석, 연관 규칙, 협력적 필터링, 사례 실습 |
| R | R 통계 실습 (기초 통계부터 고급 실용 예제까지) |
| 파이썬 | 파이썬 입문, 고급 프로그래밍 실습 |
| 챗봇 기술의 이해 | 과거의 챗봇에서부터 최신 트랜드까지, 기술의 변천사. 챗봇의 유형과 비즈니스 정의 및 사례 - 기업의 문제 해결을 위한 내부전략사례. 신사업으로의 챗봇 사례 분석 - GCP와 오픈소스를 활용한 실습 |
| 사물인터넷 | 사물인터넷 - IoT의 구조, 센서와 IoT 디바이스, IoT 통신기술, 서비스 플랫폼과 클라우드, IoT 비즈니스 사례, IoT 플랫폼 설계와 실습 |
| AI•빅데이터 플랫폼 설계/구축/실습 I | 실제적 비즈니스 문제 해결을 위한 데이터 분석, 빅데이 터 분석을 위한 플랫폼 Architect 설계: 문제정의, 데이터 수집, Architecture 설계, AI•빅데이터 분석 플랫폼 구축(하둡 Splunk), AI•빅데이터 저장/처리(AWS), Dashboard 구현, Report 작성 |
| AI•빅데이터 플랫폼 설계/구축/실습II | 실제적 비즈니스 문제 해결을 위한 데이터 분석, 빅데이 터 분석을 위한 플랫폼 Architect 설계: 문제정의, 데이터 수집, Architecture 설계, AI•빅데이터 분석 플랫폼 구축(하둡 Splunk), AI•빅데이터 저장/처리(AWS), Dashboard 구현, Report 작성 |
| AI•빅데이터 테마선정/시스템 구축 | AI•빅데이터 테마 도출 방법론, AI•빅데이터 구축 방법론, AI•빅데이터 추진 마스터 플랜 |
| AI•빅데이터 CEO 특강 | AI•빅데이터 선도 기업 CEO 특강 : 개인정보보호, 하둡 생태시스템, 한국에서의 클라우드 서비스 등에 대한 특강 포함 |
| 데이터 기반 의사결정 개론 | 디지타이징 비즈니스 정의, 디지타이징 비즈니스 유형(기존기업), 디지타이징 비즈니스 유형(벤처기업), 기업의 현실, 기업전략과 로드맵 |
| 인공신경망과 딥러닝 | 인공신경망 역사, 앞먹임 신경망, 역전파 알고리즘, 합성곱 신경망, 재귀신경망, 자기부호화기, RBM, 텐서플로 실습 |
| 개인화 추천 모델 실습 | 다양한 추천시스템 이해(collaborative filtering recommender systems, content-based recommender systems, knowledge-based recommender systems, and hybrid system등), 실전 사례 연구 및 실습 |
| BP/논문 | AI•빅데이터 현업의 이슈와 학업을 접목하여 논문작성 및 심사 (학회지 제출 권장) |
*상기 교과목은 변경될 수 있습니다.
교수진소개
교수진소개
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|