Undergraduate Course
본 교과목은 방대하고 복잡한 데이터 속에서 유용한 정보를 발견하기 위한 데이터마이닝의 핵심 이론과 실무를 다룹니다. 수강생들은 회귀, 분류, 예측, 군집 등에 활용되는 주요 모델의 개념과 수학적 원리를 학습하고, Python 기반 기계학습 프로그래밍 실습을 통해 이론을 실제 데이터에 적용하는 능력을 기릅니다. 또한 비즈니스 데이터를 활용한 프로젝트를 수행하며 분석 기획부터 결과 도출까지의 과정을 직접 경험합니다. 이를 통해 학생들은 데이터 기반 의사결정 능력과 문제 해결 능력을 함양하고, 산업 현장에서 요구되는 실무적 분석 능력을 갖추게 됩니다.
Undergraduate Course
본 교과목은 경영 및 공학 분야의 의사결정 과정에서 최적의 해법을 도출하기 위해 수학적 모델링, 통계적 분석, 컴퓨터 기반 알고리즘을 연구하는 학문이다. 복잡한 시스템을 정량적으로 분석하기 위해 선형계획법, 심플렉스법, 수송·할당 모형, 네트워크 모형, PERT/CPM 등 다양한 최적화 기법을 학습합니다. 수강생들은 학습한 이론과 기법을 실제 현실 문제에 적용하여, 경영·산업 현장에서 발생하는 자원 배분, 물류 최적화, 프로젝트 관리 문제를 효과적으로 해결할 수 있는 능력을 기르게 됩니다.
Undergraduate Course
시계열자료는 기계공학, 의학, 약학, 보건학, 경제학, 농학, 부동산학 등의 다양한 분야에서 많이 활용되고 있다. 본 과목은 수리적으로 미래를 예측할 때 활용 빈도가 높은 다양한 시계열 및 인공지능 이론 (Regression, Exponential smoothing, ARIMA, ARCH/GARCH, Machine Learning/Time-Series Deep Learning)을 학습한다. 또한, R 및 Python 프로그래밍 실습과 실제 시계열 데이터를 활용한 프로젝트 수행을 통해 통계 분석 및 AI 예측 모델링 실무 역량을 함양한다.
Graduate Course
본 과목은 딥러닝의 수학적 원리를 학습하는 한편, 이미지 인식, 자연어 처리(NLP), 금융 경제 시계열 예측 및 의료 AI 등 다양한 산업에 머신러닝을 응용하는 연구를 심도 있게 다룬다. 주요 학습 주제로 DNN, CNN, RNN 및 AutoEncoder 등 다양한 심층 네트워크 구조를 배우고, 설명 가능한 AI(XAI) 기법을 통해 딥러닝 모델의 예측 결과의 인과성을 해석하는 방법을 배운다. 또한, 실제 데이터를 적용하는 딥러닝 프로젝트를 수행하며, 학습한 이론과 기법을 직접 적용해 문제를 해결하는 실무 역량을 기른다.