Spring Semester

데이터마이닝 / Datamining / INE5006

Undergraduate Course

본 교과목은 방대하고 복잡한 데이터 내부에 존재하는 유용하고 의미 있는 정보를 이끌어 내는 방법을 연구하는 학문이다. 본 교과목에서는 회귀, 분류, 예측 및 군집에 활용되는 주요 데이터마이닝 모델의 개념 및 수학적 이론을 배운다. 또한, Python 프로그래밍 실습을 통해 다양한 분석 모델을 활용하는 능력을 습득한다.

데이터애널리틱스입문 / Introduction to Data Analytics / DST2002

Undergraduate Course

본 교과목에서는 다양한 빅데이터 분석 모델의 기본 개념과 이론을 학습하며, Python 프로그래밍 실습을 통해 현실 문제를 해결하기 위한 분석 실무 역량을 기른다. 또한, 수강생들은 실제 비즈니스 데이터를 활용해 분석 기획부터 결과 도출까지의 전 과정을 포함한 빅데이터 분석 프로젝트를 수행한다.

수리최적화 / Mathematical Optimization / APS3001

Undergraduate Course

본 교과목은 경영 및 공학 분야의 의사결정 과정에서 최적의 해법을 도출하기 위해 수학적 모델링, 통계적 분석, 컴퓨터 기반 알고리즘을 연구하는 학문이다. 복잡한 시스템과 문제를 정량적으로 분석하기 위해 선형계획법, 심플렉스법, 수송**·**할당 및 네트워크 모형 등 다양한 최적화 이론과 기법을 학습한다.

Fall Semester

시계열 및 인공지능 예측 / Time-Series and AI Forecasting / APS3007

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.

딥러닝 / Deep Learning / ASY6001

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.