데이터마이닝은 방대하고 복잡한 데이터 내부에 존재하는 유용하고 의미 있는 정보를 이끌어 내는 방법을 연구하는 학문이다. 본 교과목에서는 분류, 예측, 군집에 활용되는 주요 데이터 마이닝 모델의 개념 및 수학적 이론을 배운다. 또한, Python을 사용한 실습을 통해 분석 모델의 활용 능력을 습득한다.
본 교과목에서는 빅데이터 분석의 기본적인 이론들을 배우고, 현실의 여러 문제들을 풀어보는 실습을 통해 분석 기법들의 활용 능력을 습득한다. 또한, 수강생들은 실제 비즈니스 데이터를 이용하여 분석 기획 및 결과를 도출하는 프로젝트를 수행한다.
경영이나 공학에서 발생하는 의사결정 문제를 최적으로 해결하기 위하여 문제의 인식, 문제의 계량화, 컴퓨터의 응용, 해의 도출, 의사결정 과정과의 연계 등을 통한 과학적 접근방법을 배운다. 구체적으로, 선형계획법, 심플렉스법 및 네트워크 모형을 공부한다.
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, Deep Learning)을 학습한다. 또한, 실제 시계열 자료에 R 및 Python 프로그래밍 실습을 통해, 통계 분석 및 예측 모델링 활용 능력을 기른다.
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, 설명가능한 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.