메뉴명
푸른비전, 청춘의 열정이 살아 숨쉬는 강남대학교
메뉴명
홈
데이터사이언스전공
역량기반교육과정
역량기반교육과정
학년학기산업경영공학전공데이터사이언스전공학점시간
11
  • -데이터사이언스개론
  • -데이터큐레이션개론
3/63/6
2
  • -데이터통계분석 I
6/36/3
21
  • -데이터·정보검색과활용
  • -프로그래밍 I
  • -데이터베이스기초
  • -데이터통계분석 II
12/1212/12
2
  • -데이터시각화
  • -데이터 수집과 클리닝
  • -프로그래밍 II
  • -데이터통계분석 III
  • -감성공학
12/1512/15
31
  • -시니어데이터 이해와분석
  • -데이터마이닝
  • -프로그래밍 III
  • -데이터아키텍처
  • -데이터베이스응용
  • -Human Factors in Data Science
15/1815/18
2
  • -공공데이터 이해와분석
  • -데이터마이닝시스템구축실습
  • -빅데이터 보안
  • -사용자경험과 인공지능
  • -Knowledge Management for Data Scientists
15/1516/15
41
  • -데이터기반서비스디자인론
  • -빅데이터분석실습
  • -캡스톤디자인(DS) I
  • -현장실습 (장기/단기)
9/99/9
2
  • -기계학습
  • -프로젝트매니지먼트
  • -캡스톤디자인(DS) II
  • -현장실습 (장기/단기)
9/99/9

데이터사이언스전공

 

학부 공통 교과목
학년-학기교과목명교과목 설명권장 선이수 교과목
1-1

데이터사이언스

개론

 데이터·정보의 수집, 처리, 분석 및 처리를 위한 지식과 기술을 연구하는 학문인 데이터사이언스를 소개한다. 

데이터큐레이션

개론

데이터 분석과 활용을 위해, 데이터 기술(description), 데이터 수집(생산 포함), 데이터 활용 가치에 기반을 둔 평가 및 데이터 선택, 데이터 재이용을 위해 데이터 보존활동(마이그레이션 포함), 데이터 저장소, 데이터 접근과 재이용 등에 대해 학습한다. 

산업의이해

 저학년 학생들에게 산업시스템에 대한 이해와 산업경영 공학에 대한 동기를 부여한다. 제조 및 서비스 산업현장의 목적 및 목표, 구성요소, 프로세스, 데이터 등에 대한 전체적인 개념을 이해하고, 개별 기업에 대한 전반적인 분석을 다룬다. 산업경영 공학의 필요성을 인식하고, 나아가 향후 직장에서 수행하는 일을 그려 볼 수 있게 한다. 
1-2

데이터통계분석 I

통계의 기본적인 개념과 기초를 학습하고, 엑셀,/SPSS를 활용한 데이터 통계분석을 수행한다. 

기계공학개론

  

 모든 공학의 기초가 되는 기계공학의 기본적인 지식을 습득하고 기계제작의 기본적인 요소를 이해한다. 이를 위하여 기계의 기초 개념부터 역학, 구성, 재료, 계측과 자동제어까지 기본 이론을 다룬다. 

창의공학개론

 저학년 학생들에게 산업경영공학의 이해와 동기를 부여한다. 창의적 사고, 팀웍(Synergy), 의사소통, 문제해결 방법, 네트워킹, 윤리 등의 학습을 통해서 산업경영공학도가 갖춰야 할 역량을 정확히 인식시킨다. 동기 부여를 위해 흥미가 유발될 수 있도록 한다. 분석 및 설계에 필요한 기초 이론과 간단한 실습을 병행한다. 가벼운 문제를 대상으로 5개 정도의 설계 프로젝트를 진행한다. 
2-1

데이터통계분석 II

데이터 분석을 위한 대표적인 프로그램인 R을 이용하여 데이터를 분석하고 분석결과를 전달할 수 있는 방법을 학습한다. R의 기본적인 내용(벡터, 행렬, 리스트, 데이터 프레임, 기본 함수 등)과 R을 이용한 기술통계, 상관분석, 회귀분석 등에 대한 기법을 학습한다.

 

데이터·정보검색과

활용

 다양한 유형의 데이터·정보검색시스템에 대한 원리를 이해하고 서로 다른 이용자들의 정보 활용 행위에 관해서 학습한다. 

데이터베이스 

기초

 DB 디자인의 일반적인 개념을 이해하고, DBMS, SQL등을 이용 DB 설계에 필요한 지식을 학습한다. 
프로그래밍 I파이썬을 이용하여, 데이터 관리에 필요한 기본적인 코드를 학습한다.  데이터 처리 방법과 기법 등을 포함한다.  

경제성공학 

 

 공학의 전공자에게 현금의 흐름, 투자대안의 경제성 비교 및 분석, 기술개발에 따른 경제성모형 및 의사결정 과정의 과학적인 기법들을 습득함으로써 공학의 경제성을 평가하고 문제해결의 능력을 배양한다.

 

로봇생산시스템

 

 본 교과목에서는 생산시스템의 기초부터, 생산시스템의 발전 단계를 살펴 본 후, CNC(컴퓨터 수치제어), 로봇, AS/RS(자동저장 및 검출 시스템), AGV, AS/RS 등 첨단 생산시스템의 각 구성 요소들을 차례대로 배운다. 그리고 나서 CAD/CAM, CIMS(컴퓨터통합생산시스템), IMS(지능형생산시스템) 등과 같은 첨단 생산시스템에 대해서 배운다. 4학년에 컴퓨터통합생산시스템 실험과 연계하여 첨단생산시스템을 운영할 수 있는 실질 전문 기술 능력을 갖추게 한다. 

생산시스템설계

 

 제조업과 서비스업에 있어서 가치창출의 핵심과정인 생산프로세스에 대해 이해하고, 생산시스템 설계를 위한 제반 기법을 배운다. 기업전략과 우선경쟁역량, 생산프로세스 전략 개발, 생산프로세스 분석, 설비 배치, 생산용량 계획, 프로세스 역량 관리, 공정 설계, 린시스템 설계 등에 대한 실무능력을 배양한다. 
확률통계 본 과목은 확률적 개념과 통계적 사고를 익히는 과목으로 산업경영공학 전공에서 배울게 될 전공과목들에서 배우게 될 다양한 내용들의 이해에 필수적인 기초과목이다. 

 

데이터사이언스전공 교과목
학년-학기교과목명교과목 설명권장 선이수 교과목
2-2

데이터 수집과    클리닝

 데이터분석의 사전 필수단계인 데이터 수집과 클리닝에 대한 개념적 이해와, 사례와 실습을 통한 기본적인 테크닉을 습득한다. 
데이터 시각화 

인간의 감각 중 가장 강력한 정보수용체인 시각을 활용하여 메시지를 전달하는 방법을 학습하는과목으로,데이터 탐색 및 데이터 분석모델의 이해와 보고서작성의시각화를 위해 인지과학측면에서의 시각화에 관한이론과 R을이용한 시각화 방법을학습한다. R 기본 패키지인 graphics 패키지와 ggplot2 패키지 사용법을 학습한다.

데이터통계분석 II(2-1)
데이터통계분석 III 

데이터통계분석II와 연계하여 데이터 분석의 핵심프로그램인 R의 고급기법을 이용하여, 머신러닝(기계학습) 기반의 데이터분석 기법을 학습한다. 주요 내용은 지도학습 모델을 적용하여, 분류 목적의 머신러닝 주요 기법과 수치 예측 목적의 머신러닝 주요 기법 등이 포함된다. 또한 자율학습 모델을 적용하여, 클러스터링(군집) 분석, 차원축소 기법, 연관성 분석(장바구니 분석) 등을 학습한다.

데이터통계분석 II (2-1)

프로그래밍 II  

 파이썬을 기반으로 데이터 분석과 활용에 관한 내용을 학습한다.

프로그래밍 I

(2-1)

3-1온톨로지개발 온톨로지 도구와 소프트웨어를 통하여 다양한 분야에 적용 가능한 온톨로지의 개발과 적용에 대해 학습한다.메타데이터활용(2-2)

데이터마이닝

 데이터마이닝시스템의 구성요소, 관련기술 및 이론을 습득한다. 
데이터통계분석 III (Matlab) Matlab을 활용한 데이터분석 기법을 학습한다.데이터통계분석 I & II (2-1 & 2-2)
기계학습 I 다변량통게분석, 인공지능 등을 활용한 기계학습 이론을 학습한다. 

프로그래밍 II

 자바를 이용한 데이터처리 및 가공에 필요한 프로그래밍 언어를 학습한다. 

Human Factors in Data Science

 This course provides cognitive and psychological theories and approaches to understanding human data/information interactions. It examines techniques to apply theories for designing user friendly services/systems.

 

3-2감성공학 감성공학의 이론 및 연구 영역을 소개하고 관련 활용사례를 조사·분석한다. 

데이터시각화 

 빅 데이터가 어떻게 시각적으로 표현되는지 과정을 이해하고 이를 적용하는 과정을 학습한다.

데이터통계분석 I & II (2-1 & 2-2)

데이터마이닝
시스템구축실습		 데이터마이닝시스템 구축을 위한 전반적인 필요사항을 학습하고 시스템 활용기술 및 구축방법을 습득한다.데이터마이닝 (3-1)
기계학습 II 인공지능을 활용한 기계학습 관련 이론을 활용한 데이터마이닝 응용을 이해하고 적용한다. 

프로그래밍 III 

 데이터처리, 분석, 시각화 등에 필요한 웹기반 프로그래밍 언어를 학습한다.프로그래밍 I (2-2) & II (3-1)
 Knowledge Management for Data ScientistsAn introduction to the background, principles, practices, and technologies of knowledge management for data scientists. 
4-1데이터기반
서비스디자인론		 서비스디자인의 개념 및 방법론을 소개하고 다양한 분야의 활용사례를 조사·분석한다. 데이터기반의 서비스를 디자인하는 실습을 수행한다.

데이터큐레이션개론(1-2), 감성공학 (3-2)

프로젝트 매니지먼트 프로젝트의 계획수립, 진행, 기술보고서 작성 등 프로제트 관리에 필요한 전반적인 사항을 학습한다. 
빅데이터분석실습 다양한 데이터 종류를 포함한 빅 데이터를 분석하여 패턴, 관계성, 경향 등을 파악하는 방법을 학습한다.데이터수집과클리닝(2-2)
캡스톤디자인 프로젝트 I 데이터사이언스 전공에서 배운 교과목들과 그들의 상관관계에 대한 이해를 바탕으로 실제적인 프로젝트 수행능력을 배양하기 위해 조별 프로젝트를 수행한다.데이터수집과클리닝(2-2)
현장실습(장기/단기) 데이터분석가 및 데이터큐레이터로서의 역할을 수행하기 위해 산업, 공공, 민간기관의 현장에서 실습하면서 역량을 키우는 과목이다. 
4-2

빅데이터보안

 빅데이터 보안에 관련된 이론, 기술, 문제점 등을 학습한다.

 

질적연구방법론

 데이터사이언스 관련 분야 및 실생활과 관련된 분야에서 문제해결 및 예측을 위한 질적연구방법을 이해하고 적용할 수 있는 능력을 학습한다. 
캡스톤디자인프로젝트 II 데이터사이언스 전공에서 배운 교과목들과 그들의 상관관계에 대한 이해를 바탕으로 실제적인 프로젝트 수행능력을 배양하기 위해 조별 프로젝트를 수행한다. 
현장실습 (장기/단기) 데이터분석가 및 데이터큐레이터로서의 역할을 수행하기 위해 산업, 공공, 민간기관의 현장에서 실습하면서 역량을 키우는 과목이다. 
데이터사이언스

 

학기교과목명전공역량비고
1-1데이터사이언스개론D-K, P-K, A-K, V-K 
데이터큐레이션개론D-K, P-K, A-K, V-K 
산업의 이해PS-K, PS-A, PP-S, PP-A 
1-2데이터통계분석 IA-K, A-S, A-A 
기계공학개론PO-K, PE-S, HP-K 
산업경영공학입문PS-K, PS-S, QP-K, HP-K 
2-1경제성공학PP-S, QP-K 
로봇생산시스템PP-S, PE-K 
생산시스템설계PS-K, PS-S, PP-K, PP-S, PP-A, PO-K, PO-S 
확률통계PS-K, QO-K, QO-S, QE-K, QE-S 
데이터통계분석 IA-K, A-S, A-A 
데이터·정보검색과활용P-K, P-S, P-A, A-K 
데이터베이스기초P-K, P-S, P-A 
데이터사이언스전공

 

가. 빅데이터 분석전문가 학습로드맵

 

 

 

단계학기핵심과목선택과목타전공/교양 추천과목
전공기초및 교양(1학기)1
  • -데이터사이언스개론
  • -데이터큐레이션개론
 

 

2
  • -데이터통계분석 I

 

  •  
  •  
  •  
전공심화(2학년)1
  • -데이터통계분석 II
  • -데이터베이스기초
  • -데이터·정보검색과활용
  • -프로그래밍 I
 
2
  • -데이터통계분석 II
  • -데이터시각화
  • -데이터수집과클리닝
  • -감성공학
  • -프로그래밍 II
 
전공핵심 (3학년)1
  • -시니어데이터 분석과이해
  • -데이터마이닝
  • -데이터 아키텍처
  • -프로그래밍 III
  • -데이터베이스 응용
  • -Human Factors in Data Science
 
2
  • -공공데이터 이해와분석
  • -데이터마이닝시스템구축실습
  • -사용자경험과 인공지능
  • -빅데이터보안
  • -Knowledge Management for Data Scientists
 
전공응용 (4학년)1
  • -빅데이터분석실습
  • -캡스톤디자인프로젝트(DS) I
  • -현장실습
  • -데이터기반서비스디자인론
 
2
  • -데이터분석과 기계학습
  • -캡스톤디자인프로젝트(DS) II
  • -현장실습
  • -프로젝트 매니지먼트
 

 

 

나. 데이터 기획전문가 학습로드맵

 

 

 

단계학기핵심과목선택과목타전공/교양 추천과목
전공기초및 교양(1학기)1
  • -데이터사이언스개론
  • -데이터큐레이션개론
  
2
  • - 데이터통계분석 I
  
전공심화(2학년)1
  • -데이터통계분석 II
  • -데이터·정보검색과활용
  • -프로그래밍 I
  • -데이터베이스기초
 
2
  • -감성공학
  • -데이터통계분석 III
  • -데이터시각화
  • -데이터수집과클리닝
  • -프로그래밍 II
 
전공핵심 (3학년)1
  • -데이터아키텍처
  • -Human Factors in Data Science
  • -시니어데이터 이해와분석
  • -데이터마이닝
  • -데이터베이스응용
  • -프로그래밍 II
 
2
  • -사용자경험과 인공지능
  • -Knowledge Management for Data Scientists
  • -공공데이터 이해와분석
  • -데이터마이닝시스템구축실습
  • 빅데이터 보안
 
전공응용 (4학년)1
  • -데이터기반서비스디자인론
  • -캡스톤디자인프로젝트(DS) I
  • -현장실습
  • -빅데이터분석실습
 
2
  • -프로젝트매니지먼트
  • -캡스톤디자인프로젝트(DS) II
  • -현장실습
  • -데이터분석과 기계학습
 

다. 데이터 커뮤니케이터(큐레이터) 학습로드맵

 

 

 

단계학기핵심과목선택과목타전공/교양 추천과목
전공기초및 교양(1학기)1
  • -데이터사이언스개론
  • -데이터큐레이션개론
  
2
  • - 데이터통계분석 I 
  
전공심화(2학년)1
  • -데이터베이스 기초
  • -프로그래밍 I
  • -데이터·정보 검색과 활용
  • -데이터통계분석 II
 
2
  • -프로그래밍 II
  • -데이터통계분석 III
  • -데이터시각화
  • -데이터수집과클리닝
  • -감성공학
 
전공핵심 (3학년)1
  • -데이터베이스응용
  • -프로그래밍 III
  • -시니어데이터 이해와분석
  • -데이터마이닝
  • -데이터아키텍처
  • -Human Factors in Data Science
 
2
  • -빅데이터 보안
  • -공공데이터 이해와분석
  • -데이터마이닝시스템구축실습
  • -Knowledge Management for Data Scientists
  • - 사용자경험과 인공지능
 
전공응용 (4학년)1
  • -캡스톤디자인프로젝트(DS) I
  • -현장실습
  • -빅데이터분석실습
  • -데이터기반서비스디자인론
 
2
  • -캡스톤디자인프로젝트(DS) II
  • -현장실습
  • -데이터분석과 기계학습
  • -프로젝트매니지먼트