기준 학년도: 2026학년도
| 학년·학기 | 교과목명 | 주요내용 |
|---|---|---|
| 1-1 | 데이터정보처리입문 | 데이터 처리에 필요한 컴퓨터 활용 능력과 데이터의 수집·분석·처리 과정을 익히고, 한글, 엑셀, R의 기초 활용 방법을 학습 |
| 1-1 | R컴퓨팅 | 데이터 분석 프로그램인 R의 기본 개념과 프로그래밍 구조를 익히고, 데이터 분석 활용 방법을 학습 |
| 1-2 | 통계로세상읽기 | 통계의 기본 개념을 이해하고, 일상생활에서 접하는 다양한 사례를 통해 통계와 통계학의 활용 방법을 학습 |
| 1-2 | 데이터과학개론 | 데이터 과학자가 갖추어야 할 기본적인 소양인 소프트스킬과 하드스킬을 소개하고 강의 |
| 1-2 | 파이썬컴퓨팅 | Python 프로그래밍의 기본 개념을 이해하고, Google Colab 환경에서 프로그래밍 기초를 익혀 통계 및 데이터 분석에 활용하는 방법을 학습 |
| 2-1 | 통계학개론 | 통계학의 기본 개념을 수학적 지식을 깊이 요하지 않는 범위에서 개념적으로 소개한다. 통계학을 전공하기 시작하는 학생에게 확률분포, 통계검정, 회귀모형 등 다양한 통계적 방법을 소개하고 R 실습을 제공한다. |
| 2-1 | 확률의개념과응용 | 확률의 기본 개념과 확률분포를 이해하고, 다양한 확률 계산 방법과 통계학 전반에서의 확률의 활용 방법을 학습 |
| 2-1 | 엑셀데이터분석 | 엑셀을 활용하여 데이터의 수집과 관리, 차트 작성 및 수치 요약 방법을 익히고, 통계 분석의 기본 개념과 다양한 데이터 분석 기능을 학습 |
| 2-2 | AI를 위한 수학의 기초 | 본 교과목은 인공지능과 머신러닝의 이해를 위한 수학적 기초로서 다중미적분, 선형대수, 확률 및 통계의 기본 개념을 다룬다. |
| 2-2 | 여론조사의이해 | 여론조사의 역사와 기본 개념, 조사 설계 및 작성 과정을 이해하고, 선거 여론조사, 마케팅조사, 사회조사, 시청률 조사 등 다양한 분야에서의 활용 방법을 학습 |
| 2-2 | 빅데이터의이해와활용 | 데이터베이스의 개념을 설명하고 sqlite를 이용하여 관계형 데이터베이스를 설계, 구축 및 활용하는 방법을 익힌다. |
| 3-1 | 데이터시각화 | 데이터를 효과적이고 효율적으로 시각화하기 위해 알아두어야 할 시각화의 기본 요소를 소개하고, 각 시각화 기법을 R의 ggplot2 패키지를 이용하여 실제로 구현하는 실습을 제공한다. |
| 3-1 | 파이썬데이터처리 | 파이썬을 이용하여 데이터 추출, 정제, 적재에 관련한 다양한 작업을 학습한다. |
| 3-1 | 회귀모형 | 본 교과목은 반응변수와 설명변수 간의 함수적 관계를 규명하기 위한 회귀분석의 이론과 방법을 다룬다. |
| 3-1 | 통계조사방법론 | 사회조사의 기본 개념과 조사 방법을 이해하고, 설문지 작성, 면접 조사, 자료의 수집 및 입력, 표본추출, 통계 분석, 보고서 작성 방법을 학습 |
| 3-1 | 데이터처리와활용 | 데이터베이스의 개념을 설명하고 sqlite를 이용하여 관계형 데이터베이스를 설계, 구축 및 활용하는 방법을 익힌다. |
| 3-2 | 표본조사론 | 표본조사의 기본 개념, 주요 표본추출 및 추정 방법, 표본오차와 비표본오차의 개념을 이해하고, 엑셀을 활용한 추정값과 추정오차의 산출 및 활용 방법 습득 |
| 3-2 | 바이오통계학 | 바이오통계학이란 통계적 원리를 의학, 보건학, 생물학 등에 적용하는 학문이다. 이 과목에서는 바이오통계학의 기본 개념을 개론 수준에서 소개하고, R을 이용하여 예제 데이터에 통계 분석 방법을 적용해 보는 실습을 제공한다. |
| 3-2 | 통계패키지 | 대표적인 통계패키지 SPSS와 SAS의 문법과 통계분석 방법을 강의 |
| 3-2 | 실험계획과응용 | 본 교과목은 효율적인 데이터 수집을 위한 실험 설계의 원리와 통계적 분석 방법을 다룬다. |
| 3-2 | 수리통계학 | 통계적 추론의 기본 원리인 추정과 가설검정의 개념을 이해하고, 이와 관련된 주요 확률분포와 이론을 학습하여 통계적 추론 능력을 함양 |
| 4-1 | 딥러닝의통계적이해 | 통계학적 관점에서 딥러닝의 원리를 이해하고, CNN, RNN, LSTM, Transformer, GAN, BERT 등 주요 딥러닝 모델을 학습 |
| 4-1 | AI를 위한 수학의 응용 | 본 교과목은 인공지능 알고리즘의 이론적 기반이 되는 선형대수학과 확률통계 이론을 심화하여 다루는 수학 중심의 응용 과목이다. |
| 4-1 | 예측방법론 | 시계열 자료의 특성을 이해하고, 시계열 모형을 활용한 예측 방법과 ARIMA 모형, 시계열 분해, VAR 모형 및 공적분 모형의 작성과 활용 방법을 학습 |
| 4-1 | 다변량분석 | 다변량방법들 중에서 널리 이용되고 있는 주성분분석, 군집분석, 다차원척도법, 판별분석 등을 방법과 분석사례 중심으로 강의 |
| 4-1 | 데이터마이닝 | 대용량 데이터로부터 유용한 지식과 패턴을 발견하기 위한 데이터마이닝의 개념, 분석 절차 및 의사결정나무, 신경망, 연관분석, K-평균 군집화 등 주요 기법을 학습 |
| 4-2 | 비정형데이터분석 | 비정형데이터의 개념 및 기존 데이터와 비정형 데이터의 차이점을 이해하고 텍스트마이닝과 이에 바탕을 둔 소셜네트워크 분석을 강의 |
| 4-2 | R데이터분석 | R을 이용한 데이터 정리, 통계 계산, 중급 통계 분석, 고급 그래프 기법 등을 소개 |
| 4-2 | 베이즈데이터분석 | 베이즈 정리에 기반한 베이즈 추론의 기본 개념과 불확실성을 확률적으로 표현하는 방법을 이해하고, 베이즈 추론에 필요한 통계적 계산 방법을 익혀 다양한 통계 모형의 데이터 분석에 적용하는 방법을 학습 |
| 4-2 | 자연언어처리 | 자연어 처리의 기본 개념과 주요 기법을 이해하고, 딥러닝 기반 자연어 처리 기술과 다양한 분야에서의 활용 방법을 학습 |
통계·데이터과학과에서 관리하는 전공 교과목에 대한 소개입니다.
