#빅데이터 

데이터 사이언스 대학원별 특징을 알아보자

주요 빅데이터 대학원의 특징과 커리큘럼을 소개합니다.

2022-10-26 | 허주

데이터 사이언스 대학원 꼭 가야 할까?

데이터 사이언스를 꿈꾸거나 관심 있는 많은 사람들에 대학원 진학에 대해 고민하곤 한다. 무조건 가는 게 좋다는 사람이 있는 반면 대학원을 안 나와도 만족하며 사는 사람이 있다. 가장 중요한 건 자신의 생각과 성격 그리고 상황에 맞게 저울질을 해가며 선택하는 게 좋은 것 같다. 대학원에 가는 것이 누구에겐 너무나도 잘 맞고 좋은 선택이 될 수 있는 반면에 분명 그 반대인 사람도 다수 존재할 테니 말이다. 이 글을 통해 주요 빅데이터 대학원의 특징과 커리큘럼을 소개해보고자 한다.

데이터 사이언스 / 빅데이터 대학원 특징소개

빅데이터 산업에 맞추어 데이터 사이언스, 빅데이터 관련 대학원 과정들이 신설 된 학교를 소개해본다.

1. 서강대학교 인공지능 빅데이터 이노베이션 MBA

서강대학교 인공지능 빅데이터 이노베이션 MBA는 비즈니스 역량을 갖춘 인공지능 빅데이터 전문가 양성을 비전으로 갖고 있다. 데이터 애널리틱스 영역, 빅데이터 영역, 인공지능 영역, 비즈니스 이노베이션 영역의 지식을 관련 분야 전문가이신 교수님들로부터 습득이 가능하다.  4대 주요 영역에 대한 상세 커리큘럼 내용은 하기와 같다.

Data Analytics

⦁ 인공지능 빅데이터 소개 Introduction to AI Big Data Innovation
⦁ AI 빅데이터 분석을 위한 프로그래밍 Program Language for AI Big Data Analytics
⦁ 의사결정과 리스크 분석 Decision Analysis and Risk Analytics
⦁ 경영혁신을 위한 시뮬레이션 모델링 Simulation Modeling for Business Innovation
⦁ 예측분석 Predictive Analytics

Big Data

⦁ 빅데이터 클라우드 컴퓨팅 Big Data Cloud Computing
⦁ 빅데이터 비즈니스 플랫폼 개발 Big Data Business Platform Development
⦁ 데이터마이닝 Data Mining
⦁ 텍스트마이닝 Text Mining
⦁ 시각화 분석법 Visualization Analytics

Artificial Intelligence

⦁ 최적화 기법의 이해와 AI 응용 분석 Optimization Methods and Application of AI
⦁ 인공지능을 위한 분석방법론 Analytics for AI
⦁ 인공지능 딥러닝 AI & Deep Learning
⦁ 인공지능 응용 실습 AI Application & Practice

Business Innovation

⦁ 빅데이터 마케팅 Marketing Application of Big Data
⦁ 금융기관의 AI 빅데이터 분석 AI Big Data Analytics for Financial Institution
⦁ 비즈니스 혁신과 창업 Business Innovation and Start-up
⦁ 비즈니스 혁신과 창업 심화 Business Innovation and Start-up (Advanced)
⦁ 메타버스 가상 시장과 마케팅 사이언스 Hightech-driven Emerging Market Study
⦁ Business Course (Online) : 4과목 선택

인공지능 빅데이터 이노베이션(AIBI) 과정 이수를 하기 위해서는 인문사회계열 또는 공대 졸업자로 경영 마인드를 갖춘 데이터 분석 전문가 역량‘ 확보에 대한 열망이 높고,
새로운 분야에 대한 도전정신이 풍부해야 한다고 FAQ에서 설명하고 있다. 서강대학교 인공지능 빅데이터 이노베이션 MBA는 1년 16주 동안 토요일에 강의가 진행된다.  (, 16여름, 6가을, 16겨울, 6차년 봄, 16)

인공지능 빅데이터 이노베이션(AIBI) 과정은 2019년, 전 세계 석사과정 순위 사이트인 Best Masters Ranking이 선정한 Data Analytics 분야에서 대한민국 1위 한바 있고, 프로그램으로 선정된 서강대 경영학과 Pro-MBA ‘Business Analytics 분야’ 강사진으로 구성되어있다. 토요일에 수업이 진행되기 때문에 직장을 다니면서 수업 듣는 것이 가능하고, 비즈니스와 결합한 빅데이터를 배운다는 점이 특징으로 생각된다.

서강대학교 AI 빅데이터 MBA 바로가기

2. 서울대학교 데이터사이언스대학원

서울대학교 데이터사이언스대학원은 글로벌 네트워크와 연계한 글로벌 선도 데이터사이언스 석박사 전문인력 양성 하는 것을 목표로 하고 있다. 학부 전공에 상관없이 논리적, 수학적, 계산학적 사고 능력과 글로벌 데이터사이언스 리더가 되고자 하는 열정을 가진 학사학위 소지자는 누구든지 교육대상이 될 수 있다. 데이터를 기반으로 한 실용적 데이터사이언스 교과목으로 과정이 구성되어 있으며 주요 세부 커리큘럼을 살펴보면 하기와 같다.

1. 기초
데이터사이언스 전문가로서 기반이 되는 기초역량을 함양하는 과정으로 기초 지식이 없는 학생들을 위한 선택적 과정이며, 정규학기 외에도 관련 내용을 속성으로 제공된다. 데이터사이언스 대학원 진학의사가 있는 학부생들의 선수강을 권장한다.

  • 데이터사이언스 원론
  • 데이터사이언스를 위한 컴퓨팅의 기초
  • 데이터사이언스를 위한 수학과 통계의 기초
  • 데이터사이언스 원리와 응용

2. 석사 전공 필수

  • 데이터사이언스를 위한 머신러닝 및 딥러닝
  • 빅데이터 및 지식 관리 시스템
  • 데이터사이언스를 위한 컴퓨팅
  • 데이터사이언스 프로젝트

3. 선택

  • 시각적 이해를 위한 기계학습
  • 데이터 기반 혁신과 창업
  • 텍스트 및 자연어 빅데이터 분석 방법론
  • 분산 기계학습 시스템
  • 데이터사이언스를 위한 학습이론
  • 데이터사이언스 현장 실습
  • 데이터 분석과 시각화
  • 유전체 데이터 분석 방법
  • 데이터사이언스를 위한 고급 통계 분석
  • 시공간 데이터 분석 및 처리
  • 데이터사이언스 실무응용
  • 자연어처리의 응용
  • 데이터사이언스와 강화학습
  • AI의 윤리적 함의
  • 데이터사이언티스트를 위한 금융공학
  • 데이터사이언스를 위한 중급수학
  • 데이터사이언스를 위한 인과 추론
  • 머신러닝의 수리적 입문
  • 앰비언트 인공지능 플랫폼 및 실습

데이터사이언스대학원은 전일제 대학원으로, 대부분의 수업은 평일 오전 9시부터 오후 6시까 진행되고 주말 및 야간에는 수업이 없다. 서울대 데이터사이언스대학원의 특징으로는 BK21 데이터사이언스 혁신인재양성 교육연구단이 존재하여 실무형 산업인력 양성에 포커싱하고 있다는 점이다. 협력 학교와 기업과의 산학 협력체계를 통해 다양한 실무형 프로젝트를 진행을 기대해 볼 수 있다.

서울대학교 데이터사이언스대학원 바로가기

3. 성균관대학교 데이터사이언스융합학과

성균관대학교 데이터사이언스융합학과는 4차산업혁명을 이끌어갈 융합 데이터과학자(Data Scientist) 양성하는 것을 목표로 하고 있다. 성균관대의 경우 Flipped Class 형태의 MOOC (일부 수업) 를 활용하고 있다.  주중에는 온라인 수업 형태의 선행 학습을 통한 이해력 증대와 토론형 수업으로 문제해결 능력 향상시키고, 금요일 저녁과 주말에는 오프라인 수업을 진행한다. 성균관대 데이터 사이언스 융합학과의 특징은 삼성 SCD와 멀티캠퍼스와의 산학협력 교육체계로 볼 수있다. 삼성SDS와 빅데이터 분석 전문가 양성 및 공동연구 등을 위해 산학협력 양해 각서(MOU)를 체결하여 삼성SDS 전문 연구원들이 겸임교수로 강의에 참여한다. 세부 커리큘럼은 하기와 같다.

  • 1학기 : 데이터사이언스기초, 데이터분석언어(Python, R), 기초통계(R), 선형대수응용(R), 빅데이터 처리
  • 2학기 : 기계학습특론, 데이터베이스시스템특론, 데이터마이닝, 최적화
  • 3학기 : 딥러닝, 빅데이터플랫폼특론, 자연어처리, 서버시스템이해, 데이터시각화특론, 웹마이닝, 정보보안특론
  • 4학기: 캡스톤프로젝트, 논문연구, 데이터사이언스특론

성균관대학교 데이터사이언스융합학과 바로가기

대학원 장/단점

대학원마다 커리큘럼과 수업 시간이 다르므로 각자의 목표와 상황에 맞게 장단점을 고려해비용 대학원을 선택하는 것이 필요하다. 대학원에 가서 데이터 사이언스를 배웠을 때는 아카데믹한 이론과 실무 프로젝트로 관심 분야에 대한 심화 학습이 가능한 장점이 있다. 또한 데이터 사이언스 중심의 학부 전공이 거의 없기 때문에 대학원 학위 취득은 커리어적으로 도움이 될 수 있다. 또한 동문으로 연결 될 수 있는 네트워크도 대학원의 장점이라고 생각한다.

하지만 2년이라는 불확실한 시간을 투자해야 하고 등록금 비용에 대한 부담을 단점으로 생각해볼 수 있다. 또한 대학원 학위를 취득하면 그 학위에 관련된 분야로 커리어가 점점 더 한정될 수 있다. 또한 지도 교수의 전문 연구분야와 본인의 연구 성향이 얼마나 잘 맞느냐도 대학원 생활의 만족도에 큰 영향을 미칠 수 있다.

빅데이터와 AI에 대한 역량강화 교육, 아이펠 캠퍼스

모두의연구소에서 만든 AI학교 아이펠 캠퍼스 커리큘럼을 통해 6개월 동안 배우는 내용에 대한 주요 키워드는 하기와 같다. 빅데이터와 인공지능에 전문 지식을 쌓기 위한 기반으로 필요한 내용에 대한 학습이 가능하다. 아이펠 캠퍼스 졸업생 중에 KAIST, University of Pennsylvania, Illinois Institute of Technology 등 유수 대학원에 진학할 수 있었던 이유도 전문적인 커리큘럼 때문이라는 생각이 든다.

파이썬 문법

  • numpy 기초
  • pandas 기초
  • matplotlib 기초
  • tensorflow
  • 사이킷런 기초
  • Git

퍼셉트론

  • MLP 다층퍼샙트론
  • 활성화함수
  • backpropagation
  • 인공신경망 neural net
  • 비지도학습
  • likelihood
  • 선형회귀
  • logistic regression
  • regulation
  • 크롤링

데이터분석

  • kaggle
  • 정형데이터
  • 데이터 전처리

CNN

  • cnn 구조
  • convolution 연산
  • convolution filter
  • pooling layer
  • 네트워크 종류
  • vgg16
  • resnet
  • googlenet
  • inception module
  • skip connection
  • object detection
  • yolo
  • semantic segmentation
  • frcnn
  • ocr 기초

GAN

  • generation model 생성모델
  • autoencoder
  • pix2pix
  • cGAN
  • 채색


추천

  • matrix factorization
  • session based recomandation


자연어처리 nlp

  • word2vec
  • seq2seq
  • attention
  • transformer
  • 번역기
  • 요약
  • 감성분석

 

아이펠

아이펠 캠퍼스는 총 6개월 과정으로 구성되어 있고 무료로 진행하게 된다. 빠르게 변화하는 환경 속에서 최신 트렌드를 끊임없이 숙지하고 성장할 수 있는 마인드 셋과 러닝 커브를 배우며 평생 성장할 수 있는 학습 근력을 익히게 하는 것을 목표로 하고 있다. 또한 다양한 실무형 프로젝트를 동료와 함께 토론식 학습으로 진행 된다. 이런 점에서 데이터 사이언스에 전문적 진학을 고민하시는 분에게 아이펠 캠퍼스를 추천하고 싶다.

아이펠(AIFFEL) 캠퍼스 보러가기

 

참고자료