주메뉴바로가기 본문바로가기
  • 미투데이
  • 프린트하기

교과목안내

Data and Information Scientist를 양성합니다.

교과목 안내
과정 과목명
1학기 2학기
핵심과정
정보와 정보학은 정보에 대한 개념 정의에서 시작하여 정보사회에서의 변화를 살펴보고 학문으로서의 정보학을 어떻게 접근할 것인가에 대해 학습합니다.다양한 분야에서 정보학의 적용되는 사례를 알아보고 융합적인 관점에서 향후 발전 방향을 전망해 봅니다.
3
통계방법론을 활용하여 데이터로부터 정보를 획득할 수 있는 information literacy를 배양하고, 이를 토대로 학술적 논문에서 주요하게 활용되는 방법론을 이해, 적용할 수 있는 연구역량을 제고합니다.
3
본 강좌는 사회과학 영역의 학술활동에 필요한 방법론적 지식과 기술의 습득을 목적으로 합니다. 학술활동은 자신의 연구를 수행하는 것 뿐 아니라 다른 연구자의 연구결과물을 읽고 해석하며 자신의 연구에 활용할 수 있는 능력까지 포함합니다. 따라서 수강생은 본 강좌를 통하여 제공되는 연구방법론의 제반 지식을 충실히 습득하고 이를 자신의 논문 작성 뿐 아니라 자신의 학문적 영역을 넓히기 위한 노력을 함께 기울여야 합니다.
3
HRD의 핵심분야인 경력개발과 리더십의 실제를 이해함으로써 학생들의 미래경력설계, 리더십 개발 능력을 배양하고자 합니다.
3
지식과 기술의 융합으로 4차 산업혁명이 본격화 되면 될 수록 인간에 대한 본질을 탐구하는 것은 중요하다고 생각합니다. 인간은 이성적인가? 아니면 감성적인가? 인간은 합리적인가? 아니면 비합리적인가? 인간이 동료 인간을 잘 모릅니다. 아무리 기술이 고도화, 첨단화 된다 하더라도 정치든 경제든 교육이든 인간이 활동하는 모든 영역에 걸쳐 인간에 대한 깊은 이해가 무엇보다 필요합니다. 인간의 본질을 이해하면 할수록 학문 간 융합, 기술의 융합, 지역문화 간 융합을 통한 인류문명의 발전에 기여하게 될 것입니다. 이러한 맥락에서 본 과목은 인간에 대한 다양한 관점과 시각을 통해 인간의 본질에 대한 이해를 돕고자 합니다. 이를 위해 인간과 정치, 경제, 문화, 전쟁, 교육, 과학기술, 심리, 노화, 종교, 죽음, 환경 등 다양한 영역에 걸쳐 인간의 본질적인 모습에 대해 집중적으로 탐구하고자 합니다.
3
융합에 대한 이해와 응용을 목표로 융합적 사고에 대한 고찰, 융합학문에 대한 이해, 인간 사회 변화 이해, 정보기반 융합과 예측, 융합 교육 등 다양한 분야에서의 융합 사례 소개 등의 주제를 중심으로 강의와 토론, 미니 프로젝트(리포트) 등을 진행합니다.
3
   
인지심리학은 주의, 지각, 기억, 언어 및 사고 등의 정보처리 과정을 탐구하고 그 결과를 응용하는 학문분야입니다. 인지에 대한 연구는 비교적 최근에 와서야 이루어졌지만, 타 학문 분야와의 교류를 거치면서 발전해 왔습니다. 인간의 고등 정신과정에 대한 증거와 증거에 기반한 이론들을 살펴봅니다.
3
전공과정(교육정보)
진로상담은 단순히 진학 혹은 취업을 돕는 것을 넘어서서, 자신과 직업세계에 대한 이해를 바탕으로 전인적 성장과 인생진로를 개척할 수 있는 능동적 태도를 육성하는 활동입니다. 직업 및 진로에 대한 이론과 실제를 결합하여, 진로 상담을 효과적으로 수행할 수 있는 것을 목표로 합니다.
3
직업세계와 노동시장에 대한 기본적인 이해를 바탕으로 학생들이 자신의 특성에 맞는 직업정보를 효과적으로 탐색·활용하도록 지도할 수 있는 역량을 배양합니다. 업과 조직에 대한 충실한 이해가 기초되지 않은 직업선택은 직업유지를 어렵게 할 뿐만 아니라, 직무성숙을 통해 만족스러운 직업생활과 직업성장을 꾀하기 어렵기 때문에 직업인의 권리와 의무를 알고 올바른 직업의식을 함양하도록 돕고, 노동시장에 바탕을 둔 전략적인 진로준비가 가능하도록 직업정보역량에 관한 이론과 실제를 제공하고자 합니다.
3
'진로진학 프로그램개발'은 시대변화에 적합한 진로진학 프로그램을 설계하고, 개발하는 과목입니다.'진로진학 프로그램개발'은 기존에 진행되는 진로와 진학 관련 프로그램들을 분석하고, 실질적인 필요사항 및 효율적 운영방안에 대하여 학습할 수 있습니다.더불어 수업참여 학생 입장에서 하나의 진로프로그램을 설정하여 이에 대한 프로그램 가이드를 구성해보고 토의함으로서 실무 진로교육에 적용할 수 있도록 지원하고자 합니다.
3
진로진학교육에 관한 전반적인 이해를 통해 진로진학교육의 의의, 구성과 방법, 실태 등에 관하여 지식을 습득하고 진로진학상담사로서의 기본적인 자질을 함양하고자 합니다.
3
전공과정(경영정보)
데이터를 기반으로 한 상관분석, 회귀분석 및 시계열분석의 구조를 이해하고, 빅데이터 분석에 많이 활용되고 있는 구조방정식모형(SEM)을 학습합니다. 또한 통계분석도구를 활용하여 정보를 분석, 해석, 모델링할 수 있도록 합니다.
3
인적자원관리의 이론과 사례를 통하여 실무에서 인적자원관리에 대한 통찰을 얻습니다. 또한 조직관리를 위한 관련 이론과 사례분석 및 토론으로 조직관리자로서 갖추어야 할 자질을 함양합니다.
3
마케팅 사례 연구(Case Studies in Marketing)는 마케팅 이론들이 어떻게 실무에서 적용되며, 어떤 분석 과정을 통해 마케팅 전략이 수립되는 지를 학생들이 경험하도록 합니다. 이를 위해 하버드 비지니스리뷰에서 발간되는 다양한 마케팅 사례를 산업별로 선정하여 심층적으로 분석하고, 국내 유명 기업의 실무 전문가들을 초빙하여 마케팅 실무 사례와 최근의 마케팅 주요 이슈들을 알아봅니다.
3
이 과목은 창의와 혁신의 특성에 대한 이해를 바탕으로 미래사회를 이끌어가는 entrepreneurship을 습득해나가는 과목입니다. 하나의 틀에 얽매이거나 특정한 관점을 통해 혁신과 entrepreneurship을 이해하기보다는 다양한 주장과 인물에 접하면서 스스로 entrepreneur가 될 수 있는 경로를 발견해 나갑니다.
3
정보사회의 많은 의사결정문제들은 데이터분석과 정보해석을 통해 해결방안을 찾는 경우가 많습니다. 전략적 의사결정에서는 인간의 의사결정과정의 에러와 휴리스틱스를 이해하고 다양한 데이터 및 정보기반 의사결정모형을 연구합니다. 게임이론과 최적화모형들을 학습하므로써 계량적인 의사결정 방법론을 학습합니다.
3
빅데이터는 21세기의 새로운 원유라고 표현될 정도로 정보화 사회에서 중요한 자원으로 인정받고 있습니다. 아마존, 구글, 애플 등의 세계적 선도 기업들 뿐 아니라 많은 기업과 정부기관들이 빅데이터의 취합과 분석 그리고 적용에 막대한 예산과 인력을 투입하는 것은 바로 빅데이터가 소비자와 시장을 읽어내고 보다 쉽게 그리고 효과적으로 접근할 수 있는 기회를 제공하기 때문입니다. 또한 국가와 그 제반 조직들도 빅데이터의 취합과 분석을 통해 미래의 발전 동력을 확보하기도 하고, 미래에 도래할 위험에 대비하는 도구로 활용할 수도 있기 때문에 막대한 예산과 인력을 투입하여 연구하고 발전시키고 있는 것입니다. 따라서 빅데이터를 이해하고 그 활용성과 미래의 가능성에 대해 알아보기 위한 본 수업은 국가, 조직, 기업, 개인 등이 빅데이터를 어떻게 활용하고 그것으로부터 무엇을 기대하는지에 대한 기본적 이론, 활용의 예, 그리고 기본적 분석방법에 대해 종합적이고 효과적으로 학생들에게 전달함으로써 앞으로 더욱 변화하고 발전될 빅데이터 분야에 대한 포괄적인 이해를 돕는 것을 그 목적으로 합니다.
3
전공과정(기술정보)
IT와 관련된 프로젝트를 수행하기 위하여 주어진 시간 안에 프로세스를 구성하여 그 프로세스에 따라 원하는 작업이 이루어지도록 knowledge, skills, tools, techniques를 타이밍에 맞추어 적절히 활용하는 기법을 학습합니다.
3
컴퓨터와 네트워크의 장점을 활용하여 클라우드 컴퓨팅/그리드 컴퓨팅과 같은 차세대 컴퓨팅 기술을 학습합니다.
3
기술의 발전이 우리를 어떻게 변화시킬 것인가의 관점에서 핀테크, 드론, 빅데이터 등 미래기술의 이해와 발전전망을 포럼(강의와 토론) 형식으로 진행합니다. 고려대학교 기술경영전문대학원이 주관한 미래시아테크포럼(12회차) 발표와 토론 영상을 주 내용으로 하여 다양한 토론 및 프로젝트를 진행합니다.
3
정형화된 데이터는 물론 메타정보와 센서 데이터, 공정 제어 데이터 등 미처 활용하지 못하고 있는 반정형화된 데이터와 사진, 이미지처럼 지금까지 기업에서 활용하기 어려웠던 멀티미디어 데이터인 비정형 데이터를 모두 포함하는 빅데이터 분석과 활용 기법을 학습합니다. 또한, 빅데이터가 초대용량의 데이터 양(volume), 다양한 형태(variety), 빠른 생성 속도(velocity) 및 가치(value)를 더해 4V라고 정의하는 이유에 대해서도 학습합니다.
3
기계학습은 데이터과학의 한 분야이며, 선형 대수, 확률, 통계, 다변수 미적분, 정보이론과 컴퓨터 학습 이론을 포함하여, 다양한 수학 원리로부터 나온 도구들과 결과들을 이용합니다. 이러한 개념을 잘 아는 것은 기계학습 알고리즘의 기본 개념을 보다 더 잘 이해하는데 중요하며, 알고리즘 파생한 결과들에 대한 분석을 수행하는데 결정적입니다. 비록 데이터과학, 기계학습 그리고 인공지능에 관한 다수의 강의가 있지만, 기계학습 모델과 알고리즘에 대한 깊은 이해를 위한 전반적인 수학적 배경을 제공하는 강좌는 극히 적습니다. 이에 본 강의는 이러한 격차를 메우기 위한 의도로 설계되었습니다. 이 강의를 통해서 우리는 데이터과학 (특히, 기계학습) 입문을 위해 필요한 기본적인 수학 개념들을 다루고자 합니다. 이 강의에서는 특히 선형 대수, 확률과 통계, 그리고 다변수 미적분과 최적화의 기본 원리를 다룹니다. 이 원리들은 기계학습에서 널리 사용되고 필요한 원리들입니다. 이 강의는 기계학습 자체에 관한 내용이 아니라, 데이터과학과 기계학습을 위한 수학적 배경에 관한 것입니다. 따라서, 이 강좌에서 특정한 기계학습 모델이나 알고리즘을 직접 논하지는 않을 것입니다.
3
기계학습(machine learning)을 이용한 데이터 처리 기법을 배웁니다.
3