본문 바로가기 메뉴 바로가기

서울캠퍼스

닫기

국제캠퍼스

닫기

빅데이터응용학과

  • 수여학위명 : 공학/이학/경영학 석사(입학 시 선택), 공학/이학/경영학 박사 (입학 시 선택)
  • 사무실 : 서울캠퍼스(한의과대학 151호)
  • TEL : 서울캠퍼스(02-961-0939)
  • FAX :
  • E-Mail : 서울캠퍼스(bigdata21@khu.ac.kr) 
  • Homepage : http://bigdata21.khu.ac.kr/

교육목적

빅데이터응용학과는 최근 급성장하고 있는 산업 및 비즈니스의 데이터분석 수요에 대응하여, 세계 Top 수준의 빅데이터 분석 전문가를 양성하는 것을 목표로 한다. 데이터의 수집, 처리, 공유, 분석에 관한 빅데이터 이론뿐만 아니라, 제조, 물류, 금융, 헬스케어, 에너지, 환경 등 다양한 산업분야 빅데이터를 활용하는 방법에 이르기까지 빅데이터 응용 전반을 교육한다. 특히, 경영학, 공학, 자연과학에 걸쳐 다양한 전공자를 위한 융복합 교육을 제공함으로써 지속가능사회를 선도하는 글로벌 인재를 양성하고자 한다.

개황 및 연혁

2014년 9월 : ‘소셜네트워크과학과’ 신설(경영학과, 물리학과, 지리학과, 문화관광콘텐츠학과 전임교수 6명)
2020년 9월 : ‘빅데이터응용학과’ 명칭 변경(경영학과, 물리학과, 산업경영공학과 전임교수 10명)

연구분야 및 개요

연구분야 개요
비즈니스 및 전략 데이터 분석 기업 전략 및 비즈니스 지원을 위한, 시장 및 고객 데이터 분석
서비스 및 온라인 데이터 분석 공유경제, 호텔 및 레스토랑, 온라인 쇼핑몰, 소셜 네트워크 서비스 데이터 분석 및 개선
공공 및 정책 데이터 분석 공공, 국가 정책 및 경제 관련 과제 및 사업 데이터 분석
생산제조 및 유통물류 데이터 분석 반도체, 자동차, 조선 등 산업체의 생산, 제조, 물류 데이터 분석
인공지능 응용 AI 시스템/플랫폼 개발, AI 기반 창업, AI를 활용한 기업지원 및 산업 응용

전임교원

이름 직위 학위 학위수여대학 전공 연구분야 E-Mail
고정환 조교수 물리학 박사 성균관대학교 입자물리학 실험 빅데이터분석, 머신러닝, 고성능컴퓨팅 활용, 입자물리 데이터 분석 jhgoh@khu.ac.kr
권오병 교수 공학박사 KAIST 빅데이터경영 빅데이터경영, 텍스트분석, AI윤리, AI/XR마케팅 obkwon@khu.ac.kr
김장호 조교수 공학박사 KAIST 금융공학 포트폴리오 최적화, 투자리스크관리, 금융데이터분석, 자동화자산관리시스템 janghokim@khu.ac.kr
김재경 교수 공학박사 KAIST 지능정보시스템 빅데이터분석, 추천시스템, 머신러닝, 딥러닝, 네트워크분석 jaek@khu.ac.kr
송병덕 조교수 공학박사 KAIST 경영과학/수리최적화 데이터기반 최적화, 다목적최적화, 생산/물류시스템, SCM, 시스템설계 및 운영 bdsong@khu.ac.kr
신정우 부교수 공학박사 서울대학교 기술경영/기술경제 신기술수요예측, 빅데이터분석, 경제성분석, 에너지/환경정책, R&D정책 shinjung11@khu.ac.kr
양성병 부교수 공학박사 KAIST 경영정보시스템 빅데이터분석, 비즈니스 애널리틱스, 온라인 리뷰, CRM, 스마트 관광 sbyang@khu.ac.kr
육순형 교수 이학박사 University of Notre Dame 통계물리 복잡계, 빅데이터분석, 복잡계 네트워크, Socio-/econo-physics syook@khu.ac.kr
이경전 교수 공학박사 KAIST 인공지능 AI 응용, AI 플랫폼, AI기반 창업, AI 거버넌스 시스템 klee@khu.ac.kr
정재윤 교수 공학박사 서울대학교 산업인공지능 산업인공지능, 빅데이터분석, 스마트팩토리, 프로세스마이닝 jyjung@khu.ac.kr

GRADUATE SCHOOL KYUNG HEE UNIVERSITY

경희대학교 대학원
교육과정을 안내드립니다.

교과목개요

교과목명 개요
지속가능사회와 SDGs
(Sustainable Society and SDGs)
우리 사회가 직면하고 있는 SDGs 문제에 대하여 이해시키고 지속가능사회를 실현하기 위한 방안에 대하여 함께 고민하고 논의한다. 나아가 빅데이터를 활용한 SDGs 분야, 특히 인프라와 환경, 건강과 교육, 빈곤과 먹거리, 이동성, 일자리 창출과 사업, 참여와 안전에 대한 핵심 주제로 서베이하고 우리가 해결할 수 있는 접근법들을 조사하고 해결 방법을 발굴한다.
빅데이터산업동향
(Big Data Trends in Industry)
빅데이터 산업의 발전동향 및 학문으로서의 체계를 연구하기 위해 국내외의 관련 논문을 연구발표하며, 빅데이터 분야의 이론과 실무가 어떻게 결합하여 발전하고 있는가를 연구하기 위해 실무경험자의 세미나를 개최하여 현장 중심의 연구를 수행한다.
빅데이터 창업과 사업화
(Big Data Startup and Commercialization)
빅데이터 기술을 응용하여 사업적 가치를 발견하고 획득하는 능력을 가상의 창업 및 사업화 과정을 통하여 습득하도록 한다. 경영, 자연과학, 공학 등 다양한 전공분야의 학생들이 팀 프로젝트를 수행하면서 가상의 기업과 빅데이터 아이템을 설정하여 진행한다.
응용확률및통계
(Applied Probabilistics and Statistics)
빅데이터를 분석하기 위한 이산 및 연속확률변수와 확률모형을 배우고, 회귀분석, 요인분석, 다변량분석 등 통계기법을 배움. R 또는 Python을 활용한 통계적 분석 실습도 진행한다.
최적화기법
(Optimization Methods)
빅데이터 분석에서 자주 등장하는 최적화의 기본 개념 및 주요 기법에 대하여 학습한다. 기본 개념과 최적화의 기본 기술을 제시하는 것입니다. 세부 주제에는 수리계획법, 선형계획법, 정수계획법, 비선형최적화, 동적계획법 등을 다루며, 빅데이터 기법에서 사용되는 예시와 함께 최적화 문제에 대한 해법을 실습함으로써 최적화 활용에 대한 실무지식을 배양한다.
메타휴리스틱스
(Meta-Heuristics)
NP-hard 최적화문제란 적절한 시간에 최적해를 정확히 계산하는 것이 불가능하다고 믿는 문제들이다. 이런 경우, 중요한 접근법의 하나는 계산자원을 적절하게 제한하는 경우 얼마나 최적해에 가까운 근사해를 보장할 수 있는가를 탐구하는 것이다. 강의는 다양한 근사해법 알고리듬 디자인 아이디어를 습득하는데 중점을 둔다. 동시에 학생 각자가 선택한 문제에 이러한 아이디어를 적용하는 과정을 병행한다.
데이터사이언스수학
(Data Science Mathematics)
데이터사이언스를 이해하는데 필요한 수학 및 방법론을 다룬다. 데이터사이언스를 뒷받침하는 수학적 도구들(선형대수, 미적분, 수리계획법 등)의 기초적 내용과 비/선형통계모형을 활용한 빅데이터 분석, 머신러닝 알고리즘, 의사결정기법에 대한 수학적 기초지식을 배양한다.
뇌정보처리모형
(Brain Information Processing Theory)
뇌의 구조와 요소, 뇌 정보 처리의 원리, 시각, 청각 정보의 전달 및 인식의 원리, 뇌 활동 데이터 분석 기법, 뇌-컴퓨터 인터페이스, 뇌 정보 처리와 컴퓨터 정보 처리의 관련성, 인공지능 연구에서의 뇌 데이터 활용 방법론을 학습한다.
기초프로그래밍실습
(Basic Programming and Practice)
Python의 기본문법, 자료구조, 함수 및 클래스와 같은 기초 프로그래밍, 자료의 수집, 처리, 분석, 시각화로부터 간단한 실데이터 분석을 통하여 빅데이터 도구로서의 Python을 능숙하게 다룰 수 있는 프로그래밍 능력을 배양한다.
데이터베이스시스템
(Database Systems)
데이터베이스 관리와 기업의 정보시스템/비즈니스 실행과의 관계, 정보시스템 구축을 위한 데이터적 접근, 프로세스적 접근방식에 대한 이해를 도움. 비즈니스를 데이터모델링할 수 있는 역량을 키움. 빅데이터, Analytics와 기존 데이터베이스 관리와의 차이점, 향후 발전방향에 대해 이해한다.
빅데이터프로그래밍
(Big Data Programming)
R은 14,800여 개가 넘는 다양한 패키지를 기반으로 폭넓은 활용 스펙트럼을 가진 오픈소스 소프트웨어 언어로서, 강력한 자료형 기능을 바탕으로 빅데이터 처리, 분석 및 시각화를 제공한다. 본 강의에서는 R의 기본문법, 자료수집, 자료처리, 자료분석, 시각화 뿐만 아니라, Caret을 이용한 각종 빅데이터 분석 패키지를 활용한 빅데이터 분석 도구로서의 R을 능숙하게 다룰 수 있는 능력을 배양한다.
머신러닝프로그래밍
(Machine Learning Programming)
Python 언어를 활용하여 머신러닝 및 딥러닝을 수행하는 방법을 학습한다. Scikit-learn 라이브러리를 이용하여, 다양한 정형/비정형 데이터를 수집, 처리, 분석을 연습하고, 나아가 Tensorflow/Keras 기반의 딥러닝 모형을 실습함으로써 머신러닝 및 딥러닝 프로그래밍 능력을 배양한다.
대용량데이터처리기법
(Big Data Processing Techniques)
대용량 데이터를 처리하고 빅데이터 분석을 수행하기 위한 병렬 컴퓨팅의 개념과 활용 능력을 학습한다. 특히 GPU를 이용한 병렬 계산의 개념과 활용 방법, 복수의 컴퓨터를 활용하기 위한 Hadoop 및 Spark의 설치 및 활용 방법을 학습하고 실제 빅데이터 분석 프로젝트를 수행한다.
데이터마이닝
(Data Mining)
빅데이터 분석의 근간이 되는 정형데이터 분석을 데이터마이닝 도구를 활용하여 학습한다. 데이터마이닝 기법을 통해 대용량 자료 요약, 미래 예측, 관계 및 패턴 파악, 규칙 탐색을 통한 모형화 등이 가능해 진다. 구체적으로 로지스틱회귀분석, 의사결정나무, 인공신경망, 클러스터링, SVM, 연관규칙, Sequential Pattern 등의 방법론을 학습하고 이를 경영 실무프로젝트에 적용한다.
프로세스마이닝
(Process Mining)
프로세스 마이닝은 기업정보시스템의 다양한 이벤트를 분석하여 업무수행과정, 즉, 비즈니스 프로세스를 운영하는데 필요한 의미있는 결과를 도출하는 기법이다. 프로세스 마이닝과 연관된 주제로는 비즈니스 프로세스 관리, 비즈니스 인텔리전스, 인공지능, 데이터마이닝 등이 포함된다. 마이닝과 연관된 주제로는 비즈니스 프로세스 관리, 비즈니스 인텔리전스, 인공지능, 데이터마이닝 등이 포함된다.
인공지능
(Artificial Intelligence)
인공지능은 컴퓨터와 정보기술을 이용하여 인간을 모사하거나 인간보다 우수한 행위를 구현하고자 하는 기술이다. 기본적으로 지식표현 및 추론, 전문가시스템, 기계학습 및 데이터마이닝, 자연어처리 등의 기법을 포함한다. 최근에는 딥러닝의 기본개념 및 핵심 기법들을 학습함으로써, 산업에서 직면하는 여러 가지 문제들을 지능적으로 접근하고 해결하는 방법을 습득하고자 한다.
머신러닝
(Machine Learning)
기계학습에 관한 이론 및 현장에서의 실제적인 활용 방법들에 관해 학습한다. 감독 학습과 무감독 학습 및 강화학습에 관한 기본 원리와 이론적인 배경을 공부하며 이들에 대한 구체적인 알고리즘을 학습한다. 베이지안, 의사결정나무, 인공신경망, SVM, 딥러닝 및 기타 최근 기계학습 알고리즘을 다루며, 재무, 마케팅, 생산 등 다양한 분야에서 활용하는 방법을 다룬다.
딥러닝
Deep Learning
딥러닝의 기본 개념 및 핵심 기법들을 배우고, CNN, RNN, GAN 등의 딥러닝 모형을 학습하여, 산업에서 직면하는 여러 가지 문제들을 지능적으로 접근하고 해결하는 방법을 습득하고자 한다.
비정형데이터분석
(Unstructured Data Processing)
SNS 등의 사용으로 최근 폭발적으로 증가하고 있는 텍스트, 이미지, 소리, 비디오 등 대용량의 비정형데이터를 분석, 경영의사결정에 필요한 유용한 정보 및 패턴, 지식 등을 추출하는 과정에 대해 학습한다. 크롤링 기법을 활용한 텍스트/이미지/비디오 등의 비정형데이터 수집, 데이터 처리 및 변환, 빈도분석, 키워드 연관분석, 감성분석, 토픽분석, 이미지 마이닝, 비디오 마이닝 등의 기법을 학습하고, 이를 실제 경영사례에 적용하는 실무 프로젝트를 수행한다.
네트워크과학및응용
(Network Science and Applications)
최근 주요한 연구의 대상인 복잡계 네트워크의 구조적 특성 및 그 위에서 일어나는 다양한 동역학적 현상에 대한 이론을 배우고, 그 결과를 사회계 네트워크 및 금융 네트워크에 응용하는 방법을 다룬다. 
빅데이터시각화
(Big Data Visualization)
빅데이터 분석의 결과를 시각화하여 나타내는 것이 중요한 이유는 시각화를 통해 자료의 특징을 직관적으로 빠르게 알아내고, 이를 통해 경영의사결정 과정에서 이해 및 설득이 용이해질 수 있기 때문이다. R, Python, Tableau 등 다양한 시각화 도구를 활용하여 구체적인 경영 목적에 적합한 시각화 자료를 효율적이고 효과적으로 도출해 낼 수 있는 능력을 배양한다.
연합전이학습
(Integrated Transfer Learning)
한 주체가 기계학습한 모델 전체를 다른 주체에게 전이하여 학습의 효율성을 증진시키는 전이학습, 그리고 각 주체의 학습 모델의 일부만을 공유하여, 프라이버시와 보안성을 높이는 연합 학습의 최신 연구 동향을 공부하고 실제 프로젝트에 적용하여 실무 능력을 높인다.
빅데이터 경영과 산업
(Big Data Management and Industry)
빅데이터 기술보다는 경영 및 산업에서의 빅데이터 활용에 대하여 집중한다. 이와 관련된 산업별 빅데이터 사례를 살펴보고, 빅데이터의 추세와 발전방향, 앞으로의 전망 등을 다룬다. 또한 빅데이터를 넘어서 오픈데이터와 마이데이터 개념과 사례도 공부하고자 한다.
지속가능의사결정분석
(Sustainable Decision Analysis)
관리자들이 흔히 직면하는 불확실성하에서 복잡하고 정의하기 어려운 다양한 유형의 의사결정 문제를 효과적이고 효율적으로 해결할 수 있는 능력을 향상시키기 위해, 의사결정문제, 의사결정분석에 대한 기본적인 이론 및 개념들을 소개하고, 의사결정 문제를 정형화하고 이를 해결하기 위한 여러 모형화 방법 및 분석 기법들을 익히게 한다.
지속가능생산물류
(Sustainable Production and Logistics)
생산/물류시스템의 설계 및 분석에 관련한 최신이론과 기법을 선정하여 다룬다. 주요 주제로는 SCM, 생산시스템의 모델링 기법, 메타휴리스틱, 전문가시스템의 응용, 컴퓨터시뮬레이션의 응용, JIT, ERP등을 포함한다. 강의주제는 강의개설 시점마다 새롭게 선정될 것이다. 특히, 주제별 그룹연구와 발표를 활성화한다.
스마트공장개론
(Introduction to Smart Factory)
스마트제조는 제조업에 사물인터넷, 클라우드, 가상물리공간, 빅데이터, 인공지능 등 ICT를 결합하여 제조환경을 혁신적으로 개선하는 것을 의미한다. 본 과목에서는 스마트제조의 핵심기술, 현황, 사례를 제공함으로써, 4차 산업혁명의 핵심인 스마트공장의 이해를 향상시키고자 한다.
에너지공학특론
(Advanced Energy Engineering)
기존 에너지를 대체할 수 있는 미래의 신재생 에너지를 고찰한다. 신재생 에너지 생성, 에너지 저장 및 에너지 관리에 관한 주요 에너지 기술에 대한 기본 지식을 학습한다. 문제 중심의 관점에서 에너지 사례 연구 및 프로젝트를 병행하여 수강생들이 에너지 연구를 수행할 수 있도록 현장 중심의 연구 프로젝트를 수행한다.
비즈니스애널리틱스
(Business Analysis)
빅데이터 및 데이터분석은 우리의 삶과 비즈니스를 변화시켜왔으며, 기업의 새로운 프로세스 혁신과 조직의 구조, 문화, 의사결정 시스템 전체에 큰 영향을 주었다. 학생들은 어떻게 데이터를 분석하고, 의미있는 결과를 도출하고, 기업에 적용시킬 수 있을지에 대해 학습하게 된다. 특히 학생들은 R 혹은 파이썬 프로그램을 통해 데이터를 분석하고 비즈니스 문제를 해결하는 방안에 대해 배울 것이다.
소셜네트워크분석
(Social Network Analysis)
소셜네트워크 분석의 기본개념과 원리를 익히며, 네트워크분석 변인 도출을 가능하게 함. 또한 실제 사회적 현상을 네트워크 데이터화 하며 사회관계망을 분석할 수 있는 방법을 소개하고 실제 적용을 할 수 있게 한다.
고급금융공학
(Advanced Finantial Engineering)
파생상품, 주식투자, 포트폴리오 관리 등 금융시장 분석에 사용되는 여러 공학기법에 중점을 둠. 금융공학 이론뿐만 아니라 매트랩(MATLAB), 파이썬(Python)등을 활용하는 방법도 배우게 되며 기말 프로젝트를 통해 학생들이 직접 실습까지 진행한다.
데이터보안및윤리
(Data Security and Ethics)
데이터 보호 및 정보윤리에 관한 전반적인 내용을 학습한다. 데이터 보안 개념, 암호, 시스템 보안과 네트워크 보안, 인증 등의 학습을 목표로 하며, 인적정보 보호, 물리적 정보보호, 재난 복구 계획, 접근 통제 등에 관해 학습한다. 또한 책임경영의 틀 속에서 정보 윤리, 정보기술 윤리, 정보시스템 윤리 등 다양한 영역의 윤리 이슈를 사례와 함께 다룬다. 이 과목을 통해 학생들은 안전하고 지속가능한 정보사회를 유지시켜나가는 동기와 능력을 배우게 될 것이다.
데이터알고리즘거버넌스
(Data and Algorithm Governance)
빅데이터 시대에 데이터 및 알고리즘의 활용 방안 및 프로세스에 대하여 교육한다. 조직에서 필요로 데이터의 가용성, 유용성, 통합성, 보안성을 관리하기 위한 정책과 프로세스를 다루며, 프라이버시, 보안성, 데이터품질, 관리규정 준수를 다룬다. 나아가 빅데이터 분석이 효과적이고 바람직하게 수행될 수 있도록 알고리즘의 설계, 유지보수 및 관리, 윤리적 문제에 이르기까지 학습한다.
퀀텀컴퓨팅
(Quantum Computing)
대용량 정보처리를 위한 새로운 연산법인 퀀텀 컴퓨터에 대한 개념 및 활용에 대하여 학습한다. 반도체가 아닌 원자를 기억소자로 활용한 고속계산 방식 및 개념에 대하여 이해하고, 신약 개발, 의료, 유통, 법률, 금융 등의 다양한 분야에서 활용가능성을 학습함으로써, 미래 빅데이터 시대의 신산업 창출 및 창업에 관한 가능성을 제시한다.
빅데이터논문연구1
(Big Data Thesis Study 1)
빅데이터를 연구하는 방법론과 논문 작성법을 다루며, 석박사 학위논문을 진행 현황을 공유하고 발표하여 논문 작성 과정을 지도한다.
빅데이터논문연구2
(Big Data Thesis Study 2)
빅데이터를 연구하는 방법론과 논문 작성법을 다루며, 석박사 학위논문을 진행 현황을 공유하고 발표하여 논문 작성 과정을 지도한다.
지속가능빅데이터프로젝트1
(Sustainable Big Data Projects 1)
여러 과목에서 습득한 빅데이터 응용지식 및 기술을 활용하여, 지속가능사회를 위한 SDGs 문제 해결을 위한 주제를 설정하고, 빅데이터 문제를 해결하는 과정을 팀프로젝트를 수행하면서 팀워크 및 사회문제해결 과정을 경험한다.
지속가능빅데이터프로젝트2
(Sustainable Big Data Projects 2)
여러 과목에서 습득한 빅데이터 응용지식 및 기술을 활용하여, 지속가능사회를 위한 SDGs 문제 해결을 위한 주제를 설정하고, 빅데이터 문제를 해결하는 과정을 팀프로젝트를 수행하면서 팀워크 및 사회문제해결 과정을 경험한다.
산학연계프로젝트연구1
(Industry-academic Cooperation Project 1)
여러 과목에서 습득한 빅데이터 응용지식 및 기술을 활용하여, 지속가능사회를 위한 SDGs 문제 해결을 위한 주제를 설정하고, 빅데이터 문제를 해결하는 과정을 팀프로젝트를 수행하면서 팀워크 및 사회문제해결 과정을 경험한다.
산학연계프로젝트연구2
(Industry-academic Cooperation Project 2)
여러 과목에서 습득한 빅데이터 응용지식 및 기술을 활용하여, 지속가능사회를 위한 SDGs 문제 해결을 위한 주제를 설정하고, 빅데이터 문제를 해결하는 과정을 팀프로젝트를 수행하면서 팀워크 및 사회문제해결 과정을 경험한다.
닫기