BDC101 빅데이터 자연어처리 기술 (Introduction to Natural Language Processing in Big Data) [2]
자연 언어 (Natural Language) 에서 추출할 수 있는 정보는 매우 풍부하다 . 하지만 이러한 정보를 추출하기 위해서는 복잡한 계산과 모델링 , 전문지식이 필요하며 최근 생성되는 언어의 양은 빅 데이터 (Bing Data) 형 태로 구성되어 그 과정의 전문성을 요구한다 . 본 강의는 자연어처리 기술과 이를 이용한 빅 데이터 처리 기 법의 응용에 대하여 학습한다 .
There is a wealth of information to be extracted from natural language, but that extraction is challenging. The volume of human language we generate constitutes a natural Big Data problem, while its complexity and nuance requires a particular expertise to model and mine. In this course, we illustrate the impressive combination of Big Data Applications and Natural Language Processing Techniques.
BDC102 텍스트 마이닝 (Advanced Topics in Text Mining from Big data) [2]
텍스트 마이닝은 문자로 표현된 인간의 언어를 컴퓨터로 분석 처리하고 그 구조와 의미를 이해하는 자 연어 처리 기술이다 . 일반적인 데이터와는 달리 텍스트는 각 언어별로 어휘적 , 문법적 독특성이 있고 그 표현의 형태가 매우 다양하고 복잡하여 일괄된 규칙으로 규정하기 힘든 경우가 많다 . 또한 언어가 사용 되는 환경에 따라 끊임없이 변하는 언어가 가진 복잡성 때문에 아직도 도전적 목표가 많이 남아 있는 기술 분야로 인식되고 있다 . 본 강의는 빅데이터에서 텍스트 마이닝에 대한 기초적 지식 및 통계적 , 규 칙적 알고리즘에 대해 다룬다 .
Text mining, also referred to as text data mining, roughly equivalent to text analytics, refers to the process of deriving high-quality information from text. High-quality information is typically derived through the devising of patterns and trends through means such as statistical pattern learning. Text mining usually involves the process of structuring the input text (usually parsing, along with the addition of some derived linguistic features and the removal of others, and subsequent insertion into a database), deriving patterns within the structured data, and finally evaluation and interpretation of the output. This course will cover the major techniques for text mining and analyzing text data to discover interesting patterns, extract useful knowledge, and support decision making, with an emphasis on statistical approaches that can be generally applied to arbitrary text data in any natural language with no or minimum human effort.
BDC103 빅데이터와 정보 검색 (Introduction to Information Retrieval in Big Data) [2]
연구 분야 뿐만 아니라 기업에서도 빅 데이터를 다루는 기술이 다양하게 활용되고 있다 . 빅데이터가 다루어지기 시작하면서 빅데이터 안에서 얼마나 데이터를 효율적으로 검색 , 저장하고 안정적인 서비스를 제공하는 것이 매우 중요해졌다 . 본 강의는 빅데이터에서 정보 검색 기술에 대해 다룬다 .
Not only scientific institutes but also companies harvest an amazing amount of data. For the arrival of the era of big data, how to improve the retrieval time, the storage capacity and stability of system, these provide for the future construction of a guiding role. This course deals with information retrieval techniques in Big Data.
BDC104 추천 시스템 (Advanced Topic in Recommendation System from Big Data) [2]
추천 시스템은 사용자의 의도 및 선호에 맞춰서 사용자의 항목을 예측하고 정보를 필터링하는 시스템이다 . 추천 시스템은 최근에 매우 일반화되고 있고 다양한 용도에 적용된다 . 이 강의는 빅데이터를 이용한 추천 시스템에 대해 다룬다 .
Recommender systems or recommendation systems (sometimes replacing "system" with a synonym such as platform or engine) are a subclass of information filtering system that seek to predict the 'rating' or 'preference' that a user would give to an item. Recommender systems have become extremely common in recent years, and are applied in a variety of applications. This class deals with Recommendation System in Big Data.
BDC105 소셜 미디어 분석 (Introduction to Social Media Analysis) [2]
소셜 미디어 분석은 소셜 네트워크 서비스 등 다양한 미디어를 이용하여 사회적 구조를 분석하기 위한 기법이다 . 소셜 미디어 분석은 그래프 이론의 이용을 통하여 네트워크 노드 관점에서 구조 및 관계를 분석하고 그 결과를 시각화하여 제공할 수 있다 . 본 강의는 빅데이터에서 소셜 미디어 분석 기법에 대해 다룬다 .
Social Media analysis is a strategy for investigating social structures through the use of network and graph theories. It characterizes networked structures in terms of nodes (individual actors, people, or things within the network) and the ties or edges (relationships or interactions) that connect them. Examples of social structures commonly visualized through social network analysis include social media networks, friendship and acquaintance networks, kinship, disease transmission, and sexual relationships. this class deals with Social Media Analysis in Big Data.
BDC106 데이터 시각화 (Introduction to Data Visualization in Big Data) [2]
디지털 시대의 학습자는 영상 , 디지털 매체를 비롯해 SNS, 클라우드 서비스 등을 통한 무한정의 데이터에 노출되어 있으며 이와 같은 환경의 변화에 따라 데이터 표현과 수용방식의 변화가 요구되고 있다 . 다시 말해 수많은 정보들을 시각적으로 묘사하고 필요한 정보를 효율적이고 명확하게 제공하는 데이터 시각화의 필요성이 증가하고 있다 . 최근 빅데이터 기술시장의 성장과 함께 시각화 기술도 중요한 기술요소로 자리 잡고 있다 . 또한 전통적인 시각화 기술은 주로 시스템 로그나 실험 분석 결과 등에 대한 통계정보를 그래프로 보여주는 방식인데 반해 , 빅데이터의 시각화 측면에서는 모든 데이터를 살펴보는 것에 제약이 따르기 때문에 시각화의 기술적인 요소와 더불어 데이터를 요약하고 , 한 눈에 살펴볼 수 있도록 돕는 시각화 방법론적 요소의 중요성이 커지고 있다 . 본 강의는 빅데이터에서 데이터 시각화 기법에 대해 다룬다 .
Data visualization or data visualization is viewed by many disciplines as a modern equivalent of visual communication. It is not owned by any one field, but rather finds interpretation across many (e.g. it is viewed as a modern branch of descriptive statistics by some, but also as a grounded theory development tool by others). It involves the creation and study of the visual representation of data, meaning "information that has been abstracted in some schematic form, including attributes or variables for the units of information". This class deals with Data Visualization methods in Big Data.
BDC107 데이터 분석을 위한 확률 개론 (Introduction to Probability for Data Analytics) [2]
통계에 대한 소개와 데이터 분석을 위한 확률적 방법론에서의 역할 .
불확실성을 정량화하는 것에 대한 분석 및 시뮬레이션 기반의 방법론은 동일하게 강조된다 . 시뮬레이션 메소드의 정확성을 평가하는 접근법이 논의된다 .
생들은 기본 프로그램의 사전 지식을 가지고 있어야 한다 . 빅데이터 설정에서 확률과 샘플링의 적용을 논의한다 .
An introduction to probability and its role in statistical methods for data analytics.
Equal emphasis is placed on analytical and simulation-based methods for quantifying uncertainty. Approaches to assessing the accuracy of simulation methods are discussed. Students should have some prior knowledge of basic programming. Applications of probability and sampling to big-data settings are discussed.
BDC108 통계적 학습 개론 (Introduction to Statistical Learning) [2]
이 과정은 통계 학습 및 회귀 분석 , 분류 , 클러스터링 , 차원 감소를 위한 표준 학습 기술 및 특징 추출의 원칙에 대해서 소개한다 .
The course provides an introduction to the principles of statistical learning and standard learning techniques for regression, classification, clustering, dimensionality reduction, and feature extraction.
BDC109 탐색을 위한 확률적 모델링 (Statistical Modeling for Discovery) [2]
선현 회귀 모델에 주요 초점을 두고 빅 데이터 설정에서 데이터 분석과 발견을 위한 통계 모델 .
본 강의는 대량의 데이터로부터 의미 있는 모델을 구축하는 것을 탐구하고 , 모델의 구축 및 적합한 모델을 평가하기 위해 수치 및 그래픽 진단 방법의 사용 기법을 학습한다 .
Statistical models for data analysis and discovery in big-data settings, with primary focus on linear regression models.
The challenges of building meaningful models from vast data are explored, and emphasis is placed on model building and the use of numerical and graphical diagnostics for assessing model fit. Interpretation and communication of the results of analyses is emphasized.
BDC110 클라우드 컴퓨팅 개론 (Introduction to Cloud Computing) [2]
클라우드 컴퓨팅은 인터넷 기반의 저장소 , 응용 프로그램 , 그리고 컴퓨터기반환경이다 . 클라우드 컴퓨팅은 오래전부터 시작되어 왔지만 오늘날에 클라우드 컴퓨팅이 주목받고 있다 .
본 강의는 클라우드 컴퓨팅의 의미와 환경을 소개하고 , 클라우드 및 가상화 상용화 솔루션 , 클라우드 컴퓨팅 기술의 선두기업에 대한 소개와 기술 이론을 공부한다 .
Cloud Computing is the internet-based storage for files, applications, and infrastructure. One could say cloud computing has been around for many years, but now a company may buy or rent space for their daily operations. This course covers meaning of cloud computing, virtualization, solution, introduction of powerful bussiness cases, and computing theory.
BDC111 클라우드 컴퓨팅 특론 (Advanced Topics in Cloud Computing) [2]
오늘날 , 클라우드 컴퓨팅 서비스는 낮은 가격에 상품 판매로 성공을 이끌 수 없으며 고객의 높은 만족도를 얻기 위해서는 판매 이후 서비스와 추가적인 서비스 제공이 필요하다 . 이것은 기업이 왜 클라우드 컴퓨팅을 적용하는지에 대한 이유라고 할 수 있다 . 본 강의는 기업 전문가 패널과 세미나와 토론 , 최신 클라우드 컴퓨팅 기술 , 성공사례 등을 통해 서비스 모델을 어떻게 개발하는지 배운다 .
Today, businesses can't succeed by just selling goods at a low price, they need to also provide after-sales support and additional services that deliver high levels of customer satisfaction. This is why they have started using cloud computing Students in this course learn how to make service models for cloud computing through bussiness experts panel, seminar and discussion, new cloud computing technology, and successful case.
BDC112 클라우드기반 네트워크 환경 이해 및 구축 (Introduction to Network Environment based on Cloud Computing) [2]
이전에 , 하드웨어를 구축 , 개발 및 구현 , 그리고 시스템을 개발하는데 1 년이 넘는 시간이 소비되었지만 클라우드 컴퓨팅의 발전으로 계약을 하자마자 구축과 개발이 완료가 될 수 있다 . 즉 , 1 년이 넘게 소비되던 작업이 이제는 한달이 채 걸리지 않는다 .
본 강의는 클라우드 컴퓨팅 기반 TCP/IP 동작방법 분석 , VLAN 구조 이해 및 실습 , 라우터 가상화 이해 및 IP 라우팅 이해 등을 다룬다 .
Previously, it took three months to source hardware, six months to develop and implement it, and one year to create a system, including all the associated work. However, in the case of cloud computing, it can be launched instantly after signing the contract. In other terms, what once took a year to complete can now be achieved in less than one month.
This course covers method of TCP/IP, understanding of VLAN, router virturalization, and IP routing based on cloud computing.
BDC113 기초 인공 지능 (Introduction to Artificial Intelligence) [2]
본 강의는 인공 지능에서 필수적인 기초 이론과 핵심 기술을 학습한다 . 이를 위하여 기계학습 , 문제 해결 , 탐색 방법 , 전문가 시스템 , 지식 표현 , 로보틱스 등 지능적 동작 시스템을 만드는데 필요한 방법과 기법들을 학습한다 .
Introduction to Artificial Intelligence is emphasizing the building of agents, environments, and systems that can be considered as acting intelligently. In particular, you will learn about the methods and tools that will allow you to build complete systems that can interact intelligently with their environment by learning and reasoning about the world.
BDC114 기초 통계와 기계학습 (Introduction to Statistics and Machine Learning) [2]
기초 통계와 기계학습에서는 통계적 기계학습의 기초가 되는 중요한 아이디어와 기술들을 학습한다 . 경험에 의하여 자동으로 학습하고 개선하는 시스템을 가능하게 하는 알고리즘을 만들거나 학습한다 .
This major to learn the critical ideas and skills underlying statistical machine learning — the creation and study of algorithms that enable systems to automatically learn and improve with experience.
BDC115 고급 기계학습 (Advanced Topics in Machine Learning) [2]
고급기계학습 과정에서는 기계학습 관점에서 핵심적인 요소들을 볼 것이다 . 또한 기계학습 영역에서 현재 연구되고 있는 주제들과 방법들의 소개한다 . 정규 네트워크 , 서포트 벡터 머신 , 핵심 주성분분석 , 핵심 정준상관분석 , 비정상 데이터 찾기 등의 학습 알고리즘들과 알고리즘들을 위한 값들이 어떻게 되는지에 관하여 논의한다 . 자료들은 최근에 발표된 책을 위주로 진행한다 .
The course presents the elements of kernel-based methods from a machine learning perspective. It introduces the theoretical basis for studying these methods (theory of positive definite kernels, associated reproducing kernel Hilbert spaces and techniques to construct kernel functions) and present selected topics in this area. This includes learning algorithms such as regularization networks, support vector machines, kernel principal component analysis, kernel canonical correlation analysis, anomaly detection, etc., as well as a discussion of the value of these algorithms for applications. The material is primarily based on a recent book and on research publications.
BDC116 데이터과학 개론 (Introduce to Data Science) [2]
본 과목은 학생들이 데이터 관리 , 저장 , 그리고 도구를 다루고 적용할 수 있도록 설계되었다 . 본 과목은 데이터 , 파일 기반 시스템 , 관계형 데이터베이스 시슽엠 , 탐색과 텍스트 분석 , 소셜 데이터 분석과 추론 등에 대해서 학습한다 .
This course is designed to introduce students to the data management, storage and manipulation tools common in data science and will apply those tools to real scenarios. This course covers Introduction to data (data types, data movement, terminology, etc.), Storage and Concurrency Preliminaries, Files and File-based data systems, Relational Database Management Systems, Hadoop Introduction, NoSQL - MapReduce vs. Parallel RDBMS, Search and Text Analysis
BDC117 데이터과학 특론 (Advanced Topics in Data Science) [2]
새로운 도전과 데이터 분석 문제를 해결하기 위해서 데이터마이닝과 정보 분석은 연구자들에게 데이터과학으로 통합된다 .
본 강의는 빅데이터를 통해 알려지지 않은 패턴을 찾기위해 예측 모델을 어떻게 개발하고 테스트하는지를 다룬다 . 또한 공공 및 민간 분야의 전문가 강연 및 패널 토론을 통해 데이터 사이언스 분야에 대한 국가 정책 방향 , 최신 기술 동향 및 향후 전망 , 활용 성공 사례 등을 학습한다 .
The Data mining and Information Analysis integrates data science to provide researcher for approaching challenging data analysis problems. Students in this course learn how to develop and test models for making predictions, to search through large collections of data for rare and unexpected patterns. Also It includes experts panel and discussion based on new computing technology, successful case.
BDC118 빅 데이터 마이닝 (Big Data Mining) [2]
정부 , 사업 , 연구에서 복잡한 데이터를 수집 , 분석 , 그리고 시각화하는 것은 중대하다 . 통계학 , 수학 , 컴퓨터 과학에 적용된 강력한 도구들은 복잡한 데이터의 의미를 발견하는데 활용될 수 있다 .
본 과목은 데이터 마이닝 원리 , 분석 , 데이터 시각화를 다룬다 . 또한 통계학적 개념과 컴퓨터과학의 사항들을 포함한다 . 학생들은 알고리즘 , 컴퓨팅 , 데이터 분석을 실습을 통해 다룬다 .
The collection, analysis, and visualization of complex data play critical roles in research, business, and government. Powerful tools from applied statistics, mathematics, and computational science can be used to uncover the meaning behind complex data sets.
This course covers the principles of data mining, exploratory analysis and visualization of complex data sets, and predictive modeling. Following topics are statistical concepts (such as over-fitting data, and interpreting results) and computational issues. Students are exposed to algorithms, computations, and hands-on data analysis in the discussion.
BDC119 데이터 시각화 개론 (Introduction to Data Visualization) [2]
시각화는 잘 디자인된 시각적 인코딩이 간단한 지각적 추론으로 인지적 계산을 대체할 수 있고 , 이해 , 기억 , 의사 결정이 향상될 수 있도록 정보 부하를 해결하는 하나의 방법을 제공한다 . 또한 , 시각적 표현은 분석적 사고의 절차에서 더 다양한 독자가 참여하는데 도움이 될 수 있다 . 본 강의는 그래픽 디자인 , 시각 예술 , 지각 심리학 , 인지 과학의 원리를 기반으로 효과적인 시각화를 만들기 위한 기술과 알고리즘을 다룬다 . 이 강의는 자신의 일에서 시각화를 사용하는 것에 관심이 있는 학생들뿐만 아니라 더 나은 시각화 툴과 시스템을 구축하는 것에 관심있는 학생들 모두를 대상으로 한다 .
Visualization provides one means of combating information overload, as a well-designed visual encoding can supplant cognitive calculations with simpler perceptual inferences and improve comprehension, memory, and decision making. Furthermore, visual representations may help engage more diverse audiences in the process of analytic thinking.
In this course we will study techniques and algorithms for creating effective visualizations based on principles from graphic design, visual art, perceptual psychology, and cognitive science. The course is targeted both towards students interested in using visualization in their own work, as well as students interested in building better visualization tools and systems.
BDC120 데이터 시각화와 전달 (Data Visualization and Communication) [2]
데이터에서 찾은 패턴에 대해 명확하고 효과적으로 전달하는 것은 성공적 데이터 과학자를 위한 중요한 스킬이다 . 이 코스는 데이터를 지원하는 결과를 전달하고 , 질문에 답변하고 , 결정을 유도하며 , 설득력 있는 증거를 제공할 수 있는 패턴과 분석을 보완하는 시각적 및 언어적 표현들의 디자인과 개발에 초점을 맞춘다 .
Communicating clearly and effectively about the patterns we find in data is a key skill for a successful data scientist. This course focuses on the design and implementation of complementary visual and verbal representations of patterns and analyses in order to convey findings, answer questions, drive decisions, and provide persuasive evidence supported by data.
BDC121 빅데이터 분석을 위한 프로그래밍 (Programing for Big Data) [2]
빅 데이터 어플리케이션 및 기술 구성요는 Java 로 작성된다 . 본 과정에서는 Java 를 빅 데이터 분석에 활용할 수 있도록 학습한다 .
In this course you will learn the basics of the Java Programming Language. Having some knowledge of Java is very helpful in many areas in IT. For example, for Big Data related technologies, you can write MapReduce jobs in the Hadoop framework using Java.
BDC122 빅데이터 분석을 위한 Python(Python for Big Data) [2]
Python 은 배우기 쉽고 , 사용하기 쉬운 오픈소스 언어이며 , 데이터 조작 및 분석을 위한 라이브러리를 가지고 있다 . 본 과정에서는 Python 를 통하여 빅데이터 분석에 관한 것을 학습한다 .
Python is a powerful, flexible, open-source language that is easy to learn, easy to use, and has powerful libraries for data manipulation and analysis.
This course cover big data analysis using python.
BDC123 빅데이터 분석을 위한 R 프로그래밍 (Programming with Big Data in R) [2]
간단한 기계 학습 기법의 원리와 통계 기법을 학습하고 , R 프로그래밍 방법에 대해서 학습한다 . 또한 R 을 통하여 기계학습방법을 이용하여 빅데이터에 적용시킬 수 있도록 한다 .
R is a programming language and software environment for statistical computing and graphics. This course cover how to analytics big data using R.
BDC124 핀테크와 컴퓨팅 금융의 기초 (Introduction to Computational Finance and Financial Technology) [2]
실제 현실세계의 금융정보들을 사용하여 통계적 도구나 프로그래밍 도구 , 수리적 접근방법을 학습한다 . 이러한 도구들은 자산반환 , 위험 측정 , 포트폴리오의 최적 구성들에 관한 모델을 만드는 것들이고 , 공개소스인 R 프로그래밍 언어와 엑셀을 사용한다 . 자산반환의 확률적 모델을 어떻게 만들지 배우고 , 평가를 통계적인 방법으로 할 수 있는지에 관하여 배운다 . 예를 들어 자산 반환에 관하여는 정규분포 , 몬테카를로 시뮬레이션 , 통계 모델의 평가를 위한 부트스트랩 기법 , 포트폴리오를 구성하기 위한 최적 방법들에 대한 것들이다 .
Learn mathematical, programming and statistical tools used in the real world analysis and modeling of financial data. Apply these tools to model asset returns, measure risk, and construct optimized portfolios using the open source R programming language and Microsoft Excel. Learn how to build probability models for asset returns, to apply statistical techniques to evaluate if asset returns are normally distributed, to use Monte Carlo simulation and bootstrapping techniques to evaluate statistical models, and to use optimization methods to construct efficient portfolios.
BDC125 경영 데이터 분석론 (Business Data Analytics) [2]
빅데이터는 이제 전문가뿐만 아니라 데이터를 분석하고 새로운 패턴을 알고자하는 모든 산업분야와 정부에서도 적용하고 있다 . 빅데이터는 단지 유행이 아니라 빅데이터를 활용하려는 시도는 계속될 것이다 . 빅데이터를 분석하기 위해서는 데이터 과학자 , 데이터 설계자 , 데이터 제작자 , 데이터 시각화 , 그리고 데이터 기반 운영자와 같은 특별한 기술을 가진 전문가가 요구된다 .
본 과목은 거대한 비즈니스 데이터 분석과 빅 데이터 기반구조를 관리하고 생성하기위한 경험과 기술 , 지식을 소개하고 Data Warehousing, Dimensional Modeling, Big Data Analytics, 시각화 도구와 기술 , 데이터마이닝 등을 다룬다 .
Big Data has arrived. It is now accepted not just by the experts in the field, but also by those working in every industry sector and government that this not a fad, but a trend that is bound to continue. Harnessing this data will require specialized skills such as data scientists, data architects, data modelers, data visualizers, and data infrastructure operators.
A major in data analytics delivers the knowledge, skills and experience you need to create and manage Big Data infrastructure and large-scale business data analytics in organizations. Topics covered include data warehousing, dimensional modeling, big data analytics methods, visualization tools and techniques, data mining, and predictive analytics.
BDC126 건강관리 분석학의 기초 (Fundamentals of Health Care Analytics) [2]
이 과정은 건강관리 데이터로부터 현황을 보고하는데 사용되는 분석 툴들의 다른 종류들과 사용할 수 있는 건강관리 데이터의 일반적인 유형을 자세히 살펴본다 . 수업 주제는 기술적 관점 ( 진단 코드를 캡쳐하고 저장하는 방법 ) 과 분석 및 보고 관점 ( 진단코드가 유용한 정보에서 데이터로 전환되는 방법 ) 을 모두 고려한다 . 제공되는 데이터 셋은 훈련과 숙제를 통해 더 자세하게 데이터를 탐색할 수 있는 기회를 학생들에게 제공한다 .
This course looks in detail at common types of available health care data, along with different types of analytic tools used to report from that data. Class topics are considered from both a technical viewpoint (such as how diagnosis codes are captured and stored) and an analytic and reporting viewpoint (how diagnosis codes are used to turn data into useful information). Supplied data sets give students the opportunity to explore the data in more detail through in-class exercises and homework assignments.
BDC127 교육 데이터 마이닝 기술 (Educational Data Mining ) [2]
본 강의는 교육환경에서 발생하는 로그데이터의 마이닝 기술과 데이터 마이닝을 위하여 활용되는 주요 기계학습 기법을 다룬다 .
This class covers fundamental principles of data mining and machine learning for data in educational environment.
BDC128 빅데이터 응용 세미나 -I(Applied topics in Big Data-I ) [2]
본 강의는 교육환경에서 발생하는 로그데이터의 마이닝 기술과 데이터 마이닝을 위하여 활용되는 주요 기계학습 기법을 다룬다 .
This class covers fundamental principles of data mining and machine learning for data in educational environment.
BDC129 빅데이터 응용 세미나 -II (Applied topics in Big Data-II ) [2]
본 강의는 빅데이터 분야의 다양한 응용과 신기술에 대하여 학습한다 .
This class covers various application of big data techniques and its current edge techniques.