학과 단톡.방에 공유했던 글 이쪽에다 게시해 둡니다.

개인적인 주관적인 인상이므로 걸러서 읽으시면 됩니다.

그리고 아래부터는 음슴체로 썼으니 양해 부탁드립니다.

 

 

1학년

R컴퓨팅 : R에 대한 기초가 없으면 필수. R이 익숙하면 굳이 수강할 필요는 없음.

데이터정보처리입문 : 워드, 엑셀, 한글 다루기. 한글 수식편집기 사용 과제 있음.

 

2학년 

통계학개론 : 통계데이터과학과 사실상 필수과목 (1). 확률, 추정, 검정, 회귀모형(기초)

엑셀데이터분석 : 엑셀로 배우는 통계학개론. 해찾기 함수 사용. KESS를 다루는 과제는 맥에서 안돌아가는 문제 있음.

확률의개념과응용 : 확률론, 베이즈정리. 시험에 증명이 나오지 않으므로 수포자도 수강에 어렵지는 않으나, 교수님 설명에 있는 미적분 개념만 잘 가져가면 무난히 이수가능할 것으로 보임.

 

3학년 

회귀모형 : 통계데이터과학과 사실상 필수과목 (2). 모든 과목은 회귀로 통한다.

통계패키지 : SAS/SPSS로 배우는 통계학개론. 사회조사분석사 자격증 취득에 필수적. SAS/SPSS가 필요 없으면 수강하지 않아도 됨.

데이터시각화 : R에 대해서 약간이라도 알면 선수강 권장. 시각화에 대한 식견을 키워주는 교수님 강의 추천. 기말과제 과목이므로 기말시험 과목수를 고려하는 경우 확인요망 (7과목 수강시)

통계조사방법론 : (인문사회학)논문작성을 위한 조사연구의 기초적 과목. 설문지 작성, 표본추출(기초), 측정, 척도를 다룸. (2학기 마케팅조사와 유사 과목이므로 둘 중 하나만 수강해도 무방)

데이터처리와활용 : 2학기에서 넘어옴. SQL, DB모델링, 엑셀VBA를 다룸. 실습으로 큐브리드를 사용하여 설치에 어려움이 있는 학우들 많음. (컴퓨터과학과 데이터베이스시스템 수강 권장하나 뒷부분은 통데과 범위를 살짝 벗어나는듯한 과목)

 

4학년

다변량분석 : 회귀모형의 확장판. 교재나 강의에서 R과 파이썬을 동시에 다루는 과목이고 과제도 R과 파이썬 병행해야 하지만, 개념은 R 위주로 익히고. 시험에서는 파이썬 파트는 워크북 내용만 숙지하면 무난함.

데이터마이닝 : 의사결정나무, 앙상블, 신경망, 군집분석, 연관성분석 등 딥러닝으로 가기 위한 기초적인 이론을 다룸. 2학기 비정형데이터분석의 앞 혹은 뒤로 연계하여 수강하면 효과적임.

딥러닝의통계적이해 : 딥러닝의 발전과정과 그 이론에 대한 강의. 뒷부분은 2학기 자연언어처리에서 더 자세히 다룸.

예측방법론 : 통계데이터과학과 학부에서 유일하게 다루는 시계열분석. ARIMA 모형 등 금융에서 다루는 예측모델을 다룸. 

신뢰성공학 : 백재욱 명예교수님 과목. 바이오통계학에서 배운 비모수 통계학을 산업공학적인 측면에서 다룸. 뒷부분은 신뢰성시험 절차를 다루는듯 함. (미수강과목)

 

컴퓨터과학 (여기저기서 주워들은 내용과 강의계획서. 그리고 2n년전에 배웠던 전적대에서의 경험으로 썼으니 참고. 컴과 나머지 과목은 통데과 과목과 크게 상관 없어서 생략.)

파이썬프로그래밍기초 : 컴퓨터과학과 1학년 과목으로서 앞 차시에 컴퓨터개론을 가미한 측면이 있음. 2학기 파이썬컴퓨팅 수강자는 다시 수강할 필요는 없을듯. 

이산수학 : 명제, 논리연산, 집합, 행렬, 그래프, 트리 등 전산학의 기초적인 수학적 이론을 다룸. 뒷부분 오토마타 파트는 컴파일러의 기초 (통계학 만을 위해서는 행렬 하나만으로 굳이 수강할 필요는 없으나 컴과와 연계하기 위해서는 어느정도 필요함)

데이터베이스시스템 : 정재화 교수님의 명강으로 알려져있음. 데이터베이스 모델링, SQL, 정규화, 인덱싱, 해싱, 트랜잭션, 동시성제어, 회복 등을 다룸.

인공지능 : 탐색, 게임트리, 전문가시스템, 논리, 퍼지이론을 다루며 이후로 머신러닝의 기초적 이론 (패턴인식, 기계학습, 신경망, 심층신경망)을 다룸.

알고리즘 : 정렬, 탐색, 그래프, 스트링의 각 알고리즘별 성능비교를 다룸. 코드 독해로 C정도의 프로그래밍 지식 필요.