이번에는 통계데이터과학과에서 배우는 과목들 중 딥러닝 쪽을 중심으로 글을 풀어가려 합니다.

 

일단 학과의 커리큘럼 관계도를 다시 보시겠습니다.

 

중앙의 통계학개론에서 오른쪽 중앙으로 이동하시면 만나는 과목들 되겠습니다.

이쪽으로 바로 진행하시겠다면 아무래도 통계학개론 및 회귀모형에 대해서는 알아야 진행이 편할것이라 생각하며,

R과 파이썬에 대한 지식도 필요하다고 생각합니다.

 

첫 학기에는 학과에서 권장하는 R컴퓨팅과 통계학개론을 중심으로 수강하시면 무난하실겁니다.

파이썬 지식이 필요하시다면, 2학기에 개설되는 파이썬컴퓨팅 과목이나 1학기에 개설되는 컴퓨터과학과의 파이썬프로그래밍기초 과목을 수강하시면 됩니다. 2학년 2학기의 파이썬과R 과목은 필요 없으실겁니다.

 

2학년 2학기에 개설되는 (그리고 컴퓨터과학과는 4학년 2학기에 개설되는) 빅데이터의이해와활용 과목은 빅데이터에 대한 전반적인 지식을 습득하실 수 있습니다만, 중간과제가 생각에 따라서 까다로울 수 있으며, 기말시험은 조금 어렵게 나오는 경향이 있으니 최소한 데이터마이닝 수강 이후에 진행하셔야 제대로 점수를 받으실 것으로 생각합니다.

 

4학년 2학기에 개설되어 있는 비정형데이터 분석은 조금 먼저 진행해도 상관이 없을거라서 먼저 설명합니다. 물론 뒤에서 설명하는 데이터마이닝을 먼저 수강하면 도움이 더 되긴 하지만, 딥러닝 중심으로는 먼저 수강하는 편이 더 나을거로 생각합니다. 이 과목은 (영문)텍스트를 R을 사용하여 통계학적으로 분석하는 내용으로 한 학기를 쭉 진행하고 있습니다.

 

4학년 1학기에 개설되는 데이터마이닝 과목은 R을 사용하여 통계학에서 다루는 데이터를 어떻게 잘 분류, 분석할 수 있는지에 대해 배우는 과목입니다.

이 과목은 딥러닝의 이론적 기초가 되는 과목이기도 합니다.

같은 학기에 개설되는 딥러닝의통계적이해 과목과 함께 수강하면 될 것으로 생각합니다.  이 과목은 딥러닝의 역사 및 발전과정을 다루고 있기도 합니다만, 딥러닝을 통계학적으로 접근하고 있는 과목입니다. 딥러닝 이론은 미적분의 개념 정도는 이해하고 있어야 진행 될거라 생각합니다. (해당 파트 교수님 설명이 미분방정식으로 쭉... 입니다.)

 

그러고 나면, 컴퓨터과학과 4학년 2학기 딥러닝 과목으로 넘어가게 됩니다.

딥러닝을 파이썬 코드와 함께 중요 구현을 배우게 되구요.

같은 학기에 자연언어처리와 같이 수강하면 딥러닝 과목의 뒷 부분을 커버하는 범위의 강의가 쭉 이어지게 됩니다.

 

대강 이러한 패턴으로 이수한 사람으로서 말씀드렸습니다만, 데이터쪽의 현업이 아닌 개발자 (그러므로 찍먹)로서 진행한 탓에 한계가 있긴 합니다.

그럼 이번 글은 이것으로 줄입니다.