본 교과목은 데이터베이스 관리 시스템을 설계 및 구현하는 데 필요한 기본 개념과 구조를 이해시킬 목적으로 데이터베이스의 기본 개념, 데이터 모델의 개념, 데이터 기술 언어, 관계형 데이터베이스 설계, 질의어 처리, 트랜잭션, 동시성 제어, 회복 기법 등을 다룬다.

본 교과목은 통계 개념과 기초를 학습하고, R/SPSS를 활용한 데이터 통계분석을 수행하며, 다양한 데이터 종류를 포함한 데이터를 분석하여 패턴, 관계성, 경향 등을 파악하는 방법을 학습한다. 그리고 다양한 종류의 데이터에 대한 생성, 수집, 분석, 표현을 특징으로 하는 데이터 기술과 요인분석, 회귀분석에 대한 기초학습을 진행한다.

본 교과목은 인간 두뇌를 표방한 지능시스템으로써의 학습, 인식, 지식표현의 기초 개념, 오픈소스인 인공지능 라이브러리를 통해 로지스틱 회귀, 컨볼루션 신경망, 순환 신경망, 심층 신경망, GAN, 캡슐 네트워크의 기본 알고리즘과 실습을 진행하며 신경망에 대한 전체적인 이론적 내용을 학습한다.

본 교과목은 지식표현과 추론, 기계학습 등을 소개하고 지식표현과 추론 및 기계학습을 구체적으로 소개하여 인공지능의 기본적인 기술을 데이터사이언스 관점에서 이해하는 학습을 진행한다. 지식표현과 추론에서 휴리스틱 탐색 알고리즘을 포함하여 서술논리의 지식표현 방식과 추론을 배우며 이를 활용한 응용분야와 도구를 학습한다.

본 교과목은 범주형 자료 분석과 다변량 자료 분석, 판별분석, 군집분석, 다차원 척도법등의 내용을 학습하며, R/SPSS등의 통계패키지를 사용하여 실제 공공적인 데이터를 통한 실습과 분석 결과를 해석할 수 있는 능력을 학습한다.

본 교과목은 다양한 영역에서 데이터 사이언스(빅데이터) 기술이 활용되고 있는 사례를 조사하고 분석하여 관심 분야에서의 융합 방법을 창출해 낼 수 있는 능력을 배양한다. 또한 다양한 응용 소프트웨어를 이용하여 국가에서 보유하고 있는 다양한 공공데이터(공공데이터포털)에 대해 데이터를 분석해 보고 관계형 데이터베이스와는 다른 NOSQL 데이터베이스를 위한 데이터 모델링 기법을 학습한다.

본 교과목은 시간에 따라서 값이 변화하는 확률 변수의 모형을 다룬다. 마크브 과정, 프아송 및 재생 과정, 선형 및 비선형 최적화 기법, Interpolation과 Curve fitting을 다루고 해당 모델이 적용되는 시스템을 분석하는 기법을 다룬다. 또한 파이썬기반으로 데이터를 생성 및 추적하고 분석하는 시뮬레이션 기법과 통계학 이론을 바탕으로 학습한다.

본 교과목은 임베디드 시스템을 이용한 사물인터넷과 인공지능 응용 프로그래밍에 대해서 학습한다. 주요 내용은 아두이노/라즈베리파이와 같은 오픈소스 하드웨어를 이용한 센서 등의 장치 제어법과 모니터링 방법, 머신러닝을 Tensorflow나 Keras와 같은 인공지능 프레임워크에서 개발하는 방법을 학습한다.

본 교과목은 OpenCV 기반 프로그래밍을 기반으로 디지털 영상처리의 기초 이론을 소개하고 영상처리 구조를 실습한다. 영상 데이터의 생성 원리부터 기본 데이터 처리 구조, 실제 화소 단위의 다양한 처리 알고리즘, 실제 응용 사례등을 다루며, 실습 프로젝트를 통하여 영상처리의 기술 활용 능력을 습득한다.