과목

소개

인공지능 빅데이터 소개

Introduction to AI big data analytics

  본 과목은 21세기를 선도하는 4차 산업혁명의 주요 기술 중에 핵심이라 할 수 있는 인공지능과 빅데이터에 대한 기본적인 지식과 그 활용 능력 배양에 학습의 초점을 맞추고 있다. 인공지능과 빅데이터에 대한 기본 이론, 혁신적 활용 사례 및 프로그램을 통한 실습을 학습한다. 인공지능과 빅데이터의 주요 기법인 인공신경망, 사례기반추론, 유전자 알고리즘, 의사결정나무, 연관관계기법, 텍스트마이닝, 웹마이닝, 소셜마이닝, 텍스트 크롤링, 텍스트분석, 데이터 시각화 등의 내용이 다루어진다. 실습을 위한 프로그램은 R, Python, 또는 Java가 사용될 것이다. 본 과목은 이 과목을 수강하기 위한 인공지능 및 빅데이터에 대한 기초 지식이 필요하지 않으며 어떤 기본적인 프로그램에 대한 기초 지식도 필요로 하지 않는다. 수업은 배운 지식의 즉각적인 활용을 위해서 실습실에서 이루어진다.

AI Big data 분석을 위한 프로그래밍

Programming for AI big data Analytics

  본 과목은 AI와 빅데이터 분석을 위하여 R과 Python을 프로그래밍 중심으로 학습한다. R에서 제공되는 다양한 자료구조(data object)-원자벡터, 리스트, 행렬, 어레이, 데이터 프레임, 팩터, 시계열 자료-를 익히고, 특별히 데이터 전처리 과정에서 필요한 데이터프레임의 서브세팅 연산에 대하여 익힌다. R 그래프의 활용과 텍스트마이닝, 지도데이터를 활용한 자료 표현 및 회귀분석을 간단한 예제를 통하여 학습한다. Python에서는 Anaconda 환경에서 실습이 진행되며, 다양한 데이터 유형 및 컨테이너 데이터 유형을 학습하고 Python 프로그래밍에 필요한 기본 개념 및 파일 입출력을 포함한 표준 라이브러리를 학습한다. 객체 프로그래밍을 위한 다양한 클래스, Polymorphism, 인스턴스 속성, 다양한 메서드에 대하여 학습하면서 Numpy, Pandas, SciPy, matplotlib 패키지의 활용과 scikit-learn을 통한 Machine Learning, Keras 및 Tensor Flow 사용법을 예제를 통하여 학습한다

예측분석

Predictive analytics

  시계열 자료 및 비시계열 자료에 대한 예측 기법과 예측에 대한 모델 평가 방법을 학습한다. 예측 기법으로 선형 회귀모델, 로지스틱 회귀모델, 포아송 회귀모델, decomposition 모델, ARIMA 모델, ARIMAX 모델, smoothing spline기법을 학습하고 주기를 찾는 기법인 spectral density 방법을 학습한다. 시계열 분석의 중요한 개념인 정상 시계열, Granger 인과관계, co-integration을 학습한다. Deep learning 기법의 일종인 RNN을 이용한 시계열 자료 분석 기법도 살펴본다. 컴퓨터 프로그래밍을 이용한 사례 학습 훈련을 통하여 예측분석 능력을 확립하는 것을 목표로 한다.

의사결정과 리스크분석

Decision analysis and risk analytics

  의사결정 과정의 구조화와 모델화를 통한 최적의 대안 선정, 리스크 분석, 주관적 신념의 확률화, 정보의 가치, 유틸리티 모형 등을 학습한다. 의사결정 문제의 구조화에서는 Decision tree, Influence diagram을 다루고, 리스크 분석에서는 Tornado diagram, Risk profile, deterministic dominance, 1st and 2nd stochastic dominance를 다루고, 주관적 신념의 확률화에서는 개인의 믿음으로부터 이산형, 연속형 함수를 도출하는 내용을 다루고, 정보의 가치에서는 완전 정보와 부분 정보의 기대가치 산출, 베이지안 추론을 이용한 순차적인 확률의 업데이트 과정을 다루고, 유틸리티 모형에서는 Risk tolerance, Risk aversion measure, 위험회피형 Utility model을 다룬다.

과목

소개

빅데이터 클라우드 컴퓨팅

Big Data Cloud Computing

  Big Data를 처리하기 위한 Cloud Computing의 기본 개념들을 습득하고, Big Data를 처리하기 위한 open source framework인 Hadoop의 MapReduce와 Python을 사용한 web application 개발을 지원하는 framework인 Django에 대해 학습하여, 간단한 MapRecude App을 작성한다. 주요 학습 내용으로는 Cloud Services & Platform, Hadoop & MapReduce Concepts, Python을 이용한MapReduce, Django를 이용한 Python Web Application Framework, Python을 이용한 MapReduce Application Development을 다룬다.

Big Data Business Platform Development

데이터마이닝

Data Mining

  오늘날 기업은 대용량의 데이터를 다루고 자동/반자동적 방법을 이용하여 의미 있는 패턴과 규칙을 찾고 문제해결을 하고 있다. 데이터 마이닝은 이러한 목적을 위하여 분류, 추정, 예측 등을 하는 분야로서, 연관성 규칙, 의사결정나무추론, 사례기반추론, 인공신경망, 군집분석 등의 모델에 대한 계량 모형을 학습하고 소프트웨어를 통하여 구현하는 기술을 습득한다.

텍스트마이닝

Text Mining

  인터넷의 발달에 따라 웹이나 소셜네트워크에서 생성되는 자료는 다양하고 점차 방대해 지고 있다. 본 과목에서는 웹이나 소셜네트워크로부터 자료를 수집하는 것으로부터 시작해서 수집한 자료를 어떻게 분석할 것인지의 다양한 방법론과 사례를 학습하는 것을 목표로 한다. 웹과 소셜네트워크 자료의 스크랩핑, 워드크라우딩, 텍스트마이닝, 감성분석, 문서-단어 클러스터링, 토픽모델링기법, 웹 검색에 유용한 Page Rank 기법, 맞춤형 추천기법으로 활용되는 협업필터링 기법, 텍스트 자료에 대한 데이터 마이닝 기법을 학습한다. 컴퓨터 프로그래밍을 이용한 사례 학습 훈련을 통하여 텍스트 데이터 분석 능력을 확립하는 것을 목표로 한다.

데이터 마이닝 II

Data Mining II 

 오늘날 기업은 대용량의 데이터를 다루고 자동/반자동적 방법을 이용하여 의미 있는 패턴과 규칙을 찾고 문제해결을 하고 있다. 데이터 마이닝 II는 이러한 목적을 위하여 eXtreme Gradient Boosting (XGBoost), Naive Bayes Classifier, Support Vector Machine (SVM), Genetic Algorithm 모델을 다룬다. 강의방법은 알고리즘 설명, 예제를 통한 계산 프로세스 이해, R program 코딩작업을 통한 솔루션 획득과 해석을 포함한다.

과목

소개

최적화기법의 이해와 AI 응용분석

Optimization methods and applications of AI

  본 과목은 다양한 경영문제에서 최적해를 찾는데 활용되는 최적화기법을 이해하고 논리적으로 분석모형을 수립하는 방법론을 다룬다. 선형계획법, 정수계획법, 비선형계획법과 같은 이론뿐만 아니라 네트워크 모형, Deep learning application 등의 응용문제를 학습함으로써 최적화기법에 대한 전반적인 개념과 본질을 파악한다. 또한, 다양한 프로그램을 (Excel, AMPL 등) 사용해 최적화모형을 수립, 분석하고 해석함으로써 Big-Data 생태계에서 최신 optimization technology를 효율적으로 활용하는 방법을 학습한다.

인공지능 딥러닝

AI & Deep Learning

  Deep Learning에 대한 기초적인 소개와 DNN, CNN, RNN, 그리고 Reinforcement Learning에 대한 기본적인 Coding을 Tensorflow를 활용하여 배운다. 간단한 예제를 통해서 기본개념들을 습득하고 실제에 활용할 수 있는 기반을 마련한다고 할 수 있다. 또한 기본적인 프로그램 추정방법들과 많이 활용되는 기법들에 대하여 수학 배경이 적은 사람들도 이해할 수 있는 기본원리에 대하여도 강의한다. 경영에 활용될 수 있는 AI와 Deep Learning의 고급기술들에 대한 소개와 응용 방법 및 한계점들에 대한 토의도 하게 될 것이다.

인공지능 응용 실습

AI Application & Practice

  인공지능 기술 대중화의 기반인 'Open Source Algorithm', 'Open API', 'Code 없는 AI'를 프로그래밍 코딩을 이용하여 학습하고 구현하는 실습을 진행한다. 깃허브의 다양한 코드 사용법과 카카오와 네이버의 API 활용 방법을 학습한다. 구글의 Teachable Machine 등을 웹에 응용하여 구현하는 내용을 실습한다. 다양한 인공지능 응용 방법론을 습득하여 자기만의 프로젝트를 스스로 개발하고 구현하는 실습을 한다. 사물인식, 얼굴인식, 글자 및 숫자 인식, 패션 메이크업 AI 관련 프로젝트를 실습한다.

생성형 인공지능 

Generative AI 

과목

소개

빅데이터 마케팅

Marketing application of big data

  시장이 디지털화됨에 따라 그동안 기업이 얻을 수 없었던 전혀 다른 종류의 데이터가 감당할 수 없을 정도로 쏟아져 나오고 있다. 전통적인 시장 자료와 대비되는 비정형 데이터들 속에는 우리 기업이 그동안 그토록 얻고 싶어했던 다양한 종류의 정보들이 담겨있는데, 이것들을 우리 기업들은 어떻게 관리해야 할 것인가? 이에 대한 답을 찾고, 마케팅 전문 인력으로서 필요한 빅데이터가 무엇인지를 이해하고, 이 데이터들을 이용해 마케팅에서 어떻게 활용할 수 있는지 방법을 익히고, 개발하는데 그 목표를 두고 있다.

금융기관의 AI 빅데이터 분석

AI Big Data Analytics for Financial Institution

  본 과목은 금융회사에서 활용되고 있는 AI 빅데이터 분석에 대하여 다음 3가지 주제를 가지고 학습한다. 첫 번째 주제는 대용량 데이터의 처리 및 분석으로 회귀분석과 군집분석 중심으로 익히고, 금융회사에서 많이 사용되는 대표적 분류모형, 도산예측모형과 개인 신용평가모형을 구축하여 본다. 두 번째 주제에서는 로보 어드바이저 관련 모델링으로 딥러닝을 이용한 비트코인 가격 예측, GARCH 모형을 이용한 변동성 추정, CAPM(Capital Asset Pricing Model)/APT(Arbitrage Pricing Theory) 기반 가격 모델링과 포트폴리오 최적화를 다룬다. 마지막 세 번째 주제는 리스크 분석 및 측정으로 ALM(Asset Liability Management) 기반 Liquidity Risk 분석 및 측정, Market/Credit/Operational Risk에 대한 VaR(Value at Risk) 측정, Credit Risk 관리를 위한 Credit Default Model 구축 및 활용과 최근 큰 이슈로 부각되고 있는 Systemic Risk 분석에 대하여 학습한다.

비즈니스 혁신과 창업

Business Innovation and Start-up

  수많은 경영 지식 가운데 어떠한 경영 지식이 기업의 현장에 주로 적용되며 가시적 성과와 실질적 가치를 창출하기 위해서 다양한 지식과 스킬이 어떻게 복합적으로 적용되어야 하는지를 경험할 수 있도록 하는 데 그 목적이 있다. 기업에서 현실적 의사결정을 이해하기 위해서는 수직적 경영 지식의 습득보다 그러한 식의 수평적 연결 스킬이 더욱 중요하며 기업의 어떠한 의사결정도 경영 스킬의 복합적인 연계 없이 이루어지지 않는다. 이 과정을 통해 졸업 전이나 후 실무 현장에 투입되어도 즉각적으로 업무를 이해하고 수행할 수 있고, 문제를 해결할 수 있는 역량을 가진 인재를 양성하도록 한다. 본 과목은 기업 현장에서 가시적 성과를 즉각적으로 만들어 낼 수 있는 역량을 배양하기 위해 기업 활동의 주요 분야와 핵심적 기능에 대한 현실적 이해를 도모하고, 이를 바탕으로 기업 현장에서 발생하는 다양한 문제에 대해 솔루션을 도출할 수 있도록 하는데 그 목표를 두고 있다.

비즈니스 혁신과 창업 심화

Business Innovation and Start-up (Advanced)

  비즈니스 혁신과 창업 기본 과목에 이어 기업의 추가적 성장과 효율화를 위한 주제를 다루는 응용 과목이다. 비즈니스 혁신과 창업 심화 과목은 마케팅의 실행을 위한 '영업', 기업의 Inorganic 성장을 위한 M&A', 변화 관리와 전사 성과 관리, 기업 구조조정 방법론을 다룬다. 이외 신상품 개발과 연관된 R&D 기능 및 구매를 효율화시킬 수 있는 스킬과 주주의 지분율을 관리 하는 방법과 최근 경영의 패러다임에 큰 영향을 끼치고 있는 ESG경영에 대하여 학습한다.

메타버스 가상 시장과 

마케팅 사이언스

Hightech-driven Emerging Market Study

  2000년대 이후 시장은 3대 본원기술, 즉 디지털화, 네트워크화, 그리고 AI의 영향으로 혁신을 거듭하고 있고, 지금껏 상상하지 못한 때로는 이해하기 어려운 혁신 시장의 성장을 지켜보고 있다. 본 과목은 2000년대 이후 새롭게 나타난 혁신 신시장이 궁극적으로는 가상 경제로 모두 집중하고 있음을 살펴보고자 한다. 이중 기업들이 가장 관심을 가지고 있는 핵심 기술 (빅데이터, 플랫폼 비즈니스 모델, 블록체인, AR/VR)을 기반으로 만들어지고 있는 가상 기술 기반 시장 (공유경제, 가상화폐 및 금융, 메타버스와 NFT) 를 이해하고, 이 시장에서 마케팅이 필요한 부분이 무엇인지를 살펴보고자 한다. 더 나아가, 이 혁신 시장에서 필요로 하는 마케팅 사이언티스트가 되기 위해 필요한 지식과 방법론을 공부하는 데 그 목적이 있다.