데이터사이언스에 필수적인 확률 및 통계, 선형대수, 최적화 등과 관련된 수학 지식에 대해 학습하고, 실제 적용된 사례를 배움으로써 활용 능력을 배양한다.

데이터사이언스의 필수적 분석 도구인 R과 파이썬 언어에 대해 학습한다. 특히, 두 언어에 대해 데이터 구조와 데이터 전처리 방법들을 소개하고, 데이터를 효율적으로 처리할 수 있는 기법들에 대해 학습함으로써 데이터 처리를 위한 프로그래밍 능력을 함양한다.

데이터 사이언스와 관련하여 최근 제기되고 있는 새로운 이슈들에 대한 정보를 습득하고, 관련 분야의 전문가들과 특강 및 토론할 수 있는 기회를 제공한다.

데이터사이언스 분야의 전문가들로부터 최신 데이터사이언스 동향 및 이슈들을 접하고, 이를 통해 실제 현장에서 요구되는 데이터 분석 관련 지식과 실무 감각 능력을 배양한다.

기계학습의 기본 개념과 원리에 대해 학습하고, 실제 현장에서 어떻게 응용되고 있는지 살펴본다. 또한, 이를 구현하기 위한 다양한 기계학습 기법들에 대해 학습하고 실습함으로써 전문적 지식과 활용 능력을 배양한다.

딥러닝의 학습 원리와 응용에 대해 학습한다. 특히, 딥러닝의 대표적 모형인 DNN, CNN, RNN, LSTM 등에 대해 학습하고 실제 적용 사례들을 살펴봄으로써 전문적인 지식과 활용 능력을 배양한다.

소셜 데이터(트위치, 페이스북), 영상, 이미지, 음성, 텍스트 등으로 이루어진 다양한 비정형 데이터에 대해 학습한다. 또한, 이를 다루는 다양한 분석 기법들에 대해 배우고 실제 적용 사례들을 살펴봄으로써 전문적인 지식과 활용 능력을 배양한다.

복잡하고 다양한 통계모형들을 분석하기 위한 고급 분석방법들을 학습함으로써 데이터 과학자로서의 의사결정 능력과 역량을 배양한다.

이론통계학의 최근 연구 동향 및 방향에 대하여 토론하고 학습한다.

분산분석모형, 대수선형모형, 로짓모형, probit모형, 생존자료 모형 등과 같은 대표적인 일반화 선형모형에 대해 학습하고 실제 적용 사례들을 살펴봄으로써 전문적인 지식과 활용 능력을 배양한다.

난수생성 기법과 확률모형 관측값의 생성기법 등에 대해 학습하고, 몬테카를로기법을 이용한 다양한 통계적 추정 방법들을 배운다. 또한, 빅데이터를 다루는데 필요한 최신 계산 기법인 GPU 및 병렬처리 기반의 통계계산 방법들에 대해 학습한다.

로지스틱 회귀모형, 포아송 회귀모형, 로그선형모형 등 범주형 자료에 적합한 분석모형들에 대해 학습하고 실제 적용 사례들을 살펴봄으로써 전문적인 지식과 활용 능력을 배양한다.

다변량 자료를 분석하기 위해 사용하는 대표적인 기법인 차원 축소, 주성분 분석, 요인 분석, 군집 분석, PLS 등에 대해 학습하고 실제 적용 사례들을 살펴봄으로써 전문적인 지식과 활용 능력을 배양한다.

대표적 시계열 모형인 ARIMA와 고급 시계열 모형인 Seasonal ARIMA, VAR, GARCH 모형 등에 대해 학습한다. 또한, 머신러닝 및 딥러닝 기반의 다양한 예측 모형 등을 학습함으로써 관련 분야의 전문적인 지식과 활용 능력을 배양한다.

공간 및 시공간 자료를 분석하기 위한 다양한 분석모형들에 대해 학습하고, 실제 적용 사례들을 살펴봄으로써 전문적인 지식과 활용 능력을 배양한다.

베이지안 자료 분석에서 사용하는 다양한 베이지안 모형들과 베이지안 추론 및 설계를 위한 몬테카를로 기법 등에 대해 학습한다. 또한, 기계학습 알고리즘에 녹아있는 베이지안 기법들을 학습함으로써 실제 사례에 적용할 수 있는 능력을 배양한다.

지도교수별 논문지도와 관련된 연구계획 및 연구방법, 연구과정 등을 지도받고 논문을 작성한다.