빅데이터학과 추천과목 - 데이터사이언스

 

안녕하세요 ㅎㅎ

 

오늘은 빅데이터학과 추천 과목에 대해 알아보려고 합니다.

 

저는 2021년 데이터사이언스 대학원을 입학해서 현재 졸업을 앞두고 있으며 금융회사에서 데이터 분석과 인공지능을 활용한 신용평가모형을 개발하고 있습니다.

 

인공지능과 빅데이터 시대에 접어들면서 관련 분야에 대한 관심이 높아지고 많은 사람들이 관련학과에 진학을 희망하고 있습니다.

 

대학교 또는 대학원에 입학을 하게 되면 과목 선택에 따른 수강신청을 하게 되는데 실무자의 경우 해당분야에 대한 방향을 잘 알고 있기 때문에 과목 선정에 대한 어려움은 크게 없겠지만 이제 막 빅데이터 공부를 시작하거나 현업에 대한 경험이 없다면 많은 고민이 될 것입니다.

 

빅데이터와 인공지능은 다양한 산업에서 사용되고 있는 만큼 하고자 하는 방향과 목표를 결정하는 것이 중요합니다. 따라서 향후 방향과 그에 따른 추천 과목에 대한 정보를 공유드릴까 합니다.

 

[필수과목]

빅데이터 전문가라면 꼭 알고 있어야 하는 과목들입니다. 빅데이터 다루기 위해 관련 프로그래밍 언어를 비롯한 데이터 분석에 필요한 알고리즘들을 꼭 알고 있어야 합니다.

 

- 파이썬/R: 빅데이터를 다루기 위해서는 파이썬 또는 R 프로그래밍을 숙지하고 있어야 합니다. 과거 통계적 모델을 주로 이용했을 땐 R프로그래밍을 선호했으나 AI가 떠오르면서 파이썬이 대세가 됐습니다.

 

- 머신러닝: 딥러닝 또는 강화학습을 배우는데 필요한 선행 과목입니다. 모델이 비교적 간단히 이해하기 쉬우며 이후 딥러닝과 강화학습을 이해하는데 큰 도움이 됩니다.

 

- 딥러닝: 최근 연구자료를 보면 많은 연구진들이 머신러닝에서 딥러닝으로 이동하고 있다는 것을 알 수 있습니다. 또한 딥러닝 발전과 함께 많은 산업에서 딥러닝 활용범위를 늘리고 있기 때문에 꼭 들어야 할 과목 중 하나입니다.

 

- 강화학습: 우리가 생각하는 AI는 강화학습에 가깝습니다. 강화학습은 딥러닝의 단점을 보완한 AI 알고리즘으로 지금은 성장 중에 있지만 향후 사용가치가 올라갈 것입니다.

 

- 데이터베이스: 빅데이터를 다루기 위해서는 기본적으로 데이터베이스에 대한 지식이 필요합니다. 현업에서 데이터 분석 시 전산실에서 직접 뽑아주거나 SQL을 사용하여 직접 뽑게 되는데 원하는 데이터를 주문할 때나 직접 뽑을 때 데이터 구조에 대한 지식이 필요합니다.

 

- 선형대수: 모든 AI기법은 수학적 백그라운드를 요구하기 때문에 기본적으로 선형대수에 대한 지식이 있어야 합니다. 전공과목과 동시에 배우면 이미 늦기 때문에 기본적인 지식은 미리 배우는 것이 좋습니다.

 

- 통계: 데이터분석 시 통계지식을 기반으로 하기 때문에 통계분석에 대한 지식이 있어야 합니다. 머신러닝 또는 딥러닝을 통한 모델링 전에는 항상 데이터분석이 선행되기 때문에 통계는 최대한 많이 배워두는 것이 좋습니다.

 

[필수 선택과목]

필수과목을 통해 빅데이터 또는 인공지능에 대한 기본 지식을 습득했다면 이제는 방향을 정해야 합니다. 향후 희망하는 진로에 따라 선택하여 수강하시면 되겠습니다.

 

- 자연어: 발전 속도가 점점 빨라지고 있는 과목이며 향후 진로가 텍스트 분석 쪽이라면 자연어를 수강하시면 됩니다. 컴퓨터 비전에 비해 상대적으로 발전이 더디기 때문에 향후 논문 쓸 때 유리할 수 있습니다.

활용분야: 감정분석, 챗봇, 텍스트마이닝, 번역, OCR 등 텍스트 관련 전반 산업

 

- 컴퓨터비전: 컴퓨터의 눈을 배우는 과목이며 향후 진로가 영상분석 쪽이라면 컴퓨터 비전을 수강하시면 됩니다. 컴퓨터비전은 딥러닝 발달과 함께 가장 먼저 성장한 분야이고 자연어가 빠르게 발전하고 있지만 컴퓨터비전은 현재 비스니스 모델로 많이 사용되고 있습니다.

활용분야: 이미지 인식, 자율주행 자동차, 제조 생산공장 검열, 증강현실 등 영상 관련 전반 산업

 

- 비즈니스 응용: 빅데이터는 자연어와 비전 외에도 많은 분야에서 사용되고 있습니다. 만약 빅데이터를 자연어와 컴퓨터 비전 외 다른 비즈니스와 연계하여 활용하고 싶다면 비즈니스 응용과목을 추천드립니다.

활용분야: User Modeling, 주가 분석, 로그분석 및 예측 등 데이터 기반 산업

 

[추가 수강 시 도움 되는 과목]

필수는 아니지만 현업에서 데이터 분석을 하며 알아두면 좋은 과목을 위주로 나열하였습니다. 아래 관련 지식을 이미 알고 있다면 수강할 필요는 없지만 그렇지 않다면 수강하는 것을 추천드립니다.

 

- 시각화분석: 데이터 분석을 하거나 모델링 시 발생되는 데이터를 시각화 분석을 통해 빠르게 해석할 수 있으며 보고서 작성 시에도 유용합니다.

 

- 정보보호: 빅데이터라는 다량의 정보를 다룬다는 측면에서 앞으로 정보보호에 대해 더 민감해질 것입니다. 이와 관련하여 정보보호 관련 지식이 있다면 데이터 추출 또는 분석 시 용이할 것입니다.

 

 - 데이터마이닝: 데이터 분석 시 훌륭한 인사이트를 뽑기 위해 도움 되는 과목입니다. 인사이트 추출 시 산업에 맞는 도메인 지식이 더 중요하나 데이터 마이닝에 대한 이론을 알고 있다면 좀 더 체계적인 인사이트를 추출할 수 있을 것입니다.

 

 - 알고리즘: 데이터 분석이나 모델링 시 코딩을 위주로 하게 되는데 알고리즘을 알고 있으면 좀 더 폭넓은 코딩이 가능하기 때문에 추천드리는 과목입니다.

 

마치며

현업에서 8년간 종사하며 경험한 바탕과 대학원에 진학하여 배운 과목을 토대로 앞으로 진학을 희망하는 분들에게 도움이 되고자 합니다.

 

또한 학교마다 추구하는 교육의 방향이 다르기 때문에 본문에 나열한 과목이 없을 수도 있습니다. 학과 홈페이지에 접속하면 진학 시 배울 과목을 미리 볼 수 있으니 배울 과목을 미리 체크하고 부족한 부분이 있으면 학원이나 인강을 통해 보충하면 되겠습니다.

 

 

 

 

https://scikitlearn.tistory.com/102

성균관대학원 데이터사이언스융합학과 학업계획서 - 대학원 자소서

 

 

 

https://scikitlearn.tistory.com/107

성균관대 데이터사이언스융합학과 합격 후기