학과 홈페이지
학과 전공 소개
해시태그
#데이터사이언스 | #데이터사이언스대학원 | #딥러닝 |
#머신러닝 | #빅데이터 | #SNUDataScience |
#GSDS | #데이터분석 | #융합인재 |
#융합기술 | #문제해결능력 | #빅데이터 |
A. 개요
서울대학교 데이터사이언스대학원은 데이터사이언스의 핵심원리를 배워 이해하고, 이를 주어진 전 분야의 문제 해결방안 도출에 접목/활용함으로써 데이터 기반 혁신을 주도할 창의 인재를 양성하는 데 특화된 전공을 운영하고 있음(데이터사이언스전공, 융합전공 응용 데이터사이언스). 그 중에서도 데이터사이언스전공은 학부 전공 무관 논리적, 수학적, 컴퓨팅적 사고 능력과 글로벌 데이터사이언스 전문가가 되고자 하는 열정을 가진 학생들에게 열려 있는 교육기관임.
B. 전공 소개 및 세부전공
1. 데이터사이언스 교육에 특화된 전공설계: 데이터사이언스 전공만의 ABCDE 교육은 다음과 같음.
•
AI Algorithm: 대용량 데이터를 명확하고 깊이 있게 이해하기 위한 과학적 분석 및 모델링 방법론으로서 딥러닝, 기계학습, 관계 및 논리 분석, 통계 분석 등을 포함하며, 현재 빠르게 발전하고 있는 인공지능의 알고리즘(AI Algorithm)이 이들 방법론의 핵심
•
Big Data: 텍스트, 이미지, 동영상 등 다양한 형식으로 된 대용량 데이터의 획득, 저장, 정제, 관리, 시각화 등의 일련의 과정을 위한 과학적 방법론
•
Computing: 대용량 데이터의 분석, 모델링, 처리를 자동 및 실시간으로 가능하게 하는 대규모 컴퓨팅 및 컴퓨팅 플랫폼에 관한 방법론
•
Domain Knowledge: 공학, 의학, 자연과학, 약학, 경영학, 농학, 사회과학, 인문학, 예술, 체육 등 해결하려고 하는 문제 영역에 대한 지식
•
Entrepreneurship: 대용량 데이터를 추출, 저장, 정리, 관리, 분석하여 문제에 접목하고 처리하여 가치를 창출하고 비즈니스 모델 도출
2. 기초에 충실한 부트캠프 교육 제공: 수학/통계/코딩 기초 훈련을 하고자 하는 학생들을 위해 신입생 입학 전 부트캠프를 통해 교육받을 수 있도록 지원함.
3. 학위과정별 수료 방법(공통): 첫 2개 학기 간 모두 6개의 ABC 과목과 데이터사이언스 프로젝트(문제 해결형 프로젝트) 수업을 필수 이수하고, 이를 바탕으로 나머지 학기 동안 지도교수와 학위논문연구에 매진함(공통). 데이터사이언스대학원 석사과정 ABC 과목 및 문제 해결형 프로젝트 과목 미이수한 박사과정생은 이를 필수로 신청하여야 함(경우에 따라 다름).
4. 세부 전공 운영
•
데이터사이언스전공: 데이터사이언스대학원(단일학과)의 데이터사이언스 교육에 특화된 전공으로, 심도 있는 교육을 통해 학제적 문제 해결 능력을 지닌 데이터 전문가를 양성
•
대학원 융합전공 응용 데이터사이언스: 참여학과(부)로 승인된 특정 학과(부) 소속 대학원생
C. 참여 전공, 참여 교수진 등 정보
1. 구성 인원
•
전임교수: 14명(목표인원: 22명)
•
학생(석, 박, 석박통합): (2022학년도부터) 전,후기 105명 선발
2. 교수진
•
이상원 교수(교무부원장/학과장): Database techniques for ML/AI/Data Science, NVM-based Databases
•
이승근 교수 (학생부원장): Genomics, Precision Medicine
•
이재진 교수 (대학원장): AI and Big Data Platforms
•
정형수 교수: Amazing Data Lakehouse Platforms for Data Science
•
Wen-Syan Li 교수: Machine Learning, Deep Learning
•
김형신 교수: Edge/Mobile AI, Distributed Machine Learning, Internet of Things
•
박현우 교수: Business Analytics, Operations Management, Data Visualization, Network Science
•
성효진 교수: Data-driven system design and optimization, software stack for heterogeneous systems, compiler and runtime support for AI accelerators and HPC, machine learning-based design space exploration
•
오민환 교수: Reinforcement learning, Statistical machine learning
•
이상학 교수: Causality
•
이준석 교수: Machine Learning, Computer Vision, Video Understanding, Recommendation Systems
•
김태섭 교수: Machine Learning, Deep Learning
•
이재윤 교수: Natural Language Processing, Machine Learning
•
조요한 교수: Natural Language Processing, Conversational AI
D. 연구 하이라이트
•
ToolDial: Multi-turn Dialogue Generation Method for Tool-Augmented Language Models (July 24, 2025)
•
PVP: An Image Dataset for Personalized Visual Persuasion with Persuasion Strategies, Viewer Characteristics, and Persuasiveness Ratings (July 8, 2025)
•
Context-Robust Knowledge Editing for Language Models (June 24, 2025)
•
Rapid Data Ingestion through DB-OS Co-design (June 22, 2025)
•
Value Portrait: Assessing Language Models’ Values through Psychometrically and Ecologically Valid Items (June 20, 2025)
•
Towards Scalable Human-aligned Benchmark for Text-guided Image Editing (June 14, 2025)
•
Addressing overfitting bias due to sample overlap in polygenic risk scoring (April 8, 2025)
•
Boosting OLTP Performance with Per-Page Logging on NVDIMM (February 11, 2025)
•
Are All Generic Drugs Created Equal? An Empirical Analysis of Generic Drug Manufacturing Location and Serious Drug Adverse Events (February 6, 2025)
•
Self-Guided Masked Autoencoder (December 11, 2024)
E. 교육과정
1. 기초교과목: 핵심교과목을 수강하기 전 미리 알아야 하는 내용
•
데이터사이언스의 원리와 응용
•
데이터사이언스를 위한 수학과 통계의 기초
•
데이터사이언스를 위한 컴퓨팅의 기초
2. 핵심 교과목:
•
석사과정: 6개 이상 필수 이수
•
석박통합 및 박사: 데이터사이언스를 위한 컴퓨팅시스템을 포함하여 7개 이상 이수
•
데이터사이언스를 위한 머신러닝 및 딥러닝 01 (1학기)
•
빅데이터 및 지식관리 시스템 01 (1학기)
•
데이터사이언스를 위한 컴퓨팅 01 (1학기)
•
데이터사이언스를 위한 컴퓨팅 시스템 (1학기)
•
데이터사이언스를 위한 머신러닝 및 딥러닝 02 (2학기)
•
빅데이터 및 지식관리 시스템 02 (2학기)
•
데이터사이언스를 위한 컴퓨팅 02 (2학기)
•
데이터사이언스 프로젝트 (2학기)
3. 심화 교과목
•
논문 연구
•
캡스톤 프로젝트
•
데이터사이언스의 실무 응용
•
시각적 이해를 위한 기계학습
•
데이터사이언스 특강
•
데이터사이언스와 강화 학습
•
데이터분석과 시각화
•
대화형 인공지능
F. 졸업 후 진로
대기업 및 IT 기업: Naver, ㈜카카오 계열사, SK하이닉스, 삼성계열사, LG계열사, KT 등
공공기관: 각종 공사
정부기관: 국회, 국방부 등 분석관리분야
벤처기업: AI 또는 R&D분야
연구 또는 학문분야: 박사 진학, 연구원 근무
기타: 창업
입학 희망 학생들을 위한 정보
G. 이런 학생에게 추천합니다!
•
열린 태도와 도전 정신이 있는 학생
•
데이터 분석 역량을 바탕으로 데이터를 심도 있게 해석하려는 학생
•
다양한 관점에서 문제를 해결하려는 호기심을 가진 학생
•
융합 기술을 배우고 싶은 학생
H. 선발 자격 및 기준 등 입학관련 정보
(별첨자료1) 참고
I. 권장 수강교과목(전공/교양), 추천도서 및 추천 활동
입학 전 아래의 교과목을 공부하는 것을 권장
1. 부트캠프 4과목(아래 참조)
•
데이터사이언스를 위한 파이썬 프로그래밍과 데이터구조
•
데이터사이언스를 위한 수학
•
데이터사이언스를 위한 시스템과 C프로그래밍
•
데이터사이언스를 위한 확률과 통계
2. 데이터사이언스대학원, 학부대학 개설 교과목 각1과목
•
데이터사이언스의 원리와 응용(학부대학)
•
데이터사이언스를 위한 수학과 통계의 기초(데이터사이언스대학원)
홈페이지 및 연락처
02-880-9770 (관악) 43동 402호