기본정보
- 교과목개요본 교과목은 바이오헬스 영역에서 생성되는 다양한 빅데이터로부터 의미 있는 정보를 추출하고 그 가치를 이해하기 위해 데이터마이닝 기법 을 학습합니다. 특히 Python 프로그래밍 을 중심으로 실무 기반의 분석 능력을 배양합니다.
- 학습목표바이오헬스 빅데이터의 구조와 특성(대용량, 다양성, 비정형성)을 설명할 수 있게 될 것입니다.
대표적인 데이터 마이닝 알고리즘의 원리와 차이를 설명할 수 있게 될 것입니다.
Python을 활용하여 각 알고리즘을 구현하고, 실제 데이터에 적용·분석할 수 있게 될 것입니다.
분석 결과를 해석하고 현장에서 활용 가능한 통찰력을 도출할 수 있게 될 것입니다. - 주요주제데이터전처리, 분류분석, 예측모형, 모델평가 및 검증
- 선수과목통계학, Python 기초과목
- 준비사항Python
- 장애학생 수업안내본 강의를 수강하는 장애 학생들에게는 장애 학생 개개인의 특성과 요구에 따라 수업 담당 교강사와의 상담을 통하여 적절한 수준의 지원 서비스(시험시간 연장 및 시험방법 조정 등)를 제공할 수 있습니다.
핵심역량
- 인간사회 공감력
- 생명과 환경을 존중하며, 지역사회와 인류에 공헌하려는 덕성
- 5%
- 상호소통능력
- 다양한 이해관계자, 타 학문분야와의 소통을 토대로 바이오헬스 분야의 조화로운발전에 기여하는 능력
- 15%
- 디지털 융합력
- 다양한 관점·생각, 빠르게 변하는 기술·트렌드에 민첩하고 유연하게 대응하는 능력
- 25%
- 창조적 문제 해결력
- 바이오헬스 분야에 대한 학술·실무적 이해를 토대로 발휘하는 창의적인 응용력
- 45%
- 자기점검능력
- 지속가능한 윤리적 전문가가 되기 위하여 배우고 성찰하는 주도적 태도
- 10%
주제별 수업내용
- 1주제수업 소개 & 바이오헬스 데이터 개요
-
-과목 목표/평가 안내
-바이오헬스 빅데이터 종류 및 개념
-Python 분석환경
- 2주제데이터 전처리 및 탐색적 분석
- 3주제선형 회귀 분석
- 4주제분류(Classification) 1: 로지스틱 회귀
- 5주제분류(Classification) 2: 의사결정나무 및 앙상블 방법
- 6주제분류(Classification) 3: kNN/SVM/나이브베이즈
- 7주제모델 성능 평가
- 8주제중간고사
- 9주제군집 분석
- 10주제판별 분석 및 요인분석
- 11주제차원 축소 및 주성분 분석 (PCA)
- 12주제텍스트마이닝 기초
- 13주제거대언어모델(LLM) 기초
- 14주제심층신경망(Deep Learning) 기초
- 15주제기말고사
