2026-10-21 · Clara Dawson
ACU 데이터과학 석사 단계의 학습 영역과 2027년 8개 과목
컴퓨터과학 학사·데이터과학 석사 연계과정의 석사 단계 80 credit points와 8개 과목을 확인하고, 워크숍의 네 학습 영역 및 마지막 학년 설명과 구분합니다.'s changed and how to apply under new rules.
Australian Catholic University(ACU)의 컴퓨팅 워크숍은 데이터과학 석사 단계에서 데이터 분석과 시각화, 머신러닝, 데이터 공학과 통계 모델링, 생성형 인공지능(AI)과 책임 있는 자동화를 다룬다고 소개합니다. 이 글은 컴퓨터과학 학사·데이터과학 석사 연계과정(Bachelor of Computer Science/Master of Data Science)의 석사 부분을 살펴봅니다. 별도의 독립 석사 과정에 대한 입학 안내가 아닙니다.
단순히 AI 도구를 사용하는 과정으로만 보기보다는 데이터 준비, 분석, 결과 전달, 기술 활용의 책임을 함께 살펴볼 수 있습니다. 워크숍의 네 영역은 네 과목이나 네 학기를 뜻하지 않습니다.
데이터 분석부터 책임 있는 활용까지
데이터 분석과 시각화는 복잡한 데이터를 이해와 통찰에 도움이 되는 시각적 이야기로 바꾸는 내용으로 설명됩니다. 분석뿐 아니라 결과를 전달하는 일도 학습 범위에 들어갑니다. 다만 워크숍은 필수 시각화 소프트웨어나 특정 대시보드 평가물을 지정하지 않습니다.
머신러닝은 데이터를 통해 학습하고 인간의 언어를 이해하는 시스템을 만드는 내용으로 소개됩니다. 다른 영역과 나란히 배치된 요소이지 학위 전체를 대신하는 설명은 아닙니다. 주제 이름만으로 사용하는 모델이나 프로그래밍 라이브러리까지 확정할 수는 없습니다.
데이터 공학과 통계 모델링은 견고한 데이터 처리 파이프라인을 구축하고 통계 기법을 실제 문제에 적용하는 데 초점을 둡니다. 시각적 결과물뿐 아니라 데이터 기반과 분석 방법도 포함한다는 뜻입니다.
생성형 AI와 책임 있는 자동화 영역은 AI 해결책을 개발할 때 윤리적 고려를 우선한다고 설명합니다. 모든 프로젝트가 생성형 AI를 사용하거나 별도의 AI 전문 자격을 부여한다는 의미는 아닙니다.
2027년 학사요람의 석사 단계는 80 credit points
2027년 연계과정 학사요람은 석사 단계인 Part E에 다음 8개 과목을 제시하며 정확히 80 credit points(cp)를 이수하도록 규정합니다. 각 과목은 10cp입니다. 이는 ACU의 학점 단위로, 한국 대학의 학점과 일대일로 환산한 수치가 아닙니다.
- DTSC610: Data Wrangling and Machine Learning Fundamentals
- DTSC620: Statistical Data Modelling
- DTSC630: Predictive Analytics
- DTSC641: Data Science Project A Research Essentials
- DTSC642: Data Science Project B - Implementation
- ITEC622: Data Analytics and Visualisation
- ITEC623: Deep Learning and Emerging topics in Artificial Intelligence
- ITEC632: Data Mining Techniques and Applications
이 목록은 분석·시각화, 통계 모델링, 예측 분석, 머신러닝·딥러닝, 데이터 마이닝과 프로젝트 과목이 석사 단계에 포함됨을 보여 줍니다. 워크숍의 네 영역과 여덟 과목을 일대일로 대응시키는 표는 아닙니다.
또한 목록에 독립된 ‘생성형 AI’ 과목명이 없다는 이유로 해당 내용을 전혀 배우지 않는다고 판단할 수는 없습니다. 반대로 워크숍의 주제만으로 별도 필수 과목이나 특정 플랫폼 교육이 있다고 단정해서도 안 됩니다. 실제 내용과 평가 방식은 각 과목 안내를 확인해야 합니다.
마지막 학년의 실제 과제라는 표현
워크숍의 같은 쪽에는 마지막 학년에 기업, 보건의료, 정부 등 여러 분야의 실제 과제를 다룬다는 내용이 있습니다. 이는 석사 단계의 설명에 붙어 있는 문장입니다. 학부 전 학년에 같은 활동이 있다고 확대해서는 안 됩니다.
DTSC641과 DTSC642가 과목 목록에 있다는 사실도 특정 고용주, 실습처, 유급 인턴십이나 개인별 고객 프로젝트 배정을 보장하지 않습니다. 프로젝트의 실제 운영, 과제와 개설 시기는 별도로 확인해야 합니다. 네 영역의 소개만으로 시간표를 만들 수 없으며, 학사요람도 등록 전 Course Enrolment Guide 확인을 안내합니다.
관심 분야와 실제 과목을 함께 확인하기
분석 결과의 전달, 머신러닝, 데이터 기반, 통계, 책임 있는 AI 중 더 알고 싶은 분야를 정한 뒤 과목의 학습 목표와 프로젝트 조건을 확인해 보세요. 이는 비교 방법이며 추가 입학 조건은 아닙니다.
교육 내용 소개나 80cp라는 합계만으로 이전 학습의 인정, 수강 면제, 석사 단계 진입 자격, 졸업 후 직장이 결정되지는 않습니다. 학습 내용, 이수 진행 규정, 실제 과목 운영을 구분해서 확인하는 것이 중요합니다.
출처: ACU 공식 컴퓨팅 워크숍 8쪽과 2027년 컴퓨터과학 학사·데이터과학 석사 연계과정 학사요람의 Part E 및 수강 안내. 2026년 10월 17일 확인.