이 강좌에서는 통계학, AI, 머신러닝, 빅데이터 등의 기본 개념과 지식을 이해하고, 교육데이터 분석에 필요한 여러 통계 분석 방법을 다루게 됩니다. 구체적으로 확률의 개념과 여러 확률 변수 및 분포의 개념을 이해하고, 통계적 추론을 위한 기본적인 이론을 공부하게 될 예정입니다. 이를 통해 주어진 데이터로 연구자가 세운 가설을 합리적으로 검정하는 방법을 익히게 됩니다. 그리고 주어진 데이터로 알고 싶은 관심사를 설명하고 예측하는 머신러닝의 절차와 자주 쓰이는 회귀분석, 로지스틱 회귀분석, 의사결정나무, 랜덤포레스트, 서포트벡터 머신 등의 지도학습과, 주성분분석, 요인분석, 클러스터링 등의 비지도학습 방법들을 차례로 공부하게 됩니다. 공부한 방법론들을 실제 교육데이터에 적용하고 해석하는 방법들을 R 실습을 통해서 직접 연습해봅니다.

본 강의의 목표는 다음과 같은 세 가지로 요약될 수 있습니다.
1. 통계학, AI, 머신 러닝 등의 기본 개념과 지식을 이해한다.
2. 우리나라 및 세계의 유용한 교육 데이터를 수집하고, 시각화 하고, 분석한다.
3. R 실습을 통해 분석된 결과를 해석하고, 활용하기 위한 새로운 아이디어를 도출한다.