통계학전공
| SDS5001 | 수리통계학 (Mathematical Statistics) | (담당교수 : 학점: 3학점) |
|---|---|---|
| 소표본 분포론과 점추정, 구간 추정 등 추정론을 강의하고 검정오류, 검정력 함수 Neyman-Pearson의 검정 등 가설검정의 이론적 기본틀을 강의한다. | ||
| SDS5004 | 회귀분석 (Regression Analysis) | (담당교수 : 학점: 3학점) |
|---|---|---|
| Generalized Inverse Matrices, Full Model, Reduced Model등을 소개하고 모수의 추정과 검정 및 예측 등을 공부한다. | ||
| SDS6001 | 확률론 (Theory of Probability) | (담당교수 : 학점: 3학점) |
|---|---|---|
| 학률공간의 도입으로 확률측도를 소개하고 확률변수와 확률분포 등을 고개하며 m.g.f와 p.g.f 등을 도입하여 확률분포를 설명하고 대표본 확률이론과 중심극한 정리 등을 강의한다. | ||
| SDS7001 | 실험계획 (Experimental Design) | (담당교수 : 학점: 3학점) |
|---|---|---|
| Latin 방격법, 요인실험법, 분할법, 직교배열법 등의 실험 설계 및 분석방법의 이론과 응용을 공부한다. | ||
| SDS7002 | 다변수통계 (Multivariate Statistics) | (담당교수 : 학점: 3학점) |
|---|---|---|
| 일반적으로 다변수 이론에 필요한 다변량 정규분포, Hotelling-분포, Wishart 분포와 이에 관련된 추정과 검정을 다룬다. | ||
| SDS7003 | 시계열분석 (Time Series) | (담당교수 : 학점: 3학점) |
|---|---|---|
| Box-Jenkins Models, State Space Model 에서의 Identification, Estimation, Diagnostics등을 강의하고 여러 가지 Forecasting 방법 등을 소개한다. | ||
| SDS6003 | 통계자료분석 (Statistical Data Analysis) | (담당교수 : 학점: 3학점) |
|---|---|---|
| SAS, S-PLUS 등을 이용하여 고급의 자료분석 Technique을 다룬다. | ||
| SDS7004 | 범주형자료분석 (Categorical Data Analysis) | (담당교수 : 학점: 3학점) |
|---|---|---|
| Loglinear 모형, Logit 모형, Multinomial Response 모형 등에 대하여 강의한다. | ||
| SDS7005 | 베이지안통계 (Bayesian Statistics) | (담당교수 : 학점: 3학점) |
|---|---|---|
| Bayesian 통계의 이론적 배경과 기본에 대하여 공부하며, prior, posterior information의 결합과 Noninformative prior, HPD credible region등의 개념을 강의한다. | ||
| SDS7006 | 시뮬레이션 (Simulation) | (담당교수 : 학점: 3학점) |
|---|---|---|
| 통계이론의 발전이나 통계분석에 있어서 꼭 필요한 것이 자료인데, 실제의 자료를 얻는 일이 쉬운 일이 아니다. 모의실험이라고도 하는 시뮬레이션 과목에서는 컴퓨터에 현실과 같은 상황을 부여하고 이를 이용한 이론과 분석의 실용성을 좀 더 확인할 수 있도록 한다. 각종 분포의 난수 생성, 대기행렬 등의 내용이 강의될 것이다. | ||
| SDS7007 | 비모수통계 (Non-Parametric Statistics) | (담당교수 : 학점: 3학점) |
|---|---|---|
| Wilcoxon의 Rank-sum Test, Signed-rank Test, Kruskal-Wallis Test 등 Distribution-Free Methods를 강의하고 U-Statistics, V-Statistics 등을 소개한다. | ||
| SDS7008 | 생존분석 (Survival Analysis) | (담당교수 : 학점: 3학점) |
|---|---|---|
| 생존분석에 이용되는 기본 통계이론을 습득하고 모수적, 비모수적, 준모수적모형을 유형별로 다루어 본다. | ||
| SDS7009 | 선형모형 (Linear Models) | (담당교수 : 학점: 3학점) |
|---|---|---|
| 일반선형모형(Generalized Linear Model)에서 estimability, restricted model, full rank model, non-full rank model 등에 대하여 강의한다. | ||
| SDS7010 | 일반화선형모형 (Generalized Linear Model) | (담당교수 : 학점: 3학점) |
|---|---|---|
| 정규분포를 따르지 않은 반응변수에 대한 모형으로 사용되는 것이 일반화 선형모형이다. 로짓모형, 포아송회귀모형 등과 같은 반응변수가 일반적인 확률분포를 가지는 경우에 설명변수와 반응변수의 연관성에 대한 분석모형을 다룬다. | ||
| SDS7011 | 통계적품질관리 (Statistical Quality Control) | (담당교수 : 학점: 3학점) |
|---|---|---|
| 공정을 관리함에 있어서 자주 사용괴는 관리도, moving-average chart, acceptance sampling 등을 공부하고 통계 소프트웨어를 이용하여 실제적용을 배운다. | ||
| SDS7012 | 통계계산 (Statistical Computing) | (담당교수 : 학점: 3학점) |
|---|---|---|
| 통계에서 필요한 계산을 위한 컴퓨터의 활용, 오차론, 난수발생법, 행렬변환, 선형모형을 위한 행렬의 이용 최적화(Optimization) 및 베이지안 컴퓨팅을 강의한다. | ||
| SDS7013 | 생명정보학 (Bio-Informatics) | (담당교수 : 학점: 3학점) |
|---|---|---|
| 통계와 확률 과정의 이론을 바탕으로 대용량의 정보를 분류, 예측하는 이론 기법을 배우며 BLAST 등의 소프트웨어를 활용하여 실습을 한다. | ||
| SDS7014 | 확률과정론 (Stochastic Processes) | (담당교수 : 학점: 3학점) |
|---|---|---|
| Stochastic Processes, Markov Processes(Discrete Parameter), Markov Processes (Continuous Parameter), Martingales, Stationary Processes등을 강의한다. | ||
| SDS7015 | 통계상담 (Statistical Consulting) | (담당교수 : 학점: 3학점) |
|---|---|---|
| 실제 자료의 분석과정을 다룬다. | ||
| SDS7016 | 데이터마이닝 (Data Mining) | (담당교수 : 학점: 3학점) |
|---|---|---|
| 다차원 다용량 자료를 분석하는 고급기법으로 bagging, arcing, MARS 등의 이론적인 배경과 실제 적용 방법을 배운다. | ||
| SDS7017 | 금융통계 (Financial Statistics) | (담당교수 : 학점: 3학점) |
|---|---|---|
| Risk management, Basel 규약 등 금융에서 필요한 여러 통계 기법을 다룬다. | ||
| SDS7018 | 통계학습 (Statistical Learning) | (담당교수 : 학점: 3학점) |
|---|---|---|
| 주어진 자료로 부터 적절한 모형을 선택하는 방법론을 다룬다. Support vector machine을 비롯한 학습방법에 여러 모형과 통계적 특성에 대해서 알아본다. | ||
| SDS7019 | 생물통계 (Biostatistics) | (담당교수 : 학점: 3학점) |
|---|---|---|
| 일반적인 통계기법을 생물학, 의학 등에 적용하는 법을 배우고 그 중에서고 Logit 모형, Loglinear 모형등의 모수적 모형과 Kaplan-Meier 추정량등 비모수적인 방법을 배운다. | ||
| SDS7020 | 응용확률 (Applied Probability) | (담당교수 : 학점: 3학점) |
|---|---|---|
| 확률 및 확률분포를 중심내용으로 하여 Markov Chain, Reliability, S.Q.C., Queunig Theory 등을 강의한다. | ||
| SDS7021 | 응용통계학 (Applied Statistics) | (담당교수 : 학점: 3학점) |
|---|---|---|
| 공학, 경영학 및 경제학의 응용, Regression, Correlation Analysis Experiment Design, Time Series Analysis 등을 강의한다. | ||
| SDS7022 | 응용확률론 (Applied Probability Theory) | (담당교수 : 학점: 3학점) |
|---|---|---|
| Probability model의 기초인 확률과정, Poisson Markov Process 등을 강의한다. | ||
| SDS5003 | 수리통계학특강 (Topics in Mathematical Statistics) | (담당교수 : 학점: 3학점) |
|---|---|---|
| 확률론과 수리통계에서 공부한 이론들을 바탕으로 이론 통계의 핵심인 추정 및 검정에 대하여 여러 방법과 이론적 특성들을 연구한다. | ||
| SDS7023 | 확률론특강 (Topics in Theory of Probability) | (담당교수 : 학점: 3학점) |
|---|---|---|
| 확률론에 이은 연속강의로 측도론을 이용한 확률이론을 공부한다. Martingales, Charateristic funtion, Strong convergence, Weak convergence, Multidimensional Central Limit Theorem을 다룬다. | ||
| SDS7024 | 실험계획특강 (Topics in Experimental Design) | (담당교수 : 학점: 3학점) |
|---|---|---|
| Missing data 문제, Incomplete block design, 반복수 결정, Optimal design등에 대하여 공부한다. | ||
| SDS7025 | 시계열분석특강 (Topics in Time Series) | (담당교수 : 학점: 3학점) |
|---|---|---|
| Cointegration, Non-linear time series, Outlier detection 등 시계열에서 현재 연구가 활발히 진행되고 있는 분야에 대하여 소개한다. | ||
| SDS7026 | 베이지안통계특강 (Topics in Bayesian Statistics) | (담당교수 : 학점: 3학점) |
|---|---|---|
| 베이지안 신경망 모형이나 패턴 인식 등 첨단 분야에서의 베이지안 이론의 적용에 대하여 다룬다. | ||
| SDS7027 | 통계계산특강 (Topics in Statistical Computing) | (담당교수 : 학점: 3학점) |
|---|---|---|
| Non-Linear optimization, Generalized inverse linear model에서 필요한 계산방법 등에 대하여 강의한다. | ||
| SDS7028 | 다변수통계특강 (Topics in Multivariate Statistics) | (담당교수 : 학점: 3학점) |
|---|---|---|
| 이론적 다변수 모형을 바탕으로 Canonical Analysis, Principal Component Analysis, Discriminant Analysis, Factor Analysis 등을 강의한다. | ||
| SDS7029 | 비모수통계특강 (Topics in Non-parametric Statistics) | (담당교수 : 학점: 3학점) |
|---|---|---|
| 붓스트랩 등 resampling 방법을 소개하고 PPR, MARS 등의 방법에 대하여 연구한다. | ||
| SDS7030 | 통계적 품질관리특강 (Topics in Statistical Quality Control) | (담당교수 : 학점: 3학점) |
|---|---|---|
| 통계적 이론을 바탕으로 관리도, moving-average chart, acceptance sampling, 공정능력 분석(process-capacity analysis) 등을 공부한다. | ||
| SDS7031 | 다변수통계2 (Multivariate Statistics 2) | (담당교수 : 학점: 3학점) |
|---|---|---|
| 요인/주성분/판별분석, Path Analysis 등을 연구한다. | ||
| SDS7032 | 다변수통계3 (Multivariate Statistics 3) | (담당교수 : 학점: 3학점) |
|---|---|---|
| 통계적 이론을 바탕으로 관리도, moving-average chart, acceptance sampling, 공정능력 분석(process-capacity analysis) 등을 공부한다. | ||
| SDS7033 | 베이지안통계2 (Bayesian Statistics 2) | (담당교수 : 학점: 3학점) |
|---|---|---|
| 의사결정이론과 베이지안 컴퓨팅 등을 연구한다. | ||
| SDS7034 | 범주형자료분석2 (Categorical Data Analysis 2) | (담당교수 : 학점: 3학점) |
|---|---|---|
| 다범주 로짓, Nested Logit 모형 등을 연구한다. | ||
| SDS7035 | 확률과정론2 (Stochastic Processes 2) | (담당교수 : 학점: 3학점) |
|---|---|---|
| 대기행렬이론, Point Process 등을 연구한다. | ||
| SDS7036 | 금융통계2 (Financial Statistics 2) | (담당교수 : 학점: 3학점) |
|---|---|---|
| 가격결정이론, 파생상품이론 등을 연구한다. | ||
데이터사이언스학전공
| SDS5005 | 고급기계학습 (Advanced Machine Learning) | (담당교수 : 학점: 3학점) |
|---|---|---|
| 기계학습의 고급과정으로 상태공간모형, 변분추론, 가우시안 프로세스 등의 이론적 배경과 실제 적용 방법을 배운다. | ||
| SDS6004 | 공학데이터프로그래밍 (Engineering Data Programming) | (담당교수 : 학점: 3학점) |
|---|---|---|
| 다양한 분야에서 생성되는 실제 데이터를 처리하기 위한 리눅스 기반의 프로그래밍 기술을 학습하고 프로젝트를 수행한다. | ||
| SDS6005 | 데이터분석프로젝트 (Data Analysis Project) | (담당교수 : 학점: 3학점) |
|---|---|---|
| 프로그래밍을 이용하여 빅데이터 처리를 위한 프로젝트를 제안하고 수행한다. | ||
| SDS7038 | 최적화및계산선형대수 (Optimization and Computational Linear Algebra) | (담당교수 : 학점: 3학점) |
|---|---|---|
| 데이터사이언스에 사용되는 최적화 및 Linear Algebra의 기본을 다룬다. 선형 대수, 마르코프 체인과 페이지랭크, PCA와 차원 축소, 스펙트럼 클러스터링, 선형 회귀, convex functions, optimality conditions and gradient descent 등의 기법을 다룬다. | ||
| SDS7039 | 일반화혼합모형 (Generalized Mixed Model) | (담당교수 : 학점: 3학점) |
|---|---|---|
| 선형모형을 확장하여 분석 대상이 비정규분포를 가지거나 관측값이 상호 관계가 있는 경우, 지정된 연결함수를 통해 요인 및 공변량과 선형적 관계를 탐색할 수 있는 단순 선형 회귀 모형에서 비정규 경시적 자료에 대한 복합 다중 수준 모형까지 다양한 모형을 포괄하여 강의한다. | ||
| SDS7040 | 시공간데이터분석 (Spatio-Temporal Data Analysis) | (담당교수 : 학점: 3학점) |
|---|---|---|
| 시간 및 공간에 대한 공분산 구조가 있는 데이터에 대한 추론 및 분석 방법을 강의한다. | ||
| SDS7041 | 데이터사이언스컴퓨팅 (Data Science Computing) | (담당교수 : 학점: 3학점) |
|---|---|---|
| 통계적 모형에 대한 모수적 및 베이지안 통계 컴퓨팅 방법을 포함하며, 모수적 통계분석을 위해 우도함수를 최적화 할 때 쓰는 뉴튼 랩슨 방법을 비롯한 각종 최적화 방법들을, 베이지안 통계분석을 위해서는 깁스 표본추출, 메트로폴리스 알고리듬 등 마코프 사슬 몬테카를로 기법을 강의한다. | ||
| SDS7042 | 심층신경망특론 (Advanced Deep Neural Network) | (담당교수 : 학점: 3학점) |
|---|---|---|
| 딥러닝에 대한 이론적 지식을 이해하고 딥러닝 프로그래밍 능력을 함양한다. | ||
| SDS7043 | 자연어데이터분석론 (Natural Language Data Analytics) | (담당교수 : 학점: 3학점) |
|---|---|---|
| 자연어 데이터를 수집하고 분석할 수 있는 테크닉을 학습한다. | ||
| SDS7044 | 알고리즘특론 (Advanced Algorithm) | (담당교수 : 학점: 3학점) |
|---|---|---|
| 데이터사이언스 분야의 이해와 응용의 기반이 되는 알고리즘 분석 방법을 학습한다. | ||
| SDS7045 | 데이터엔지니어링I (Data Engineering I) | (담당교수 : 학점: 3학점) |
|---|---|---|
| 데이터 파이프라인 및 시각화 기법을 다룬다. Local environments, Containers, 클라우드 컴퓨팅 , 웹 스크래핑, Dashboard development, Data wrangling /management, 데이터 시각화 기법을 강의한다. | ||
| SDS7046 | 데이터엔지니어링II (Data Engineering II) | (담당교수 : 학점: 3학점) |
|---|---|---|
| ML Ops. (ML의 전체 Lifecycle 관리) , 확장성(Scalability), 성능 및 보안, resource constraints, 스트리밍 데이터 수집 최신 데이터베이스 기술을 다룬다. | ||
| SDS7047 | 데이터마이닝응용 (Data Mining Application) | (담당교수 : 학점: 3학점) |
|---|---|---|
| 다차원 다용량 자료를 분석하는 고급기법으로 bagging, arcing, MARS 등의 이론적인 배경과 실제 적용 방법을 배운다. | ||
| SDS7048 | 의료데이터사이언스특론 (Advanced Medical Data Science) | (담당교수 : 학점: 3학점) |
|---|---|---|
| 의료 데이터에 대한 이해와 데이터분석을 위한 다양한 기계학습 및 인공지능 기법들을 학습한다. | ||
| SDS7049 | 뉴로이미징데이터분석론 (Neuroimaging Data Analytics) | (담당교수 : 학점: 3학점) |
|---|---|---|
| 뇌 영상 데이터의 형태를 이해하고 데이터를 수집하는 방법과 분석하는 방법에 대해 이론과 실습을 병행한다. 실제 뉴로이미징 데이터를 분석하기 위한 다양한 툴을 사용하는 방법을 학습한다. | ||
| SDS7050 | 네트워크신경과학 (Network Neuroscience) | (담당교수 : 학점: 3학점) |
|---|---|---|
| 뇌의 구조와 기능을 네트워크 이론에 기반하여 정량화하기 위한 핵심 이론을 학습하고 프로그래밍을 통해 뇌 네트워크를 구현한다. | ||
| SDS7051 | 생체신호처리 (Biomedical Signal Processing) | (담당교수 : 학점: 3학점) |
|---|---|---|
| 각종 생체정보를 취득, 처리, 분석, 예측할 수 있는 기법을 학습한다. | ||
| SDS7052 | 계산이미지학특론 (Advanced Computational Imaging) | (담당교수 : 학점: 3학점) |
|---|---|---|
| 가전제품, 현미경, 광학 시스템, 로봇, 자율주행 및 원격 감지와 같은 다양한 응용 이미지 분야에서 수집되는 데이터를 다룬다. 기본 이미지 처리, 이미지 처리를 위한 컨볼루션 신경망, 노이즈 제거, 디콘볼루션, 단일 픽셀 이미징, inverse problem, 파동 광학 도입, 비행시간 이미징 및 최적화 기법을 강의한다. | ||
| SDS7053 | ToF영상데이터분석 (Time-of-Flight Data analysis) | (담당교수 : 학점: 3학점) |
|---|---|---|
| 라이다 이미징, 3D 이미징, remote sensing, 로봇 비전 분야에서 활용되는 Time-of-Flight(ToF, 빛의 비행시간) 데이터를 분석한다. ToF 데이터 수집, 전처리, 분석 및 활용, 최신 ToF 데이터 응용 기법 등을 강의한다. | ||
| SDS7054 | 계산사진학 (Computational Photography) | (담당교수 : 학점: 3학점) |
|---|---|---|
| 광학적 과정이 아닌 디지털 영상 처리 기반의 이미지 캡처, 처리 및 응용 과정을 다룬다. 이미지 센서를 활용하여 빛을 수집되고 최종 이미지가 만들어 지는 전반적인 과정을 배우고 계산사진학 기법들이 어떻게 적용되는지 학습한다. 일반적인 사진술로는 불가능한 기법들(HDR imaging, Light Field Camera, super-resolution imaging, etc)과 이를 활용한 대표적인 사례들을 소개한다. | ||
| SDS7055 | 비즈니스인텔리전스 (Business Intelligence) | (담당교수 : 학점: 3학점) |
|---|---|---|
| 본 강좌는 기업에 축적된 데이터를 분석하여 의사 결정에 활용할 수 있는 실행 가능한 정보로 전환하는 다양한 방법론에 대하여 다룬다. 기업의 운영환경에서 데이터와 정보가 어떻게 활용되는지 이해하고, 이를 통해 데이터 기반의 의사 결정을 구현하는 방법에 대하여 학습한다. | ||
| SDS7056 | 기계학습사회과학응용 (Machine Learning in Social Science) | (담당교수 : 학점: 3학점) |
|---|---|---|
| 기계학습 기법을 활용하여 다양한 사회과학 분야의 문제들을 해결하는 방법과 주요한 사례를 학습한다. 이를 통해 전통적인 사회과학 연구 방법과 기계학습 기법의 차이점을 이해하고 기존 방법론의 한계를 넘어설 수 있는 가능성에 대하여 토의한다. | ||
| SDS7057 | 소셜시뮬레이션 (Social Simulation) | (담당교수 : 학점: 3학점) |
|---|---|---|
| 본 교과목에서는 이산사건 시뮬레이션, 행위자 기반 모델 등 컴퓨터 시뮬레이션 기법을 활용하여 의사 결정 주체들 간의 복잡한 상호작용을 모델링하고 시뮬레이션 결과로 나타나는 사회적 현상의 특징과 의미에 대하여 탐구한다. | ||
| SDS7058 | 소셜네트워크분석 (Social Network Analysis) | (담당교수 : 학점: 3학점) |
|---|---|---|
| 본 교과목에서는 네트워크 이론 및 분석 기법을 사회 연결망에 적용하여 분석하는 방법을 소개하고, 이 방법론이 다양한 사회 현상 및 기업 문제를 이해하는데 있어서 어떻게 응용될 수 있는가를 다룬다. | ||
| SDS7059 | 빅데이터와거시경제특론 (Big Data in Macroeconomics) | (담당교수 : 학점: 3학점) |
|---|---|---|
| 본 교과목에서는 물가, 임금, 고용, 금융, 환율 등 거시경제의 핵심 이슈들에 대하여 빅데이터 분석 기법을 적용하여 해결하는 방법과 사례에 대하여 연구한다. 이를 통해 빅데이터 분석 기법이 기존의 경제학적 기법을 어떻게 보완할 수 있는지 그 가능성과 한계에 대하여 탐구한다. | ||
| SDS7060 | 계량사회과학 (Quantitative Social Science) | (담당교수 : 학점: 3학점) |
|---|---|---|
| 본 교과목에서는 계량 모델을 사용하여 사람들의 행동을 분석하고 사회과학의 문제를 해결하는 방법과 사례에 대하여 학습한다. 데이터를 분석하는데 기본적인 도구인 프로그래밍 언어부터, 관측된 데이터로부터 인과적 관계를 살펴보는 계량 모델까지 넓은 범위의 분석 도구를 학습하여, 최저임금 효과, 부의 불평등도와 정치적 양극화 등 다양한 사회과학 분야의 문제를 데이터 분석을 통해 살펴본다. | ||
| SDS7061 | 복잡계경제학개론 (Introduction to Economic Complexity) | (담당교수 : 학점: 3학점) |
|---|---|---|
| 본 교과목은 복잡계경제학의 방법론을 이용하여 연구를 수행할 수 있는 기초를 기르는 것을 목표로 한다. 네트워크 분석 기초를 배우고, 이를 이용하여 연관도와 경제복잡도를 계산하는 것을 학습한다. 다양한 데이터를 사용하여 여러 도메인에서의 연관도와 경제복잡도를 계산하여 복잡계경제학 방법론이 어떻게 응용될 수 있는지를 다룬다. | ||