발전기금
교과목명을 클릭하시면 과정 설명을 볼 수 있습니다.
| 학수번호 | 교과목명 | 학점 |
자기 학습 시간 |
영역 | 학위 |
이수 학년 |
비고 | 언어 |
개설 여부 |
|---|---|---|---|---|---|---|---|---|---|
| STA5040 | 딥러닝토픽 | 3 | 6 | 전공 | 석사/박사 | 한 | Yes | ||
| 이 교과목은 딥러닝과 관련한 다양한 최신 동향 및 주제를 다룬다. 딥러닝에 사용되는 여러 가지방법 및 모형들에 대한 개념과 기초적인 이론을 학습한 후 딥러닝 분야의 최신 토픽들의 흐름을 파악하고 새로운 연구 토픽들을 발굴하여 연구의 기초로 삼는다. | |||||||||
| STA5041 | 베이지안응용토픽 | 3 | 6 | 전공 | 석사/박사 | - | No | ||
| 이 과목은 베이지안 통계 이론을 바탕으로 하는 여러 응용방법론을 배우는 교과목이다. 구체적으로는 베이지안 Ensemble Trees 모형, 베이지안 비모수를 사용한 군집화와 회귀 모델링 기법, 베이지안 변수 선택 기법, 베이지안 공간데이터 분석과 이를 활용한 이미지 프로세싱 방법을 배우는 것을 목표로 한다. 이 과목은 또한 R(과 Rcpp)를 사용해서 위에 언급된 방법들을 실제적으로 구현하는 MCMC 코드의 작성도 다룰 것이다. | |||||||||
| STA5042 | 임상시험을위한통계방법 | 3 | 6 | 전공 | 석사/박사 | 한 | Yes | ||
| 이 과목은 임상시험의 설계, 수행, 분석에 필요한 핵심 통계 개념을 폭넓게 학습하는 교과목이다. 무작위배정 임상시험이 비교 연구의 “골드 스탠다드”로 간주되는 이유를 이해하고, 임상시험의 신뢰성 있는 결론 도출을 위해 필요한 철학적·방법론적 원리를 다룬다. 학생들은 다양한 임상시험 가정하에서 적절한 분석법을 선택하고, 필요한 통계적 가정들을 파악하며, 근거 기반 결론을 도출하는 역량을 습득한다. 소프트웨어를 활용한 중간 모니터링 절차 구현과 무작위배정 방식 설계 경험도 포함된다. | |||||||||