발전기금
교과목명을 클릭하시면 과정 설명을 볼 수 있습니다.
| 학수번호 | 교과목명 | 학점 |
자기 학습 시간 |
영역 | 학위 |
이수 학년 |
비고 | 언어 |
개설 여부 |
|---|---|---|---|---|---|---|---|---|---|
| STA5030 | 베이즈통계 | 3 | 6 | 전공 | 석사/박사 | 1-4 | 한 | Yes | |
| Cnjugate priors, 베이즈 이론과 고전적 이론과의 비교, 사후확률을 얻기 위한 과정 및 기법, 계층적 베이즈, 경험적 베이즈 등을 다룬다. | |||||||||
| STA5031 | 실험설계와분석 | 3 | 6 | 전공 | 석사/박사 | 1-4 | - | No | |
| 다원배치법, 요인배치법, 일부실시법, 균형불완비블럭계획법, 라틴방격법, 직교배열과 반응표면실험계획을 구조화하고 분석에 대해 소개한다. 혼합수준의 일부실시, 교락과 블럭화 기법, 계획점의 부족에 대한 계획의 로버스트에 대해서 다룬다. | |||||||||
| STA5034 | 혼합모형 | 3 | 6 | 전공 | 석사/박사 | 3-8 | - | No | |
| 본 과목은 모형에 기반한 군집분석 기법의 하나로 유한혼합모형의 소개를 목적으로 한다. 이를 위하여 본 과목은 혼합모형 또는 잠재변수모형의 이론적 측면을 소개하고 모수추정을 위한 수치적 방법인 EM 알고리즘과 이러한 지식들을 바탕으로 하는 여러 응용분야를 소개할 것이다. 본 과목을 통해 학생들은 일반적인 혼합모형에 대한 기초지식, 지수족 혼합모형, 다항 혼합분포의 기하학적 의미, 잠재 변수 모형, 혼합모형에서의 EM 알고리즘 이론 등을 배운다. | |||||||||
| STA5035 | 경시적자료분석 | 3 | 6 | 전공 | 석사/박사 | 3-8 | 한 | Yes | |
| 이 과목은 통계학과 대학원생들을 위한 기초적인 경시적 자료분석을 목적으로 한다. 과목은 특히 의학 및 사회과학 연구에서의 반복 측정된 자료들에서 발생하는 상관성을 고려한 통계적 모형과 그 추정방법을 소개한다. | |||||||||
| STA5036 | 고급시계열분석 | 3 | 6 | 전공 | 석사/박사 | 1-4 | 한 | Yes | |
| 본 강의는 최근 시계열 분석 방법론에 대해서 배우고 논의하는 강좌이다. 고차원 시계열 자료의 분석, 스펙트럴 분석, 비선형 시계열 분석 등 최신의 방법론을 제안한 방법들에 대해서 살펴보고 익힌다. 논문 강독 및 발표, 자료 분석 프로젝트를 통해 최신 시계열 분석 방법에 대해서 배우고자 한다. | |||||||||
| STA5037 | 최신응용통계학 | 3 | 6 | 전공 | 석사/박사 | 3-8 | - | No | |
| 본 강좌는 다양한 최신 통계 분석 기법을 응용하는 것을 목표로 관련 문헌 연구 및 논문 강독 세미나를 통해 방법론을 배우고 이를 실증 자료에 적용, 분석하여 최근 통계기법을 익히고자 한다. 심층 통계 분석 방법을 배우는 과정이며 많은 발표 및 자료 분석 실습을 동반한다. | |||||||||
| STA5038 | 대표본이론 | 3 | 6 | 전공 | 석사/박사 | 1-4 | - | No | |
| 본 과목에서는 대학원 수준의 확률/통계 이론에 대해서 다룬다. 구체적으로는 확률론, 샘플의 개수가 증가 할 때의 통계적 추정치에 관한 이론적 성질 등을 증명하고 다룬다. 확률 변수의 수렴성 및 중심 극한 정리, delta method 등의 중요한 컨셉을 또한 다룬다. 본 과목의 목표는 다양한 통계적 현상 및 방법에 대한 이론적인 이해를 바탕으로 통계학자로서의 분석적 소양을 기르는 것을 최종 목표로 한다. | |||||||||
| STA5039 | 인과추론 | 3 | 6 | 전공 | 석사/박사 | 한 | Yes | ||
| 이 과목은 인과관계를 추론하기 위한 다양한 통계적방법론을 다룬다. 관찰연구(observational studies)를 이용하여, 인과추론을 효과적으로 해낼 수 있도록 연구를 설계하고 분석하는데 초점을 맞춘다. 이를 위해 인과추론의 기본이 되는 개념들을 배우며, 인과효과(treatment effect)를 추정하고 검정할 수 있는 다양한 통계방법론을 학습한다. 선수과목: 수리통계학(STA5005) 또는 비슷한 수준의 통계학수업 | |||||||||
| 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. | |||||||||