발전기금
교과목명을 클릭하시면 과정 설명을 볼 수 있습니다.
| 학수번호 | 교과목명 | 학점 |
자기 학습 시간 |
영역 | 학위 |
이수 학년 |
비고 | 언어 |
개설 여부 |
|---|---|---|---|---|---|---|---|---|---|
| STA2011 | 통계학원론 | 3 | 6 | 전공 | 학사 | 2-3 | 한 | Yes | |
| 이 과목에서는 통계학의 역사 및 통계학적 사고방식과 기본개념들을 강의하게 되며 어떠한 문제에 대한 통계학적인 접근 방법을 다루게 된다. 이에는 평균, 분산, 중앙값 등과 같은 기술통계량과 이들의 확률적인 분포를 설명하는데 사용되는 몇 가지의 중요한 분포들이 소개된다. 또한 통계학개론에서 습득한 기본적인 통계량과 분포들에 대한 지식을 바탕으로 하여 통계적인 추정 및 검정방법들을 다루게 된다. 관심 있는 모수에 대한 점추정, 구간추정 그리고 통계적인 검정에 필요한 가설의 설정요령, 검정통계량의 계산 및 이에 따른 결론도출 과정 등을 학습하게 된다 | |||||||||
| STA2014 | 수리통계학입문 | 3 | 6 | 전공 | 학사 | 2-3 | 한 | Yes | |
| 확률변수의 개념과 여러 확률분포를 다룬다. 분포의 특성과 분포간의 관계를 살펴보면서 현실에 적용되는 기법도 살펴본다. 또한, 확률표본과 표본평균의 분포도 다룬다 | |||||||||
| STA2016 | 통계프로그래밍입문 | 3 | 6 | 전공 | 학사 | 2-3 | 영 | Yes | |
| 본 과목은 통계학분야에서 가장 널리 사용되는 R 프로그램을 통해 컴퓨터 프로그램의 기본적인 논리와 문법들을 소개한다. 이를 위한 첫 번째 단계로 먼저 R을 소개하고 이 단계에서 학생들은 변수를 정의하는 방법, 자료를 불러들이고 저장하는 방법, 자료를 다루는 방법, 여러 가지 Loop를 이용하는 방법, 함수를 만드는 방법 등을 배운다. 본 과목의 두 번째 단계에서는 기초통계를 간략히 소개하고 R을 통하여 기초통계량을 계산하는 방법을 소개하고 함수의 최적화, 미분, 적분등의 수치적 방법을 소개한다. | |||||||||
| STA2017 | 행렬대수학 | 3 | 3 | 전공 | 학사 | 2-3 | 한 | Yes | |
| 본 강좌는 통계학을 공부하는데 절대적으로 필요한 행렬 대수학 및 선형대수 이론을 소개한다. 행렬의 기본 연산(덧셈, 곱셈, trace, transpose)를 소개한뒤 행렬식과 역행렬을 구하는 방법에 대해서 소개한다. 또한 이러한 연산을 통해서 선형방정식의 해를 구하는 일반적인 이론을 소개한다. 이와 더불어 보다 이론적인 공리에 기반한 선형대수 이론을 소개한다. 또한 행렬에 대한 미분 및 행렬식 분해를 통해 심화된 연산을 배운다. 이러한 기초 이론을 바탕으로 통계학에서 많이 쓰이는 분포를 행렬을 통해 유도하고 다중회귀분석에 대하여 간단히 소개한다. | |||||||||
| STA3001 | 시계열분석입문 | 3 | 6 | 전공 | 학사 | 3-4 | 한 | Yes | |
| 정상성, causality, 가역성, 자기상관 이동평균 모형, 예측 등의 시계열에 대한 기본적인 개념들이 소개된다. AR, MA 그리고 ARMA 모형 등을 구축하는 방법들, ARIMA 모형 및 칼만필터, 상태공간 모형들에 대한 기초적인 내용들을 실제 예제들과 더불어 학습한다. | |||||||||
| STA3003 | 통계적추론입문 | 3 | 6 | 전공 | 학사 | 3-4 | 영 | Yes | |
| 통계적 의사결정에 필요한 추정과 가설 검정에 대한 기본적인 개념과 이론을 공부한다. 점추정과 구간추정 그리고 고전적인 가설검정에 대한 내용을 실제적인 사료들을 통하여 학습한다. | |||||||||
| STA3005 | 베이즈통계입문 | 3 | 6 | 전공 | 학사 | 3-4 | 한 | Yes | |
| 이 과목에서는 베이즈 통계분석 방법을 소개한다. 공액분포에 대한 소개와 사용 방법에 대하여 다루며 자료분석에서 베이지안 사고의 적용 능력의 배양을 목적으로 한다. | |||||||||
| STA3007 | 통계적시뮬레이션 | 3 | 6 | 전공 | 학사 | 3-4 | 영 | Yes | |
| 이 과목에서는 일양 및 비일양 분포들에서의 무작위수 추출법, 이산 사건 시뮬레이션, 시뮬레이션에서 사용되는 언어들, 시뮬레이션의 설계, 시뮬레이션 결과의 통계적인 분석들을 다루게 된다. 또한 컴퓨터 과학, 엔지니어링, 그리고 O.R.분야에서 통계적인 시스템을 구축하는 분야에의 응용도 다루게 된다. | |||||||||
| STA3008 | 다변량통계분석입문 | 3 | 6 | 전공 | 학사 | 3-4 | - | No | |
| 다변량 통계분석에 대한 소개를 다룬다. 다변량 자료의 분석과 표현을 위한 통계적인 방법들로 주성분분석, 인자분석, 정준상관분석, 군집분석, 판별분석들에 대한 기본 개념, 다변량 분산분석 등. | |||||||||
| STA3010 | 비모수통계입문 | 3 | 6 | 전공 | 학사 | 3-4 | 영 | Yes | |
| 모집단 분포에 대한 가정이 약하거나 없는 상태에서 모수의 위치, 척도 그리고 독립성 등에 대한 가설 검정 기법들을 다룬다. | |||||||||
| STA3011 | 바이오통계입문 | 3 | 6 | 전공 | 학사 | 3-4 | 영 | Yes | |
| 바이오통계 분석에 유용한 통계적인 방법들을 다룬다. 관찰연구와 임의화 임상실험, 생존 및 경시적[다시점] 자료의 분석, 결측치 문제의 해결법 등과 메타분석 등을 포함한다. 암과 에이즈, 심장질환, 정신 의학 등에서 이루어진 최신 연구들과 보건의료분야에서 얻어진 자료들을 사용하여 학습한다. | |||||||||
| STA3012 | 범주형자료분석 | 3 | 6 | 전공 | 학사 | 3-4 | 한 | Yes | |
| 교차상관된 범주형 자료의 분석에 대한 이론과 방법을 소개한다. 분할표에 대한 기술통계량과 추측통계량, 다차원 분할표에 대한 로지스틱회귀, 대수선형모형과 로짓모형, 순서화된 범주형자료에 대한 모형 그리고 최우추정방법과 근사이론 등을 주로 다룬다. | |||||||||
| STA3014 | 통계적데이터마이닝 | 3 | 6 | 전공 | 학사 | 3-4 | - | No | |
| 최근 기업, 정부, 연구소, 의료계 등을 중심으로 방대한 자료의 수집과 저장이 가능해 지면서 이러한 자료로부터 의사결정 등이 도움이 되는 지식을 추출하는 기법으로서의 데이터마이닝을 강의한다. 포함되는 기법들에는 시장바구니분석, 클러스터링, 링크분석, 의사결정나무, 인공신경망이론 등이 있다. | |||||||||
| STA3017 | 생존분석입문 | 3 | 6 | 전공 | 학사 | 3-4 | - | No | |
| 시간 및 이벤트 자료의 분석에 사용되는 기법들과 개념들에 대한 소개를 목적으로 하며 중도 절단, 위험률, 생존곡선의 추정과 모수 및 비모수 모형들과 회귀모형 그리고 이와 연관된 회귀진단 등의 내용을 포함한다. | |||||||||
| STA3018 | 보험통계 | 3 | 6 | 전공 | 학사 | 3-4 | 한 | Yes | |
| 보험상품의 요율(보험료율)을 합리적으로 정하고 상품의 내용을 결정하며 연금계획 등을 세우는 과정에 필요한 통계이론 및 기법들을 학습한다. 사망 또는 생존확률, 생명표 등을 계산하는 데 필요한 수리통계학적인 분야와 이러한 통계량들을 바탕으로 보험료율을 구하거나 상품 내용을 결정하는 방법들도 학습한다. | |||||||||
| STA3020 | 금융통계학입문 | 3 | 3 | 전공 | 학사 | 3-4 | 한 | Yes | |
| 이 과목은 금융 및 주식시장의 실무이론을 응용하는데 필요한 통계이론과 방법론을 학습하는 것을 목적으로 한다. 강의 내용에 금융기관의 업무, 각종 리스크 관리 기법들, 옵션 등 파생상품의 변동성 및 가격, 손실분포의 추정과 검정, 주가수익률 자료에 대한 모수들의 추정, 금융기관의 마케팅 기법 및 극단값이론을 포함한다. | |||||||||
| STA3021 | 확률과정론입문 | 3 | 3 | 전공 | 학사 | 3-4 | 한 | Yes | |
| 본 강좌에서는 확률과정을 소개하는 기초 과목이다. 확률과정은 시간 및 공간에 따라 관측된 자료들에 대해 확률론에 기반한 모형을 세워 이를 이해하고 자료를 분석하고자 한다. 먼저 이산형 확률과정에 대한 소개를 하고 이를 연속형 확률과정으로 확장하고자 한다. 예를 들어 포아송 과정 및 Renewal process를 통해서 이산형 확률과정을 소개하여 학생들의 흥미를 유발하고, 확률 과정론에서 가장 중요한 마코프 사슬과정에 대한 심도있는 논의를 한 뒤에 연속형 확률과정인 브라운 운동과 정상확률과정을 다룬다. | |||||||||
| STA3025 | 표본조사론 | 3 | 6 | 전공 | 학사 | 3-4 | 한 | Yes | |
| 본 강좌에서는 표본추출의 기본개념과 모집단 특성 및 표본추출 상황에 따른 여러 가지 표본추출 방법에 대해 다룬다. 전반부에는 가장 기본적인 단순임의추출, 층화추출, 집락추출, 계통추출 등에대해 언급하고 후반부에서는 응용표본추출 방법으로 네트워크추출, 선횡단 표본추출, 포획/재포획 추출 및 적응표본추출 방법에 대해 다룬다. 또한 각 표본추출 방법들에 있어서의 모평균과 모집단 총합 및 모집단 크기 등의 모수추정 방법을 논의한다. 결측값에 대한 대체방법도 심도있게 논의한다. 선수과목 : 수리통계학 | |||||||||
| STA3026 | 실험계획법 | 3 | 6 | 전공 | 학사 | 3-4 | - | No | |
| 이 과목은 실험을 효과적으로 수행하기 위해서 어떻게 계획을 세우고, 설계를 하며, 그리고 그 결과 나온 자료를 분석할 것이지를 배운다. 따라서 실험의 설계와 통계적 자료분석을 동시에 배울 것이다. 학생들은 자료분석을 위한 통계 패키지의 이용이 요구된다. 선수과목 : 회귀분석 | |||||||||
| STA3028 | 통계학과현장실습1 | 2 | 4 | 전공 | 학사 | - | No | ||
| 본 교과목은 기업현장에서의 실습을 통해 수업시간에 배운 통계학 기본이론과 지식의 이해도 및 적용능력을 배양하는 것을 목적으로 한다. 이 과목을 수강하는 학생들은 사전에 승인된 기업 및 기관에서 제공하는 현장실습에 성실히 참여하고 평가됨으로써 학점을 부여받게 된다. | |||||||||
| STA3029 | 통계학과현장실습2 | 3 | 6 | 전공 | 학사 | - | No | ||
| 본 교과목은 기업현장에서의 실습을 통해 수업시간에 배운 통계학 기본이론과 지식의 이해도 및 적용능력을 배양하는 것을 목적으로 한다. 이 과목을 수강하는 학생들은 사전에 승인된 기업 및 기관에서 제공하는 현장실습에 성실히 참여하고 평가됨으로써 학점을 부여받게 된다. | |||||||||
| STA3030 | 통계학과연구학점1 | 2 | 4 | 전공 | 학사 | - | No | ||
| 학업성취도 우수 학부생에게 중장기 연구과제를 스스로 설정하고 수행할 수 있도록 연구참여의 기회를 제공함으로써, 학부생의 학업성취 동기를 유발하고 연구역량을 향상시키는 목적으로 운영한다. | |||||||||
| STA3031 | 통계학과연구학점2 | 2 | 4 | 전공 | 학사 | - | No | ||
| 학업성취도 우수 학부생에게 중장기 연구과제를 스스로 설정하고 수행할 수 있도록 연구참여의 기회를 제공함으로써, 학부생의 학업성취 동기를 유발하고 연구역량을 향상시키는 목적으로 운영한다. | |||||||||
| STA3035 | 딥러닝입문 | 3 | 6 | 전공 | 학사 | 3-4 | 한 | Yes | |
| 이 교과목은 딥러닝 및 통계적 모형과 관련한 다양한 주제를 다룬다. 딥러닝에 사용되는 여러 가지방법 및 모형들에 대한 개념과 기초적인 이론을 학습하며 현실 자료에 대한 분석 능력과 문제 해결능력을 함양하기 위하여 딥러닝 패키지를 활용하여 실제 자료에 대한 실습을 병행한다. | |||||||||
| STA3036 | 통계적모델링과머신러닝실습 | 3 | 6 | 전공 | 학사 | 3-4 | - | No | |
| 본 과목은 ‘통계적데이터마이닝’ 과목에서 다루지 못한 머신러닝 기법들에 대해 소개하고 다양한 형태의 데이터에 대한 다양한 통계적 모형들에 대해 공부한다. 구체적으로 본 과목에서는 연관성 분석, Support vector machine, ensemble learning 기법들과 일반화 선형모형, 비선형 모형, 네트워크 모형, 공간모형 등과 같은 다양한 통계적 모형들에 대해 공부한다. 본 과목의 목표는 이러한 통계적 방법과 모형을 바탕으로 실제 데이터에 대한 조작과 분석을 실습함으로써 데이터 분석가의 소양을 기르는 것을 최종 목표로 한다. | |||||||||
| STA3037 | 데이터과학을위한회귀분석 | 3 | 6 | 전공 | 학사 | 3-4 | - | No | |
| 이 과목은 통계와 데이터사이언스 분야에서 필요한 회귀분석의 기초 및 방법론 그리고 응용을 다루는 교과목이다. 구체적으로는 통계와 데이터사이언스에서 중요한 통계 프로그램인 R을 이용하여 능숙하게 데이터를 탐색하고 분석하기 위해 다양한 회귀 모델링 기법와 통계 이론을 사용하는 능력을 함양하는 것을 목표로 한다. 이 과목은 또한 회귀 분석을 위한 데이터 요약, 시각화 등의 탐색 기법을 포함한다. R을 이용한 단순선형회귀, 다중선형 회귀와 모형진단 분석을 다양한 예제를 통해 살펴보며, 모형 선택, LASSO와 같은 벌점회귀, 고차원 회귀 분석, 부스트랩핑 회귀분석, 다항식 / 비모수 회귀 등과 같은 고급 주제를 유전체 데이터와 금융 데이터와 같은 실데이터를 이용하여 데이터사이언스를 직접 경험해본다. | |||||||||
| STA3038 | 통계와데이터사이언스 | 3 | 6 | 전공 | 학사 | 3-4 | - | No | |
| 본 과목은 데이터 사이언스에 필요한 기초적인 개념에 대해 소개하고 다양한 분야에서의 실제 데이터의 분석을 R을 이용하여 실습한다. 구체적으로 본 과목에서는 데이터 처리 및 준비에서부터 데이터 분석, 데이터 모델링, 기계학습, 생물통계 및 금융통계의 응용에 이르기까지 중요한 주제들에 대해 학습한다. 본 과목의 목표는 데이터 사이언티스트가 되기 위해 필수적으로 요구되는 수학, 통계, 전산, 그리고 협업 등의 기본적인 소양을 기르는 것을 최종 목표로 한다. | |||||||||
| STA3039 | 통계학과현장실습3 | 6 | 12 | 전공 | 학사 | 한 | Yes | ||
| 본 교과목은 기업현장에서의 실습을 통해 수업시간에 배운 통계학 기본이론과 지식의 이해도 및 적용능력을 배양하는 것을 목적으로 한다. 이 과목을 수강하는 학생들은 사전에 승인된 기업 및 기관에서 제공하는 현장실습에 성실히 참여하고 평가됨으로써 학점을 부여받게 된다. | |||||||||
| STA3040 | 통계학과현장실습4 | 9 | 18 | 전공 | 학사 | - | No | ||
| 본 교과목은 기업현장에서의 실습을 통해 수업시간에 배운 통계학 기본이론과 지식의 이해도 및 적용능력을 배양하는 것을 목적으로 한다. 이 과목을 수강하는 학생들은 사전에 승인된 기업 및 기관에서 제공하는 현장실습에 성실히 참여하고 평가됨으로써 학점을 부여받게 된다. | |||||||||
| STA3041 | 공간통계입문 | 3 | 6 | 전공 | 학사 | 3-4 | 한 | Yes | |
| 이 과목은 공간 데이터를 통계적으로 분석하는 입문과정으로 기초적인 공간통계 방법론을 배우는 교과목이다. 구체적으로는 공간데이터를 포인트 참조 데이터 및 구역 데이터로 나누어 각 데이터 유형에 적합한 방법론을 배우는 것을 목표로 한다. 베리오그램, 크리깅, 가우시안 마르코브 랜덤 필즈, 공간적 조건부 자기회귀 모형 등의 방법론과 이를 구현할 수 있는 프로그래밍 코드의 작성도 다룰 것이다. | |||||||||