학과소개
교과목개요
Ctrl+F를 눌러 원하시는 과목을 찾으세요
- EEI001 데이터분석이론 (Theory of Data Analysis)
- 데이터분석에 이용되는 여러 기법들의 원리에 대해서 심도있게 배운다. 일변량과 다변량의 확률분포이론, 추정과 검정 등에 대해서 다룬다
- EEI101 데이터베이스특강 (Topics in Database)
- 여러가지 데이터베이스 모형들을 공부하며 질의어 처리, 동시제어성, 회복기능을 살펴보고 현존하는 데이터베이스 관리시스템을 비교 분석하며 최근에 많이 사용되는 데이터베이스에 대한 이해를 통하여 실제로 데이터마이닝을 구현함에 있어서 데이터웨어하우스 구축 방법을 배운다.
- EEI103 데이터마이닝세미나 (Data Mining Seminar)
- 데이터마이닝에 대한 관련논문 및 참고문헌을 토대로 이론적 배경 및 적용에 대한 지식을 얻고 다양한 분야의 데이터베이스와 연결하여 활용하는 기법에 대해 배운다.
- EEI108 패턴인식 (Pattern Recognition)
- 자료에 숨어있는 패턴이나 정보를 찾는 것을 자동적으로 수행하는 기법들에 대해서 배운다. 문자, 음성, 영상, 지문 등에 관한 패턴인식 방법에 대해서 알아본다.
- EEI112 대용량자료분석 (Big-data Analysis)
- IT정보기술과 첨단 장비의 발달로 인하여 방대한 양의 자료가 많은 분야에서 양산되고 있다. 이러한 빅데이터의 처리 기술은 가까운 미래에 국가 경쟁력의 원천이 될 뿐만 아니라 고부가 가치를 생산할 것으로 기대되어 진다. 본 교과목은 빅데이터 처리 기술을 익혀 빅데이터로부터 고급 정보를 얻어내는 방법을 다룬다.
- EEI113 고급데이터정보특강 (Advanced Topics in Data Information)
- 학부 과정에서 습득한 지식을 바탕으로 각종 과학 기술적 혹은 마케팅자료로부터 의사결정에 필요한 고급정보를 창출하는 방법을 다룬다.
- EEI114 고급통계적방법론 (Advanced Statiscal Methods Based on Concepts)
- 최근의 중요한 통계적 방법론들을 소개하고 각 방법의 이론적, 실용적 측면을 이해하고 실제 자료를 분석하고 해석하는 능력을 키우는데 목적이 있다. 수업에서 다루는 주제는 비모수적 회귀, 시뮬레이션 방법, 분류법 그리고 로버스트 방법 등이다.
- EEI201 통계상담 (Statistical Consulting)
- 통계상담에서 상담인의 역할 및 상담인이 갖추어야 할 자질 등에 대해 공부하며 상담실습을 통하여 사회과학과 자연과학 분야의 데이터 처리 및 분석에서 나타나는 문제들을 해결하는 능력을 기른다.
- EEI202 다변량분석 (Multivariate Analysis)
- 다변량 자료를 분석하기 위한 기본적인 이론과 방법을 소개한다. 다변량 정규분포, Wishart 분포, Hotelling's T 분포 등을 포함한 다변량 분포와 다변량 분석방법인 Hotelling's T 검정, 신뢰영역, 판별분석, 정준상관분석, 다변량 분산분석, 주성분 분석, 군집분석 등을 다룬다.
- EEI203 회귀분석특강 (Topics in Regression Analysis)
- 선형회귀이론에 수반하는 여러 문제들을 검토한다. 다중회귀, 변수선택, 회귀진단, 일반화선형모형 등을 다룬다.
- EEI206 시계열분석특강 (Advanced Time series Analysis)
- 시간에 따라 생성되는 시계열자료를 분석하는 방법에 대해 배운다. Box-Jenkins의 ARIMA모형 등의 선형시계열 분석법과 TARSO모형, 카오스이론 등의 비선형시계열 분석법을 학습한다. 공간에 따라 생성되는 공간자료(Spatial Data)에 대해서도 다룬다.
- EEI210 선형모형 (Linear Model)
- 오차항에 대한 정규성을 가정한 선형회귀모형에서 다룰 수 없었던 일반화선형회귀모형을 비롯하여 반복측정자료 분석, 공분산 분석 등 고급선형모형을 다룬다.
- EEI502 딥러닝 (Deep learning)
- 최근 인공지능 발전을 이끌고 있는 기계학습 한 분야인 딥러닝에 대한 기초적인 이론과 실제를 공부한다. 기본적인 신경망 모델, 학습기법과 손실함수 등에 대해 배운다. 그리고 영상, 언어, 음성 인식 문제들에 탁월한 성능을 보이는 합성곱신경망, 순환신경망 그리고 생성모형을 다룬다.
- EEI503 머신러닝 (Machine learning)
- 기계학습은 데이터를 통해 성능을 계속적으로 향상시킬 수 있는 시스템을 연구하는 인공지능의 한 분야이다. 본 과목에서는 기계학습에 관한 이론 및 실제적인 주제들을 다룬다. 지도 학습과 비지도 학습에 관한 기본 원리와 이론적인 배경을 공부하며 이들에 대한 구체적인 알고리즘을 학습한다. 의사결정트리, 메모리기반 학습, 신경망, 유전자알고리즘, 베이지안망, 은닉 마코프 모델, 커널방법 및 기타 최근 기계학습 알고리즘을 다룬다.
- EEI504 공공빅데이터 (Public Bigdata)
- 정부부처 및 지방자치단체 등의 공공 빅데이터의 생산과 공개 그리고 공유가 가속화되고 있다. 이렇게 공개된 공공 빅데이터에 대한 분석을 통해 빅데이터를 좀 더 가까이 할 수 있고, 공공 데이터를 통해 많은 정보를 얻을 수 있음을 체험한다.
- EEI102 고급데이터마이닝 (Advanced Data Mining)
- 데이터마이닝에 대한 개념을 심도 있게 다루며, 이에 대한 기법 중 장바구니분석, 연계분석, MBR, 군집분석, 의사결정나무 등에 대해 배운다.
- EEI106 고급프로그래밍활용 (Application of Advanced Programming)
- JAVA나 Visual C++ 등을 이용하여 외부의 데이터베이스에 접근하여 데이터를 얻고 데이터분석을 할 수 있는 비쥬얼프로그래밍에 대해서 학습하고 이를 정보분석시스템 구축에 이용할 수 있는 방법을 배운다.
- EEI204 실험계획법특강 (Topics in Experimental Design)
- 추정 가능한 함수에 관한 이론, 라틴방격법과 실험계획의 기본적인 개념 및 요인배치법, 교락법, 분할법, 일부실시법, 불완비블럭계획법 등을 다룬다.
- EEI205 범주형자료분석 (Categorical Data Analysis)
- 범주형 자료분석에 대한 이론과 방법을 소개한다. 분할표에 대한 기술통계량과 추측통계량, 다차원 분할표에 대한 대수선형모형, 로지스틱회귀모형, 순서화된 범주형자료에 대한 모형 그리고 최우추정방법과 근사이론 등을 주로 다룬다.
- EEI208 베이지안통계 (Bayesian Statistics)
- 주관적 확률, 선호도의 정량화, 베이지안 결정이론, 사전분포, 극한 사후분포, 베이지안 추정과 검정 MCMC, EM 알고리즘, 깁스샘플링에 대해 다룬다.
- EEI211 금융통계 Ⅰ (Financial Statistics Ⅰ)
- 금융정보분석과 금융공학 등에 관련된 제반문제를 통계적으로 해결할 수 있는 여러 가지 통계적인 방법 및 금융에 대한 기초를 습득한다.
- EEI213 비모수통계특강 (Advanced Topics in Nonparametrics)
- 모집단분포에 대한 가정을 약화시킨 통계적 방법으로 커널함수, 국소다항함수, 스플라인 함수 등 비모수적 함수 추정을 다룬다.
- EEI214 고급통계계산 (Advanced Computational Statistics)
- 최근 컴퓨터의 발전으로 이 전에는 상상할 수 없었던 복잡한 통계모형들을 사용할 수 있게 되었다. 그러므로 현대의 복잡하고 다양한 통계모형들을 분석하기 위해서는 여러가지 통계계산 방법들을 습득하는 것이 필수 과제가 되었다. 통계 분석에 필요한 Newton-Raphson 방법과 도함수를 모를때 쓰는 최적화 방법들, 그리고 통계모형적합을 위해 개발된 EM-알고리즘과 피셔 스코링을 배운다. 그리고 통계계산에 필요한 sorting, 자료구조, 행렬계산 등 다양한 계산 알고리즘들을 다룬다.