인제대학교

인제대학교 대학원

통합검색
통합검색
모바일 메뉴 닫기
 

학과소개

교과목개요

Ctrl+F를 눌러 원하시는 과목을 찾으세요

EZZ024 석사 논문 연구 (Research for the Master's Thesis)
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.