Lectures in the last year

연도-학기 과목명 및 과목홈페이지 개요
2018-2 빅데이터분석-대학원 본 강의는 빅데이터 처리 및 분석방법을 다룬다. 텍스트자료 및 이미지 자료의 분석을 위한 여러가지 기법들을 학습한다.
2018-2 통계데이터베이스 최근 빅데이터에 대한 관심과 기술개발이 집중되고 있다. 더우기 R프로그램은 빅데이터 의 통계분석용 도구로 널리 활용되고 있으며 앞으로 R프로그램 능력에 대한 요구는 점점 더 커질 것으로 예상된다. 본 과정은 R을 이용한 자료처리 및 통계분석방법을 학습한다. 통계소프트웨어및 실습의 초급과정을 이수한 학생들을 대상으로 중급이상의 R 프로그래밍 및 활용능력을 갖추도록하는 것이 본 과정의 목표이다. 후반부에는 데이터베이스와의 연동 및 빅데이터의 주요 플렛폼인 하둡에 대하여도 학습한다.
2018-2 탐색적자료분석 탐색적 자료분석(Exploratory data analysis; EDA)은 John Tukey가 확인적자료분석(Confirmatory Data Analysis)와 대조하여 명명하였으며, 통계학의 주 목적인 가설검정을 뒷받침하기 위한 보조적인 도구이다. EDA의 목적은 (1) 관측된 현상의 원인에 관한 가설을 설정하고 (2) 통계적 추론이 기반하고 있는 가정들을 평가하며, (3) 통계적 도구 혹은 방법론의 선택, 그리고 (4) 서베이나 실험등을 통한 자료 수집의 근거를 제공하는 데 있다.
2018-2 통계컨설팅 통계 전문가로서 제반 실제 통계자료를 얻기 위하여 계획하고 수행해 나가는 모든 방법과 절차 및 이를 분석하고 해석하는 기존의 방법과 최신 이론을 총괄적으로 학습한다. 또한 교과과정상 미약한 분야에 대한 소개 및 주요이론에 대해 학습하고 다른 분야의 전문가들과 같이 작업할 수 있는 배경을 여러 case 연구를 통하여 익힌다.
2018-1 빅데이터분석 본 강의는 빅데이터의 최근 동향을 살펴보고, 빅데이터 처리 및 분석방법을 다룬다. 특히, 소셜네트워크 분석과 텍스트자료의 처리 및 분석을 중점적으로 다룬다.텍스트분석은 SNS자료 혹은 뉴스 자료를 이용하여 분석한다.
2018-1 CRM과데이터마이닝 다차원, 거대자료를 분석하기 위한 통계학 및 기계학습이론에 의한 여러가지 방법론을 배우게 된다. 데이터마이닝은 CRM,인공지능, 패턴인식과 밀접한 관계가 있으며, 본 강의에서는 연관성분석, 감독학습(회귀분석,로지스틱회귀,나무모형,SVM,앙상블모형,변수선택 및 모형선택)과비감독학습(군집분석)을 이해하고,이를 이용하여 실제문제를 해결하는 능력을 갖춘다.
2018-1 R프로그래밍및실습 R은통계분석,자료의 시각화 및 빅데이터 처리를 위한 소프트웨어로 가장 많이 사용되고 있는 소프트웨어이다. 본 강좌에서는 R의 기초 및 데이터 핸들링, 통계분석 그리고 데이터의 시각화등을 다룬다.