If the collection is public, the memo for this book will also be public.
Your Browsing History
There is no data.
강영돈
2020 / International Journal of Human & Disaster
정선은, 한미아, 박종, 최성우
2015 / Korean Journal of Health Promotion
There is no data.
loading...
This study points out the lack of research on accounting earnings prediction models and proposes machine learning and deep learning methods to respond to changes in the business environment. It introduces the latest application examples and conceptual understanding of machine learning to overcome the limitations of existing research and maintain/enhance the usefulness of accounting information.
데이터 시각화와 자료분석 =
Machine-learning techniques in economics : new tools for predicting economic growth
파이썬 머신러닝을 이용한 금융 리스크 관리
Machine learning in finance : from theory to practice
(인공지능시대의) 경영정보시스템 =
The essentials of machine learning in finance and accounting
Learning from data : a short course
(IT 엔지니어를 위한) 머신러닝 이론 입문
(R과 Python을 활용한) 비즈니스 애널리틱스
퀀트 투자를 위한 머신러닝 : 파이썬으로 배우는 머신러닝 기반 팩터 투자
Challenges and applications for implementing machine learning in computer vision
Machine learning : a probabilistic perspective
Machine learning and modeling techniques in financial data science
Fundamentals of machine learning for predictive data analytics : algorithms, worked examples, and case studies
Probabilistic machine learning : advanced topics
머신 러닝
실무로 통하는 인과추론 with 파이썬
(금융 전문가를 위한) 머신러닝 알고리즘 : 파이썬으로 배우는 금융 머신러닝 알고리즘의 원리와 활용
계량경제학강의 =
(머신러닝을 이용한) 알고리즘 트레이딩 시스템 개발
정우준 · 2019
세무와회계저널
Bertomeu J. · 2020
Review of Accounting Studies
Kureljusic, Marko; Karger, Erik · 2024
JOURNAL OF APPLIED ACCOUNTING RESEARCH
Ylinen, Mika; Järvenpää; Marko; Ranta, Mikko · 2021
European Accounting Review
Evangelos Liaras; Michail Nerantzidis; Antonios Alexandridis · 2024
Review of Quantitative Finance and Accounting
임지혜, 나현종 · 2025
회계학연구
Ishan S. Kapoor; Sunint Bindra; Monika Bhatia · 2022
International Journal of Business and Management
Ranta M.,Ylinen M.,Järvenpää M. · 2023
European Accounting Review
강연찬; 류두진 · 2023
金融工學硏究
Green J.,Zhao W. · 2022
Journal of Finance and Data Science
Eugene Jung · 2018
Accounting Information Review
Kai Cao; Haifeng You · 2020
Financial Analysts Journal
Joseph Olorunfemi AKANDE · 2024
International Journal of Social and Educational Innovation
육근효 · 2019
관리회계연구
Kommunuri, John · 2022
PACIFIC ACCOUNTING REVIEW
강경구; 박정열; 나형종 · 2023
대한경영학회지
이재영, 차우창 · 2024
경영컨설팅연구
Yi Z.,Cao X.,Chen Z.,Li S. · 2023
IEEE Access
van der Heijden H. · 2022
British Accounting Review
Wasserbacher, Helmut; Spindler, Martin · 2022
Digital Finance: Smart Data Analytics, Investment Innovation, and Financial Technology
전선 / 학사
이 과목의 목적은 인공지능의 한 분야인 기계학습을 재무 연구에 활용하도록 하는 데 있다. 세부적으로는 의사결정나무, 인공신경망 등의 여러 기계학습 개념을 이해하는 것으로 시작하여 재무 연구의 실제 활용 사례들을 살펴본다.전선 / 대학원
이 과목의 목적은 인공지능의 한 분야인 기계학습을 재무 연구에 활용하도록 하는 데 있다. 세부적으로는 의사결정나무, 인공신경망 등의 여러 기계학습 개념을 이해하는 것으로 시작하여 재무 연구의 실제 활용 사례들을 살펴본다.공통 / 대학원
기계 학습은 새로운 통계방법론 및 알고리즘 개발의 기반역할을 하고 있다. 이 과목에서는 고급기계학습을 위한 방법론을 이론적 기초와 함께 강의할 예정이다. 또한 방법론의 실용적 측면과 직관을 통하여 이론적 내용을 제공하여 학생들이 상황에 맞는 적절한 분석방법과 각자의 연구주제에 적합한 분석 툴에 개발하는데 도움을 주고자 한다. 구체적으로 머신러닝 연구에 중요한 비모수추론, 집중 부등식, 최적화 및 변분 방법등과 같은 주제를 다를 예정이다전선 / 대학원
주어진 지식과 경험을 바탕으로 앞으로 주어질 작업을 효율적이고 체계적으로 수행할수 있는 컴퓨터 프로그램 개발에 많은 연구가 계속되어 오고 있다. 이러한 연구의 핵심 분야인 기계 학습(Machine Learning)에 관한 강의로써 현재까지 발표된 대표적인 연구 논문들을 중심으로 이론및 알고리즘, 응용 분야등을 설명한다.전선 / 대학원
오늘날 데이터 중심의 비즈니스 환경에서 인공지능/머신러닝(AI/ML) 기술은 고객 및 시장 분석부터 전략적 의사결정에 이르기 까지 기업 경영 전반에 수많은 혁신을 일으키고 있다. 본 과정은 MBA 학생들에게 비즈니스 애플리케이션에 특화된 핵심 AI/ML 알고리즘들을 실습 중심으로 학습할 수 있는 기회를 제공한다. 고객 이탈 예측, 금융 사기 탐지, 고객 세분화, 수요 예측, 맞춤형 추천 시스템과 같은 실전 사례들을 통해 머신러닝의 실용적인 적용 방법을 익히게 되며, 대규모 언어 모델(LLM)을 활용하여 별도의 프로그래밍 경험 없이도 데이터 처리 및 AI/ML 알고리즘 적용을 위한 기초적인 코드 구현 기술을 습득하게 된다. 본 과정을 수료한 학생들은 머신러닝을 활용한 데이터 기반 의사결정을 효과적으로 수행할 수 있는 역량을 갖추게 될 것이다.전선 / 대학원
본 강의에서는 회계학과 관련된 여러 연구분야 중에서 주로 계량적인 방법을 이용한 연구들을 살펴보고자 한다. 여기에는 주로 계량경영학과 비모수통계학 등의 계량적인 지식을 이용하여 회계 관련 문제들에 대한 계량적 모형 수립과 이의 해결과정에 대한 분석과정 등이 포함된다.전선 / 대학원
본 교과목은 응용 데이터사이언스 전공자를 위한 머신러닝 (machine learning)과 딥러닝 (deep learning)의 기초를 다룬다. 구체적으로, 머신러닝의 기초가 되는 이론 (확률, MLE, gradient descent, overfitting, regularization 등)과 지도학습의 기초적인 모델을 중심으로 다룬다. 딥러닝 부분에서는 뉴럴넷의 기본, backpropagation을 다룬 후, 주로 convolutional neural network의 구조와 활용을 중점적으로 다룬다. 이를 바탕으로 적용 분야에 데이터사이언스를 응용할 기틀을 마련한다.전선 / 학사
통계분석 결과를 정확히 이해·해석하기 위한 확률과 기술통계, 가설검정, F 분포와 분산분석, 회귀·상관, 범주형·빈도 분석을 다룬 뒤, 머신러닝의 핵심 개념을 가볍게 소개한다. 간단한 분류·회귀·군집 알고리즘 및 기초적 모델 해석 가능성과 윤리·편향 이슈를 실습 중심으로 학습한다.전선 / 대학원
본 교과목은 막대한 시공간적 데이터를 바탕으로 예측기법을 발전시킬 수 있는 머신 러닝 기법을 중심으로, 이에 대한 이론적 기반과 사례 연구를 계량지리학적 관점에서 이해하는 것을 목표로 한다. 통계학적 머신 러닝, 최적화, 사회 및 정보 네트워크 분석, 베이지안 모델링 등 관련된 다양한 분야에 대한 지리학 분야의 방법론과 적용 방안에 대해서 학습한다.전선 / 대학원
기계학습은 인공지능의 한 분야로서 명시적으로 프로그램하지 않고 컴퓨터가 데이터로부터 학습할 수 있도록 한다. 이 과목은 재무와 경제에서의 응용을 중심으로 기계학습의 개념과 기법, 그리고 알고리즘을 소개한다. 이 과목에서 다룰 세부 주제들에는 선형회귀, 의사결정나무, 신경망, 분류, 무작위 숲, 시각화 등이 있다. 수강생들은 기계학습이 재무와 경제에 응용될 때 기계학습이 어떻게 작동하는지 원리를 배운다. 이 수업을 듣고 나면 기계학습 전문가들과 의사소통을 할 수 있게 될 것이다.전선 / 대학원
데이터 분석은 기술 예측 및 기술 전략과 같은 기술 경영 분야와 IT, 제조, 에너지, 헬스케어 등 다양한 산업 분야에서의 프로세스를 개선하거나 의사 결정을 지원하기 위한 필수적인 도구로서 자리매김하고 있다. 이 강의에서는 높은 수준의 데이터 분석을 위하여 필요한 데이터마이닝, 텍스트마이닝, 머신러닝, 딥러닝 분야의 여러 기법들에 대해 심도 있게 배우고, 이를 통해 산업과 경영의 문제를 해결한 사례들을 살펴본다. 강의를 통해 배운 내용을 바탕으로 학생들은 관심 분야에서의 문제 해결 및 나은 의사 결정을 위한 데이터 분석을 수행하며 데이터 분석을 기반으로 한 문제 해결 능력과 비즈니스 통찰력을 기른다.전선 / 대학원
데이터 분석은 기술 예측 및 기술 전략과 같은 기술 경영 분야와 IT, 제조, 에너지, 헬스케어 등 다양한 산업 분야에서의 프로세스를 개선하거나 의사 결정을 지원하기 위한 필수적인 도구로서 자리매김하고 있다. 이 강의에서는 높은 수준의 데이터 분석을 위하여 필요한 데이터마이닝, 텍스트마이닝, 머신러닝, 딥러닝 분야의 여러 기법들에 대해 심도 있게 배우고, 이를 통해 산업과 경영의 문제를 해결한 사례들을 살펴본다. 강의를 통해 배운 내용을 바탕으로 학생들은 관심 분야에서의 문제 해결 및 나은 의사 결정을 위한 데이터 분석을 수행하며 데이터 분석을 기반으로 한 문제 해결 능력과 비즈니스 통찰력을 기른다.전선 / 학사
인공지능의 발전 및 데이터의 축적으로 최근 재료공학분야에서 기계학습이 활발히 적용되고 있고 새로운 재료설계방법으로 떠오르고 있다. 본 강좌에서는 학생들에게 기계학습 및 통계추론에 대한 기초 이론 및 파이썬을 이용한 라이브러리 활용 방법을 강의한다. 이를 바탕으로 학생이 실제 재료 데이터에 기계학습을 적용하고 해석하는 방법을 익히도록 한다.전선 / 학사
이 과목에서는 주어진 데이터 내에서 최적화를 통해 인간의 학습을 모방하는 머신 러닝과 인간 학습과의 차이점을 소개하고 최근 컴퓨팅 성능의 고도화에 따라 머신러닝을 기반으로 한 인공지능의 활용 분야를 소개한다. 수강생들은 기존 알고리즘 기반 분류 기법 및 머신러닝을 위한 수학적 기초를 이해하고 최신 인공신경망 구조를 기초로 한 머신러닝 패키지를 활용해 본다.전선 / 대학원
데이터와 컴퓨팅 역량의 폭발적인 증가로 인해, 비즈니스 의사결정에서 데이터 분석과 정량적 모델링의 활용은 필수적인 요소가 되었다. 이 과목은 데이터 과학과 고급 경영과학을 결합하여, 다양한 비즈니스 환경에서 데이터의 활용을 통한 효율적 의사결정 시스템을 구축하기 위한 기술과 도구들을 다룬다. 전통적인 데이터 처리 및 분석을 넘어, 데이터를 스마트하고 해석 가능하며 실행 가능한 비즈니스 의사결정으로 변환하는 '처방적 분석' 방법론에 중점을 둔다. 구체적으로는 머신러닝 알고리즘, 고급 의사결정 모델링, 최적화와 같은 기술을 결합하여 자원 배분, 공급망 관리, 불확실성 대응, 경제성 분석 등 다양한 문제들을 데이터와 정량적 근거에 기반하여 해결하는 능력을 배양하는 것을 목표로 한다. 고급 엑셀 기능과 기본적이고 쉽게 이용 가능한 파이썬 모델링 기법 등 실무적인 도구들을 익히며, 코딩 기술이 요구되지 않는 상황에서도 이 도구들의 메커니즘을 이해하고 활용할 수 있는 매니저로서의 역량을 기르게 될 것이다. 이 과목은 처방적 분석 방법론의 실무적 유용성에 초점을 맞추어, 다양한 분야에서 해석 가능하고 실행 가능한 의사결정 시스템을 구축하려는 경영 매니저들에게 유용할 것이다.전선 / 대학원
이 과목은 기계 학습 알고리즘의 수학적 이론을 이해하고 이를 통해 더 나은 기계 학습 방법을 설계하는 데 초점을 맞춘다. 재생핵 힐베르트 공간과 커널 방법, Rademacher 복잡도, 경사 하강법, 뉴턴 방법, 확률적 경사 하강법, 경사 하강의 연속 시간 모델 등을 다룬다.전선 / 학사
머신러닝과 인공지능 분야가 보여주고 있는 놀라운 발전의 근간에는 자연 현상을 수학 문제로 기술한 뒤 수많은 현대 수학의 도구를 이용해서 풀어낸 수학의 틀이 존재한다. 따라서 이같은 수학의 핵심 원리를 모른 채 이미 라이브러리화된 것을 단순하게 사용하여 학습하는 것으로는 한계에 봉착할 수 있다. 본 강의의 목적은 수강생이 머신러닝을 이해하는데 있어 필요한 수학을 프로그래밍과 연계하여 학습하는데 있다. 이를 위해 본 강의는, 수학의 단위 주제 강의 후 즉시 프로그래밍 실습을 통해 익히는 마이크로러닝 방식으로 운영한다. 머신러닝 알고리즘을 직접 다루지 않으나, 대수학, 미적분학, 선형대수, 기하학과 같이 머신러닝 학습 및 강좌에 필수적으로 요구되는 내용을 다루며, 수업에서 사용하는 프로그래밍 언어는 파이썬이다. 본 강의는 이공계 고교 수학 이상의 지식을 갖추고 있으나 프로그래밍 지식을 갖추고 있지 않은 학생을 주 대상으로 한다.전선 / 대학원
이 과목에서는 자연어처리에 대한 간단한 소개와 함께, 대표적인 인공신경망 기법들이 자연어처리 어떻게 적용되는지 살펴본다. 최근 일상생활에서도 많이 쓰이는 자연어처리는 인공신경망의 성장과 함께 비약적인 발전을 보였다. 인공신경망을 이용한 딥러닝 기법은 이론적인 면뿐만 아니라, 효율적 계산과 최적화 등의 실험적인 요소가 많아 실습이 중요하다. 이 과목을 듣기 위해서는 기계학습에 대한 기본적인 이해와 파이썬, 딥러닝 모형을 사용하는 능력이 요구된다. 이 강좌는 학생들이 자연어처리의 최근 방법론을 학습하고, 실제 구현하는 능력을 배양하며, 마지막으로 최근 방법론이 가진 한계점, 미래 연구주제에 관해 탐구한다.전선 / 대학원
이윤을 추구하는 기업과 관련하여 미시경제학과 마케팅 이론들이 시장을 이해하기위해 적용된다. 최근 시장 메커니즘의 분석과 관련한 보다 발전된 주제에 집중된다.전선 / 학사
본 과목은 자연어 이해를 위한 확률 및 딥러닝 학습 방법론을 다룬다. 자연어 이해는 인공 지능에서 크게 주목받고 있는 영역으로 활용 범위가 웹 검색, 번역, 대화 모델 등으로 다양하다. 자연어 이해에서 성공적인 모델은 확률기반, 딥러닝 기반, 대형 언어모델 기반 모델 등이 있다. 본 과목에서는 이러한 다양한 모델을 이해하고, 디자인하고 구현하고 평가하는데 요구되는 최신 기술들을 다룬다. 1. 과목소개 2. Bag-of-word 언어모델 3. N-gram 언어모델 4. Bayesian 모델 5. Logistic 회귀 6. 임베딩 7. CNN 8. RNN 9. Transformer 10. 문맥적 임베딩 11. 지식 구축 및 활요 12. 언어에서의 AI 편향성