최근 확인한 콘텐츠
데이터가 존재하지 않습니다.
김승환
2020 / Asian Journal of Physical Education and Sport Science
데이터가 존재하지 않습니다.
loading...
Machine learning in asset pricing
Reinforcement Learning Algorithms: Analysis and Applications
Forecasting financial markets : exchange rates, interest rates and asset management
Financial signal processing and machine learning
러닝 텐서플로
예측투자 : 주가에 담긴 기대치를 활용한 과학적 투자 솔루션
Financial decision making using computational intelligence
Deep learning in quantitative trading
Computational intelligence techniques for trading and investment
(김기현의) 딥러닝 부트캠프 : with 파이토치
Adaptive sliding mode neural network control for nonlinear systems
Learning deep learning : theory and practice of neural networks, computer vision, nlp, and transformers using tensorflow
(켄 피셔) 역발상 주식 투자
딥러닝을 위한 수학 : 신경망 수학 기초부터 역전파와 경사하강법까지
Natural computing in computational finance
Statistically sound machine learning for algorithmic trading of financial instruments : developing predictive-model-based trading systems using TSSB
Artificial neural networks : applications in financial forecasting
Deep learning with TensorFlow 2 and Keras : regression, ConvNets, GANs, RNNs, NLP, and more with TensorFlow 2 and the Keras API
Global algorithmic capital markets : high frequency trading, dark pools, and regulatory challenges
IEEE Transactions on Industrial Informatics
Mousa Afrasiabi; Mohammad Mohammadi; Mohammad Rastegar; Shahabodin Afrasiabi经济师 / China Economist
林升; 綦科; 魏楷聪; 张伟Science progress
Vuong PH; Phu LH; Van Nguyen TH; Duy LN; Bao PT; Trinh TDComplexity
Jia F.,Yang B.Neural Computing and Applications
Firuz KamalovComputers, Materials and Continua
Zhang D.,Cai E.Measurement: Journal of the International Measurement Confederation
Rifai A.P.,Aoyama H.,Tho N.H.,Md Dawal S.Z.,Masruroh N.A.Arab Gulf Journal of Scientific Research
Ifleh, Abdelhadi; El Kabbouri, MounimeInternational Journal of Forecasting
Ye W.,Yang J.,Chen P.INFORMATION FUSION
Bao, Wuzhida; Cao, Yuting; Yang, Yin; Che, Hangjun; Huang, Junjian; Wen, ShipingIEEE Transactions on Sustainable Computing
Huang C.,Zhang J.,Cao L.,Wang L.,Luo X.,Wang J.H.,Bensoussan A.IEEE Access
Wang Y.,Liu H.,Guo Q.,Xie S.,Zhang X.International Journal of Financial Engineering
Nan Jing; Qi Liu; Hefei WangJournal of Machine Learning Research
Fairbank M.,Samothrakis S.,Citi L.Expert Systems with Applications
Matin R.,Hansen C.,Hansen C.,Mølgaard P.Neurocomputing
Nguyen D.,Hoang V.D.,Le V.T.L.IEEE Access
Usama M.,Xiao W.,Ahmad B.,Wan J.,Hassan M.M.,Alelaiwi A.Neural Computing and Applications
Baldominos, Alejandro; Saez, Yago; Isasi, PedroMathematical Problems in Engineering
Yang C.,Zhai J.,Tao G.,Haajek P.AI Open
Sun Z.,Harit A.,Cristea A.I.,Wang J.,Lio P.교양 / 학사
이 교과목은 과학기술과 사회의 다면적인 경계를 허물고 이를 통해 펼쳐질 미래의 지평을 조망하는 것을 목적으로 한다. 이를 위해 과학기술과 인문, 사회과학을 넘나드는 고도로 융합적인 접근을 시도한다. 과학기술을 통해 미래를 엿보는 각종 접근방법을 리뷰하고 예측의 한계를 이해함으로써 과학기술과 미래의 상호작용에 대한 관점을 형성하며, 사례로서 인공지능과 데이터과학의 과거와 현재를 돌아본다. 바람직한 미래를 만들어가기 위한 과학기술의 역할과 사회적 고려들은 무엇인지 생각해본다. 이 교과목은 주제별 강의와 토론으로 구성된다.전선 / 대학원
딥러닝 모델은 추상화 복잡도를 증가하면서 정보를 표현하는 여러 계층으로 이루어진 신경망으로, 최근 영상/음성/자연어 처리 등의 문제에서 다른 기계 방법론들을 크게 상회하는 뛰어난 성능을 보이고 있다. 본 과정에서는 딥러닝의 기반이 되는 기계학습 및 최적화 기법들을 배우고, 기본적인 신경망에 대해서 학습한다. 그리고 영상 처리와 자연어 처리의 핵심 모델인 Convolutional neural networks와 Recurrent neural networks의 훈련법과 추론법들을 익힌다. 또한 비감독 생성 모델인 Autoencoders와 Restrict Boltzman machines에 대해 자세히 살펴 보고 마지막으로 딥러닝 기반 강화 학습에 대해서도 학습하고 실습을 진행한다. 본 과목은 대학원생과 일부 고년차 학부생을 대상으로 한다.전선 / 대학원
현실에서 발생하는 최적화 문제는 많은 경우, 효율적인 알고리즘을 갖지 않는 NP-hard 문제이다. 본 강의에서는 우선 이러한 문제를 식별하는데, 기본이 되는 최적화 계산론, 다항 변환 등을 도입한다. 그리고 NP-hard 문제의 좋은 해를 효율적으로 구하는 다양한 접근법을 다룬다.전선 / 학사
주식, 채권을 포함한 기초 증권 및 옵션, 선물, 스왑 및 구조화 채권 등의 파생 증권의 가격 결정, 헷징, 및 투자전략에 대한 이론적 기초를 공부한다. 기초적 분석을 중심으로 특히 위험중립적 가격 결정 접근법을 공부하고, 파생 증권의 가격 결정에 있어서 이와 증권 복제법을 통한 가격 결정 접근법이 어떻게 관련이 있는지를 공부한다.전선 / 대학원
본 과정은 선형 시스템, 전달 함수, 라플라스 변환에 대하여 소개한다. 안정성과 피드백을 다루고 과도 응답 사양을 위한 기본 설계 도구를 제공한다. 또한 주파수 영역 기술도 간략하게 다룬다. 이 과정에는 컴퓨터 프로그래밍 실습 및 제어 설계 프로젝트가 포함된다. 실습 프로젝트에 관련된 전공은 조선해양공학은 물론 로봇공학, 기계공학, 전자공학, 전기공학, 산업응용수학 등이다.전필 / 학사
첨단융합학부 학생의 전공탐색을 위한 과목으로, 융합데이터과학의 핵심 개념과 다양한 응용 분야를 소개하여 향후 전공선택에 필요한 필수적인 정보를 제공한다. 특히, 융합데이터과학 분야에서 진행되는 첨단연구와 연구의 실제 응용 사례를 직접 체험하여, 자신의 전공 적성을 좀 더 구체적으로 알아보고 설계할 수 있는 기회를 제공한다.전선 / 대학원
확률밀도함수, 회귀함수, 프론티어함수 등에 대한 최근의 연구내용들을 논문강독 중심으로 강의한다.전선 / 학사
본 과목은 자연과학대학 학부생을 대상으로 하여, 세부 학부/학과에 관계없이 자연과학대학 학부생이 함양해야 하는 프로그래밍 및 인공지능 지식을 갖추도록 돕는 것을 목표로 합니다. 특히 프로그래밍 및 인공지능과 관련된 방대한 내용 중 자연과학을 전공하는 데 실질적으로 필요한 전산학, 계산과학, 통계학, 심층신경망 분야의 기초지식을 습득하고, 그에 대한 실습을 직접 해보도록 하는 데 초점을 맞춥니다. 이는 자연과학대학의 기존 인공지능/계산과학/데이터과학 전공과목의 수강에 앞서, 학부생들이 프로그래밍 능력과 함께 이를 자연과학의 문제에 직접 적용할 수 있는 능력을 갖추도록 하기 위함입니다. 본 과목에서는 이론과 실습을 병행하여, 향후 자연과학 연구에서 맞닥뜨릴 수 있는 실제 문제와 데이터를 인공지능을 이용하여 다루고 해결해 볼 수 있는 기회를 학부생들에게 제공하고자 합니다. 기초 수준의 컴퓨팅/프로그래밍 능력을 갖춘 학생은 본 과목을 이수한 후, 자연과학의 세부 분야에서 인공지능과 프로그래밍이 어떻게 활용되는지 이해하고, 향후 연구에 직접 활용할 수 있는 능력을 함양하게 될 것입니다.전선 / 대학원
인지과학 연습 1의 내용을 보다 확장하여 인지과학의 연구사, 연구주제등을 다각도로 검토하여 과정에 진입한 학생들에게 인지과학의 기초적 지식배경을 제공하는데 목적이 있다.전선 / 학사
AI를 이용하여 주차장 게이트에서 번호판을 인식후 주차장 게이트를 Open/deny 하는 과정을 구현한다. 자동차 번호판을 인식하기 위해 object-detection, Text Detection, OCR, Image Captioning, Generative Model 등 다양한 컴퓨터 비전 에 사용되는 딥러닝 모델들의 개요에 대해 배우고, GPU 서버를 이용하여 이 과정들을 구현한다.전선 / 대학원
이 강좌는 실험심리학에서 최근의 중요 연구들을 소개하고 인간 마음의 기본 원리를 탐색 및 논의하는 세미나이다. 우선 강의 초에 인간의 생리, 지각 및 인지 수준에서 일반이론을 소개하고 그 문제점들을 알아본다. 이 이론들에 기초하여, 이 강좌에서는 시각, 주의, 언어, 문제 해결, 인간 추리 등의 세부 주세를 다룬다. 또한 이 강좌에서는 이런 주제들에 관해 실험 실습을 통해 학생들의 구체적인 이해의 증진을 시도한다.전선 / 학사
본 강의에서는 통계적 추론에 기반한 기계학습의 기초에 대하여 학습하고 조선해양공학의 응용문제에 대한 프로젝트를 수행한다. 기계학습에 관련된 확률, 선형대수, 최적화의 기초에 대하여 학습한다. 확률에 기반한 최우추정법에 대하여 학습한다. 비지도 학습 분류 방법 및 선형 회귀법에 대하여 학습한다. Hidden Markov 모델과 Bayesian Inference의 개념, 이론 및 알고리즘에 대한 개요를 학습한다. Neural Network에 기반한 학습모델로 이미지 인식을 위한 Convolutional Neural Network, 음성과 같은 time series 데이터의 학습을 위한 Recurrent Neural Network의 개요에 대하여 학습한다. 그리고 보상에 따라 학습하는 Reinforcement Learning에 대하여 익힌다. 마지막으로 조선해양공학 응용의 기계학습 프로젝트를 수행하도록 한다.전선 / 대학원
기계학습은 다양한 분야에서 점차 큰 관심을 받고 있으나, 막상 실제 데이터에 적용하여 성공적인 결과를 도출하는 데에는 많은 어려움이 따른다. 본 과목은 기계학습 기법들을 실제 문제에 적용할 때에 중요한 데이터 전처리, 피쳐 추출, 차원 축소, 클래스 불균형, 모델 앙상블 등의 주제들을 다루고, 데이터로부터 모형과 종속성을 학습하는 원리와 기법들을 소개하는 바, 특히 확률, 통계 및 최적화 이론에 기반하여 신경망 (Neural Networks), 서포트 벡터 머신 (Support Vector Machines), 은닉 마르코프 모형 (Hidden Markov Models) 및 강화 학습 (Reinforcement Learning) 기법들을 공부한다. 또한, 이들 기법을 활용하여, 다양한 시계열 데이터들을 대상으로 예측 및 분류 모델을 구현하는 프로젝트들과 데이터 기반 학습의 사례 연구들이 포함된다.전선 / 대학원
인공 신경망을 기반으로 하는 심층 학습 (Deep Learning) 시스템들은 음성/이미지 인식, 번역, 자율 주행 등 다양한 인공지능 영역에서 광범위하게 확산되고 있으며, 관련 기술 또한 빠르게 발전하고 있는 바, 산업 전반에 걸친 시스템의 지능화를 위해, 심층 학습 모형에 대한 이해와 활용 능력이 점차 중요해지고 있다. 본 과목에서는 심층 학습의 주요 이론과 기법을 학습하는 것을 목적으로, 구체적으로 표현형 학습 (Representation Learning), 심층 피드포워드 신경망 (Deep Feedforward Networks), 합성곱 신경망 (Convolutional Neural Networks), 순환 신경망 (Recurrent Neural Networks), 심층 오토인코더 (Deep Autoencoders), 심층 생성 모형 (Deep Generative Models), 심층 강화학습 (Deep Reinforcement Learning) 기법들을 다루고, 이들을 이해하기 위한 기계학습 및 수리적 기초 이론들을 배운다. 또한, 본 과목은 심층 학습 모델을 활용하여 멀티미디어 데이터들을 대상으로 분류, 예측, 패턴 인식, 생성 모델을 구현하는 프로젝트들 및 심층 학습 응용 사례 연구들을 포함한다.전선 / 대학원
평균 제곱 추정(mean square estimation), 최대 가능성 추정(max likelihood estimation), 그리고, Wiener 필터링과 같은 고전적인 추정 이론에 대해 소개한다. 이산 시간 또는 연속 시간 Kalman 필터, shaping filter, 최적 평활, Kalman 필터 디자인과 성능 분석, 제곱근 필터링, 확장 Kalman 필터를 포함한 비선형 필터링에 대해서도 알아본다.전선 / 대학원
빅데이터 혹은 대용량 고차원 데이터의 출연으로 현대 통계학에서 계산의 중요성은 과거의 어떤 때보다 더 중요하게 되었다. 이 과목에서는 빅데이터를 다루는데 필요한 최신의 계산 기법들, 즉 GPU를 이용한 통계계산과 병렬처리를 활용한 통계계산의 이론과 실제를 다룬다.전선 / 대학원
본 과목은 자본시장에서의 투자의사결정에 필요한 이론과 실제를 소개한다. 제도적인 세부사항보다는 투자과정을 이해할 수 있는 개념적인 틀을 마련하는데 초점을 두고, 포트폴리오 이론, 자산가격결정이론, 투자성과 평가에 대한 이해 등을 다룬다. 따라서 본 과목은 포트폴리오 매니저, 투자자문, 증권분석 등과 관련된 분야에 종사하고자 하는 학생들에게 유용한 수업이 될 것이다. 분석의 대상은 주로 주식과 채권이 될 것이며, 학생들은 기초적인 통계학과 수학 지식을 갖추고 있어야 한다. 구체적으로 본 과목에서는 수업을 통해 다음과 같은 주제들을 다루게 된다.: 1) 확실성 하의 투자의사결정, 2) 불확실성하의 투자의사결정, 3) 평균-분산 모형 하에서 최적포트폴리오의 선택, 4) 자산가격결정모형(CAPM, APT 등), 5) 효율적 시장가설, 6) 포트폴리오 전략과 성과평가, 7) 채권과 이자율의 기간구조.전필 / 학사
본 과목은 산업공학에 필요한 통계학적 이론과 실무적 기법을 제공하는 것을 목적으로 함. 구체적인 내용은 추정과 검정, 회귀분석, 실험계획 및 분산 분석, 비모수통계 등을 기본적인 방법론으로 하여 산업공학에서 제기되는 다양한 공학적, 관리적 현실문제들을 통계 소프트웨어를 사용하여 분석하고 전략적 의미를 도출하는 능력의 배양에 초점을 맞춤.전선 / 학사
최적화 방법 및 이의 계산은 과학, 공학, 산업에서 매우 중요하게 사용되고 있다. 변수 최적화 또는 역문제들은 근본적인 불안정성으로 인하여 실제계산에서 목적과는 다른 해를 찾게 되는 경우가 비일비재하다. 이러한 문제를 극복하기 위하여 특별히 수학적인 엄밀한 이론을 습득해야할 필요가 있다. 이를 바탕으로 수렴성 및 안정성에 대한 엄밀한 수학적 분석을 기초로 한 수치계산법을 본 과목에서 강의하고자 한다.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.