최근 확인한 콘텐츠
데이터가 존재하지 않습니다.
전영태, 김경태, 박종후
2017 / Journal of Power Electronics
데이터가 존재하지 않습니다.
loading...
본 연구는 종단적 계수 데이터 분석을 위해 포아송 선형 혼합 모형에서 랜덤 효과 공분산 행렬의 오분류가 공변량 효과 추정에 편향을 초래할 수 있음을 지적하고, 자기회귀 및 이동 평균 콜레스키 분해(ARMACD)를 이용한 합리적이고 유연한 공분산 행렬 구조를 제안합니다. ARMACD는 공분산 행렬을 일반화된 자기회귀 매개변수(GARP), 일반화된 이동 평균 매개변수(GMAP), 혁신 분산(IV)으로 분해하며, 간질 발작 데이터를 이용하여 제안된 모형을 분석합니다.
Modeling longitudinal data
Linear models with correlated disturbances
Statistical analysis of climate series : analyzing, plotting, modeling, and predicting with R
Statistical methods for drug safety
Biostatistical genetics and genetic epidemiology
Linear mixed models : a practical guide using statistical software
Multivariate generalized linear mixed models using R
Linear and nonlinear models for the analysis of repeated measurements
Linear and nonlinear models for the analysis of repeated measurements
Modelling longitudinal and spatially correlated data
(SPSS 15를 이용한)임상자료의 분석
Statistical methods in agriculture and experimental biology
An introduction to generalized linear models
An introduction to generalized linear models
An introduction to generalized linear models
Nonlinear times series : theory, methods and applications with R examples
Age-period-cohort analysis : new models, methods, and empirical applications
Introduction to mixed modelling : beyond regression and analysis of variance
Linear mixed models : a practical guide using statistical software
Introduction to WinBUGS for ecologists : Bayesian approach to regression, ANOVA, mixed models and related analyses
응용통계연구
김지영; 이근백Korean Journal of Applied Statistics
Keunbaik Lee; Jiyeong KimComputational Statistics and Data Analysis
Lee, Keunbaik; Lee, Chang-Hoon; Kwak, Min-Sun; Jang, Eun JinJournal of the Korean Statistical Society
김지영, 손인숙, 이근백Statistical Methods & Applications: Journal of the Italian Statistical Society
Lee, Keunbaik; Jung, Hoimin; Yoo, Jae Keun한국데이터정보과학회지
강다솜, 김보옥, 이근백Journal of the Korean Statistical Society
Kim, Jiyeong; Sohn, Insuk; Lee, Keunbaik응용통계연구
남상아; 이근백Signal Processing
Ferrer A.H.,El Korso M.N.,Breloy A.,Ginolhac G.International Journal of Biomathematics
Liang Zhou; Yanqi Zhang; Yazhou Wu; Xiaoyu Liu; Ling Liu; Ling Zhang; Dong YiInternational Journal of Biomathematics
Wu, Y.; Zhang, L.; Zhou, L.; Liu, X.; Liu, L.; Zhang, Y.; Yi, D.응용통계연구
진익태, 이근백응용통계연구
진익태; 이근백Korean Journal of Applied Statistics
Keunbaik Lee; Sang Ah Nam한국데이터정보과학회지
윤단비, 이근백Korean Journal of Applied Statistics
Iktae Jin; Keunbaik LeeMultivariate Behavioral Research
Nestler S.한국데이터정보과학회지
이근백, 김설화Psychometrika
Sørensen Ø; Fjell AM; Walhovd KBBiometrics
Xu S.,Ferreira M.A.R.,Porter E.M.,Franck C.T.전선 / 대학원
한 개체로부터 다른 실험조건하에서나 여러 다른 관측시간에 반복적으로 얻어진 자료를 분석하기위한 통계기법을 다룬다. 연속형의 반복측정자료를 분석하기 위해 다변량정규분포의 가정을 필요로 하는 고전적인 다변량모형을 소개하고 최근에 널리 사용되고 있는 혼합모형을 다룬다. 이산형의 반복측정자료 분석을 위해서는 가중최소제곱법에 근거한 모형과 랜덤화 모형을 다루고 일반화선형모형을 확장한 일반화추정방정식(GEE)모형을 다룬다.전필 / 대학원
본 교과목은 데이터과학 분야에 관심있는 통계학 석사 과정 대학원생을 대상으로, 데이터 랭글링 및 시각화, 회귀분석, 선형 모형, 일반화 선형 모형, 혼합 모형, 분류를 포함하여 모든 데이터 과학자가 익숙해야 하는 통계 방법론 및 이를 통계 소프트웨어를 사용해 적용하는 실례를 다룬다. 기존의 통계학 과목과 비교하여 본 교과목은 이론에 대한 강조가 덜한 대신, 통계 방법론을 구현하고 주요 개념을 실제 자료에 적용하여 데이터를 분석하기 위해 어떻게 소프트웨어를 사용하는지에 대해 더 중점을 둔다. 주요 개념에 대해서는 그것이 “작동하는 이유”에 대한 직관적 설명을 위주로 한다. 본 과목의 모든 통계 분석은 R과 Python을 사용한다.전선 / 대학원
고급 확률 그래프 모형(PGM)은 많은 수의 변수가 상호작용하는 복잡한 도메인에 대한 확률 분포를 표현하는 효과적인 방법이다. 따라서 확률 그래프 모형은 의료진단, 이미지 및 음성인식, 스포츠통계, 생물정보학 등과 같은 다양한 분야에 적용되는 머신러닝 방법들의 핵심적인 역할을 한다. 이 강의는 방향성 그래프를 이용하는 베이지안 네트워크; 무방향성 그래프를 사용하는 마르코프 네트워크의 이론적 성질과 학습 방법 그리고 실제 적용 사례를 설명한다.전선 / 대학원
비선형혼합효과모델을 활용한 집단약동학-약력학적 분석은 계량임상약리학의 탑-다운적 이해를 위해 가장 흔하게 사용되는 방법이다. 이 과목의 목표는 계량임상약리학 분야에서 비선형혼합효과모델 분석에 가장 많이 사용되는 프로그램인 NONMEM 소프트웨어 및 연관 소프트웨어의 기본적인 활용법과 구체적인 사용례를 심도있게 검토하고 다양하게 살펴봄으로써 실제 의약품 개발에 활용할 수 있는 능력과 경험을 함양하는 것이다.전필 / 대학원
자료를 모형화하는 통계적 방법으로 선형모형의 중요성을 다루는 것이 이 과목의 목적이다. 이론적인 측면도 공부하지만 주로 모형선택, 추정, 모형검증과 같은 방법론을 강조한다. 다루는 모형은 단순회귀, 다중회귀, 일차분산분석, 이차 분산분석 등을 다룬다. 추론을 위해 최소제곱방법을 주로 사용하지만 이와 관련하여 우도에 기초한 방법도 다루게 된다. 선형모형을 통한 자료의 모형을 위해 R을 이용한다.전선 / 대학원
인과추론은 데이터로부터 인과적 결론을 도출하는데 필요한 논리적 조건과 분석과정을 탐색하는 새로운 양적방법론적 접근이다. 이 강의는 교육분야 연구자들에게 인과추론의 기본 개념과 최신 연구성과들을 소개하고, 교육연구에 인과추론을 적극적으로 활용할 수 있도록 유도하는 것을 목표로 한다.전선 / 대학원
계산이론은 컴퓨터공학의 기초학문이며, 중요한 문제에 대한 효율적인 알고리즘들을 소개하고, 그런 알고리즘의 복잡도 분석을 다룬다. 이 교과목에서는 먼저 알고리즘의 성능을 분석하는 기법, 특히 amortized analysis에 대해 배운다. 그리고, 계산이론 분야에서 중요한 알고리즘과 그 응용에 대해 배운다. 구체적으로, (스트링 매칭, 2차원 패턴 매칭, 근사 매칭, suffix trees, 데이터 압축 문제에 대한) 스트링 알고리즘과 bioinformatics에의 응용, (선택 문제, 다항식 확인 문제에 대한) randomized 알고리즘과 그 영향, (페이지 교체 문제, k 서버 문제에 대한) online 알고리즘과 금융문제(일방향 거래와 portfolio 선택 문제)에의 응용을 배운다.전선 / 학사
이 과목은 측도 이론과 확률의 기본 개념과 이론을 익히기 위한 과목으로, 다음과 같은 주제를 공부한다. 측도 공간, 측도 가능함수, 적분, 곱공간, Lp공간, 분포, 평균, 조건부 평균, 모멘트 발생 함수, 특성함수, 랜덤 변수 수열, 중심극한 정리, 브라운 운동, 확률과정, filtration, stopping times, 브라운 운동의 존재성, 기본성질, 연속성과 불정칙성, 변동성 및 마코프 성질과 반사 원칙을 다룬다.전필 / 학사
본 수업에서는 경제학 기본이론, 통계학, 경제수학 등을 이수한 학생들을 대상으로 농업경제 현상에 관련된 경제변수들의 관계를 측정하기 위한 기본이론을 다룬다. 모델설정, 추정, 예측 및 정책분석을 궁극적 목표로 하며 이를 위해서 필요한 회귀분석, 중회귀분석, 시계열 분석 등을 학습한다. 또한 이론만이 아니라 이를 실증적으로 적용할 수 있도록 컴퓨터 실습시간을 가진다.전선 / 학사
본 교과목에서는 현재 여러 분야에서 적용되고 있는 지능시스템 및 관련연구의 핵심이 되는 확률적 모델링 및 추론, 통계학적 기계학습, 컴퓨터비젼, 로보틱스의 기초를 소개한다. Bayesian networks, hidden Markov models (HMM), Kalman filters, Markov decision processes 등의 확률적 모델링 및 추론방식이 소개되고 선형 regression 및classification 그리고 nonparametric 학습 방법의 기초를 습득한다. 그리고 확률적 모델, 추론방식, 학습방식들이 어떻게 컴퓨터비전 그리고 로보틱스 등의 응용분야에 적용되는지 알아본다.전선 / 학사
시계열자료의 분석법 및 여러가지 종류의 시계열자료 분석용 패키지의 사용법에 대해 공부한다. 주로 다루어지는 내용은 ARIMA모형, 계절 ARIMA 모형, 이분산성 (GARCH) 모형, 이산형 시계열 모형 등이며, 이들 모형에서 모수 추론 방법론 및 변화점 탐지 이론 등을 다룬다.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
멘델 무작위배정분석 (MR)은 유전체 변이를 도구변수로 활용하여 해당 유전변이가 작용하는 위험요인과 건강-질병현상과의 관련성의 인과성을 평가하고자 하는 분석방법이다. 멘델 무작위배정분석은 유전자의 생물학적 선행성과 자연법칙에 의한 무작위배정의 장점을 활용하여, 무작위배정 임상효과와 같은 인과적 추론이 가능한 장점을 가지고 있다. 최근 멘델무작위 배정분석은 다중오믹스를 활용하여 보다 풍부한 기능적 도구변수를 활용한 분석으로 발전하고 있으며 (다중오믹스 MR), 약물표적의 기능 확인 연구 (약물표적 MR), 등으로 확장되고 있다. 본 과목은 MR 분석에 필요한 다양한 역학적 가정과 해석에서 문제가 될 수 있는 유전적다면발현의 평가방안과 분석에서의 실제 방안등을 포괄한다. - MR의 기본 원리와 주의점: 도구변수의 자격; DAG 상의 분석원리 이해; MR의 기본가정 - MR의 기본분석: 1 sample MR; 2-sample MR; 자료원과 도구변수 확보 및 개발 - MR 결과의 평가와 민감도 분석 방법 - MR의 응용: 다중오믹스 MR 및 약물 표적 MR 역학원론, 유전체역학 1&2, 생물정보학 1-3, 고급통계학 등 과목 선수강 필수전필 / 대학원
본 과목은 행정 및 정책 연구에 있어서 기초가 되는 방법론적 연구역량의 배양과 양질의 연구를 수행할 수 있는 연구설계의 논리와 유형을 이해하는데 목적이 있다. 여기에는 3가지 하위목표를 상정할 수 있는데, 첫째, 과학적 실증연구의 논리를 살펴보고, 대표적인 연구방법론으로서의 양적 접근법과 질적 접근법 간의 논쟁을 살펴봄으로써, 방법론적 다원주의와 분석적 엄격성을 이해하고자 한다. 특히 각각의 접근법이 보유하는 논리와 절차의 상이성에도 불구하고, 그 평가기준의 공통점이 존재하고 또한 바람직함이 존재하는데, 이를 살펴보고자 한다. 둘째, 정책은 일정 목적을 달성하기 위한 수단으로 구성되는 것이 일반적이며 따라서 적절한 인과추론의 논리가 필수적이다. 이때 인과추론의 적절성은 연구설계의 논리 구조와 이를 위한 가정에 있음을 이해할 필요가 있다. 셋째, 실제 인과추론을 위한 다양한 방법론에 대한 이해와 응용역량의 배양을 도모한다. 이러한 논의는 향후 수강할 양적연구방법과 질적연구방법의 이론적·실무적 토대가 될 것이다.전선 / 대학원
본 과목에서는 고차원 데이터의 저차원 표현을 학습하기 위한 기하학적 방법을 소개한다. 미분 기하학의 기초(구체적 주제는 리만 다양체 및 Lie 그룹, 텐서, 커넥션 및 fiber 번들 포함)를 다룬 후, 고차원 데이터에 대한 기존 기계 학습 알고리즘(예: 매니폴드 러닝, 메트릭 러닝)의 기하학적 일반화 방법을 개발하여, 대칭적 구조가 존재하는 고차원 비유클리디언 데이터 문제에 적용한다. 위와 같은 방법을 구현하기 위한 효율적인 계산 알고리즘도 소개한다. 후반부에는 Ito 확률 미분 방정식의 관점에서 강화 학습과 확률 최적 제어 간의 관계를 고찰하여, 고차원 비유클리디언 데이터 강화 학습 문제에 적용 가능한 기하학적 방법도 개발한다.전선 / 대학원
본 과목에서는 고차원 데이터의 저차원 표현을 학습하기 위한 기하학적 방법을 소개한다. 미분 기하학의 기초(구체적 주제는 리만 다양체 및 Lie 그룹, 텐서, 커넥션 및 fiber 번들 포함)를 다룬 후, 고차원 데이터에 대한 기존 기계 학습 알고리즘(예: 매니폴드 러닝, 메트릭 러닝)의 기하학적 일반화 방법을 개발하여, 대칭적 구조가 존재하는 고차원 비유클리디언 데이터 문제에 적용한다. 위와 같은 방법을 구현하기 위한 효율적인 계산 알고리즘도 소개한다. 후반부에는 Ito 확률 미분 방정식의 관점에서 강화 학습과 확률 최적 제어 간의 관계를 고찰하여, 고차원 비유클리디언 데이터 강화 학습 문제에 적용 가능한 기하학적 방법도 개발한다.전선 / 대학원
최근 생물정보 데이터 생산 비용이 급격히 감소함에 따라 다양한 오믹스 자료를 활용하여 질병의 원인이 되는 오믹스 마커 규명 연구가 활성화되고 있다. 오믹스 자료는 유형에 따라 통계학적 성질에 큰 차이가 있으며, 따라서 보건자료와 다중오믹스를 통합하여 분석을 수행하는 경우 이러한 차이를 적절히 고려하여 유형 별 적절한 분석을 수행할 필요가 있다. 본 과목에서는 전장유전체분석, 멘델랜덤화 기법을 비롯하여 다양한 유전체와 보건 자료를 분석에 활용되는 분석기법을 주로 소개할 것이다. 또한 전사체, 후성유전체, 마이크로비옴과 같은 오믹스데이터와 보건 자료 통합분석 기법을 소개할 것이다. 각 오믹스 자료의 생물학적 이해보다는 자료의 특성과 분석 알고리즘을 통계학적 기법에 기초하여 설명할 것이며, 따라서 수업의 내용을 적절히 이해하기 위해서는 회귀분석/보건학통계방법론, 수리통계학/보건통계학연습 등의 과목을 선수강해야 한다.전선 / 대학원
본 과목에서는 고차원 데이터의 저차원 표현을 학습하기 위한 기하학적 방법을 소개한다. 미분 기하학의 기초(구체적 주제는 리만 다양체 및 Lie 그룹, 텐서, 커넥션 및 fiber 번들 포함)를 다룬 후, 고차원 데이터에 대한 기존 기계 학습 알고리즘(예: 매니폴드 러닝, 메트릭 러닝)의 기하학적 일반화 방법을 개발하여, 대칭적 구조가 존재하는 고차원 비유클리디언 데이터 문제에 적용한다. 위와 같은 방법을 구현하기 위한 효율적인 계산 알고리즘도 소개한다. 후반부에는 Ito 확률 미분 방정식의 관점에서 강화 학습과 확률 최적 제어 간의 관계를 고찰하여, 고차원 비유클리디언 데이터 강화 학습 문제에 적용 가능한 기하학적 방법도 개발한다.전선 / 대학원
최근 생물정보 데이터 생산 비용이 급격히 감소함에 따라 다양한 오믹스 자료를 활용하여 질병의 원인이 되는 오믹스 마커 규명 연구가 활성화되고 있다. 오믹스 자료는 유형에 따라 통계학적 성질에 큰 차이가 있으며, 따라서 보건자료와 다중오믹스를 통합하여 분석을 수행하는 경우 이러한 차이를 적절히 고려하여 유형 별 적절한 분석을 수행할 필요가 있다. 본 과목에서는 전장유전체분석, 멘델랜덤화 기법을 비롯하여 다양한 유전체와 보건 자료를 분석에 활용되는 분석기법을 주로 소개할 것이다. 또한 전사체, 후성유전체, 마이크로비옴과 같은 오믹스데이터와 보건 자료 통합분석 기법을 소개할 것이다. 각 오믹스 자료의 생물학적 이해보다는 자료의 특성과 분석 알고리즘을 통계학적 기법에 기초하여 설명할 것이며, 따라서 수업의 내용을 적절히 이해하기 위해서는 회귀분석/보건학통계방법론, 수리통계학/보건통계학연습 등의 과목을 선수강해야 한다.전선 / 대학원
약동학/약력학 모델링 기법을 이용, 임상연구에서 얻은 약동학/약력학 자료를 계량화하여 객관적으로 분석하고 활용하는 방법을 연구하고, 나아가 임상시험 설계 최적화를 위한 simulation에 응용한다. Mechanistic / empirical PK & PD models, non-parametric PK/PD, PK-PD 자료분석 및 모델링, 생리학적 모델, non-SS PD 등에 대해 다룬다.