최근 확인한 콘텐츠
데이터가 존재하지 않습니다.
데이터가 존재하지 않습니다.
loading...
본 연구는 주가에 영향을 미치는 내부 및 외부 요소를 모두 활용하여 예측력을 높이는 딥러닝 모델을 찾는 것을 목표로 한다. LSTM 알고리즘을 사용하여 실험한 결과, 모든 종목에 적용 가능한 범용 모델은 찾을 수 없었지만, 업종이나 가격대에 따라 예측력을 높이는 조합이 존재하며 최근 데이터가 과거 데이터보다 예측력이 높다는 것을 확인했다.
(머신러닝을 이용한) 알고리즘 트레이딩 시스템 개발
사례로 본 투자분석
차트의 유혹 : 주식 투자에 대한 지각심리학적 이해
Where is the market going? : uncertain facts and novel theories
마켓 인사이트 2023 : 새로운 투자 시그널을 포착하는 시장대전망
(월가에서 배우는)랜덤워크 투자전략
Perception-based data mining and decision making in economics and finance
The value of social media for predicting stock returns : preconditions, instruments and performance analysis
비이성적 과열
Python machine learning by example : 예제로 배우는 머신 러닝 알고리즘
예측투자 : 주가에 담긴 기대치를 활용한 과학적 투자 솔루션
(실전수익률 투자대회 7회 연속 수상자의) 실전투자의 비밀
지하철과 코코넛 =
(실전수익률 투자대회 8회 연속 수상자의) 실전투자의 비밀 =
베어마켓 : 네 번의 금융위기에서 발견한 부의 기회
수학자, 증권시장에 가다
Machine learning in asset pricing
(감정을 이기는 퀀트투자,) 스마트베타 = 퀀트 펀드매니저가 쓴 계량투자 입문서
The Science of algorithmic trading and portfolio management
Journal of King Saud University - Computer and Information Sciences
Kalra, R.; Kumar, M.; Singh, T.; Kim, T.; Mishra, S.; Satakshi; Kumar, N.융합정보논문지
홍성혁Soft Computing
S. Kumar Chandar한국통신학회논문지
김대겸, 윤민혁, 조영진, 최용훈Electronic Commerce Research
Shubham Agrawal; Nitin Kumar; Geetanjali Rathee; Chaker Abdelaziz Kerrache; Carlos T. Calafate; Muhammad BilalComputational intelligence and neuroscience
Lv J; Wang C; Gao W; Zhao QIOP Conference Series: Materials Science and Engineering
Aryendra Singh; Priyanshi Gupta; Narina ThakurComputational Economics
Khalil F.,Pipa G.Multimedia Tools and Applications
Sharaf M.,Hemdan E.E.D.,El-Sayed A.,El-Bahnasawy N.A.Neural Computing and Applications
Shaban, Warda M.; Ashraf, Eman; Slama, Ahmed ElsaidJournal of Ambient Intelligence and Humanized Computing
Salemi Mottaghi M.,Haghir Chehreghani M.IWCMC 2021: 2021 17TH INTERNATIONAL WIRELESS COMMUNICATIONS & MOBILE COMPUTING CONFERENCE (IWCMC)
Chang, Guangjian; Qiao, Jiehua; Liu, Yazhuo; Wang, Yubo; Zhang, ZhiyueExpert Systems with Applications
Ricchiuti F.,Sperlí G.디지털융복합연구
정종진, 김지연Empirical Economics
Siyi Li; Sijie XuSN Computer Science
Giang Thi Thu H.,Nguyen Thanh T.,Le Quy T.Journal of Big Data
Hansun S.,Young J.C.ENTROPY
Nabipour, M.; Nayyeri, P.; Jabani, H.; Mosavi, A.; Salwana, E.; Shahab, S.APPLIED SOFT COMPUTING
Zhao, Yanli; Yang, GuangInternational Journal of Forecasting
Li Y.,Bu H.,Li J.,Wu J.전선 / 대학원
이윤을 추구하는 기업과 관련하여 미시경제학과 마케팅 이론들이 시장을 이해하기위해 적용된다. 최근 시장 메커니즘의 분석과 관련한 보다 발전된 주제에 집중된다.전선 / 학사
이 수업은 한국어로 진행되며 강의 내용은 아래 영문교과목 개요를 참고하시길 바랍니다.전선 / 대학원
스마트시티는 다양한 기관 및 시설로부터 수집된 데이터를 활용하여 실시간 변화를 예측하고 효율적으로 도시 서비스를 제공하는 미래형 도시모델이다. 또한 빅데이터 분석은 방대한 데이터 속에서 신속하게 패턴을 인식하고 새로운 가치를 찾아내는 과정으로써 스마트시티 계획 및 운영에 반드시 필요한 기술이다. 본 강의는 도시 빅데이터 분석에 필요한 지식 및 기술을 학습하는 입문과정이다. 스마트시티공학을 전공하는 학생들에게 빅데이터의 개념 및 구조를 이해하고 도시데이터 분석에 필요한 통계기법, 프로그램, 모델링 등을 학습할 수 있는 기회를 제공함으로써 미래도시 고도화 기반을 마련하고 지능형 도시에 최적화된 전문가를 육성하고자 한다.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 / 대학원
"오늘날과 같이 기술간제품간 융합이 활발히 이루어지고, 소비자들의 신제품에 대한 수요가 다양해지는 환경에서, 신기술 혹은 신제품의 성패는 기술적인 요인에 의해서 결정되어 진다기보다는 시장에서의 성공에 좌우된다고 할 수 있다. 따라서, 신기술 및 신제품에 대한 수요분석 및 예측은 기업전략은 물론 국가의 연구개발정책에 있어서도 그 중요성이 더욱더 커진다고 할 수 있다. 본 교과는 이와 같은 신 기술경제 패러다임(New Techno-Economics Paradigm) 하에서 빠른 기술혁신과 불확실한 시장으로 정의될 수 있는 신기술 및 신제품의 수요를 분석하는데 필요한 기초적인 지식을 교육한다. 교과내용은 크게 2가지로 나누어지는데, 첫번째는 신기술의 개별속성에 대한 소비자의 선호구조를 분석하는데 필요한 다양한 이산선택모형(discrete choice model)과 이를 추정하는데 필요한 여러 가지 시뮬레이션 기법 및 베이지안적 접근에 의한 추정법이 포함되고, 두번째는 위험함수(hazard function)의 정의에 기반한 광범위한 형태의 확산모형(diffusion model)을 이용한 수요예측모형이 포함된다."전선 / 대학원
본 교과목은 고급데이터마이닝 방법론(326.637) 과목에 이어 심층학습모형에 중점을 둔다. 교육 목표는 심층학습(deep learning)의 방법들을 공부하고 관련된 통계적 문제를 찾아내는 것이다. 다루는 내용은 다음과 같다. 심층학습 이전의 특징 추출 및 판별 분석 기법, 기계학습에서 사용되는 이론적인 도구들, 인공신경망의 기초, 다층 퍼셉트론, 역전파, 합성곱 신경망, 최적화와 정칙화, 가시화, 파이톤과 심층학습 프레임워크, 순환 신경망, 변분적 추론, 적대적 생성 네트워크, 영상 분할 및 검출, 자연어 처리 등이다.전선 / 대학원
본 교과목은 고급데이터마이닝 방법론(326.637) 과목에 이어 심층학습모형에 중점을 둔다. 교육 목표는 심층학습(deep learning)의 방법들을 공부하고 관련된 통계적 문제를 찾아내는 것이다. 다루는 내용은 다음과 같다. 심층학습 이전의 특징 추출 및 판별 분석 기법, 기계학습에서 사용되는 이론적인 도구들, 인공신경망의 기초, 다층 퍼셉트론, 역전파, 합성곱 신경망, 최적화와 정칙화, 가시화, 파이톤과 심층학습 프레임워크, 순환 신경망, 변분적 추론, 적대적 생성 네트워크, 영상 분할 및 검출, 자연어 처리 등이다.전선 / 대학원
이 수업은 인공지능과 기계학습의 이론적 기초를 다루며, 특히 의료 데이터의 다양한 특징에 맞는 학습 및 추론 알고리즘을 디자인하기 위해 필요한 공학적 및 신호처리 원리를 이해하는 데 초점을 맞춘다. 수업에서는 전통적인 기계학습 기법부터 최신 인공지능 기법까지의 원리를 배우고, 이를 통해 수강자가 주어진 데이터를 바탕으로 알고리즘을 설계하고 공학적으로 해석할 수 있는 능력을 키우는 것을 목표로 한다. 의료 데이터는 단백질과 분자 (그래프), 유전체/전사체 (텍스트), 혈당/뇌파 (시계열 신호), 의료 영상 (다차원 영상), 환자 메타 정보 (테이블), 대사 상호 작용 정보 (다차원 행렬) 등 매우 다양한 형태를 가지고 있다. 이러한 다양한 데이터를 컴퓨터가 이해할 수 있는 형식으로 변환하는 과정에서 비선형 함수의 학습이 중요한 역할을 하며, 이는 의료 인공지능의 핵심 신호처리 원리 중 하나이다. 본 수업은 일반적인 기계학습 및 인공지능의 공학적 기초 외에도, 이처럼 의료 데이터의 특성을 반영한 대표적이고 특징적인 기계학습 및 인공지능 기술을 추가적으로 학습한다. 이를 통해 수강자는 일반 데이터 전문 분석가를 넘어선 의료 데이터 전문 분석가로 성장할 수 있는 역량을 갖추는 것을 목표로 한다.전선 / 대학원
데이터마이닝 (Data Mining)은 대용량 데이터베이스에 존재하는 데이터 간의 관계, 패턴, 규칙 등을 찾아내고 모형화해서 의사결정을 돕고, 유용한 정보로 변환하는 일련의 과정이다. 본 강좌에서는 기술모델링과 예측모델링에 사용되는 통계학, 기계학습, 신경회로망 기법들을 공부하고, 응용 사례 연구와 패키지를 이용한 프로젝트를 수행한다.전선 / 학사
본 교과목은 국제에너지시장의 예측 및 분석을 위한 분석기법을 학습하고 에너지시장의 대표적인 특성인 높은 가격변동과 시장의 지역화 문제를 심층적으로 살펴본다. 시계열 계량경제기법을 위주로 한 분석기법을 학습하며, 실제자료를 활용한 팀별 분석실습과 토론학습을 진행한다.전선 / 대학원
세계화의 진행으로 국제금융시장에 대한 이해와 필요성이 증대되고 있다. 본 교과목은 다국적 기업의 재무최고관리자(CFO)로서 익혀야 할 기본적인 재무이론과 개념을 이해할 수 있도록 구성되어 있다. 다루는 주제는 화폐의 시간가치, 현금할인기법, 위험과 기대수익률의 관계, 자본비용, 자본예산분석, 자본구조 등을 포함한다.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
통계적 기계학습 방법은 데이터과학 및 인공지능 분야에서 핵심 방법론으로 사용되고 있다. 본 강의에서는 통계적 기계학습 방법론을 소개하고 기본 이론을 배운다. 주로 지도학습방법론을 위주로 다루며, 의사결정론, 고차원 선형모형, 비모수 함수추정, 의사결정나무와 앙상블, Support vector machine 그리고 딥러닝에 대한 이론 및 알고리즘을 가르친다. 그리고 지도학습 알고리즘을 관통하는 통계학적 원리인 M-추정량에 대해서 논의한다.전선 / 대학원
사회체계와 규범의 변화, 수요패턴의 다양화, 시장구조의 변화등의 시장요인과 기술개발투자의 규모와 위험도의 증가 등 제품요인을 동시에 고려하여 첨단기술제품의 개발아이디어 발굴, 개발과 마케팅의 연계, 시장개척과 확대, Global 마케팅전략 등에 관한 이론과 실제의 이해를 모색한다.전선 / 대학원
사회체계와 규범의 변화, 수요패턴의 다양화, 시장구조의 변화등의 시장요인과 기술개발투자의 규모와 위험도의 증가 등 제품요인을 동시에 고려하여 첨단기술제품의 개발아이디어 발굴, 개발과 마케팅의 연계, 시장개척과 확대, Global 마케팅전략 등에 관한 이론과 실제의 이해를 모색한다.전선 / 대학원
본 코스에서는 선형, 비선형, 정수, 동적, 확률적인 최적화 기법에 대해 강의한다. 각 기법에서 어떻게 바람직한 측면을 최대화 하고 부적적인 측면을 최소화 할 수 있는가를 보여 줄 수 있는 예제들을 제시하게 될 것이다. 특히 산업 뿐 아니라 컴퓨터 프로그램에서 선형, 비선형 문제를 풀기위한 응용문제를 강조하게 될 것이다.전선 / 대학원
본 강의는 농식품 공급망에서의 레질리언스 역량 강화에 대한 이론 및 모형을 다루고 농식품 공급망 레질리언스와 관련된 주요 이슈 및 연구 동향을 살펴보며 이를 통해 공급망 레질리언스 구축 방안에 대해 심층적으로 논의하는데 그 목표를 두고 있다. 구체적으로 농식품 공급망에서의 다양한 리스크 요인들을 살펴보고 이에 대해 공급망 입지 및 공급망 설계, 구매 및 공급자 관리, 생산 및 운영 등의 전략적 접근 방안을 다루게 된다.전선 / 대학원
이 과목에서는 여러 거시경제현상을 분석하고 이해하는 데 유용한 이론모형들을 심도 있게 공부한다. 강의 내용에는 거시경제변수들(소비, 투자, 이자율, 고용, 임금, 실업, 국민소득, 물가 등)의 결정과정, 주요 거시경제변수들 간의 상호관계, 경제의 동태적 움직임을 나타내는 경기변화 및 경제성장 등이 포함된다전선 / 학사
학부과정을 총정리하는 의미에서 지금까지 학습한 철학, 정책, 실천 등을 우리나라의 실제 분야에 적용해 보기 위한 기반을 구축하려는 목적을 지니는 과목이다. 소득구조, 근로조건, 주택, 의료 등의 문제들을 검토하고, 학생들의 공통적인 관심사도 연구과제로 삼게 된다.