최근 확인한 콘텐츠
데이터가 존재하지 않습니다.
데이터가 존재하지 않습니다.
loading...
본 연구는 룰렛 데이터와 KOSPI200 지수선물 데이터를 카오스 분석 기법을 이용하여 예측 결과를 비교 분석하고, 시계열 데이터 분석에 카오스 분석의 유용성을 확인하였다. 특히, 추세가 확인되는 경우 예측력이 향상될 수 있으며, 불확실성이 높은 비선형 시계열 데이터가 특정한 패턴을 가질 수 있음을 제시한다.
파이썬 머신러닝 판다스 데이터 분석 =
Nonlinear dynamics, chaos, and instability : statistical theory and economic evidence
(R과 SAS를 이용한) 시계열 분석
데이터 사이언스 입문 : 예시, 전망, 실무, 프로그램, 머신러닝 =
시계열 애널리스트를 위한 Eviews 솔루션
(만화로 쉽게 배우는) 시계열 분석 =
시계열 분석 및 응용
차근차근 알아보는 시계열의 특성 및 분석
Time series analysis and adjustment : measuring, modelling and forecasting for business and economics
Modelling and forecasting financial data : techniques of nonlinear dynamics
시계열 예측과 분석 : 통계적 모형·혼합형 모형·딥러닝 모형
Computational intelligence in time series forecasting : theory and engineering applications
Introduction to time series using Stata
Complexity in economics : cutting edge research
(머신러닝을 이용한) 알고리즘 트레이딩 시스템 개발
Functional Gaussian approximation for dependent structures
(더 좋은) 주식의 발견 : 반드시 챙겨야 할 투자 체크리스트
Profit patterns : 30 ways to anticipate and profit from strategic forces reshaping your business
R 응용 시계열분석
Nonlinear time series analysis
김수은; 유재필; 김연수 · 2024
정보화연구
천성길; 이주홍; 최범기; 송재원 · 2020
스마트미디어저널
조영희, 이계성 · 2011
한국컴퓨터정보학회논문지
김형준, 조환규 · 2010
정보과학회논문지 : 시스템 및 이론
전선 / 대학원
본 과목에서는 높은 불확실성과 다양한 리스크 요인으로 인하여 불안정, 불규칙 시계열 특성을 가지는 에너지 및 자원분야 경영데이터의 고급계량분석기법을 학습한다. 수업에서는 실물옵션분석, 확률과정분석 등의 계량분석방법의 학습과 함께 에너지·광물 등 자원분야의 생산, 재고, 수요, 가격, 주가, 금융 등 경영데이터를 대상으로 사례분석을 수행하여 본다.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 / 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
이윤을 추구하는 기업과 관련하여 미시경제학과 마케팅 이론들이 시장을 이해하기위해 적용된다. 최근 시장 메커니즘의 분석과 관련한 보다 발전된 주제에 집중된다.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
급변하는 농식품산업 분야 경제 이슈를 실증적으로 다루기 위해 동태분석방법을 학습한다. 농식품산업은 해외시장 개방, 기후변화, 소비 트렌드 변화, 전·후방 산업과의 융·복합 등으로 시장 상황이 시시각각 변화하고 있다. 이에 기존 정태분석을 넘어 동태분석에 대한 이해와 응용이 필수적으로 요구된다. 본 과목은 다음과 같이 구성된다. 첫째, 농식품산업의 동태적 특성을 파악하기 위해 전통적 시계열 모형과 동태계획법을 적용한다. 둘째, 칼만 필터링(Kalman filterting), 베이지언 (Bayesian) 추론, 마르코프 체인 몬테카를로(Markov Chain Monte Carlo, MCMC) 시뮬레이션 등 예측 관련 최신 방법론을 학습한다. 셋째, 농식품산업 분야 정형 및 비정형 빅데이터를 활용한 데이터 마이닝, 신경망(neural network) 등 머신러닝(machine learning) 기법을 도입하여 동태분석의 틀을 확장한다.전선 / 대학원
도시·지역경제학의 이론과 방법을 심화시켜 탐구하는 과목이다. 단핵도심모형, 다핵도심모형을 비롯한 도시공간구조, 도시노동시장, 토지·주택시장, 지방정부론(지방정부의 의사결정, 재정, 지방세제), 토지이용규제와 성장관리, 도시의 삶의 질과 환경, 지역경제의 구성, 지역과학방법론(산업연관분석, 사회계정행렬, 연산가능일반균형모형), 지역경제의 생산성과 성장에 관한 논의를 다룬다. 도시·지역경제학 연구에 필요한 통계모형과 응용도 함께 다룬다.전선 / 학사
사물인터넷(IoT)을 비롯한 스마트 환경과 소셜네트워크 서비스의 보편화로 인해 다양하고 방대한 데이터가 발생하고 있다. 이와 함께 막대한 양의 데이터를 신속하게 처리할 수 있는 컴퓨팅 환경의 발달과 창의적인 시각으로 데이터를 분석하고 연결하는 인공지능의 개발로 빅데이터는 여러 분야의 혁신적인 패러다임으로 등장하고 있다. 빅데이터는 데이터 그 자체의 효용성보다는 다양한 방법의 가공을 통한 데이터 간의 연결 및 창의적인 분석을 통해 혁신적인 가치를 창출하고 있으며, 빅데이터의 분석과 활용은 산업과 국가 경쟁력의 척도가 되고 있다. 빅데이터의 분석을 통해 새로운 가치를 창출하기 위해서는 다학제적 융합연구가 필요하다. 이 강의에서는 빅데이터 기업, 연구소 및 학계 전문가들을 초빙하여 최신 빅데이터 기술 경향에 대하여 알아본다. 또한 실제 업무에서 사용되는 툴을 활용하여 다양한 분석 기법을 공부하게 된다. 빅데이터 분야에 관심있는 학생들에게 진로 및 전공 선택에 대한 전망을 제시하게 될 것이다.전선 / 학사
과학연구와 산업응용에서의 과정개선, 비용절감 및 복잡한 시스템에 대한 이해를 위한 효과적인 데이터 수집과 분석의 방법을 배운다. 하나의 요인에 대한 완전확률화법, 라틴방격법, 요인배치법, 블록계획, 일부실시법, 반응표면분석 등의 이론을 소개하고 각 계획법에 따라 수집된 자료의 분석 방법을 배운다. 선수과목으로서는 <회귀분석 및 실습>이 요구된다.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 / 학사
확률변수 및 확률과정의 기초에서는 불규칙 변수를 포함하는 선형 시스템의 해석에 필요한 기본적인 불규칙 신호의 특성과 랜덤 프로세스의 특성을 배운다. 확률이론에 기초한 랜덤상수를 정의하고, 랜덤상수를 다룰 수 있는 1, 2차 모멘트(moment)에 대하여 배운다. 랜덤 프로세스를 정의하고 흔히 쓰이는 랜덤 프로세스인 Gaussian random Process와 Poisson random process의 특성을 알아본다. 선형 stationary process에 널리 쓰이는 power spectrum에 대하여 배우고 이를 이용한 선형 불규칙 시스템의 해석 방법을 소개한다. 간단한 선형 불규칙 시스템을 예를 들어 확률 변수 및 확률 과정의 기초가 선형 시스템 해석에 어떻게 이용되는지 알아본다.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.전필 / 대학원
본 과목은 왜 특정 기업들이 다른 기업들보다 우월한 성과를 내는지를 생각해보고, 한 기업이 경쟁력을 갖추거나 잃게 되는 과정을 살펴본다. 학생들은 기업이 전략적 결정을 바르게 하고 있는지, 기업이 직면하고 있는 전략적 이슈들과 그 반대급부를 제대로 이해하고 있는지, 필요한 발전방향을 제대로 인식하고 있는지에 관한 개념적이고 분석적인 방법들을 배우게 된다. 따라서 본 과목은 일반관리자를 지원하는 학생들뿐만 아니라 경영 컨설팅, 투자은행, 벤처 캐피탈 등 전략적 의사결정이 필요한 직업에도 필수적이다. 본 과목은 수업시간 내내 다차원적인 문제의 형성과 해결을 강조하는 경영 관점을 유지하면서, 다양한 사례와 프로젝트를 통해 학생들이 다양한 경영 상황에서 전략적 의사결정을 해 볼 수 있는 기회를 제공한다.전선 / 대학원
이 수업에서는 비즈니스 전반에 관련된 여러 형태의 의사결정 문제를 체계적으로 모형화하여 분석하고 최적의 해를 도출해 본다. 구체적으로는 (i) 한정된 자원을 어떻게 배분할 것인가, (ii) 경영 환경에서의 불확실성은 어떻게 대응할 것인가, (iii) 주어진 데이터를 어떻게 유용한 정보로 변화시킬 것인가, 그리고 (iv) 얻은 정보를 의사결정에 어떻게 유용하게 활용할 것인가 등을 배우게 될 것이다. 위의 영역은 경영학 전반의 다양한 분야(생산관리, 재무, 전략, 마케팅 등)에서의 문제를 다루고, 엑셀을 이용한 계량 의사모형 수립 후 다양한 도구를 활용하여 최적의 해를 도출하며, 여러 가지 의사결정에 따른 다양한 경제성 분석을 실시하게 될 것이다. 본 과목은 경영 매니저들에게 아주 유용하게 쓰일 수 있는 실용적인 과목이 되는 것을 목표로 한다.전선 / 대학원
시계열분석은 경제학 및 인접 학문분야의 실증분석에 매우 유용한 방법론이다. 본 강좌에서는 대학원 과정 학생들이나 학부의 필요고급과목(계량경제학과 수리통계학 또는 경제통계학연구)을 이수한 학생들을 대상으로 최근 30여년동안 개발된 시계열분석기법을 학습한다. 전체 강좌의 내용은 크게 2부분으로 구성되어 있다. 전체 강좌의 3/4정도는 기본 내용인 시계열분석기초(시계열변수의 주요성격, AR, MA, ARMA 등)와 VAR, GMM, Unit Root and Cointeration, VECM, ARCH, Switching Regime, Structural Change, Long Memory, Spectral Analysis, Bayesian Methods 등으로 이루어져 있으며, 학기의 나머지 1/4은 Dynamic Stochastic General Equilibrium Model을 중심으로 경제학의 구조모형(structural model)을 실증분석하는데 적용되는 분석기법을 배운다. 본 강좌를 이수하는 동안 학생들은 한 가지 정도의 프로그래밍 소프트웨어를 배우고 익숙하게 사용할 수 있어야 한다.전선 / 대학원
본 강좌는 의사결정 모델을 통하여 복잡한 경영문제들을 해결할 수 있는 기법들을 제공하고 정형화된 모델과 계량적 분석을 틀로 불확실하고 경쟁적인 경영환경들을 분석할 수 있는 모델을 제시한다. 이 과목은 확률론이나 의사결정 모형들을 기본으로 수송문제, 설비배치와 같은 문제들을 분석한다.전선 / 대학원
본 과목은 산업공학과 및 공과대학 대학원생을 대상으로 불확실상황에서의 보다 나은 결정을 지원하기 위한 최신 확률모형 이론과 기법을 소개하고 이를 중심으로 다양한 응용분야의 연구주제에 적용하고 그 결과를 해석할 수 있는 능력을 배양하는 것을 목표로 한다.교양 / 학사
「베리타스 강좌 2: 베리타스 강좌 2: 수학과 데이터 사이언스로 보는 사회와 경영」는 자연과학적 모델과 사회과학적 이해를 융합하여 복잡한 사회 현상을 탐구하는 교과목이다. 물리학, 생물학에서 발전한 다양한 모델(네트워크 모델, 정보이론, 카오스이론, 스케일링 이론, 전염병모델 등)을 소개하고, 이들이 사회·경영·정치·도시학 등 인문사회 분야와 어떻게 연결되는지를 학습한다. 본 강좌의 차별성은 이과와 문과 학생이 협력하는 팀 기반 학습에 있으며, 데이터와 간단한 시뮬레이션을 활용한 실습을 통해 이론을 실제 사회현상에 적용한다. 학생들은 그룹 토론, 프로젝트를 통해 비판적 사고, 협업 능력, 창의적 문제 해결 역량을 배양하며, 나아가 데이터 기반 분석과 복합적 가치 창출 능력을 기르게 된다.전선 / 학사
에너지 수요 급증, 탄소중립, 환경 문제 등으로 인해 에너지 생산 및 사용의 효율성이 보다 중요해지고 있다. 본 교과목에서는 에너지 생산 및 사용의 효율성을 향상시킬 수 있는 데이터 사이언스 기법을 학습한다. 데이터 사이언스는 자료에 숨겨진 유의미한 패턴을 여러 분야의 기법을 사용하여 찾아내는 분야이다. 본 교과목에서는 대표적인 데이터 사이언스 기법인 주성분 분석, 다차원 척도법 등의 차원축소 기법, k-means 클러스터링, 밀도기반 클러스터링 등의 클러스터링 기법, 딥러닝, Support Vector Machine 등의 기계학습 기법을 학습한다. 학습한 데이터 사이언스 기법들을 에너지 데이터에 대해 특성 추출 및 분류, 이상현상 탐지 및 분류, 수요 및 가격 예측, 개발 계획의 신속한 최적화 등 다양한 문제에 적용하는 실습을 수행한다.