최근 확인한 콘텐츠
데이터가 존재하지 않습니다.
데이터가 존재하지 않습니다.
통계학과
이 강의는 대학원 신입생들에게 통계학과 교수진의 소개와 각 연구실의 주요 연구분야에 관한 소개, 학과와 대학의 연구시설, 연구윤리에 관해 소개한다. 또한 도서관과 eTL 사용법, 각종 유용한 컴퓨팅 사용법과 사용가능한 통계 패키지에 대해서 소개한다.
loading...
이 강의는 대학원 신입생들에게 통계학과 교수진의 소개와 각 연구실의 주요 연구분야에 관한 소개, 학과와 대학의 연구시설, 연구윤리에 관해 소개한다. 또한 도서관과 eTL 사용법, 각종 유용한 컴퓨팅 사용법과 사용가능한 통계 패키지에 대해서 소개한다.
Excel을 이용한 의학데이터의 통계분석
(Excel을 이용한) 의학데이터의 통계분석
통계과학의 이해 =
언어 자료 분석을 위한 통계학 =
통계분석 이해 : SPSS를 활용한 실전 데이터분석
(핵심) 경영통계학
(엑셀과 AI로 쉽게 배우는) 경영통계학
(Excel R을 이용한) 기초통계학 =
현대경영통계 = 엑셀활용
Introduction to the new statistics : estimation, open science, and beyond
(EXCEL, SPSS, R로 배우는) 통계학 입문 =
비전공자를 위한 통계방법론
(EXCEL을 이용한)통계학의 기초와 이해
Understanding the new statistics : effect sizes, confidence intervals, and meta-analysis
(Excel을 이용한) 확률 및 통계
(R과 함께하는) 통계학의 이해와 활용 =
(사회과학 연구를 위한)통계방법 =
(Excel 활용)현대통계학
(EXCEL·SPSS·R로 배우는) 통계학 입문 =
Timothy Fukawa-Connelly; Samuel Cook · 2015
International Journal of Mathematical Education in Science and Technology
Bilder C.R. · 2022
American Statistician
Dogucu, Mine · 2024
Amstat News
Lee LE; Vyravanathan S; Panzarella T; Gillan C; Harnett N · 2024
Journal of clinical and translational science
Glenn, Megan; Freret, Randy · 2024
Amstat News
Isaac Dialsingh · 2013
Journal of Applied Statistics
陆丹薇 · 2016
改革与开放 / Reform & Opening
张晓梦 · 2012
文教资料 / Data of Culture and Education
Baglin, J.; Hart, C.; Stow, S. · 2017
Higher Education Research and Development
胡莉芳; HU Li-fang · 2012
复旦教育论坛 / Fudan Education Forum
Fiero, Mallorie · 2016
Amstat News
Ward, Mark Daniel · 2017
The American Statistician
李洁 · 2016
法制与社会 / Legal System and Society
鲁万波; 董春 · 2021
学位与研究生教育 / Academic Degrees & Graduate Education
최숙희, 한경수 · 2019
응용통계연구
魏海霞 · 2013
中国电力教育 / China Electric Power Education
Hughes-Oliver, Jacqueline M. · 2017
The American Statistician
전수빈; 배상훈 · 2024
열린교육연구
Cook, S.A.; Fukawa-Connelly, T. · 2016
International Journal of Mathematical Education in Science and Technology
Hill, L.; Maier-Katkin, D.; Ladny, R.; Kinsley, K. · 2018
Journal of Criminal Justice Education
전필 / 대학원
이 세미나 과목은 통계학과 박사과정 학생들의 연구, 강의 그리고 관련 업무의 능력 향상에 초점을 두고 있다. 통계학과 교수진, 박사후과정생, 박사졸업예정자와 서울대학교 기초교육원 교수진으로부터 강의, 토론 및 세미나를 통해 성공적인 통계학 박사과정에 요구되는 전문 개발 주제를 배운다. 한 학기동안 다루게 될 주요 내용으로 강의력 향상을 위한 강의법 세미나, 최신 통계 이론 및 방법론 연구주제를 소개하는 연구세미나, 논문 작성, 리뷰 리포트 작성, 연구제안서 작성, 이력서 작성 등을 다룬다.전필 / 대학원
통계학과에서 매주 교내외의 전문가를 초빙하여 대학원 석박사과정학생들을 대상으로 통계학과 응용분야의 관심 있는 주제에 관한 강연을 한다.전선 / 대학원
지난 수 십 년간 우주관측기술의 비약적 발전으로 말미암아 천문학 연구 분야가 최근 방대하게 확장되었다. 이 강의는 대학원 신입생에게 여러 다양한 천문학 분야의 최신 연구 동향과 발전 상황을 소개하고 각 분야의 특성과 연구 핵심을 이해시켜서 전공분야 및 지도교수 선택에 도움을 주고 또한 미래 천문학자가 가져야 할 비전을 제시한다.전선 / 대학원
정규 과목에서 다루어지지 않는 새로운 통계학 분야를 세미나 형식으로 진행한다.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
정규 과목에서 다루어지지 않는 새로운 통계응용분야를 세미나 형식으로 진행한다.전선 / 대학원
정규 과목에서 다루어지지 않는 새로운 통계이론분야를 세미나 형식으로 진행한다.전선 / 대학원
통계상담에서 통계학자의 역할 및 통계 상담인이 갖추어야 할 자질 등에 대하여 토론 중심으로 진행하며 통계상담 실습을 통하여 사회과학 및 자연과학의 여러 분야에서 나타나는 통계적 문제를 해결하는 능력을 배양한다. 수강 학생은 통계학과를 통하여 의뢰된 통계상담을 담당교수의 감독 하에 수행하며 그 결과를 발표하여야 한다.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.전필 / 대학원
이 과목에서는 측도론에 기반한 통계적 추론을 배운다. 충분성, 지수족, 분포수렴의 기본적 개념을 다룬 후에, 추정과 검정의 이론을 다룬다. 추정법으로는 적률추정법, 최대가능도 추정법, 베이즈 추정, M-추정량, Z-추정량을 다룬다. 이들 추정량들의 점근적 분포를 유도하고, 최대가능도 추정량의 효율성 정리를 증명한다. 검정법으로는 최대가능도비 검정과 이의 점근적 근사, 라오 검정과 왈드 검정과 베이즈 검정을 다룬다.교양 / 학사
학부대학세미나는 신입생 세미나의 한 형태로 새내기들의 사고력 향상과 성공적인 대학생활이라는 목표를 공유한다. 덧붙여 서로 다른 배경과 학문적 관심사를 가진 다른 학생들과의 적극적인 교류를 통해 견문을 넓히고 리더십을 키우도록 한다. 수업 형태는 강의, 토론, 현장학습 등을 포함하며 학생 주도 프로젝트와 각종 비교과 연계 프로그램을 통해 학생들 교류를 유도한다.논문 / 대학원
전필 / 학사
본 강좌는 약학대학 1학년 학생들이 예비약학인, 약사로서 다양한 역량을 개발하는 것을 목적으로 한다. 본 강좌를 수강한 학생들은 교양시민으로서의 기본 역량에 대한 성찰, 나에 대한 이해, 대학생으로서의 자기계발과 진로 등을 생각할 수 있는 경험을 하게 하고, 대학생으로서의 자기주도 생활과 학습전략을 수립하여 생활과 학습에 관해 자기조절을 할 수 있어야 한다. 또한, 교수와의 토의, 약학분야, 비약학분야로 진출한 선배와의 대화, 봉사 등의 다양한 활동을 통해서 미래 약학전문가, 약사로서 책무성, 리더십 등을 확립할 수 있다.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
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
과학적 연구에서 실질적이고 중요한 질문들은 대부분 인과적 질문에 해당된다. 이 과목은 인과관계를 추론하기 위한 통계적 이론과 방법론을 다루며, 다양한 응용연구들을 소개함으로써 이해를 돕는다. 랜덤실험연구와 관찰연구에서 필요한 이론적 기틀을 이해하고 이를 바탕으로 유효한 인과추론을 해내는데 목표를 둔다. 이를 위해 인과추론의 기본이 되는 개념들을 배우며, 인과효과를 추정하고 검정할 수 있는 방법론을 학습한다.전선 / 대학원
데이터 과학의 모든 영역은 데이터 수집 및 분석과 관련이 있다. 본 과목은 데이터사이언스를 위한 확률과 통계의 기초적인 토대를 제공한다. 본 과목을 통해 학생들은 확률과 통계가 어떻게 데이터 생성 과정을 설명하고 이를 통해 어떻게 데이터를 분석할 수 있는지 배운다. ▪ Probability ▪ Random Variables ▪ Expectation ▪ Convergence of Random Variables ▪ Statistical Inference ▪ Non-parametric method (such as Bootstrap) ▪ Parametric Inference ▪ Hypothesis test ▪ Bayesian Inference전선 / 대학원
물리학부에서 수행되는 첨단연구에 대한 이해를 높이기 위한 전반적 소개가 진행됨교양 / 학사
현대 사회에서는 데이터를 올바르게 분석하고 해석하는 능력, 그리고 이를 통해 유의미한 정보를 도출하는 방법이 매우 중요해지고 있다. 본 교과목을 수강하는 학생들은 인문사회과학 분야에서 실제로 사용되는 다양한 데이터를 바탕으로 문제를 해결하기 위한 형태로 데이터를 가공하고 분석하는 방법을 배우게 된다. 주요 내용으로는 설문조사, 실험연구, 데이터 전처리 및 시각화, 선형회귀, 인과효과 분석, 통계적 추론 등이 있으며, 실제 연구에서 어떻게 적용되는지 다양한 예제를 통해 통계 이론의 적용 과정을 이해한다. 또한, 사회적 문제와 인간 행동 양식에 관한 문제를 분석하고 해결하는 데 필요한 ‘인과관계’와 ‘표본조사’에 대한 이해를 높이는 기회를 제공한다. 실습 과정도 포함되어 있어서 실제 연구 데이터를 R 프로그램을 이용하여 분석할 수 있도록 한다.전필 / 학사
본 과목은 통계학 전공에 필요한 계산적 사고력, 즉 논리로 표현하는 문제 해결 방법 및 논리적으로 컴퓨터 프로그램을 작성하는 능력을 함양하는 것을 목표로 한다. 특히 프로그래밍과 프로그래밍 언어의 기본 개념, 즉 데이터 구조, 추상화, 계층화, 모듈화, 반복, 재귀, 절차적 사고, 가치 지향 사고, 재사용, 계산복잡도, 자료형 등에 대해 공부한다. 개념의 구체화를 위한 도구로 특정 프로그래밍 언어(예: R)를 사용할 수 있으나, 다루는 내용은 언어 중립적이다. 추가적으로 함수적 프로그래밍과 객체 지향 프로그래밍 패러다임에 주의를 기울이며, 자료 분석을 위한 데이터 랭글링, 조작 및 탐색의 기초에 대해 다루고 다양한 데이터 유형의 추세를 시각화, 제시 및 전달하는 방법에 대해서도 공부한다.