최근 확인한 콘텐츠
데이터가 존재하지 않습니다.
데이터가 존재하지 않습니다.
경영학과
이 과목의 목적은 인공지능의 한 분야인 기계학습을 재무 연구에 활용하도록 하는 데 있다. 세부적으로는 의사결정나무, 인공신경망 등의 여러 기계학습 개념을 이해하는 것으로 시작하여 재무 연구의 실제 활용 사례들을 살펴본다.
loading...
이 과목의 목적은 인공지능의 한 분야인 기계학습을 재무 연구에 활용하도록 하는 데 있다. 세부적으로는 의사결정나무, 인공신경망 등의 여러 기계학습 개념을 이해하는 것으로 시작하여 재무 연구의 실제 활용 사례들을 살펴본다.
The essentials of machine learning in finance and accounting
Machine learning for finance : principles and practice for financial insiders
(이론에서 실전까지) 금융 머신러닝
알고리즘 중심의 머신러닝 가이드 : 파이썬코드 기반
(인공지능시대의) 경영정보시스템 =
A guide to college resource and financial management
Machine learning in finance : from theory to practice
Case problems in financial management
재무회계와 재무분석
Business innovation and development in emerging economies : Sebelas Maret International Conference on Business, Economics and Social Sciences (Smicbes 2018)
Computers in agriculture,1994: proceedings of the 5th international conference,6-9 February 1994,Orlando,Florida
공학경제개론 =
MATLAB Deep Learning : With Machine Learning, Neural Networks and Artificial Intelligence
인터넷시대의 핵심 경영정보학 개론
(K-IFRS) 재무제표분석과 가치평가 =
Evangelos Liaras; Michail Nerantzidis; Antonios Alexandridis · 2024
Review of Quantitative Finance and Accounting
孙妮娜; 高萌; 栾永顺; 黄梦楠 · 2017
行政事业资产与财务 / Assets and Finances In Administration and Institution
· 2015
Amstat News
Wasserbacher, Helmut; Spindler, Martin · 2022
Digital Finance: Smart Data Analytics, Investment Innovation, and Financial Technology
温振丹; 吴永谊; Zhendan WEN; Yongyi WU · 2022
中国教育信息化 / The Chinese Journal of Ict in Education
Helmut Wasserbacher; Martin Spindler · 2021
Digital Finance
江怀兵 · 2024
行政事业资产与财务 / Assets and Finances In Administration and Institution
李敏; 薄媚月; 张鼎; 胡艺凡 · 2023
商业会计 / Commercial Accounting
宋学红 · 2017
吉林工商学院学报 / Journal of Jilin Business and Technology College
吕立群 · 2024
中国市场 / China Market Marketing
史玉琳 · 2018
当代教育实践与教学研究(电子刊) / Contemporary Education Research and Teaching Practice
Hoang D.,Wiegratz K. · 2022
European Financial Management
陈靖; 郝媛; 罗仕华 · 2018
中国集体经济 / China Collective Economy
罗丽丽 · 2017
财会学习 / Accounting Learning
刘立华; 付莉 · 2018
商业会计 / Commercial Accounting
高伟霞 · 2024
中国农业会计 / Chinese Agricultural Accounting
梁红梅 · 2021
财会学习 / Accounting Learning
강연찬; 류두진 · 2023
金融工學硏究
邝焕弟 · 2017
商业会计 / Commercial Accounting
Li Guo; Feng Shi; Jun Tu · 2016
Journal of Finance and Data Science
전선 / 학사
이 과목의 목적은 인공지능의 한 분야인 기계학습을 재무 연구에 활용하도록 하는 데 있다. 세부적으로는 의사결정나무, 인공신경망 등의 여러 기계학습 개념을 이해하는 것으로 시작하여 재무 연구의 실제 활용 사례들을 살펴본다.전선 / 대학원
기계학습은 인공지능의 한 분야로서 명시적으로 프로그램하지 않고 컴퓨터가 데이터로부터 학습할 수 있도록 한다. 이 과목은 재무와 경제에서의 응용을 중심으로 기계학습의 개념과 기법, 그리고 알고리즘을 소개한다. 이 과목에서 다룰 세부 주제들에는 선형회귀, 의사결정나무, 신경망, 분류, 무작위 숲, 시각화 등이 있다. 수강생들은 기계학습이 재무와 경제에 응용될 때 기계학습이 어떻게 작동하는지 원리를 배운다. 이 수업을 듣고 나면 기계학습 전문가들과 의사소통을 할 수 있게 될 것이다.전선 / 대학원
본 과목의 목적은 대학원에서 재무금융을 전공하고자 하는 학생들이 재무실증연구를 수행하는데 필요한 연구방법론에 관한 기본적인 계량적, 통계적 지식을 습득하는데 있다. 특히 대용량 데이터 분석의 기본적 툴인 SAS 및 STATA의 활용 능력을 배양하고, 재무금융분야의 다양한 연구주제를 이해하여 실질적인 연구를 수행 할 수 있도록 한다. 이러한 지식을 바탕으로 학위논문을 체계적이고 효율적으로 작성할 수 있도록 하는 것이 본 과목의 궁극적인 목적이다.전선 / 대학원
본 강의에서는 특정한 거래나 사건에 대하여 단순히 회계처리방법을 나열하는 데 그치지 않고 그와 같이 회계처리를 하는 근본적인 이유가 무엇인가를 자세히 설명하여 내용을 체계적으로 이해할 수 있게 한다. 또 특정한 거래나 사건에 대한 분개를 함에 있어서는 분개시에 설정되는 계정과목의 성격을 면밀히 분석한다. 이론뿐만 아니라 우리나라 기업회계기준도 아울러 소개하여 이론과 기업회계기준을 비교해 볼 수 있도록 한다.전선 / 대학원
오늘날 데이터 중심의 비즈니스 환경에서 인공지능/머신러닝(AI/ML) 기술은 고객 및 시장 분석부터 전략적 의사결정에 이르기 까지 기업 경영 전반에 수많은 혁신을 일으키고 있다. 본 과정은 MBA 학생들에게 비즈니스 애플리케이션에 특화된 핵심 AI/ML 알고리즘들을 실습 중심으로 학습할 수 있는 기회를 제공한다. 고객 이탈 예측, 금융 사기 탐지, 고객 세분화, 수요 예측, 맞춤형 추천 시스템과 같은 실전 사례들을 통해 머신러닝의 실용적인 적용 방법을 익히게 되며, 대규모 언어 모델(LLM)을 활용하여 별도의 프로그래밍 경험 없이도 데이터 처리 및 AI/ML 알고리즘 적용을 위한 기초적인 코드 구현 기술을 습득하게 된다. 본 과정을 수료한 학생들은 머신러닝을 활용한 데이터 기반 의사결정을 효과적으로 수행할 수 있는 역량을 갖추게 될 것이다.전선 / 대학원
국제거래에 수반되는 재무적인 결정들을 연구하는 과목으로 외환시장, 국제금융시장에 대한 기본적인 소개와 환위험, 이자율위험의 측정 및 관리를 연구하는 것을 목적으로 한다전선 / 대학원
본 과목에서는 다음과 같은 3가지 목표를 가지고 있다. 첫째, 기업재무와 관련된 주요 이슈들을 다루기 위해서 반드시 필요한 정보경제학의 기초를 소개한다. 둘째, MBA 수준 이상의 기업재무이론 관련 이슈들을 소개한다. 셋째, 본 과목의 수강생들은 정보경제학의 여러 방법론에 대한 지식과 기업재무의 주요 이슈들에 대한 이해를 바탕으로 주요 저널에 소개된 논문들을 이해하고, 자신의 논문을 작성하는데 어려움이 없게 될 것이다.전선 / 대학원
본 과목은 재무회계 강좌를 기수강한 대학원생을 위한 과목으로 기업의 자기자본 가치평가에 대한 중요한 개념들과 이론을 소개하는 것을 그 목표로 하고 있다. 수강생들은 본 과목을 통하여 기업의 경영활동이 주식가격에 미치는 영향을 이해하며 이를 통하여 미래의 주가를 예측하는 분석활동을 학습하게 될 것이다.전선 / 대학원
본 과목은 기업의 자본조달과 투자 의사결정에 관한 고급 이론과 실증결과를 학습하고, 이들 의사결정이 기업가치에 어떠한 영향을 미치는지 이해하는 것을 목적으로 한다. 구체적으로 기업의 자본구조이론, 배당정책, 합병과 인수, 기업지배구조, 실물옵션을 고려한 투자결정, 옵션이 내재된 기업증권, 위험관리 등에 관한 이론과 실증결과를 학습하며, 특히 이들 재무활동과 기업가치와의 관련성에 대하여 중점적으로 학습한다.전선 / 대학원
기계학습은 환경으로부터 데이터 관찰과 경험을 통해 성능을 계속적으로 향상시킬 수 있는 문제해결 시스템을 연구하는 인공지능의 한 분야이다. 본 과목에서는 기계학습에 관한 이론 및 실제적인 연구 주제들에 관해 학습한다. 감독 학습과 무감독 학습 및 강화학습에 관한 기본 원리와 이론적인 배경을 공부하며 이들에 대한 구체적인 알고리즘을 학습한다. 기호규칙 학습, 결정트리, 메모리기반 학습, 신경망, 유전자알고리즘, 베이지안 망, 은닉 마코프 모델, 커널방법 및 기타 최근 기계학습 알고리즘을 다룬다.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
지도 학습은 인스턴스에 알려진 레이블이 있는 경우에 사용되는 기계 학습의 한 유형인데, 비지도 학습과는 달리 인스턴스가 레이블이 없는 경우이다. 실제 문제에 지도 학습을 적용하는 과정은 데이터 전처리, 속성 선택, 알고리즘 선택 및 평가와 같은 몇 가지 단계를 포함한다. 회귀 분석과 분류는 일반적인 지도 학습 방법의 두 가지 유형이다. 선형 모델, 거리 측정, 프로토타입 기반 방법, 나이브 베이즈, 커널 기법 및 앙상블 기법은 지도 학습에서 사용될 수 있는 알고리즘의 예이다. 성능 측정은 지도 학습 모델의 효과를 평가하는 데 사용되는 반면, 비지도 학습은 클러스터링, 차원 축소, 잠재 변수 모델, 그래픽 모델 및 강화 학습 등을 포함한다. 혼합 전문가 및 제한된 볼츠만 머신과 같은 확률적인 방법도 비지도 학습에 사용될 수 있다. 엔드 투 엔드 학습과 심층 신뢰 네트워크는 기계 학습에서 사용되는 다른 기술이다. 본 강좌에서는 기계학습을 이해하기 위한 다양한 기초 지식들을 강의한다.전선 / 대학원
본 강의에서는 회계학과 관련된 여러 연구분야 중에서 주로 계량적인 방법을 이용한 연구들을 살펴보고자 한다. 여기에는 주로 계량경영학과 비모수통계학 등의 계량적인 지식을 이용하여 회계 관련 문제들에 대한 계량적 모형 수립과 이의 해결과정에 대한 분석과정 등이 포함된다.전선 / 학사
본 교과목에서는 기업가치평가를 하기위한 여러 방법론들을 공부하고, 공부한 방법론을 실제 기업의 사례에 적용하여 가치평가를 직접 해보게 된다. 재무제표를 분석하고, 재무제표 및 기업의 연차보고서에서 필요한 정보를 발견하여 기업의 이익과 현금흐름을 예측하고, 이를 이용하여 기업의 가치평가를 하는 다양한 방법 을 학습한다. 장차 컨설팅회사나 회계법인의 컨설턴트 분야 또는, 증권회사 및 투자은행 등지의 애널리스트 분야로 진출할 학생들에게 적합한 과목이다. 선수과목: 회계원리, 재무회계(= 중급회계 I)전선 / 대학원
마케팅 활동의 효과를 높이는 방향의 하나로서 데이터에 기반한 과학적인 마케팅 실행에 대한 필요성이 지속적으로 높아지고 있는데, 데이터 사이언스 및 인공 지능 분야의 핵심 요소 중의 하나인 머신 러닝 기법들이 이러한 과학적이며 효과적인 마케팅 프로그램을 실행하는데 있어 매우 유용한 도구로서 활용될 수 있을 것이다. 본 과목에서는 마케팅 의사 결정의 품질을 높이기 위해 머신러닝의 다양한 분석 기법을 효과적으로 활용하는 방법에 대해 학습하는데, 마케팅 의사 결정의 종류가 다양하고 또한 이들 종류별로 필요한 데이터와 적절한 분석 기법이 상이하므로 마케팅 의사 결정 종류별로 어떠한 데이터를 어떠한 기법을 통하여 분석할 것인지에 대한 체계를 중심으로 학습한다.전선 / 대학원
본 과목은 현행 관리회계문제에 대한 이론적 기초와 실증연구에 대해 세미나형식으로 이루어진다. 기본적인 대리인이론과 상황이론 같은 이론적인 기초가 다루어진다. 실증연구는 실험, 현장연구 그리고 자료를 이용한 통계적 연구 등을 포함한다. 시간제약으로 시뮬레이션, 실험적 시장연구, 서베이 등은 다루지 않는다. 본 강의에서는 ABC/ABM, BSC, Target Costing, Theory of Constraints, 그리고 ERP 등과 같은 관리회계의 새로운 이론들과 그것들이 조직, 경영자, 전략에 미치는 영향을 소개한다.전선 / 대학원
이 과목은 기계 학습 알고리즘의 수학적 이론을 이해하고 이를 통해 더 나은 기계 학습 방법을 설계하는 데 초점을 맞춘다. 재생핵 힐베르트 공간과 커널 방법, Rademacher 복잡도, 경사 하강법, 뉴턴 방법, 확률적 경사 하강법, 경사 하강의 연속 시간 모델 등을 다룬다.일선 / 학사
이 과목의 목표는 학생들이 재무관리자에게 필요한 재무관리의 기본이론과 기법에 대한 지식을 전달하는 것에 있다. 학생들은 다양한 투자기회와 자본운용의 가치를 파악하기 위한 기본적인 방법들을 실제 사례와 실증자료를 통해 학습하게 된다. 본 수업은 총 3 부분으로 나누어져 있다. 첫 번째 부분에서는 순자산 및 기회비용의 개념을 중심으로 확실성에 기반한 기업의 투자 결정 방식에 대해 논하며, 두 번째 부분에서는 리스크와 수익의 상충점을 소개하여 불확실성하의 투자결정법에 대해 공부한다. 마지막 부분에서는 다양한 자금 조달방법에 대한 기업의 결정에 영향을 주는 요소들에 대해 논한다.전선 / 대학원
분권화, 고도화된 사회로 진입하면서 자원배분의 효율성을 제고하기 위한 국가재정 운용에서 소득분배를 개선하고 사회안전망을 제공하며, 거시경제의 안정성 제고를 위한 개입이 증가하는 동시에, 다양성을 반영하는 사회적 가치의 변화에 따라 재정의 규모가 급속하게 증가하고 있다. 반면 재정수입에서는 조세제도의 경직성과 이에 따른 조세부담의 증가에서의 한계, 재정적자, 국가부채의 누적, 세 부담 분배에 대한 사회경제적 갈등이 발생하고 있다. 이러한 주제는 사회과학의 핵심적 과제로서 이에 대해 경제학적 방법론하에서 체계적으로 학습하는 기회를 대학원 과정에서 제공하고자 한다.전선 / 대학원
재무금융의 기본과목을 통해 습득한 이론적 지식을 현실에 적용하기 위해서 갖추어야 할 실무적 지식을 교육하는 것이 본 과목의 목적이다. 각종 국내외 사례를 직접 해결함으로써 현실에서의 이론 적응 능력을 함양하도록 한다. 또한, 컴퓨터를 사용하여 직접 계산 및 통계처리를 해 봄으로써 이론의 구체적인 계량화를 통해 문제해결 능력을 키우게 된다.