△ 석사과정 필수이수과목

◎ 박사과정 필수이수과목

■ 영역별 수료학점

■ 교육목적 및 교육목표

실험을 수반하는 자연과학 및 인문, 사회과학에서 발생하는 제반 문제들을 과학적이고 합리적인 의사결정을 위해 자료를 체계적으로 수집하고 분석하여 최적의 의사결정을 할 수 있는 방법을 습득하여 정보화 시대에 부응하는 창의력있는 전문 인력의 육성을 교육목적으로 한다.

  이와 같은 교육 목적의 달성을 위한 구체적인 교육 목표는 다음과 같다.

1. 다양한 통계방법과 정보처리 기법을 습득하게 함으로써 통계학에 대한 전문 능력을 갖추도록 한다.

2. 정보화 시대에 부응하여 컴퓨터를 이용한 올바른 정보수집 능력과 다양한 정보 분석 방법을 교육하여 조직체의 의사결정에 선도적 역할을 담당할 수 있는 능력을 기른다.

3. 미래 사회에서 창의력, 분석력 및 예측력을 갖춘 다방면의 전문 인력을 육성하도록 한다.

■ 교과 요목

- ST6800649 선형모형론(I)(Linear Models(I))

설명변수의 선형결합으로 이루어진 예상치를 반응치의 임의변동에 적합 시키는 고전적 선형모형을 연구한다.

- ST6300024 수리통계학특강(Ⅰ)(Topics in Statistics(Ⅰ))

수리통계학의 기본이론을 바탕으로 모수의 추정, 가설검정, 근사이론 등을 소개한다.

- ST6900457 확률측도론(Probability Measure Theory)

확률측도론의 기본개념과 확률변수의 수렴성 및 성질 등을 배운다.

- ST6800583 선형모형론(II)(Linear Models(II))

변수선택, 회귀진단에 대한 소개가 이루어지고 계수의 가설검정을 다룬다. 일원배치, 이원배치, 다원배치의 응용이 이루어지며 패키지를 이용한 실습도 겸한다.

- ST6300025 수리통계학특강(Ⅱ)(Topics in Statistics(Ⅱ))

수리통계학특강(I)에 이어 최신이론을 소개하고 응용분야를 제시한다.

- ST6500157 통계상담론(Statistical Consulting)

통계상담에 있어서 상담자와 의뢰인의 관계 및 자료의 유형에 따른 여러 가지 통계분석기법을 배우며 통계패키지를 이용한 실습도 병행한다.

- ST6100934 베이즈추정론(Bayesian Inference)

모수의 추정에 있어서 베이즈 정리의 사용과 적절성을 탐구한다.

- ST6200218 비모수모형론(Nonparametric Modelling)

일반회귀모형에서 비모수통계량을 이용하여 여러 가지 대립가설의 상황아래 통계량의 점근적 정규성을 검증하고 이를 다변량 선형모형에도 적용해본다.

- ST6200563 생존분석론(Survival Analysis)

자료가 불완전 할 때는 기존의 통계방법이 사용될 수 없으며 특히 의학 자료가 여기에 속한다. 이런 자료의 분석을 위해 Kaplan-Meier 추정치와 Cox 모형이 소개되고, Wilcoxon 검정 및 로그순위검정이 다루어진다.

- ST6300124 시계열이론(Time Series Theory)

시간의 흐름에 따라 관찰되는 자료의 발생구조를 박스-잰킨스 방법, 식별통계량, 형태인식법 등을 통해 밝히고 모형화 하며 미래 값을 예측하는 기법들을 배운다.

- ST6300866 응용다변량통계학(Applied Multivariate Statistics)

생물학, 물리학 그리고 사회과학 등 여러 분야에서 수집된 다변량 자료를 분석하기 위해서 다변량 통계학의 기본개념을 익힌다. 특히 다변량 통계학을 위한 패키지의 활용을 병행하여 실제자료의 분석에 응용한다.

- ST7600397 범주형자료분석(Categorical Data Analysis)

사회과학 및 의학 등에서 수집되는 범주형 자료의 구조를 밝히는 분야로 logit 모형 loglinear 모형 등의 이론과 분석방법을 배운다.

- ST6400027 인과모형분석론(Causal Model Analysis)

확률 변수들 간의 인과관계를 밝히고 모형화 하는 경로분석, LISREL모형 등을 다룬다.

- ST6400082 일반화선형모형론(Generalized Linear Models)

고전적 선형모형이 예상치와 반응치의 단순결합임에 비해 일반화 선형모형은 미분가능한 모든 함수의 결합을 허용한다. 적합도 검정과 잔차의 새로운 개념을 바탕으로 로그선형모형, 로지스틱모형이 소개되고 준우도함수 및 확장된 준우도함수를 연구한다.

- ST6800585 현대통계학특강(I)(Topics in Modern Statistics(I))

통계학이라는 학문의 특성상, 새로운 분석방법과 그에 따른 이론이 끊임없이 개발, 연구되고 있다. 이 과목에서는 최근의 통계학 발전 경향과 추세를 배우며, 새로운 통계적 방법을 소개하는 것을 주 목적으로 한다.

- ST6800584 현대통계학특강(II)(Topics in Modern Statistics(II))

최근 발표되는 논문을 바탕으로 통계학이 지향하는 방향과 응용 범위, 적용 분야 등에 대한 지식을 습득한다.

- ST6800586 고급통계학특강(I)(Topics in Advanced Statistics(I))

통계학 분야에서 최근에 가장 활발하게 사용되고 있는 topic을 위주로 보다 높은 수준의 이론을 습득함을 그 목표로 한다.

- ST6800587 고급통계학특강(II)(Topics in Advanced Statistics(II))

최근에 새로이 개발되고 가장 많이 연구되고 있는 통계적 기법을 중심으로 최신, 최고급의 통계적 이론을 습득하여 연구능력을 고취시킨다.

- ST7600396 고차원데이터통계분석(Statistical Analysis of High-Dimensional Data)

표본의 수보다 변수의 수가 많은 고차원 데이터를 분석하는 여러 가지 regularization 방법들에 대한 이론과 R 프로그래밍을 학습한다.

- ST7300979 생물정보통계학 (Statistical Methods in Bioinformatics)

대용량 유전체 데이터를 분석하는 최신 생물통계 및 생물정보학 분석 방법들을 학습한다.

이론적인 통계 모형뿐만 아니라 통계프로그램 R패키지들을 이용하여 여러가지 종류의 실제 유전체 데이터를 분석하는 방법들에 대해서 배워본다.

- ST7300980 고급데이터마이닝 (Advanced Data Mining)

빅데이터를 분석하는 고급 통계테크닉들을 통계프로그램을 이용하여 학습한다.

컴퓨터공학 및 전산학에서 다루는 데이터마이닝과 기계학습에 해당되는 내용들을 통계학 방법론적으로 접근하여 실제 빅데이터를 통계 분석 및 처리하는 기술들을 배워본다.

- ST7600292 통계적계산방법 (Computational Methods in Statistics)

데이터 분석가가 갖춰야 하는 가장 효율적인 데이터 분석방법론에 대해 학습한다. R을 사용한 data cleaning, web data scraping, pulling data, tidy data, data manipulation using tidyverse and dplyr, data visualization using ggplot2 and igraph, developing R package, building a shiny app와 같은 주제를 학습한다.

- ST7600293 통계적기계학습 (Statistical Machine Learning)

빅데이터를 분석하기 위한 머신러닝 또는 딥러닝 기술을 이용하여 효과적인 데이터 분석을 하는 법에 대해 학습한다. R을 사용하여, caret, tidyverse, tidymodels, keras, TensorFlow 등 머신러닝과 딥러닝 기술에 관련한 R 패키지를 학습한다. 

- ST7600295 데이터사이언스의응용 (Data Science Application)

실무 감각이 뛰어난 데이터 분석 전문가로 성장하도록 교육하는 것을 목표로 한다. 보험, 금융, 의학, 비즈니스 등의 데이터 분석 및, 텍스트, 이미지와 같이 수치가 아닌 데이터를 분석하는 실무적 경험을 쌓는다. 데이터 분석 전문가로서 분석결과를 효과적으로 발표하고 비전문가와 소통하는 법, 보고서를 작성하는 연습을 한다. 

- ST7600296 다변량추정과검정 (Multivariate Estimation and Test)

다변량 추정과 검정에 관련된 다변량 분석기법에는 두 집단의 비교를 위한 호텔링(Hotelling) 검정, 여러 집단의 비교를 위한 다변량 분산분석(MANOVA)이 있다. 더 나아가 다변량 공분산분석, 반복측정 분산분석이 있다. 확률화 완전블록설계, 라틴방격설계, 프로파일분석과 같은 다변량 실험계획법도 이들 범주에 포함된다. 이들을 위한 알고리즘을 바탕으로 하는 R-코드를 활용하여 실제 분석을 경험한다.

- ST7600297 통계적형상분석(Statistical Shape Analysis)

형상분석(shape analysis)은 기하적 공간상에서 형상점(landmarks)에 의해 나타낸 개체(objets)들의 형상(shape)을 측정하고, 기술하며 비교하려는 분석 방법이다. 국내에서 잘 알려지지 않은 형상분석은 의학, 생물학, 정보기술, 유전학, 인류학, 고고학, 농업 등 다양한 분야에서 응용되며 이미지분석, 자동인식 등의 기술에서 활용되어질 수 있는 아주 유용한 분석으로 알려져 있다. 다변량 자료분석의 시각화 기법인 다차원척도법(MDS), 기계학습(machine learning) 중에서 서포트벡터머신(SVM), 주성분분석(PCA)과 독립성분분석(ICA)을 응용하며 R의 패키지 shapes를 주되게 사용한다.

- ST7600298 함수형자료분석 (Functional Data Analysis)

자동화 장치 등에서 수집되는 함수형 자료의 구조를 밝히는 분야로 함수형 자료의 정의, 표현, 확률과정, 관련된 통계 모형과 추론 방법을 배운다.

- ST7600299 결측자료분석 (Statistical Analysis with Missing Data)

결측 자료를 분류 하고 결측치를 보정하는 방법론을 소개하는 분야로 선형모형, 일반화 선형모형, 종단 자료, 생존 모형 등의 각각의 통계 모형에 부합하는 접근 이론과 방법을 소개한다.

- ST7600300 비선형모형론특강 (Topics in Nonlinear Model)

고급화된 기계학습 및 딥러닝 등에서 사용되는 비선형 접근법을 소개하는 분야로 reproducing kernel과 관련된 확률이론, 확률과정, 결정이론, 관련된 통계 모형을 배운다.

- ST7600702 가능도이론과응용 (Likelihood Theory and Application)

통계적 모형과 관련된 다양한 토픽들에 대하여 학습한다. 가능도와 관련된 다양한 문제들, 모형 오지정 문제들, 추정량의 점근적 성질들, M 추정, 붓스트랩, 커널 밀도추정 등을 학습한다.

- ST6001136 통계적근사이론 (Asymptotic Statistics)

다양한 통계 이론의 근간을 이루는 대표본 근사 이론 등에 대하여 소개한다. 확률변수의 수렴성, 대수의 법칙, 중심극한정리 등을 자세히 다루고 이들의 응용에 대하여 학습한다.

- ST6001137 준모수추정론 (Semiparametric Inference)

유한차원 관심모수와 무한차원의 장애모수들로 모델링할 수 있는 준모수적 모형을 소개하고 이를 관심모수를 효율적으로 추정하는 방법과 관련된 기초적인 이론에 대하여 학습한다.

- ST6001138 기하적자료분석(Geometric Data Analysis)

기하적 자료란 제약 조건이 있는 벡터형 자료를 의미하며 비유클리드 자료로도 불린다. 이는 최근 통계학 및 컴퓨터과학 분야에서 새롭게 생성되는 비정형 자료의 한 형태이며, 방향자료(directional data), 구성비자료(compositional data), 확률분포자료(probability distribution data)가 그 예시이다. 심플렉스(simplex), 양정치행렬(positive definite matrix) 공간, 와서스타인 공간(Wasserstein space) 등 각 공간의 기하적 특성에 따라 자료를 분석하는 방법과 통계적 추론 절차를 배운다.

- ST6001139 비모수함수추정론 (Nonparametric Function Estimation)

비모수적 함수 추정법을 소개하고 학생들로 하여금 각 방법의 이론적, 실용적 측면을 이해하도록 하는 것을 목적으로 한다. 다루고자 하는 주제는 확률밀도함수 추정, 비모수적 회귀함수 추정, 분위수회귀, 로버스트 방법 등이다.

- ST6001140 최적화및전산통계 (Optimization and Computational Statistics)

최적화 이론 및 계산 방법을 R을 주로 사용하여 소개한다. 본 교과목은 볼록최적화(convex optimization), 붓스트랩 방법, 커널 방법, 심층신경망, R 패키지 작성법 등을 다룬다.

- ST62888 논문연구(Research)

국내 저널에서 발표되는 논문을 읽고 그 주제에 관한 토의를 통하여 최근의 연구 동향을 파악하며 관심 있는 분야의 논문을 심도 있게 만들어 간다.