교과목 개요
교과목 구분 : 전공필수 교과목 번호 : 326.513 학점 : 3 학년 : 대학원
측도론(measure theory)과 적분이론의 기본, 확률공간 및 확률변수, 독립성, 확률변수의 여러 가지 수렴성, 확률급수의 수렴, 대수의 측도(law of large numbers), 조건부 확률과 기대치, 마팅게일(martingale)의 기본 개념, 마팅게일 수렴정리, 정지시각 등의 이론을 다룬다.
교과목 구분 : 전공선택 교과목 번호 : 326.516 학점 : 3 학년 : 대학원
분포의 수렴성, 헬리의 정리(Helly’s theorem), 특성함수, 중심극한정리, 반복대수의 법칙(Law of the iterated logarithm), 대편차이론(Theory of large deviation), 국부적 극한정리(Local limit theorem) 등의 이론을 다룬다.
교과목 구분 : 전공선택 교과목 번호 : *326.517A 학점 : 3 학년 : 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.
교과목 구분 : 전공필수 교과목 번호 : 326.519A 학점 : 3 학년 : 대학원
통계적 추정이론을 다룬다. 분포족, 충분성에 대하여 다루고, 최소오차추정량과 최대우도추정량과 이를 계산하는 방법에 대하여 다룬다. 베이지안 관점과 미니맥스관점에서의 평가, 불편추정량의 평가이론을 학습한다. 선형모형과 관련한 스펙트럴 분해, 다변량정규분포와 비중심 카이제곱분포, 비중심 F-분포를 포함한 다변량 분포이론, 최소제곱추정량의 기하학적 해석, 추정가능성, 가우스마코프 정리, BLUE 등을 다룬다.
교과목 구분 : 전공필수 교과목 번호 : 326.520A 학점 : 3 학년 : 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.
교과목 구분 : 전공선택 교과목 번호 : 326.521 학점 : 3 학년 : 대학원
최근의 중요한 통계적 방법론들을 소개하고 학생들로 하여금 각 방법의 이론적, 실용적 측면을 이해하도록 하는 것을 목적으로 한다. 다루고자 하는 주제들은 비모수회귀법, 시뮬레이션 방법, 공간통계, 분류법, 로버스트 방법을 다룬다.
교과목 구분 : 전공선택 교과목 번호 : 326.522 학점 : 3 학년 : 대학원
통계적 검정이론과 점근이론을 다룬다. 최강력검정이론과 불편검정이론을 학습하고, 최대가능도법에 의한 검정이론을 다룬다. 점근이론으로는, 최대우도추정량과 최소오차추정량의 점근적 일치성, 최대우도추정량의 점근분포이론 및 효율성, 델타방법등에 대하여 다룬다. 점근적 검정방법으로 우도비검정, Wald 및 Rao 검정, Pearson 카이제곱 검정 등을 다룬다.
교과목 구분 : 전공선택 교과목 번호 : *326.621A 학점 : 3 학년 : 대학원
정규 과목에서 다루어지지 않는 새로운 통계이론분야를 세미나 형식으로 진행한다.
교과목 구분 : 전공선택 교과목 번호 : 326.626A 학점 : 3 학년 : 대학원
비모수적 함수 추정법 중에서 주로 커널을 이용한 확률밀도함수의 추정 및 회귀함수의 추정방법과 그 이론을 소개한다. 커널 추정량의 점근적 편의와 분산, 평활량의 선택 등에 대한 이론과 실제 계산 방법 등을 다룬다. 또한, 다차원으로의 확장도 소개한다.
교과목 구분 : 전공선택 교과목 번호 : *326.631A 학점 : 3 학년 : 대학원
정규 과목에서 다루어지지 않는 새로운 통계응용분야를 세미나 형식으로 진행한다.
교과목 구분 : 전공선택 교과목 번호 : M1399.001300 학점 : 3 학년 : 대학원
이 과목에서는 베이즈 통계학의 이론에 대해서 공부한다. 다루는 내용은 비모수 베이즈 통계학, 베이즈 점근적 이론, 베이즈 계산의 이론, 무정보 사전분포 등을 다룬다.
교과목 구분 : 전공선택 교과목 번호 : 326.636 학점 : 3 학년 : 대학원
중도절단 생존시간 자료를 분석하는 고급 통계적 기법들을 다룬다. 생존함수의 추정을 위한 일반적인 방법인 KaplanㅡMeier 추정량의 정의 및 여러 성질들을 다룬다. 좌 절단 자료의 분석을 위하여 필수적인 셈 과정에 대한 이론을 배우고, 이를 이용한 위험함수의 추정방법을 설명한다. 생존시간 자료의 회귀모형을 위하여 비례위험모형에 대하여 다루고, 회귀계수의 점근적 일치성 및 근사분포를 유도한다.
교과목 구분 : 전공선택 교과목 번호 : 326.637 학점 : 3 학년 : 대학원
데이터마이닝에서 유용한 여러 가지 도구와 기법을 다룬다. 먼저 의사결정론의 이론에 대해서 배우고, 널리 쓰이는 데이터마이닝 알고리즘인 로지스틱회귀, 의사결정나무 그리고 신경망모형에 대해서 다룬다. 모형의 평가를 위한 여러 가지 개념 및 방법 들 (lift, score, hit ratio, 교차확인 등)과 거대자료로부터 자료를 추출하는 방법 (임의추출, 사후추출 등)에 대해서 다룬다. 고급 데이터마이닝 기법으로 앙상블기법 (bagging, boosting)과 서포트벡터머신 등에 대한 알고리즘 사용방법에 대하여 다룬다. 또한 자율학습방법인 연관성분석과 군집분석방법에 대하여 다룬다. 실제문제를 다루기 위한 소프트웨어로서 R-package, E-miner, Answer Tree, 및 Clementine 의 사용법을 익힌다.
교과목 구분 : 전공선택 교과목 번호 : 326.638 학점 : 3 학년 : 대학원
다양한 유전체자료를 분석하기 위한 통계적방법을 학습한다. 먼저 유전학 분야의 용어와 개념에 대해 소개한 후 이 분야에서 널리 사용되고 있는 기초적인 방법론을 살펴본 후 마이크로어레이자료분석과 연쇄분석, 연관성분석과 같은 유전역학분야에서 사용되는 통계기법을 다룬다.
교과목 구분 : 전공선택 교과목 번호 : 326.723A 학점 : 3 학년 : 대학원
이 과목은 석사과정 대학원생을 위한 회귀분석 입문과정이다. 기초적 행력 및 통계이론, 기초적 회귀분석, 단순회귀에 관한 추론, 회귀분석의 기타 논제, 기초적 중회귀분석, 추정과 가설검정, 다항회귀, 일반화 회귀분석, 가변수의 사용, 분산분석에의 응용, 반응표면분석, 혼합물 실험분석, 변수의 선택, 회귀진단, 편의추정, 비선형회귀 등을 다룬다. 이 과목의 선수과목으로는 기초통계학 수준의 통계학 및 실습과 행렬이론에 필요한 선형대수 정도의 수준이 요구된다.
교과목 구분 : 전공선택 교과목 번호 : 326.725A 학점 : 3 학년 : 대학원
일변량 시계열자료의 분석을 위해 시간영역에서의 분석모형인 ARIMA 모형의 설정, 적합, 진단 및 예측 방법과 진동수 영역에서의 Spectral theory 이론을 학습하고 실제자료의 분석을 통해 모형을 수립하는 방법을 배운다.
교과목 구분 : 전공선택 교과목 번호 : 326.729A 학점 : 3 학년 : 대학원
C-공간과 D-공간 위주로 거리공간에서의 대한 weak convergence와 그 응용을 다룬다.
교과목 구분 : 전공선택 교과목 번호 : *326.739A 학점 : 3 학년 : 대학원
정규 과목에서 다루어지지 않는 새로운 통계학 분야를 세미나 형식으로 진행한다.
교과목 구분 : 전공선택 교과목 번호 : *326.746A 학점 : 3 학년 : 대학원
마코프 과정의 세미그룹이론, Hill-Yosida theorem, 브라운 운동과 경계치문제, Potential 이론 등을 다룬다.
교과목 구분 : 전공선택 교과목 번호 : 326.747 학점 : 3 학년 : 대학원
범주형 자료를 분석하기 위한 통계기법들을 소개한다. 범주형 자료들은 대개 분할표를 이용해 정리할 수 있기 때문에 분할표를 분석할 수 있는 통계방법을 중점적으로 다룬다. 주된 주제들은 분할표분석, 로그 선형모형, 로지스틱모형이다.
교과목 구분 : 전공선택 교과목 번호 : 326.748A 학점 : 3 학년 : 대학원
한 개체로부터 다른 실험조건하에서나 여러 다른 관측시간에 반복적으로 얻어진 자료를 분석하기위한 통계기법을 다룬다. 연속형의 반복측정자료를 분석하기 위해 다변량정규분포의 가정을 필요로 하는 고전적인 다변량모형을 소개하고 최근에 널리 사용되고 있는 혼합모형을 다룬다. 이산형의 반복측정자료 분석을 위해서는 가중최소제곱법에 근거한 모형과 랜덤화 모형을 다루고 일반화선형모형을 확장한 일반화추정방정식(GEE)모형을 다룬다.
교과목 구분 : 전공선택 교과목 번호 : *326.750A 학점 : 3 학년 : 대학원
확률밀도함수, 회귀함수, 프론티어함수 등에 대한 최근의 연구내용들을 논문강독 중심으로 강의한다.
교과목 구분 : 전공선택 교과목 번호 : M1399.000200 학점 : 3 학년 : 대학원
빅데이터 혹은 대용량 고차원 데이터의 출연으로 현대 통계학에서 계산의 중요성은 과거의 어떤 때보다 더 중요하게 되었다. 이 과목에서는 빅데이터를 다루는데 필요한 최신의 계산 기법들, 즉 GPU를 이용한 통계계산과 병렬처리를 활용한 통계계산의 이론과 실제를 다룬다.
교과목 구분 : 전공선택 교과목 번호 : M1399.000300 학점 : 3 학년 : 대학원
본 교과목은 공간통계학 분야의 여러 통계적 방법들에 대해 중점을 둔다. 교육목표는 공간 및 시공간 자료를 분석하는데 사용되는 공간통계학의 여러 통계적 방법과 그 이론에 대해서 공부하고 적용해 보는 것이다. 다루는 내용은 다음과 같다. 자료의 공간 종속성 테스트, 공간 종속성 모형 및 추정, 공간회귀분석, 크리깅, 지역자료 분석, 질병 예측모형, 공간 점과정 모형 등이다.
교과목 구분 : 전공선택 교과목 번호 : M1399.000400 학점 : 3 학년 : 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.
교과목 구분 : 논문 교과목 번호 : 326.803 학점 : 3 학년 : 대학원
교과목 구분 : 전공필수 교과목 번호 : M0000.008700 학점 : 1 학년 : 대학원
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 사용 가능한 통계 패키지에 대해서 소개한다.
교과목 구분 : 전공필수 교과목 번호 : M0000.008800 학점 : 1 학년 : 대학원
통계학과에서 매주 교내외의 전문가를 초빙하여 대학원 석박사과정 학생들을 대상으로 통계학과 응용분야의 관심 있는 주제에 관한 강연을 한다.
교과목 구분 : 전공선택 교과목 번호 : M1399.000500 학점 : 3 학년 : 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.
교과목 구분 : 전공필수 교과목 번호 : M1399.000800 학점 : 1 학년 : 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.
교과목 구분 : 전공필수 교과목 번호 : M1399.001000 학점 : 3 학년 : 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.
교과목 구분 : 전공선택 교과목 번호 : M1399.001100 학점 : 3 학년 : 대학원
고급 확률 그래프 모형(PGM)은 많은 수의 변수가 상호작용하는 복잡한 도메인에 대한 확률 분포를 표현하는 효과적인 방법이다. 따라서 확률 그래프 모형은 의료진단, 이미지 및 음성인식, 스포츠통계, 생물정보학 등과 같은 다양한 분야에 적용되는 머신러닝 방법들의 핵심적인 역할을 한다. 이 강의는 방향성 그래프를 이용하는 베이지안 네트워크; 무방향성 그래프를 사용하는 마르코프 네트워크의 이론적 성질과 학습 방법 그리고 실제 적용 사례를 설명한다.
교과목 구분 : 전공선택 교과목 번호 : M1399.001200 학점 : 3 학년 : 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.
