fnctId=eduSch,fnctNo=9 교육과정 교과목해설 2022 * : 부전공지정과목, ♣ : 교직과정과목, ☆ : 교직 기본이수교과목 학과(전공)명,학년,학기,이수구분,학수번호,교과목명,학점,시수 안내하는 테이블 학과(전공)명 학년,학기 이수구분 학수번호 교과목명 학점,시수 수학과 1-1 전기 501.101 일반수학I 3-3-0-0 정보통계학과 1-1 전기 502.101 통계학개론I 3-3-0-0 정보통계학과 1-1 전선 502.324 데이터사이언스로 풀어보는 지역사회 문제해결_코너스톤_KCC 3-3-0-0 정보통계학과 1-2 전기 502.102 통계학개론II 3-3-0-0 수학과 1-2 전선 501.102 일반수학II 3-3-0-0 수학과 1-전학기 전기 501.010 기초수학 2-1-2-0 정보통계학과 2-1 전필 502.202 분포론 3-3-0-0 정보통계학과 2-1 전선 501.003 선형대수학 3-3-0-0 정보통계학과 2-1 전선 502.201 확률론I 3-3-0-0 정보통계학과 2-1 전선 502.209 통계수학 3-3-0-0 정보통계학과 2-1 전선 502.455 통계분석 3-3-0-0 정보통계학과 2-1 전선 502.456 탐색적자료분석 3-3-0-0 정보통계학과 1-1 전선 502.461 통계학의 이해 3-3-0-0 정보통계학과 2-2 전선 502.204 행렬대수학 3-3-0-0 정보통계학과 2-2 전선 502.210 확률론II 3-3-0-0 정보통계학과 3-2 전선 502.216 보험통계 3-3-0-0 정보통계학과 2-2 전선 502.305 수리통계학 3-3-0-0 정보통계학과 2-2 전선 502.315 통계계산및실습I 3-2-2-0 정보통계학과 2-2 전선 502.462 설문지 작성 3-3-0-0 정보통계학과 2-2 전선 502.463 R 프로그래밍 3-3-0-0 정보통계학과 3-1 전필 502.457 회귀분석Ⅰ 3-3-0-0 정보통계학과 3-1 전선 502.301 표본조사론 3-3-0-0 정보통계학과 3-1 전선 502.308 비모수통계학개론 3-3-0-0 정보통계학과 3-1 전선 502.316 통계계산및실습II 3-2-2-0 정보통계학과 3-1 전선 502.317 범주형자료분석및실습 3-2-2-0 정보통계학과 3-1 전선 502.414 응용통계및실습 3-2-2-0 정보통계학과 2-1 전선 502.464 Python프로그래밍 3-3-0-0 정보통계학과 3-1 전선 502.467 데이터 마이닝 3-3-0-0 정보통계학과 3-2 전필 502.323 빅데이터통계조사및실습 3-2-2-0 정보통계학과 3-2 전선 502.306 회귀분석II 3-3-0-0 정보통계학과 3-2 전선 502.320 통계적품질관리및실습 3-2-2-0 정보통계학과 3-2 전선 502.458 다변량자료분석 3-3-0-0 정보통계학과 3-2 전선 502.459 신뢰수명검정론 3-3-0-0 정보통계학과 3-2 전선 502.465 실험계획법 3-3-0-0 정보통계학과 2-2 전선 502.466 데이터 사이언스 3-3-0-0 정보통계학과 4-1 전선 502.401 통계학세미나I 3-3-0-0 정보통계학과 4-1 전선 502.405 통계상담실습 3-2-2-0 정보통계학과 4-1 전선 502.409 통계학특강I 3-3-0-0 정보통계학과 4-1 전선 502.417 확률과정론 3-3-0-0 정보통계학과 3-2 전선 502.453 생존분석입문 3-3-0-0 정보통계학과 4-1 전선 502.460 시계열·수요예측방법 3-3-0-0 정보통계학과 4-1 전선 502.468 금융통계 3-3-0-0 정보통계학과 4-1 전선 502.469 텍스트 마이닝 3-3-0-0 정보통계학과 4-2 전선 502.470 통계적 기계학습 3-3-0-0 정보통계학과 2-2 전선 502.471 데이터 시각화 3-3-0-0 정보통계학과 4-2 전선 502.472 A.I.와 통계학 3-3-0-0 501.101일반수학I General Mathematics I 통계학을 위한 기초 교과목으로서 수학 이론 중 집합, 수의 연속성, 극한, 미적분, 벡터 등을 학습하여 수리적 계산 능력, 논리적, 실증적 사고력을 기르는 것을 목적으로 한다. 502.101통계학개론I Elementary Statistics I 통계학의 입문으로서 기술통계, 확률, 여러 확률분포, 추정과 검정, 표본 추출법, 상관과 회귀모형의 분석, 분산분석, 적합도 검정 및 범주형 자료의 처리방법, 비모수적 방법 등의 기본 개념과 실제의 자료를 입력하고 분석하는 방법을 다룬다. 502.324데이터사이언스로 풀어보는 지역사회 문제해결_코너스톤_KCC Data Science driven Living LAB for Local Community 데이터사이언스에 대한 활용 관점의 학습과 함께, 지역사회 현안 발견 및 해결에의 적용 과정에 적용해 본다. 502.102통계학개론II Elementary Statistics II 통계학에서 많이 이용되는 행렬의 연산, 선형독립과 종속, 역행렬, 행렬의 분해, 일반화역행렬, 고유값과 고유벡터 이차형식 등의 이론과 성질을 다룬다. 501.102일반수학II General Mathematics II 통계학을 위한 기초 교과목으로서 수학 이론 중 집합, 수의 연속성, 극한, 미적분, 벡터 등을 학습하여 수리적 계산 능력, 논리적, 실증적 사고력을 기르는 것을 목적으로 한다. 501.010기초수학 Basic Mathematics 대학 수학(미적분학Ⅰ,Ⅱ)수강에 필요한 기초적인 수학적 지식을 습득하는 것을 목표로 한다. 이 과목에서는 함수의 개념과 그래프, 백터와 행렬, 확률과 통계에 관하여 습득 할 수 있다. 2010년 1월 12일 학점 변경 당초 3-3-0 502.202분포론 Distribution Theory 이론통계학의 기초로서 확률, 확률분포, 확률분포 모형, 표본분포 등을 다루며, 통계학의 수리적 개념 정립을 목적으로 한다. 501.003선형대수학 Linear Algebra 벡터공간, 행렬 및 행렬식, 선형변환, 선형방정식 등을 깨달을 수 있다. 502.201확률론I Probability Theory I 확률의 정의와 성질, 조건부 확률과 독립성, 확률변수와 확률함수, 분포함수, 이산확률함수들과 연속확률함수들 그리고 난수 생성 등을 다룬다. 502.209통계수학 Mathematics for Statistics 통계학에서 사용되는 여러 수학적 방법들을 깨달을 수 있다. 502.455통계분석 Statistical Analysis 여러 종류의 통계패키지(SAS, SPSS, STATA 등) 효율적인 사용법을 익히고 실습한다. 통계 자료에 대한 접근 방법들을 다양한 통계적 분석기법을 통하여 다룬다. 통계적인 그래픽스와 분석기법들의 적용과 결과 해석 등을 연습하고 활용할 수 있다. 502.456탐색적자료분석 Exploratory Data Analysis 탐색적자료분석(EDA)란 데이터의 특징과 내재하는 구조를 탐색하기 위한 통계적 기법들을 총칭한다. EDA의 목적은 데이터를 있는 그대로 보며, 데이터의 여러 면모를 파악하여 자료의 초기진단을 하려는 것이다. EDA에서는 저항성 있는 통계치계산, 잔차의 조사방법, 자료변수의 재표현방법, 자료의 그래프 표현방법 등을 활용할 수 있다. 502.461통계학의 이해 Comprehensiond of Statistics 본 강좌에서는 되도록 수식을 사용하지 않고도 복잡한 통계적 개념들을 쉽게 설명하고 통계학에 대해 친근감을 가질 수 있도록 한다. 502.204행렬대수학 Matrix Algebra 통계학에서 많이 이용되는 행렬의 연산, 선형독립과 종속, 역행렬, 행렬의 분해, 일반화역행렬, 고유값과 고유벡터 이차형식 등의 이론과 성질을 깨달을 수 있다. 502.210확률론II Probability Theory II 확률변수의 기대값과 분산, 적률, 적률생성함수, 대수법치, 중심극한정리, 마르코프 연쇄와 응용을 깨달을 수 있다. 502.216보험통계 Insurance Statistics 여러 조건 하에서의 이자, 연금 계산, 보험과 관련된 생존분포, 생명표 또 이와 관련된 수리적 모형과 그 이론에 대해 깨달을 수 있다. 502.305수리통계학 Mathematical Statistics 이론통계학의 기초로서 점추정, 구간추정, 통계적 가설검정 등을 다루며, 통계학의 수리적 개념을 깨달을 수 있다. 502.315통계계산및실습I Statistical Computing and Practice I 통계학에서 사용하는 패키지를 다루는 방법을 익히고, 컴퓨터 프로그래밍 기법과 알고리즘을 다루며, 그 방법과 개발을 활용할 수 있다. 502.462설문지 작성 Questionnaire Completion Method 여론조사에 필요한 방법과 기술에 포함되는 조사목적의 설정, 조사와 응답자 추출방법의 설계, 타당하고 신뢰할 수 있는 질문서와 인터뷰의 개발, 조사의 관리, 결과분석의 보고서 작성 등을 배운다. 502.463R 프로그래밍 R Programming R에 의한 데이터 관리 및 다양한 R함수와 패키지를 소개하고, R 프로그래밍 기본구조와 제어문 등을 이해한다. R을 이용한 다양한 형태의 확률밀도함수, 분포함수, 백분위수를 구하는 방법, R에 의한 일변량 및 이변량 범주형 데이터와 연속형 데이터의 정리 및 통계적 추론 등을 다룬다. 502.457회귀분석Ⅰ Regression Analysis I 최소제곱추청법, 단순 및 중선형 회귀모형에서의 추정과 검정, 모형의 적합도 분석, 다항회귀모형, 변수선택법, 분산분석과 회귀진단에 관하여 다룬다. 502.301표본조사론 Sampling Theory 표본추출 방법, 모수추론 및 표본을 이용한 조사의 이론과 개념을 깨달을 수 있다. 502.308비모수통계학개론 Introduction to Nonparamepric Statistics 분포에 대한 가정이 없는 자료를 분석하는 방법으로 부호, 순위를 이용한 통계량의 추정과 검정을 깨달을 수 있다. 502.316통계계산및실습II Statistical Computing and Practice II 통계학에서 사용하는 패키지를 다루는 방법을 익히고, 컴퓨터 프로그래밍 기법과 알고리즘을 다루며, 그 방법과 개발을 활용할 수 있다. 502.317범주형자료분석및실습 Categorical Data Analysis and Practice 범주형자료의 개념, 카이제곱검정, 결합도 분석, 대응분석, 로지스틱회귀모형, 로그선모형을 깨달을 수 있다. 502.414응용통계및실습 Applied Statistics and Practice 통계학을 응용하는 새로운 분야에서 사용하는 내용을 심도 있게 다루는 과목으로 타 분야와 통계적으로 관련하여 새로운 접근을 시도하여 통계를 널리 응용할 수 있다. 502.464Python프로그래밍 Python Programming 파이썬 언어는 최근 전문 프로그래머들이 사용하는 언어 중 하나로 점점 그 비중이 높아져 가고 있다. 이 강의는 데이터분석을 위한 파이썬 프로그래밍의 기초를 다루는 강의이다. 프로그래밍을 처음 시작하거나, 파이썬 언어를 배우고자 하는 수강생을 대상으로 개설한 강의이다. 502.467데이터 마이닝 Data Mining 거대한 양의 데이터베이스 혹은 자료로부터 의사 결정에 유용한 정보 및 지식을 발견하기 위한 자료 분석 및 모형 선정 과정을 다룬다. 대용량의 데이터베이스나 데이터로부터 흥미로운 패턴을 발견하고 새로운 입력 데이터에 대한 예측모형을 개발한다. 나무모형, 군집화기법, 신경망기법, 회귀나무모형 등의 데이터마이닝 기법을 소개하고 R을 이용하여 실제 활용 사례를 분석한다. 502.323빅데이터통계조사및실습 Big Data Statistical Survey and Practice 마케팅 시장자료에 근거하여 표본추출법(단수추출, 층화추출, 집락추출, 다단추출, 층화 다단추출, 반복추출 등), 측정, 척도의 구성, 설문지 설계, 자료의 수집 자료의 처리 및 분석을 통계패키지를 사용하여 다루며, 특히 사회조사분석사 능력을 배양한다. 2016-1학기 신설교과목, 성적평가방법 : 절대(비율)평가 502.306회귀분석II Regression Analysis II 502.320통계적품질관리및실습 Statistical Quality Control and Practice 통계적 기법을 품질관리의 분석과 개선에 적용시켜 품질의 형태, 관리도법, 공정관리, 샘플링검사 등을 익혀 품질을 향상시키는 방법을 깨달을 수 있다. 502.458다변량자료분석 Multivariate Statistical Analysis 다변량 자료분석이란 확률적인 반응을 가지는 변수가 2개 이상이며, 서로 상관이 있는 자료들을 분석하는 것을 의미한다. 다변량 자료의 분석에서는 자료의 구조적 단순화, 관찰개체의 분류 변수의 군집화, 내부적 의존성 조사, 외부적 의존성 조사, 관찰개체의 형상화를 통한 내적 구조조사 등의 방법을 다룬다. 502.459신뢰수명검정론 Reliability Theory 제품의 신뢰도, 고장률, 여러가지 수명분포, 시스템의 신뢰성 등을 다룬다. 502.465실험계획법 Experimental Design 완전랜덤화설계, 랜덤화블록설계, 라틴정방설계, 요인설계, 등 여러 가지 실험설계방법과 분석방법을 다루고, 통계패키지를 이용하여 실습하며, 현장견학을 통하여 현장에서의 응용사례를 체험한다. 502.466데이터 사이언스 Data Science 실제 자료 분석 및 현장학습을 통해 '분석역량' 및 '사업역량'을 극대화하기 위한 교과목으로서, 분석결과를 활용해 미래를 예측하고 사업전략에 따라 분석 방향성 및 적용 방안을 수립하는 Business Analysis를 경험하는 기회를 제공한다. 502.401통계학세미나I Seminar in Statistics I 패키지 프로그램의 이용, Robust 추론을 중심으로 한 자료분석 문제, 분류형 자료의 처리와 응용, 단순선형 회귀모형의 분석, 일원 및 이원배치법에 의한 분산분석법 등을 활용할 수 있다. 502.405통계상담실습 Statistical Consulting Practice 통계 상담인으로서의 자세를 공부하고, 다양한 통계분석방법을 이용하여 고객이 의뢰한 여러 유형의 자료를 상담, 처리, 분석한다. 502.409통계학특강I Topics in Statistics I 최근에 유행되고 있는 통계학의 경향 및 다양한 통계적 기법을 활용할 수 있다. 502.417확률과정론 Stochastic Process 확률과정의 예를 설정, 소개하며 확률과정의 기본이론으로서 Random Walk, Poisson 과정, Markov Chains, 등 이산과정과 출생-사망 과정, 확산과정 등의 연속과정을 깨달을 수 있다. 502.453생존분석입문 Introduction to Survival Analysis 생존분석은 의학, 생물학에서 얻어지는 수명 자료의 분석 방법들을 다룬다. 생존분석을 처음 배우는 학생들을 대상으로 생존분석의 기초와 기본지식을 가르친다. 패키지를 이용해 수명 관련 데이터 분석을 실습하고, 실제로 자료를 분석‧해석하는 능력을 향상시킬 수 있다. 502.460시계열·수요예측방법 Time Series Demand Forecasting Methods 시계열 자료에 기초하여 제품의 공급과 수요간의 인과관계를 파악하여, 미래의 일정기간동안 소비자에게 판매되는 제품의 수량 또는 매출액 규모를 추측하기 위한 다양한 모형을 다룬다. 502.468금융통계 Financial Statistics 본 과목은 통계학의 지식을 바탕으로 금융분야에 대해 이해하고자 한다. 특히 선물, 옵션을 비롯한 파생상품이론, 포토폴리오이론, CAPM모형, Value at Risk 모형 등을 다룬다. 502.469텍스트 마이닝 Text Mining 이 강의는 텍스트 데이터를 처리하고 활용하기 위한 R 프로그래밍 언어와 활용 기술을 소개한다. 특히, 기존의 통계지식이나 프로그래밍 경험이 전무한 학생들도 쉽고 친숙한 방식으로 텍스트 마이닝을 배우고 활용해보는 기회를 제공한다. 502.470통계적 기계학습 Statistical Machine Learning 통계학 전공자의 관점에서 인공지능 구현의 핵심이 되는 통계적 기계학습의 기초 이론과 방법론들을 익힌다. 502.471데이터 시각화 Data Visualization 4차 산업혁명의 대표 통합기술인 빅데이터 개념을 이해하고 빅데이터 주요 처리단계인 수집, 저장, 처리, 분석, 시각화 기술을 학습하여 기획, 디자인, 마케팅 요소 등을 전략에 적용/활용하는 능력을 기른다. 502.472A.I.와 통계학 Artificial Intelligence and statistics 인공지능의 원리를 바탕으로 여러 가지 인공지능 방법들을 이해하여 휴먼-로봇 상호작용이 일어나는 상황에 적용해보고, 프로그래밍 실습을 통해 인공지능의 내용과 응용에 대한 이해도를 높힌다.