| 시뮬레이션과기계학습(PBL) |
시뮬레이션은 가장 많이 쓰이는 경영과학/응용통계/기계학습 기법 중 하나이다. 본 과목에서는 불확실성이 포함된 시스템 분석 혹은 데이터 분석 시 사용 가능한 몬테카를로 시뮬레이션 기반 방법론을 다룬다. 먼저 기초 몬테카를로 시뮬레이션에 대해 이해하고 효율적인 시뮬레이션 데이터 분석을 위한 마르코프 체인 몬테카를로(MCMC) 및 분산감소기법(Variance Reduction)을 다룬다. 과목 후반부는 강화학습 내 시뮬레이션 기반 의사결정 기법(Multi-armed bandit)과 Bayes기법을 이용한 의사결정 방법론에 대해 다룬다.
|
| 강화학습기초 |
본 수업은 강화 학습 알고리즘을 이해하기 위한 수리적 배경과 강화학습 기초 알고리즘 소개를 기반으로 진행된다. 수업의 전반부는 Markov Decision Process에 대해 다루고, 후반부는 기초 강화학습 알고리즘인 Monte-Carlo Method, Temporal-Difference Learning, Q-Learning에 대하여 다룬다. 학생들은 본 수업을 통해 수리적 모형에 대한 이해와 더불어, 간단한 Python 코딩을 통해 알고리즘을 예제 적용하여 결과를 도출해본다.
|
| 회귀분석이론및응용 |
회귀분석은 데이터를 다루는 방법을 묘사하는 응용주제로서 다양한 산업 및 비즈니스 상황하에서 불확실한 미래를 예측하기 위하여 자주 사용되어 왔다. 이 과정에서는 행렬연산을 포함한 선형대수 및 선형라인 회귀 모형 및 기초적인 분산분석 모형을 선행학습으로 요구하고 있다. 이 과정은 단순 및 다중회귀모형에 대하여 최소자승모형적합, 가설검정, 분산분석 및 모형진단등을 배운다. 또한 R을 사용하여 직접 데이터를 분석하고 분석결과를 해석하는 방법등에 대해서도 다룬다.
|
| 통계적학습론 |
많은 데이터를 가지는 경우는 현대사회에서는 도처에 존재한다(ubiquitous). 기업의 경우 제조환경으로부터 나온 데이터를 토대로 적절한 관리적 결정을 내리거나, 과학자의 경우 자연적 현상으로부터 과학적인 정보를 추출하기 위해, 규칙(rule) 또는 데이터에 내재해 있는 패턴을 발견하기 위한 체계적인 방법을 필요로 한다. 통계적 학습방법은 크게 많은 투입요소를 토대로 결과값을 예측하기 위한 supervised learning과 결과값이 없이 많은 투입요소사이의 연관(association) 및 패턴을 묘사하는 데 중점을 두는 unsupervised learning방법이 있다. 이 과목에서는 이러한 목적을 위해 사용되는 방법으로서 중회귀분석, 로지스틱 회귀분석, 판별분석, 부스팅(Boosting) 및 부가트리 (Additive Trees), Support Vector Machine, Association Rules, 클러스턱분석 등을 고찰한다. 실제적으로 범용 통계패키지인 R을 활용하여 실예제를 분석, 통계적 의사결정을 하도록 이끌어 나가도록 한다.
|
| 기계학습및데이터마이닝 |
기계학습과 데이터마이닝은 데이터 안에서 체계적이고 자동적으로 통계적 규칙과 패턴을 찾아내는 응용 통계의 분야이다. 이 과목에서는 기계학습과 데이터마이닝의 기본 원리와 다양한 기법들을 심도있게 이해하고 적용하는 것을 학습한다. 베이지안 의사결정을 기본으로 하여 모델 결정, 주성분 분성, 군집 분석, 분류 분석, 요인 분석, 신경망 분석, support vector machines 등의 방법 등을 다룬다.
|
| 빅데이터기반기계학습및응용연구(PBL) |
4차산업 패러다임에서 빅데이터와 기계학습에 대한 심도있는 이해와 적용력 및 연구력이 요구되고 있다. 메모리에 들어가기 어려운 대용량 및 실시간 빅데이터를 사용하는 기계학습 알고리즘의 원리와 처리 방식들을 학습한다. 온라인 알고리즘, 칼만필터, 분산최적화 방법, Convex 프로그래밍의 방법들을 학습하고, 팀별로 연구 주제를 정하여 연구를 수행하도록 한다.
|
| 기계학습을위한계산및통계 |
기계학습을 위한 계산 및 통계 과목에서는 다중 변수를 사용하는 다변량 통계 방법론과 데이터 분석을 위하여 통계적 방법과 전산적 컴퓨팅 방법을 병행하여 사용하는 계산 통계방법론의 내용을 학습한다. 이 과목에서는 다변량 통계학과 계산 통계학에 필요한 기본 원리들을 이해하고 기계학습에 적용 및 연결 등에 대해 배운다. 최소제곱법,커널, 직교 기저, 특성치, SVD, MLE, Bayesian 방법 등에 대해 수학적 기초를 학습한다.
|
| 빅데이터시스템및계산 |
빅데이터시스템은 애플리케이션 중심에서 데이터 중심으로, 새로운 데이터 역학관계를 주도하고 있다. 대표적인 빅데이터시스템 하둡의 1세대 맵리듀스가 갖고 있는 문제점을 해결하기 위해 버클리에서 개발한 오픈소스, Spark(메모리기반 분산분석엔진)는 빅데이터를 다루는데 필요한 플랫폼이자 프레임워크이다. 본 과목에서는 기계학숩 및 딥러닝을 위한 Spark의 자료구조를 이해하고 다양한 API를 활용하여 DIKW 프로세스를 구현을 학습한다.
|
| 고급시계열분석및예측(PBL) |
본 강좌에서는 시계열(Time-series) 기반 데이터의 분석 및 예측을 위한 이론 및 구현 능력을 습득하는데 주안점을 두고 학습을 진행한다. 전반기에는 시계열 모형의 수리적 기초와 전통적 모형들을 수학하며, 후반기에는 고급 시계열 분석 및 예측 방법론을 연구한다. 본 강좌는 기초 개념에서부터 최신 동향까지 포괄하는 대학원 수준의 시계열 강좌를 목표로 하며, 향후 수강생이 연구주제와 방법론을 설정하는데 활용할 수 있도록 관련 지식을 배양하는데 주안점을 둔다.
|
| 생산전략 |
글로벌 경영환경하에서 기업경쟁력은 시장변화에 대한 신속한 대응체계의 구축을 핵심요소로 꼽고 있다. 특히, 제조기업의 글로벌기지화에 따른 글로벌 공급망상에서의 생산전략, 단일 생산기지에서의 생산전략 및 생산전략과 연계한 경영운영과의 통합체계에 대한 사안들은 심도있게 다루어져야 할 것인다. 본 강좌에서는 이러한 글로벌 경영환경하에서의 생산전략의 구축을 위한 다양한 이슈와 생산시스템의 유형과 연계하여 생산전략 전개에 활용되는 기법 등에 대해서 최신 연구논문을 활용한 연구테마 및 주요 내용에 대한 학습을 진행하도록 한다.
|
| 창의적연구및논문 |
본 교과목은 처음 논문연구를 시작하는 대학원생을 대상으로 한다. 본 교과목에서는 학생 본인의 연구 주제를 독창적으로 찾아내는 방법에 대해 알아보고, 이를 기존의 다른 연구와 비교하여 본인 연구의 장점을 부각시킬 수 있는 방법에 대해 알아본다. 또한 각자 분야에서 현재 연구의 동향을 알아보고, 향후 본인 연구 목표와 방향을 설정하도록 유도한다.
|
| 공급망모델링(PBL) |
최신 연구논문을 활용하여 공급망과 물류시스템의 설계 및 운영과정에서 파생되는 다양한 형태의 의사결정 문제 유형과 연구주제를 공유한다. 이를 통하여 공급망 시스템 설계 및 운영을 위한 관련 요소들간의 구조적인 연계체계를 학습한다. 또한, 각 의사결정 문제 유형별에 해당하는 수리모형 모델링 구성체계를 분석하고 구현방안을 심화 학습한다. 최신 연구논문에 대한 심화학습을 통하여 해당 연구에서 제시하는 문제해결방안을 직접 구현하여 문제구성에서부터 해결까지의 완결형 학습을 진행한다.
|
| 금융공학및위험관리 |
본 강좌에서는 확률론, 추계적과정 등의 지식에 기반하여 금융공학의 수리적 배경과 관련 이론 그리고 이를 활용한 투자 및 위험관리 방법론을 습득하는데 주목적을 두고 학습을 진행한다. 본 강좌는 금융공학개론 강좌의 후속편으로 개설되며, 금융공학 관련 이론의 심도 있는 지식과 위험관리 활용 방법 및 최근 연구 동향을 습득하는데 주안점을 둔다.
|
| 일정계획론(PBL) |
일정계획(scheduling)이란 주어진 과업을 수행하기 위해 시간에 따라 자원을 할당하는 문제로 생산율, 재공재고 및 납기 관련 목적함수를 최적화하는 작업 순서와 시점을 결정하는 분야이다. 본 교과목에서는 다양한 일정계획 문제들에 대한 수리 모형과 해법들을 소개하며, 구체적으로 일정계획 이론에 대한 기초 내용을 설명한 후 단일 장비(single machine), 병렬 장비(parallel machines), 흐름공정(flow shop) 및 개별공정(job shop) 일정계획 문제들에 대한 수리 모형화 기법과 해법들을 설명한다.
|
| 최적위치설계론 |
This course gives graduate students an understanding of advanced topics in location logistics to select the optimal locations of industrial plants and distribution centers through analytical modeling of the costs of inventory storage, transportation, utilities, labor supply and other cost components. We emphasize on construction and analyzing mathematical models related to location logistics.
|
> 대학원교육 > 과목소개