부경대학교 | 통계·데이터사이언스

통계·데이터사이언스전공

 

교과과정 

 

   

모듈형 교과과정 

  

교과목 설명

 

*통계학개론및실습,(Introduction to Statistics with Practice,)

데이터분석에 필요한 기초 통계이론 및 통계적 방법론들을 전반적으로 소개하며 통계프로그래밍 언어를 사용하여 실습능력을 배양한다.

 

*확률론(Probability Theory)

통계적 방법론의 주요 기초이론이 되는 확률론의 기본개념에 대해서 학습한다. 이를 위해, 확률에 관련된 이론뿐만 아니라 다양한 예제 및 연습문제들을 직접 해결할 수 있는 능력을 배양하고자 한다.

 

*회귀분석및실습(Regression Analysis with Practice)

중회귀모형, 다중회귀모형, 회귀진단, 가변수, 변수선택, 다중공선성, 비선형회귀, 일반화선형모형 등을 학습하며 통계패키지 R, SAS, SPSS, Minitab을 활용할 수 있도록 교수한다.

 

*통계데이터사이언스수학(Mathematics for Statistics and Data Science)

통계데이터사이언스수학은 통계적 방법론과 데이터분석의 근본이론들을 이해하고 개발하기 위한 토대적 역할을 한다. 통계학과 데이터사이언스의 급속한 성장과 함께 최근 기법들을 이해하기 위해 필요한 수학적 지식을 교수한다.

 

*파이썬프로그래밍및실습(Python Programming with Practice)

통계학을 이수한 학생을 대상으로 통계학에서 다루는 여러 가지 통계적 분석기법을 간단한 이론과 함께 통계분석소프트웨어인 파이션 (Python)을 활용할 수 있는 실습 능력을 배양한다.

 

*행렬대수(Matrix Algebra)

행렬대수의 기본적인 이론을 습득한 후 이러한 이론이 통계분야에 어떻게 적용되는지 이해할 수 있도록 하며 통계패키지 RSAS/IML을 이용하여 행력대수 이론도 구현해본다.

 

*수리통계학,(Mathematical Statistics,)

확률과 분포에 관한 이론들을 이용하여 통계학에서 가장 흔히 다루는 통계적 추론 문제를 공부하기로 한다. 즉 모수의 추정문제와 가설검정의 원리와 여러 가지 방법들을 다루기로 한다.

 

*표본론(Sampling Theory)

표본설계의 기본적 이해와 대표적인 표본추출방법과 모수추정방법에 대해 교수한다.

 

*데이터사이언스개론및실습(Introduction to Data Science and Practice)

데이터시각화, 데이터랭글링, 통계학습, 예측분석, 비지도학습, 시뮬레이션, 공간자료, 텍스트마이닝, 네트워크과학 등을 학습하며 통계패키지 R 및 파이썬을 통하여 활용할 수 있도록 교수한다.

 

*통계계산및실습(Computational Statistics with Practice)

통계계산은 통계학의 연구를 위해 급격하게 팽창되고 있는 분야이다. 본 과목에서는 오늘날 가장 강력하게 사용되고 있는 R언어 및 파이션 (Python) 을 사용하여 통계계산을 위한 프로그램을 작성하는 방법들을 배우게 된다. 특히 모든 통계계산 언어의 근간이 되고 있는 이론을 강조한 후 더 복잡한 문제에 사용된 기법들을 습득한다. 특히 통계적 방법 연구에서 빈번하게 사용되고 있는 시뮬레이션 방법, 몬테칼로 방법, 붓스트랩, MCMC 및 다변량자료의 시각화 기법들에 대하여 다루게 된다.

 

*조사방법론및실습(Survey Methods with Practice)

조사과정에서 필요한 조사연구설계, 질문지 작성, 면접조사 관리, 표본추출, 측정, 척도 구성, 조사 데이터 분석, 보고서 작성 등 사회조사 또는 통계조사와 관련된 전 과정에 대해서 교수한다.

 

*통계적품질관리(Statistical Quality Control)

통계학 전공자들에게 품질관리의 통계적 측면을 소개하여, 품질과 품질개선의 중요성을 인식하게 하고자 한다.

 

*R프로그래밍및실습(Statistical Language R with Practice)

통계학 분야에서 가장 많이 사용하고 있는 통계프로그래밍언어인 R을 활용하여, 데이터 처리, 기술통계분석, 기초 통계학 수준의 통계모형에 관해서 학습하고, 실제 데이터를 통해서 R의 활용방법에 대해서 학습한다.

 

*실험계획법및실습(Design of Experiments with Practice)

현상이나 반응에 영향을 미치는 요인들의 영향을 주는 실험들을 통하여 반응값과 요인들의 관계를 선형모형으로 분석하는 기법들을 통계분석소프트웨어인 SAS의 실습을 병행한다.

 

*데이터시각화및실습(Data Visualization with Practice)

통계패키지 R을 이용하여 ()데이터를 시각적으로 처리하는 탐색적인 기법들 및 통계적 기법들을 교수한다.

 

*확률과정론(Stochastic Processes)

과학기술분야에서 나타나는 여러 가지 현상들을 확률의 이론으로 해석하기 위하여 마르코프체인과 확률과정에 관한 이론에 관한 내용을 배운다.

 

*이산자료분석및실습(Discrete Data Analysis with Practice)

수리통계학, 회귀분석, 실험계획법등의 기본적인 통계학 교과목 등을 이수한 학생을 대상으로 이산형자료와 연속형자료들이 함께 나타나는 경우의 분석기법들을 이론과 함께 통계분석소프트웨어인 R SAS의 실습을 병행한다.

 

*베이지안통계학(Bayesian Statistics)

잘 알려져 있는 베이지안 통계학의 기본 개념을 바탕으로 한 베이지안 데이터 분석 방법으로 여러 응용분야에 활용할 수 있도록 교수한다.

 

*다변량자료분석(Multivariate Data Analysis)

다변량정규분포, 주성분분석, 인자분석, 판별분석 등 다변량자료분석의 다양한 기법들과 함께, 패턴인식의 기본적인 개념을 배우고, 패턴인식에서 고전적인 통계방법과 최신 개념이 방법의 차이에 대해서 이해하도록 한다.

 

*고급데이터사이언스및실습(Advanced Data Science with Practice)

데이터시각화, 데이터랭글링, SQL, 통계학습, 예측분석, 차원축소, 시뮬레이션, 공간자료, 텍스트마이닝, 네트워크과학, 디지털 윤리학 등을 학습하며 Python을 통하여 활용할 수 있도록 교수한다.

 

*통계학습모형및실습(Stastistical Learning with Practice)

기계학습모형 중 통계학습 모형과 관련이 깊은 kNN, Naive Bayes, 로지스틱회귀분석, 의사결정나무분석, 집락분석에 대하여 교수한다.

 

*시계열데이터분석및실습(Time Series Data Analysis with Practice)

시계열자료를 분석하는 기본적인 개념들을 배우고 통계패키지를 사용하여 실제자료를 분석하는 방법들을 습득한다.

 

*생존데이터분석및실습(Survival Data Analysis with Practice)

의학, 공학 및 사회과학 분야 등에서 주로 관측되는 생존기간(survival time, failure time or time-to-event)에 관한 자료를 분석하는 다양한 통계적 방법을 소개하고, 그 이해를 돕기 위해 통계패키지 R SAS를 활용하여 실습하고자 한다. 특히 생존자료의 대표적인 분석방법으로서 카플란-마이어(Kaplan-Meyer) 생존함수 추정법, Cox의 비례위험모형(Cox‘s proportional hazards model) 및 가속화 실패시간 모형(accelerated failure-time model)을 학습 한다.

 

*헬스케어데이터분석(Health-Care Data Analysis)

의학 및 생명과학의 헬스분야에서 통계적 방법 적용이 보편화되면서, 통계전문가들의 역할이 크게 중요시되고 있다. 본 교과목에서는 헬스케어데이터 전문가로서 반드시 필요한 기초적인 통계적 방법 및 소양을 학습한다.

 

*기계학습및실습(Machine Learning with Practice)

신경망분석, SVM, 연관규칙분석, 배깅, 부스팅, 랜덤포레스트 기법들에 대하여 교수한다.

 

*경제및금융데이터분석(Economic and Financial Data Analysis)

현실에서 접하게 되는 주식가격, 주식수익률 및 환율 등과 같은 다양한 종류의 경제 및 금융자료를 살펴보고 그 통계적 특성 및 모델링을 학습한다.

 

*통계데이터사이언스특강(Special Topics in Statistics and Data Science)

통계학 및 데이터사이언스 분야의 고급지식을 습득하기 위해 필요한 이론적인 지식들을 교수한다.

 

*현장인턴십L(Field InternshipL)

통계 데이터 처리 및 분석을 희망하는 산업체, 연구소, 공공기관과 연계 및 방문을 통해 각 기관에서 생성되는 자료를 입력하고 정리함으로써, 실제 기관들에서 제시되고 있는 자료의 형태 및 그 자료를 통해 어떤 연구가 수행되고 있는지를 현장 학습한다.

 

*캡스톤디자인L(Capstone DesignL)

학부과정에서 배운 통계적 분석 방법과 SAS, SPSS, R, Minitab 등의 통계 패키지를 이용하여, 팀별로 국가기관이나 산업체에서 생성하는 기업자료를 해석 및 분석하여 그 결과를 제시하는 방법을 실질적으로 습득케 한다.