경제대학 - 전공과목 안내

651 \| 2학점 기초 파이썬 필수과목	기초 통계학과 선형회귀분석을 python을 이용하여 연습한다. 생성자료와 현실자료를 이용한 분석을 통하여, 통계모형의 가정들과 결과의 해석방법등을 학습한다.
652 \| 2학점 경제수학 및 기초통계 필수과목	경제자료분석에 사용되는 수학과 통계적인 분석기법을 소개한다. 경제수학 부분에선 선형대수와 미적분의 기초, 그리고 차원축소 등의 기계학습 기법들과 최적화 문제를 학습한다. 통계 부분에선 기초 통계량과 가설검증, 행렬의 분해, 베이즈정리 등을 소개한다.
660 \| 2학점 인공지능입문	인공지능 시대를 맞아 데이터과학 3대 분야인 분류(classification), 예측(prediction), 군집(clustering) 이론과 실습하고 딥러닝 수학(신경망의 가중치와 편향 결정)을 Excel을 활용하여 실습한다.
661 \| 2학점 인공지능응용	데이터과학 3대 알고리즘 분류(classification), 회귀(Regression), 군집(clustering)의 응용 알고리즘 이론과 실습을 한다. 분류는 SVM(Support Vector Machine)과 ANN(Artificial Neural Network), 회귀는 로지스틱 회귀, 클러스터링은 SOM 등, 선진 머신러닝 플랫폼인 rapidminer studio를 활용하여 미시경제/거시경제 글로벌 데이터로 팀프로젝트를 수행한다.
662 \| 2학점 파이썬을 이용한 금융빅데이터 분석	Python에 대한 기초 습득, python을 이용한 금융자료의 구득, 분석, 금융모형의 적합성 여부를 공부하는데 있다. 금융변수(외환, 주가)와 관련된 이론 및 관련 연구를 공부한다. 본 교과에서는 python의 programming 방법보다는 다양한 library/package를 경제/재무에서 배운 모형에 활용하는데 주안점을 둔다. 수강생들이 python 활용이 매우 자유로운 경우 machine learning의 다양한 알고리즘을 소개할 수 있다.
663 \| 2학점 파이썬을 이용한 경제정보분석	본 교과는 python을 이용하여 자료를 분석하는 기초적인 방법을 소개한다. 평균, 분산, 상관계수, 선형도표, 도수 분포표, 피봇테이블 등 기술통계와 회귀분석 방법을 소개하고 이를 기초로 자료를 분석하고 목적에 맞게 정리하는 방법을 학습한다.
664 \| 2학점 기계학습	Linear regression, logistio regression, naive Bayes, decision tree, linear discriminant analysis 등 대규모 자료 분석에 사용하는 회귀 및 분류모형의 장단점을 비교하고, 자료의 형태나 분석 목적에 따라 어떤 통계모형이 적합한지와 결과해석에서 유의해야 할 내용들을 학습한다. 사례를 통해 imputation, cross-validation, feature engineering 등 자료분석에 필요한 도구들을 소개하고 연습한다.
665 \| 2학점 딥러닝	딥러닝과 신경망모형의 기본원리와 관련 용어를 학습하고 기본모형인 DNN, RNN, CNN의 구조와 특징을 살펴본다. 실습을 통해 자료의 전처리, 모형의 구성 방법, 기본모형의 결합방법을 학습하고 예제 자료를 이용햐여 각 모형을 tensorflow로 구현해 본다.
667 \| 2학점 금융시장의 미시적 구조와 머신러닝	최근 활발한 연구가 진행 중인 Machine Learning(이하 ML) 알고리즘과 이를 금융시장에 응용하는 방법론을 공부한다.
668 \| 2학점 AI 금융	Machine Learning (이하 ML) 알고리즘과 금융시장에의 응용에 대해 심화 학습힌다. Deep Learning, Reinforcement Learning의 구조를 금융시장에 어떻게 적용할 것인지를 개괄하며, python 프로그래밍 방법보다는 다양한 library/package를 경제/재무에서 배운 모형에 활용하는데 주안점을 둔다.
669 \| 2학점 인공지능을 위한 기초수학	기계학습을 체계적으로 공부하기 위한 필수 기초적인 수학적 도구를 학습한다. 최적화를 위한 미적분, 자료 특성을 이해하기 위한 선형대수와 정보이론, MLE와 MAP, 손실함수와 관련된 확률과 통계 지식을 다룬다.
680 \| 2학점 핀테크 산업과 프롭테크	금융 IT의 융합분야인 핀테크 산업의 현황과 전망, 금융시장의 변화를 살펴보고, 프롭테그를 비롯한 향후 유망분야에 대해 전망한다. 핀테크의 개념과 성장 배경, 글로벌 추세와 국내 현황 및 정책을 파악함으로써 향후 핀테크 산업의 변화 및 유망분야에 대해 이해하고, 금융과 IT의 시너지 및 다양한 다른 산업과의 연결 가능성에 대해 논의한다.
913 \| 2학점 경제시계열분석	-
914 \| 2학점 계량경제학	-

651 \| 2학점 기초 파이썬 필수과목	기초 통계학과 선형회귀분석을 python을 이용하여 연습한다. 생성자료와 현실자료를 이용한 분석을 통하여, 통계모형의 가정들과 결과의 해석방법등을 학습한다.
652 \| 2학점 경제수학 및 기초통계 필수과목	경제자료분석에 사용되는 수학과 통계적인 분석기법을 소개한다. 경제수학 부분에선 선형대수와 미적분의 기초, 그리고 차원축소 등의 기계학습 기법들과 최적화 문제를 학습한다. 통계 부분에선 기초 통계량과 가설검증, 행렬의 분해, 베이즈정리 등을 소개한다.
660 \| 2학점 인공지능입문	인공지능 시대를 맞아 데이터과학 3대 분야인 분류(classification), 예측(prediction), 군집(clustering) 이론과 실습하고 딥러닝 수학(신경망의 가중치와 편향 결정)을 Excel을 활용하여 실습한다.
661 \| 2학점 인공지능응용	데이터과학 3대 알고리즘 분류(classification), 회귀(Regression), 군집(clustering)의 응용 알고리즘 이론과 실습을 한다. 분류는 SVM(Support Vector Machine)과 ANN(Artificial Neural Network), 회귀는 로지스틱 회귀, 클러스터링은 SOM 등, 선진 머신러닝 플랫폼인 rapidminer studio를 활용하여 미시경제/거시경제 글로벌 데이터로 팀프로젝트를 수행한다.
662 \| 2학점 파이썬을 이용한 금융빅데이터 분석	Python에 대한 기초 습득, python을 이용한 금융자료의 구득, 분석, 금융모형의 적합성 여부를 공부하는데 있다. 금융변수(외환, 주가)와 관련된 이론 및 관련 연구를 공부한다. 본 교과에서는 python의 programming 방법보다는 다양한 library/package를 경제/재무에서 배운 모형에 활용하는데 주안점을 둔다. 수강생들이 python 활용이 매우 자유로운 경우 machine learning의 다양한 알고리즘을 소개할 수 있다.
663 \| 2학점 파이썬을 이용한 경제정보분석	본 교과는 python을 이용하여 자료를 분석하는 기초적인 방법을 소개한다. 평균, 분산, 상관계수, 선형도표, 도수 분포표, 피봇테이블 등 기술통계와 회귀분석 방법을 소개하고 이를 기초로 자료를 분석하고 목적에 맞게 정리하는 방법을 학습한다.
664 \| 2학점 기계학습	Linear regression, logistio regression, naive Bayes, decision tree, linear discriminant analysis 등 대규모 자료 분석에 사용하는 회귀 및 분류모형의 장단점을 비교하고, 자료의 형태나 분석 목적에 따라 어떤 통계모형이 적합한지와 결과해석에서 유의해야 할 내용들을 학습한다. 사례를 통해 imputation, cross-validation, feature engineering 등 자료분석에 필요한 도구들을 소개하고 연습한다.
665 \| 2학점 딥러닝	딥러닝과 신경망모형의 기본원리와 관련 용어를 학습하고 기본모형인 DNN, RNN, CNN의 구조와 특징을 살펴본다. 실습을 통해 자료의 전처리, 모형의 구성 방법, 기본모형의 결합방법을 학습하고 예제 자료를 이용햐여 각 모형을 tensorflow로 구현해 본다.
667 \| 2학점 금융시장의 미시적 구조와 머신러닝	최근 활발한 연구가 진행 중인 Machine Learning(이하 ML) 알고리즘과 이를 금융시장에 응용하는 방법론을 공부한다.
668 \| 2학점 AI 금융	Machine Learning (이하 ML) 알고리즘과 금융시장에의 응용에 대해 심화 학습힌다. Deep Learning, Reinforcement Learning의 구조를 금융시장에 어떻게 적용할 것인지를 개괄하며, python 프로그래밍 방법보다는 다양한 library/package를 경제/재무에서 배운 모형에 활용하는데 주안점을 둔다.
669 \| 2학점 인공지능을 위한 기초수학	기계학습을 체계적으로 공부하기 위한 필수 기초적인 수학적 도구를 학습한다. 최적화를 위한 미적분, 자료 특성을 이해하기 위한 선형대수와 정보이론, MLE와 MAP, 손실함수와 관련된 확률과 통계 지식을 다룬다.
680 \| 2학점 핀테크 산업과 프롭테크	금융 IT의 융합분야인 핀테크 산업의 현황과 전망, 금융시장의 변화를 살펴보고, 프롭테그를 비롯한 향후 유망분야에 대해 전망한다. 핀테크의 개념과 성장 배경, 글로벌 추세와 국내 현황 및 정책을 파악함으로써 향후 핀테크 산업의 변화 및 유망분야에 대해 이해하고, 금융과 IT의 시너지 및 다양한 다른 산업과의 연결 가능성에 대해 논의한다.
913 \| 2학점 경제시계열분석	-
914 \| 2학점 계량경제학	-