수치해석

충북대학교
성현곤

페이스북 트위터 카카오톡 네이버밴드 링크복사

주제분류

공학 >토목ㆍ도시 >도시공학
강의학기

2019년 2학기

조회수

26,209
평점

5/5.0 (1)

강의계획서

수치해석과 관련하여 실시간 빅데이터를 활용한 머신러닝 분석의 최근 동향과 R-프로그램 활용을 통하여 직접 실습하면서 이론적 토양과 실무지식을 배양하고자 한다.

수강안내 및 수강신청
※ 수강확인증 발급을 위해서는 수강신청이 필요합니다

R 프로그래밍 기초_01

차시별 강의

	R_Scripts 및 실습데이터 모음
1.	R 프로그래밍 기초_01	R에 대한 소개 및 연산과 객체 유형을 학습한다.
	R 프로그래밍 기초_02	R에 대한 기초내용인 객체 유형과 종류와 변환 규칙을 학습한다.
	R 프로그래밍 기초_03	R의 함수와 인자, 그리고 함수만들기에 대하여 학습한다.
	R 프로그래밍 기초_04	R로 조건문과 반복문에 대하여 학습한다.
	R 프로그래밍 기초_05	R과 Rstudio로 패키지와 스크립트 작성 및 활용방법에 대하여 학습한다.
	R 프로그래밍 기초	R과 프로그래밍에 대하여 기본적인 지식을 학습한다.
2.	R 데이터 마이닝 기초: 데이터 불러오기와 저장하기	R의 데이터 종류와 불러오기, 저장하기, 경로 설정에 대하여 학습한다.
	R 데이터 마이닝 기초: 데이터 탐구하기	R로 불러온 데이터를 탐구하는 방법에 대하여 학습한다.
	R 데이터 마이닝 기초: 데이터 가공하기	R 기초로 데이터의 정렬, 병합, 변환, 추출, 접근 방법에 대하여 학습한다.
	R 데이터 마이닝 기초: dplyr 패키지로 데이터 가공하기(1)	dplyr 패키지로 데이터의 추출, 정렬, 변환, 수정 및 변형, 집단별 데이터 분할, 요약 등을 수행하는 방법과 파이프 연산자(%>%)를 활용하는 방법을 학습한다.
	R 데이터 마이닝 기초	R을 활용한 데이터 마이닝 기초에 대하여 학습한다.
3.	R 데이터 마이닝 기초: dplyr 패키지로 데이터 가공하기(2)	dplyr 패키지로 데이터를 수정하고, join() 함수로 데이터를 병합하는 방법에 대하여 학습한다.
	R 데이터 마이닝 기초: 그래프와 데이터 시각화(1)	R의 그래프 역사와 그래프 작성에 대한 기초와 내장함수로 그래프 작성하기에 대하여 학습한다.
	R 데이터 마이닝 기초: dplyr 패키지로 데이터 가공하기(2)	dplyr 패키지로 데이터를 수정하고, join() 함수로 데이터를 병합하는 방법에 대하여 학습한다.
	R 데이터 마이닝 기초: 그래프와 데이터 시각화	R의 그래프 역사와 그래프 작성에 대한 기초와 내장함수로 그래프 작성하기에 대하여 학습한다.
4.	R 데이터 마이닝 기초: ggplot2 패키지와 데이터 시각화 (1)	ggplot2 패키지로 데이터를 시각화하는 방법에 대하여 학습한다.
	R 데이터 마이닝 기초: ggplot2 패키지와 데이터 시각화 (2)	ggplot2 패키지로 데이터 시각화를 하는 고급의 방법에 대하여 학습한다.
	R 데이터 마이닝 기초: ggplot2 패키지와 데이터 시각화	ggplot2 패키지로 데이터를 시각화하는 방법에 대하여 학습한다.
5.	R 통계와 머신러닝: 평균 차이와 상관 (1)	R로 평균차이 검정, 분산분석, 상관분석을 하는 방법을 학습한다.
	R 통계와 머신러닝: 평균 차이와 상관 (2)	R로 평균차이 검정, 분산분석, 상관분석을 하는 방법을 학습한다.
	R 통계와 머신러닝: 평균 차이와 상관	R로 평균차이 검정, 분산분석, 상관분석을 하는 방법을 학습한다.
6.	R 통계와 머신러닝: 회귀와 예측 (1)	R로 선형 또는 비선형 회귀분석과 예측하는 방법에 대하여 학습한다.
	R 통계와 머신러닝: 회귀와 예측 (2)	R로 선형 또는 비선형 회귀분석과 예측하는 방법에 대하여 학습한다.
	R 통계와 머신러닝: 회귀와 예측	R로 선형 또는 비선형 회귀분석과 예측하는 방법에 대하여 학습한다.
7.	R 통계와 머신러닝: 머신러닝의 개념과 로지스틱 모델 (1)	머신러닝에 대한 개념적 이해와 더불어 교차타당성 평가, 로지스틱 모델을 통하여 예측하는 방법을 학습한다.
	R 통계와 머신러닝: 머신러닝의 개념과 로지스틱 모델 (2)	머신러닝에 대한 개념적 이해와 더불어 교차타당성 평가, 로지스틱 모델을 통하여 예측하는 방법을 학습한다.
	R 통계와 머신러닝: 머신러닝의 개념과 로지스틱 및 판별 모델	머신러닝에 대한 개념적 이해와 더불어 교차타당성 평가, 로지스틱 모델을 통하여 예측하는 방법을 학습한다.
8.	R 통계와 머신러닝: 판별 모델과 예측 (1)	R로 판별모델링을 통하여 분류 수준의 데이터를 예측하는 방법에 대하여 학습한다.
	R 통계와 머신러닝: 판별 모델과 예측 (2)	R로 판별모델링을 통하여 분류 수준의 데이터를 예측하는 방법에 대하여 학습한다.
	R 통계와 머신러닝: 판별 모델과 예측 (3)	R로 판별모델링을 통하여 분류 수준의 데이터를 예측하는 방법에 대하여 학습한다.
	R 통계와 머신러닝: 판별 모델과 예측 (4)	R로 판별모델링을 통하여 분류 수준의 데이터를 예측하는 방법에 대하여 학습한다.
	R 통계와 머신러닝: 판별 모델과 예측	R로 판별모델링을 통하여 분류 수준의 데이터를 예측하는 방법에 대하여 학습한다.
9.	R 통계와 머신러닝: K-최근접 분류와 예측 (1)	R로 K-최근접 이웃 모델링을 통하여 데이터를 예측하는 방법에 대하여 학습한다.
	R 통계와 머신러닝: K-최근접 분류와 예측 (2)	R로 K-최근접 이웃 모델링을 통하여 데이터를 예측하는 방법에 대하여 학습한다.
	R 통계와 머신러닝: K-최근접 분류와 예측	R로 K-최근접 이웃 모델링을 통하여 데이터를 예측하는 방법에 대하여 학습한다.
10.	R 통계와 머신러닝: 앙상블 학습과 예측 (1)	R로 앙상블학습인 랜덤포레스트와 XGBOOST 모델링을 통하여 데이터를 예측하는 방법을 학습한다.
	R 통계와 머신러닝: 앙상블 학습과 예측 (2)	R로 앙상블학습인 랜덤포레스트와 XGBOOST 모델링을 통하여 데이터를 예측하는 방법을 학습한다.
	R 통계와 머신러닝: 앙상블 학습과 예측 (3)	R로 앙상블학습인 랜덤포레스트와 XGBOOST 모델링을 통하여 데이터를 예측하는 방법을 학습한다.
	R 통계와 머신러닝: 앙상블 학습과 예측	R로 앙상블학습인 랜덤포레스트와 XGBOOST 모델링을 통하여 데이터를 예측하는 방법을 학습한다.
11.	R 통계와 머신러닝: 비지도학습 (1)	R로 비지도학습모델링인 주성분 분석과 군집분석을 통하여 데이터를 예측하는 방법을 학습한다.
	R 통계와 머신러닝: 비지도학습 (2)	R로 비지도학습모델링인 주성분 분석과 군집분석을 통하여 데이터를 예측하는 방법을 학습한다.
	R 통계와 머신러닝: 비지도학습	R로 비지도학습모델링인 주성분 분석과 군집분석을 통하여 데이터를 예측하는 방법을 학습한다.
12.	R 통계와 머신러닝: 나이브 베이즈 (1)	R로 베이즈 정리와 라플라스 근사량 추정, 그리고 나이브 베이즈 학습모델링을 통하여 분류 데이터를 예측하는 방법을 학습한다.
	R 통계와 머신러닝: 나이브 베이즈 (2)	R로 베이즈 정리와 라플라스 근사량 추정, 그리고 나이브 베이즈 학습모델링을 통하여 분류 데이터를 예측하는 방법을 학습한다.
	R 통계와 머신러닝: 시계열 예측 (1)	R의 날짜와 시간의 형식과 표기, 그리고 연산하는 방법을 학습한다.
	R 통계와 머신러닝: 나이브 베이즈	R로 베이즈 정리와 라플라스 근사량 추정, 그리고 나이브 베이즈 학습모델링을 통하여 분류 데이터를 예측하는 방법을 학습한다.
	R 통계와 머신러닝: 나이브 베이즈	R로 베이즈 정리와 라플라스 근사량 추정, 그리고 나이브 베이즈 학습모델링을 통하여 분류 데이터를 예측하는 방법을 학습한다.
13.	R 통계와 머신러닝: 시계열 예측 (2)	시계열 데이터의 특성과 모델링에 대한 이론을 학습한 후에 시계열 데이터를 분석하는 방법인 아리마 모델링에 대하여 학습한다.
	R 통계와 머신러닝: 시계열 예측 (3)	시계열 데이터의 특성과 모델링에 대한 이론을 학습한 후에 시계열 데이터를 분석하는 방법인 아리마 모델링에 대하여 학습한다.
	R 통계와 머신러닝: 시계열 예측	시계열 데이터의 특성과 모델링에 대한 이론을 학습한 후에 시계열 데이터를 분석하는 방법인 아리마 모델링에 대하여 학습한다.