Skip to main content
R로 배우는 고급통계 이미지

R로 배우는 고급통계




Enrollment in this course is by invitation only

강좌 소개

수업내용/목표

[수업내용]
■ 매치업 기본과정에서 학습한 통계의 기본개념과 방법론을 통계프로그래밍 언어인 R을 통해 실제 데이터 분석문제에적용하는것 을 학습하는 과정입니다.
■ 통계의 핵심을 정리하고 통계분석 과정을 R로 수행하는 방법을 습득합니다. 또한 실무에서 찾아낼 수 있는데이터분석문제에 R을 사용하여 통계방법론을 적용하는 과정도 포함합니다.

[학습목표]
■ R을 사용하여 통계적 기법을 적용하는 방법을 알 수 있습니다.
■ R을 사용하여 통계분석을 수행하는 환경을 구축할 수 있습니다.
■ 실제 데이터분석 문제를 해결하기 위한 적절한 통계적 기법을 찾아낼 수 있습니다.

홍보/예시 영상

강좌 운영 계획

 

본 강좌는 고려사이버대학교 미래교육원 홈페이지에서 운영됩니다.

 

미래교육원 홈페이지(future.cuk.edu) 회원가입 및 수강신청 후 수강해주시기 바랍니다.

 

수강신청URL : https://future.cuk.edu/local/paid/application_intro.php?id=60

주차

주차명

학습활동

1

확률과 표본분포

1차시

확률과 표본분포

강의학습, 과제

2차시

모집단과 표본

3차시

표본분포

2

데이터 취득과 탐색

1차시

측정도구의 신뢰도

강의학습, 과제

2차시

수집된 자료의 탐색

3차시

모수적 자료의 가성

3

가설검정

1차시

가설검정의 개념 및 과정

강의학습, 실습

2차시

단일 모집단의 가설검정(이론)

3차시

단일 모집단의 가설검정(실습)

4

차이검정

1차시

차이검정의 개념과 유형

강의학습, 과제

2차시

t검정

3차시

ANOVA(F검정)

5

인과관계와 예측

1차시

상관계수

강의학습, 과제

2차시

회귀분석

3차시

다중선형회귀

6

범주형 자료분석

1차시

범주형 자료분석 및 카이제곱 검정

강의학습

2차시

로지스틱 회귀분석

3차시

통계적용문제

7

R로하는 통계적용 프로젝트

1차시

문제정의와 데이터 탐색

강의학습

2차시

가설검정

3차시

상관과 회귀

8

기말평가 (리포트 문제 및 접근방법 설명)

강의학습

 

 

강좌운영팀 소개

교수자

강애띠 professor
강애띠 교수
■ 현 고려사이버대학교 융합정보대학원 외래교수
■ 현 ㈜인포씨드 블록체인연구, 빅데이터 처리분석연구 등 연구소장
■ 전) 한국국토정보공사 공간정보연구원
■ 전) ㈜솔시티 컨설팅 사업부 책임 컨설턴트

강좌지원팀

장성호
장성호
■ 현 고려대학교 응용통계학 석사과정

강좌 수강 정보

이수/평가정보

[이수/평가정보]

l  과제 : 50%  

l  기말고사 : 50%

※ 70점 충족 시 이수증 발부

 

[강좌수강]

l  본 강좌는 고려사이버대학교 미래교육원 홈페이지에서 운영됩니다.

미래교육원 홈페이지(future.cuk.edu) 회원가입 및 수강신청 후 수강해주시기 바랍니다.

※수강신청 URL : https://future.cuk.edu/local/paid/application_intro.php?id=60

강좌 수준 및 선수요건

- 본강좌는 매치업 '빅데이터와 수학적사고' 교육과정의 심화과정으로기초과정이수완료후 수강가능함
- 기초 강좌 : 빅데이터를 위한 확률과 통계, 선형대수로 배우는 빅데이터

교재 및 참고문헌

[교재]
강의자료를 PDF파일로 제공합니다.

자주 묻는 질문

관련 강좌

현재 강좌와 관련있는 강좌를 찾을 수 없습니다.
  1. Subject

    Engineering
    (null)
  2. 강좌를 개발하고 운영하는 기관입니다. 컨소시엄으로 운영 시, 대표기관의 명칭이 나타납니다

    Institution

    CYBER UNIVERSITY OF KOREA(matchup)
  3. 운영 기관의 전화번호 입니다.

    Phone

    -
  4. 강좌의 구성 주차 수를 의미합니다. (강좌를 충실히 학습하기 위해 필요한 주당 학습시간을 의미합니다.)

    Course Week
    (Estimated Effort)

    08week
    (주당 02시간 10분)
  5. 본 강좌 이수자에게 인정되는 학습시간으로 해당 강좌의 동영상, 과제, 시험, 퀴즈, 토론 등의 시간을 포함합니다. (강의 내용과 관련된 동영상 재생 시간의 총 합계입니다.)

    Accredited learning time
    (Video Duration)

    21시간 30분
    (10시간 00분)
  6. 수강신청이 가능한 기간으로 해당 기간 내에만 수강신청이 가능합니다.

    Registration Period

    2022.12.13 ~ 2023.01.29
  7. 강좌가 운영되고 교수지원이 이루어지는 기간입니다. 이수증은 강좌운영기간이 종료된 이후에 발급받을 수 있습니다.

    Classes Period

    2022.12.26 ~ 2023.02.19