• This course presents the fundamentals of time series data and its application. This course aims at improving graduate students to achieve programming skills to implement to time series methods handled in the lecture. Students will learn both the classic time-series modeling techniques and deep learning-based techniques.

• This course contains six main topics as follows:

  • Linear Regression Analysis

  • Exponential Smoothing and Holt-Winters Model

  • Time Series Regression: Box-Jenkins ARIMA models

  • Time Series Classification/Clustering

  • Time Series Novelty Detection

  • Deep Learning-Based Time Series Forecasting

• The presentation materials that were handled during the class will continue to be available even after the semester ends.

• 금년도에는 광운대 지능형로봇혁신공유대학사업단과 함께 WE MEET 프로젝트를 함께 수행합니다. 기업 멘토링이 함께 하며, 현업 멘토 분은 추후 공유하겠습니다. 

- 본 과정은 현실 문제에서 빅데이터를 다루는데 있어 직면하게 되는 다양한 데이터 문제 상황에 대한 해결 기법을 학습한다. 수업 내용은 데이터 과학 프로젝트의 절차를 학습함과 동시에 중요한 다섯가지 문제 상황과 관련 기법을 포함한다.

1) 데이터 불균형 문제 (data imbalance problem)

2) 이상탐지 기법 (novelty detection)

3) 그래프 기반 학습 알고리즘 (graphical model)

4) 해석 가능한 인공지능 모델 (eXplainable AI)

5) 메타휴리스틱 (metaheuristics algorithms)

  - 실습은 Python 언어와 오픈소스 라이브러리를 활용하여 직접 구현하고 문제 해결 능력을 배양한다. 

  - 실제 산업 현장에서 데이터를 다루면서 겪게 될 주요한 문제 상황의 유형을 이해한다.

  - 데이터의 문제 상황을 사전 점검하고 적절한 기법을 활용할 수 있다.

  - 비즈니스 목표 달성을 위한 데이터 분석의 체계적인 프로세스를 이해한다. 

• 수업 중에 다뤘던 발표 자료는 학기 종료 이후에도 지속 공유될 수 있습니다.