[하계워크샵] 「군집 분석 및 유연한 모델링을 위한 혼합 모형」 프로그램 안내
이번 하계워크샵에서는 오상곤교수님 (국립부경대학교 통계.데이터사이언스전공)께서 「군집 분석 및 유연한 모델링을 위한 혼합 모형」에 대한 강의를 진행할 예정입니다.
구체적인 하계워크샵 정보는 다음과 같습니다.
1. 일시 : 2025년 8월 1일(금) 오전 10시 ~ 12시, 오후 1시 ~ 5시 (총 6시간)
2. 장소 : 경북대학교 통계학과 및 실시간 화상강의 (재택)
3. 강사 : 오상곤교수님 (국립부경대학교 통계.데이터사이언스전공)
4. 강의소개 : 혼합 모형(Mixture Model)은 관측된 데이터가 서로 다른 집단으로 구성되었을 가능성을 가정하고, 각 집단을 확률분포로 표현하여 전체 데이터를 설명하려는 통계 모형이다. 이러한 접근은 데이터 내 잠재적인 구조를 파악하는데 유용하며, 군집화, 밀도 추정, 시계열 분석 등 다양한 상황에 적용할 수 있는 장점을 가진다. 본 강의는 통계학의 기초 개념을 바탕으로 혼합 모형의 원리를 쉽게 이해할 수 있도록 구성한다. 수학적 기반과 함께 직관적인 해석을 강조하며, R을 활용한 실제 분석 사례를 통해 이론과 응용을 통합적으로 학습할 수 있도록 한다. 군집 분석 및 유연한 모델링을 활용한 데이터 분석이나 연구에 관심 있는 연구자 및 대학원생을 대상으로 하며, 복잡한 모델을 나열하기보다 핵심 원리와 모델링 전략을 중심으로 학습 흐름을 구성한다. 이를 통해 수강자는 혼합 모형의 기초부터 확장된 형태까지 자연스럽게 이해하고, 향후 자신만의 분석에 응용할 수 있는 기반을 마련할 수 있도록 한다.
5. 강의 세부 내용
1) 혼합 모형 (Mixture model) 기초
A) 군집화를 위한 K-Means vs Gaussian Mixture Model
B) 모형 학습을 위한 EM algorithm
C) 유한 혼합 모형 (Finite mixture model)을 사용할 시 고려해야할 사항 (Practical Issues)
2) 유한 혼합 모형 (Finite mixture model) 확장
A) 범주형 데이터 군집화를 위한 Latent Class Analysis
B) 문서의 토픽 추출을 위한 Latent Dirichlet Allocation
C) 시계열 데이터 분석을 위한 Hidden Markov Model
D) 회귀 분석을 위한 Mixture of Experts
E) 강건한 군집화를 위한 t-Mixture Model
3) 혼합 모형 (Mixture model) 심화
A) 밀도 추정을 위한 Nonparametric Mixture Model
B) 유연한 모델링을 위한 Semiparametric Mixture Model
6. 등록안내
1) 수강신청링크 : https://forms.gle/WSmLovHJQhVzGMPF9
2) 수강신청기간 : 2025년 6월 23일(월) 09:00 ~ 2025년 7월 20일(일) 24:00
3) 등록비 (교재 제공)
- 회원(일반) 150,000원
- 회원(학생) 100,000원
- 비회원(일반) 200,000원
- 비회원(학생) 120,000원
4) 결재방법 : 카드결제 또는 계좌이체
① 한국데이터정보과학회 홈페이지(www.kdiss.or.kr) "온라인결제서비스“
② 신한은행 652-01-025920 (한국데이터정보과학회)
5) 취소환불 : 2025년 7월 20일(일)까지 취소시 100% 환불
2025년 7월 27일(일)까지 취소시 50% 환불
이후에는 행사 준비 특성상 환불되지 않으니 이점 양해하여 주시기 바랍니다.
7. 공지사항
1) 강의 등록을 하신 분들께 이메일로 강의자료를 전달드릴 예정입니다.
추가로 우편으로 강의 책자를 희망하시는 경우 강의 전에 발송드릴 예정입니다.
2) 실시간 화상강의를 위한 접속정보는 사전에 이메일로 안내드릴 예정입니다.
3) 교육과정에 대한 수료증 발급이 가능합니다.
8. 문의 : 한국데이터정보과학회(kdis21c@gmail.com)