안녕하십니까?
한국데이터정보과학회 동계워크샵에 많은 관심을 보내주신 분들께 감사드립니다.
강의를 등록하신 분들께 동계워크샵에 관련된 중요 정보를 메일로 안내드렸습니다.
메일 확인 부탁드립니다.
혹시 관련 강의정보를 받지 못하신 분들은 한국데이터정보과학회(kdis21c@gmail.com)로 연락 바랍니다.
추가로 온라인을 통해 강의가 진행되므로 다음 내용에 대해 유의부탁드립니다.
* 강의 전 인터넷 연결 상태 및 교육 환경을 점검부탁드립니다.
* 강의 전 스피커 볼륨을 조절하고 잡음이 있는지 확인바랍니다.
* 강의 중 마이크를 꺼 수업에 방해가 되지 않도록 주의바랍니다.
* 원활한 강의를 위해 수업중 얼굴을 확인할 수 있도록 비디오를 켜주시길 부탁드립니다.
* 수업 중 궁금한 내용은 채팅을 통해 남겨주세요.
* 수업에 등록된 분만 수업 참여가 가능합니다. 등록된 회원이 아닌 분들의 수업 참관은 불가합니다.
감사합니다.
한국데이터정보과학회
-------------------------------------------------------------------------------------------------------------
1. 일시 : 2024년 1월 17일(수) - 18일(목) 오전 10시 ~ 12시, 오후 1시 ~ 5시 (총 2일 12시간)
2. 장소 : 실시간 화상강의 (재택)
3. 강사 : 황창하교수님 (단국대학교 정보통계학과)
4. 강의소개 : 시계열자료는 기계공학, 의학, 약학, 보건학, 경제학, 농학, 부동산학 등의 다양한 분야에서 많이 활용되고 있는데, 본 강의에서는 시계열 예측 및 분류를 위한 딥러닝 기법을 다루고자 한다. 시계열 예측 및 분류를 위해 적용할 수 있는 딥러닝 모형들을 소개하고, Python과 Tensorflow를 이용하여 딥러닝 모형을 실제 자료에 적용하는 방법을 학습한다. 이 강의에서는 시계열 예측 및 분류가 필요한 통계 및 통계 비전공 연구자 및 대학원생을 대상으로 딥러닝 모형을 간단히 소개하고 실제 자료에서 모형을 선택하고 적용하는 방법 위주로 강의를 진행하고자 한다.
5. 강의 세부 내용
1) 시계열자료의 기초
2) Python를 이용한 시계열자료의 결측값 (missing value) 대체 (imputation)
3) 시계열 예측을 위한 딥러닝 모형
① 심층 신경망 (deep neural network, DNN)
② 순환 신경망 (recurrent neural network, RNN)
- LSTM (long short-term memory)
- GRU (gated recurrent unit)
- Convolutional LSTM
③ 합성곱 신경망 (convolutional neural network, CNN)
- CNN+LSTM
④ Seq2seq (sequence-to-sequence) 모형
⑤ Transformer 기반 모형
4) 시계열 분류 (time series classification)
5) 시계열자료의 이상 탐지 (anomaly detection)