고려대학교 SW·AI융합대학원

DFE 601 컴퓨팅사고력과 빅데이터 (Computational Thinking and Big Data) [3]

컴퓨팅사고력은 문제해결을 위한 문제이해 및 분석, 추상화, 알고리즘 개발, 자동화, 실행 및 수정 등의 과정에서 요구되어지는 사고능력으로 소프트웨어 중심 사회에서 교육과 직업에서 중요하게 요구되어지는 역량이다.
본 강의는 컴퓨팅사고력을 배양하여 문제해결능력을 증진하고 이를 이용하여 빅데이터분석 문제에 적용할 수 있는 능력을 배양하도록 한다.

 

DFE 602 최신 금융기술과 비즈니스 모델 (Information Technology and Business Model for Advanced Financial Service) [3]

전통적인 금융업에서 디지털 금융으로 전환에 있어서의 이론적 배경과 금융비즈니스 모델의 발전과 파괴적 혁신에 의한 금융 혁신 전략, 핀테크 패턴과 챌린저 뱅크 비즈니스 모델, 우리나라 디지털 금융 제도와 금융회사의 혁신 전략을 사례 중심으로 강의하고, 로봇어드바이져, 모바일, O2O, P2P 금융서비스 등의 최신의 IT 기술에 대한 전반적인 이론들과 이를 응용한 금융 서비스 모델들에 관하여 강의한다.

DFE 603 데이터 모델링 및 금융 데이터 활용방안 (Data Modeling and Case Study of Using Financial Data) [3]

빅데이터 분석에 필요한 데이터 모델링 기법에 대한 전반적인 이론과 금융의 빅데이터 분석 기회 식별 및 구체화 방법론, 금융 빅데이터 유스케이스 분석 프로젝트 기획 및 실행 절차, 분석 과제 정의/질문 정의/변수 정의/통계모델정의 검증 방안에 대하여 학습한다.

DFE 604 인공지능 이론과 응용 (Artificial Intelligence Theory and Application) [3]

知的 行動을 컴퓨터에 適用하기위한 知識表現方式과 같은 基礎的 理論에 서부터 game playing, planning, understanding, 自然語處理, 學習, 專門家 시스템 등에 관한 理論과 오픈소스를 활용한 실습으로 강의한다.

DFE 605 블록체인 이론과 응용 (Block Chain Theory and Application) [3]

가상화폐 등에 적용된 블록체인 이론을 살펴보고, 실제 이를 활용한 서비스들을 실습을 통하여 분석하도록 한다.

DFE 606 빅데이터 분석 기초 (Big data Analysis and Practice) [3]

빅데이터 분석에 사용되는 기초 통계 이론 및 머신러닝 이론을 학습한다. 빅데이터 분석을 위한 기초과정으로 파이썬을 이용한 실습과 향후 빅데이터 분석활용에 필수적인 텍스트 마이닝에 관한 기본 이론을 강의한다.

DFE 607 Design Thinking 과 비즈니스 모델 (Design Thinking and Business Model) [3]

Design Thinking 개념 정리와 이를 통한 비즈니스 모델을 만드는 과정을 다룬다. 이 과정을 이해하여 실제 프로젝트 설계 및 구현에 활용하도록 한다.

DFE 608 디지털 금융의 이해 (Digital Finance) [3]

현재의 디지털 금융 거래의 법/제도/규제 등을 살펴보고, 최신 기술의 적용을 위한 규제 개혁의 필요성과 선제적 대응방안들을 강의한다.

DFE 609 디지털 마케팅 (Digital Marketing) [3]

디지털 시대의 SNS, 모바일 등을 활용한 마케팅 과정을 위해 전략적 브랜드 관리, 마케팅조사론, BtoC 마케팅, SNS분석을 위한 소셜 애널리틱, 스마트 펀테크 UX/UI에 대하여 학습한다.

DFE 610   디지털금융공학을 위한 자연언어처리기술 (NLP for Digital Finance Engineering) [3]

 

텍스트 중심의 자연어는 금융공학분야에서 주로 다루어지는 대표적인 데이터 종류이다. 텍스트 데이터를 분석하고 여기에서 의미있는 지식을 추출하거나 대화 로봇 등을 개발하기 위한 기계학습을 수행하기 위해서는 자연어처리 기술이 요구되어 진다.

본 강의는 디지털금융공학 분야의 텍스트 데이터를 가공, 분석, 이해할 수 있는 요소 기술과 응용 기술을 학습한다.

 

DFE 611   최신 정보검색기술 (Modern Information Retrieval Technique) [3]

 

정보검색기술은 대량의 데이터로부터 원하는 정보를 색인/검색하는 기술뿐만 아니라 질의 응답 기술 등 디지털금융공학 분야에서 요구하는 많은 핵심 요소 기술을 포함한다.

본 강의는 금용 빅데이터를 효율적으로 관리. 색인. 검색하는 기술과 대화시스템의 질의응답을 위한 기술을 학습한다.

 

DFE 612   디지털금융 추천시스템 (Digital Financial Recommender System) [3]

 

추천 시스템은 사용자의 의도 및 선호에 맞춰서 사용자의 항목을 예측하고 정보를 필터링하는 시스템이다 . 최근 많은 금융분야에서 고객에게 적합한 투자 상품이나 연금, 예금 상품을 추천하기 위하여 추천 시스템의 도입이 시도되고 있다.

본 강의는 디지털금융 분야의 추천 시스템의 핵심 이론과 요소 기술을 학습한다.

 

DFE 613   고급기계학습론 (Advanced Machine Learning) [3]

 

본 강의는 기계학습 관점에서 핵심적인 요소들을 다룬다 . 또한 기계학습 영역에서 현재 연구되고 있는 주제들과 방법들의 소개한다 .

정규 네트워크 , 서포트 벡터 머신 , 핵심 주성분분석 , 핵심 정준상관분석 , 비정상 데이터 찾기 등의 학습 알고리즘들과 알고리즘들을 위한 값들이 어떻게 되는지에 관하여 논의한다 . 자료들은 최근에 발표된 책을 위주로 진행한다 .

 

DFE 614   디지털금융공학을 위한 Python (Python Programming for Digital Finance Engineering) [3]

 

Python 은 배우기 쉽고 , 사용하기 쉬운 오픈소스 언어이며 , 데이터 조작 및 분석을 위한 라이브러리를 가지고 있다 . 본 과정에서는 디지털금융을 위한 프로그램을 위하여 Python 프로그래밍을 배우고, 오픈소스 분석과 수정을 통하여 프로그램 개발 능력을 배양하도록 한다.