(1월15일 ~ 3월15일) R 초보자, R 기초, R 데이터 분석 및 R 머신러닝 알고리즘 활용 논문작성법: 60시간 특강

작성자INSOO|작성시간24.01.19|조회수13 목록 댓글 0

R 프로그램 설치부터
R로 하는 기본적인 데이터 분석 및 머신러닝 알고리즘 기본 개념을 소개하고 실습합니다. (녹화링크 1월15일 ~ 3월15일 까지 제공)

주요강의내용:

R 기초, 시각화, 데이터 변환, 기초통계, 가설검정, EDA, ANOVA, Regression, Logistic regression, 머신러닝 알고리즘 기초 및 기본개념

R로 메타분석을 하고자 하는 분들에게도 필요한 강의 입니다.
R에 대한 기초부터
실제 어떤 코드를
어떻게 실행하고 해석하는지 다룹니다.

또한 여러가지 R로 실습하는 연구방법에 대해
각 연구방법별 패키지를
적용하면서 궁금한 점을 질문하면
논문 작성 및 심사과정에서 적절한 대응방안을
알려드리는 강의 입니다.

최근에
데이터 사이언스나
머신러닝 알고리즘을 활용한 논문들이 많이 작성되고 있습니다.

이 특강에서는
R을 활용한 실습을 통해

기본적인 데이터 사이언스의 시각화나 EDA,
머신러닝 알고리즘 중
결정트리
랜덤포레스트
회귀분석 및 로지스틱 회귀분석
SVM
K-NN 알고리즘 활용 논문 작성법을 차례로 다룰 예정입니다.

머신러닝과 딥러닝의 차이,
딥러닝 기본개념
딥러닝 적용예도 소개하고 실습할 예정입니다.

머신러닝 알고리즘을 활용한 논문을 이해하고 싶거나
작성하고 싶은 대학원생, 유학생, 유학준비생
연구자, 교수님들을 위한 특강 입니다.

참가신청 및 등록방법

● 다음을 클릭하시거나 인터넷 주소창에 다음 주소를 복사해 신청해주시기 바랍니다.

https://naver.me/583MuT6H

● 강 사 : 신인수 교수

(현 동국대학교 근무, Florida State University Ph. D, measurement and statistics)

메타분석 전공, 연세대학교 교육학과졸, Florida Department of Education Psychometrician. 행정고시 39회(교육행정직)

▶운영: 실시간 온라인 강의 녹화 링크 제공 (1월15일 ~ 3월15일: 60일간 제공, 60일간 반복시청 가능)

▶질의 응답 방법

1) 이메일 질의: 수강한 내용에 대해 9065031@hanmail.net으로 이메일. 답변 녹화 후 공유

2) 연구모임 시간: 1월 12일(금), 1월 26일(금), 2월 16일(금), 2월 23일(금), 3월8일(금), 3월22일(금) 저녁9시

3) 오리엔테이션 강의 및 녹화 링크 제공: 1월 6일(토)

4) 실시간 온라인 토요일 보충강의 일정: 오후2시~3시 (1시간 질의 응답 강의)

- 1월 20일(토), 1월 27일(토), 2월 3일(토), 2월 17일(토), 2월 24일(토), 3월 2일(토), 3월 9일(토), 3월 16일(토), 3월 23일(토)

4) 실시간 온라인 일요일 보충강의 일정: 오후2시~3시 (1시간 질의 응답 강의)

- 1월 21일(일), 1월 28일(일), 2월 4일(일), 2월 18일(일), 2월 25일(일), 3월 3일(일), 3월 10일(일), 3월 17일(일), 3월 24일(일)

R 초보자, R 기초, R 데이터 분석 및 R 머신러닝, 딥러닝 알고리즘 활용 논문작성법:

60시간 녹화 동영상 강의 및 실시간 온라인 질의응답 특강 개최

● 강 사 : 신인수 교수

(현 동국대학교 근무, Florida State University Ph. D, measurement and statistics)

메타분석 전공, 연세대학교 교육학과졸, Florida Department of Education Psychometrician. 행정고시 39회(교육행정직)

워크숍 프로그램

▶ 특강 I R 초보자, R 기초 및 머신러닝 알고리즘 기초 데이터 사이언스, 머신러닝 알고리즘 활용 논문작성법: 강의 녹화 동영상 링크 제공 강의: 5시간*2회 (10시간)

(1월15일 ~ 3월15일: 60일간 제공, 60일간 반복시청 가능)

강의명	강의개요
R 초보자, R 기초 및 머신러닝 알고리즘 기초	R 기초, 시각화, 데이터 변환, EDA, 가설검정, ANOVA, Regression, Logistic regression, 머신러닝 알고리즘 기초
데이터 사이언스 및 머신러닝 알고리즘 활용 논문작성법	R 데이터 사이언스, 결정트리, 랜덤 포레스트, 회귀분석, 로지스틱회귀분석, SVM, K-NN, 딥러닝의 이해 및 논문작성

▶ 특강 II: 강의 녹화 동영상 링크 제공 강의 및 실시간 보충강의 병행

- 녹화링크 제공 강의1: 3시간*10회 (30시간)

- 녹화링크 제공 강의2: 2시간*10회 (20시간)

강의명	강의개요
R 초보자	R 프로그램 설치, 데이터 시각화, 데이터 변환 EDA (Exploratory Data Analysis) Data import Tidy data, Vectors, 데이터 분석 기초
R 기초	R, R STUDIO 설치 Computing basic statistics, Creating sequencing Comparing Vectors, Reading/Writing CSV files Data Structure, General Statistics, Graphics, Regression, ANOVA
R 데이터 분석I (기초,분산,회귀분석)	Descriptive statistics and graphics t-test, regression, correlation Analysis of variance, Tabular data, Power Advanced data handling, Multiple regression, Logistic regression
R 데이터 분석II (경로분석, 요인분석, 구조방정식)	Basic data handling in R, Exploratory factor analysis Confirm‎atory factor analysis, Path analysis SEM, Multiple groups Growth curve modeling
R 데이터 분석III (회귀분석, 로지스틱회귀분석, 다층모형)	Simple Linear Regression, Multiple Regression Multilevel Data Structure, Two-Level Models in R, Three and More Levels, MGLM Longitudinal Data Analysis using Multilevel Models
R 데이터 분석IV (메타분석, 네트워크 메타분석)	Introduction to R, Meta-analysis with Binary Data Meta-analysis for Continuous Data, Heterogeneity Meta-regression, IPD, Meta-Analysis for Rare Events Network meta-analysis
R 머신러닝 알고리즘I (회귀분석, 로지스틱회귀분석, 의사결정 결정트리, 딥러닝 기초)	Introduction to Machine Learning Decision Trees Linear Regression Logistic Regression Introduction to Deep Learning
R 머신러닝 알고리즘II (랜덤포레스트, 딥러닝2: 심층신뢰망 )	Linear Algebra, Numerical Optimization in Machine Learning Machine Learning, Train and Test Data Decision Trees, Random Forests Single and Multilayer Perceptron Models
R 머신러닝 알고리즘III (SUPPORT VECTOR MACHINE, 딥러닝3: CNNs)	Data Preparation and Exploration Machine Learning Theory and Practice Decision Trees, Ensemble Trees, SVM Artificial Neural Networks, Convolutional Neural Networks
R 머신러닝 알고리즘IV (KNN, 딥러닝4: RNNs)	Machine Learning, k-Nearest Neighbors Introduction to Neural Networks, Deep Neural Network CNN, Recurrent Neural Networks 적용예 및 논문작성법