Time Series Analysis

Course Overview

시계열분석(Time-Series Analysis)은 데이터 분석을 위한 인공지능 및 머신러닝 분야 중, 금융 및 생체/바이오, 각종 IoT 센서 시스템의 시계열 데이터를 분석하는 알고리즘에 대해 배운다. 특히 시계열 데이터의 패턴 및 추이 분석을 통한 미래 예측에 대한 방법론에 대해 다루며, 최신 급속도로 발전하고 있는 딥러닝 구조 기반의 Recurrent Neural Network 알고리즘을 통한 시계열 데이터 분석 방법에 대해 배운다.

Weekly Schedule

1. 시계열 데이터 분석 개론
2. 시계열 분석을 위한 기초 통계
3. 시계열 상관·검정
4. 선형 회귀 복습 및 적용
5. 이동 평균 스무딩
6. 지수 스무딩
7. 회귀 기반 스무딩
8. 중간고사
9. MA & ARMA 모델
10. ARIMA, 스펙트럼 분석, 주기성 파악
11. 칼만 필터
12. 신경망·딥러닝 구조 소개
13. RNN (1) – LSTM & GRU
14. RNN (2) – WaveNet & Attention
15. 기말고사 (필요 시 16주차 활용)

보강·온라인 대체 일정을 위와 같이 공지하며 추가 변경 시 KLAS를 통해 안내합니다.

Course Materials & Support

• 강의 슬라이드, R 예제 스크립트, Python 노트북, 데이터셋을 주차별 공개
• 예측 챌린지, 프로젝트 가이드 등을 KLAS에 게시
• 문의는 이메일, 수업 후 Q&A, 실시간 화상 세션을 통해 지원하며 장애학생 개별 요청을 적극 반영합니다.

Accessibility & Policies

장애학생은 장애학생지원실과 연계해 좌석 배정, 시험 조정, 대체 자료 등을 지원받을 수 있습니다. 수업·평가 방식 변경 시 즉시 공지하며, 모든 학생은 학칙 제55조(출석의무)를 준수해야 합니다.