발전기금
교과목명을 클릭하시면 과정 설명을 볼 수 있습니다.
| 학수번호 | 교과목명 | 학점 |
자기 학습 시간 |
영역 | 학위 |
이수 학년 |
비고 | 언어 |
개설 여부 |
|---|---|---|---|---|---|---|---|---|---|
| DBA5105 | MIS연구방법론 | 3 | 9 | 전공 | 석사/박사 | - | No | ||
| 디지털 트랜스포메이션, 기계와 사람의 공존이라는 화두로 설명되는 오늘날의 비즈니스 환경에서, 이에 따른 조직적, 사회적 변화를 예측하고 대응하기 위한 MIS 연구 활동이 그 어느 때보다 중요하게 대두되고 있다. 본 강좌는 MIS 분야에 특화된 연구 조사 방법을 체계적으로 습득하고 양질의 연구 결과를 산출 할 수 있는 역량을 갖추고자 하는 대학원 학생들을 위해 설계되었다. MIS는 경영학과의 다른 학문 분야와 방법론적 접근 방법에 있어 근본적으로 많은 부분을 공유하고 있지만, 정보기술의 영향과 이의 비즈니스 함의에 초점을 맞추고 있다는 점에서 연구 주제 및 설계의 고유한 특질을 가지고 있다. 본 강좌는 MIS 분야의 연구를 수행하고자 하는 학생들에게 연구의 설계, 프로포절 작성, 데이터 수집 및 분석, 연구 윤리, 학문적 글쓰기 등 연구 수행을 위한 실질적이고 체계적인 지식을 전달한다. 특히 워크샵과 튜토리얼을 통해서 학생들은 연구에 활용할 수 있는 다양한 소프트웨어 및 툴을 실습하며, 이를 통해 연구의 효율성과 생산성을 제고한다. 구체적인 학습 목표는 다음과 같다. 1. MIS 연구 최신 주제 및 연구 방법을 파악한다. 2. MIS 연구를 위한 데이터 수집 및 분석 방법을 이해한다. 3. 체계적인 문헌 연구를 수행한다. 4. 자신의 MIS 연구 프로젝트를 설계하고 방법론을 개발한다. 본 강좌의 주요 주제는 다음과 같다. - MIS 최신 연구주제 - MIS 연구방법론의 트렌드 - MIS 연구 설계하기 (계획과 구조) - MIS 연구 문헌 조사를 위한 워크숍 (EndNote 실습) - MIS 정성적 데이터 분석: 데이터 코딩과 컨텐츠 분석 (Atlas.Ti 및 NVivo 실습) - MIS 정량적 데이터 수집 (Qualtrics 실습) - MIS 정량적 데이터 분석 (SPSS, SmartPLS 실습) - MIS 디자인 사이언스 (Design science) 접근 방법 및 응용 - 기타 최신 연구 방법 (EEG 분석 등) - MIS 연구 윤리 이슈 - MIS 글쓰기 및 출판 | |||||||||
| DBA5106 | 매니지먼트연구방법세미나 | 3 | 6 | 전공 | 석사/박사 | 영 | Yes | ||
| 경영학의 매니지먼트 분야에서 사용되는 기본적인 연구방법론을 소개하는 세미나 과목이다. 1차 자료와 2차 자료를 위한 연구설계를 하는 방법을 중심으로, 각종 회귀분석모형과 구조방정식모형을 분석하는 방법 등의 주제가 다루어질 예정이다. | |||||||||
| DBA5107 | 크로스경영과매니지먼트최근이슈 | 3 | 6 | 전공 | 석사/박사 | 한 | Yes | ||
| 본 교과목은 최근 급변하는 경영환경에서 새로운 주제 연구의 필요성을 인지하고 조직인사 전공의 세부 분야(경영전략, 조직행동, 조직설계, 인적자원관리) 최신 학자들의 연구를 중심으로 새로운 주제를 탐색하고 연구하는데 목적이 있다. 구체적으로, 초경쟁 경영환경에서 기존 연구들의 결과와 이론들의 재해석, 적용, 변화와 진화, 그리고 새로운 연구 주제 개발과 연구 방향 재설정의 필요성을 인지하고 학습하게 된다. | |||||||||
| DBA5108 | 산업과고객크로스경영세미나 | 3 | 6 | 전공 | 석사/박사 | 2-8 | 한 | Yes | |
| 본 과목은 Digital Transformation으로 인해 변화하고 있는 산업과, 그 산업의 변화에 따라 변화하는 고객과 관련해서 어떤 사례가 있고 어떤 연구가 이루어지고 있는지 살펴보는 석박사과정 학생들을 대상으로 한 과목이다. 먼저 산업과 고객변화의 동력이자 환경적 요인인 Digital transformation과 최근 화두가 되고 있는 Metaverse에 대해 알아보고 관련된 사례 및 연구주제를 살펴본다. 다음으로 이런 Digital Transformation (DT)이 주요 산업과 사업을 어떻게 변화시키고 각 기업은 DT를 성공적으로 실행하기 위해 어떤 노력을 하고 있는지 사례와 기존 연구를 통해 이해하도록 한다. 이와 같은 변화와 혁신 속에 고객과 조직구성원의 변화를 Digital Customer Experience (DCX)와 Digital Employee Experience (DEX)라는 연구 관점에서 살펴보도록 한다. 그리고 이와 관련해서 실제 연구주제를 선정하여 연구를 수행하고 결과를 발표하도록 한다. | |||||||||
| DBA5109 | 산업과문화크로스경영세미나 | 3 | 6 | 전공 | 석사/박사 | 영 | Yes | ||
| 로봇과 인공지능이 공장자동화와 연구실을 벗어나 경영 일선과 생활 깊숙한 곳까지 도입되고 있다. 본 과목에서는 로봇과 인공지능의 도입이 가져올 기업 경영과 업무 환경 변화에 대해서 다양한 관점을 통해 학습한다. 첫째, 도구로서의 기술이 아닌 동료로서의 기술로 변화하고 있는 로봇과 인공지능 연구의 최근 트렌드를 둘러보고 경영학적, 사회과학적 함의를 함께 논의한다. 특히, 로봇과 인공지능이 협동, 업무 프로세스, 의사결정, 창의성, 그리고 리더십 등에 가져올 변화에 대해서 생각해 본다. 둘째, 로봇과 인공지능을 통해 기업과 소비자의 관계가 변화하는 양상을 문화적 관점에서 조명한다. 광고와 대중 매체에서 로봇과 인공지능이 어떻게 다루어지는지 살펴본다. | |||||||||
| DBA5110 | 디지털변혁과비즈니스모델혁신 | 3 | 6 | 전공 | 석사/박사 | 1-4 | - | No | |
| AI와 4차산업혁명이 현대기업의 모든 경영활동에 치열하게 적용되면서 디지털변혁, 즉 DX (digital transformation)은 기업의 주요 디지털 트렌드로 자리잡게 되었다. DX를 성공적으로 적용한 기업은 해당 기업의 비즈니스모델, 즉 BM을 시장의 파괴적인 변화 트렌드에 맞게 혁신적으로 변화시킬 수가 있다. 즉, BMI (Business Model Innovation)는 비즈니스 모델 혁신으로서 DX활동에서 기업이 기대할 수 있는 최상의 기대효과중 하나이다. 본 교과목은 - 기업이 DX를 설계하고 이를 적용하는 일련의 전과정을 학습하고 - 해당 DX 설계 및 구현과정에서 발생될 수 있는 BMI활동과의 선순환적 연결고리에 대하여 학습한다. 이를 위하여 본 교과목에서는 다음과 같은 일련의 주제를 학습한다. 즉, - DX의 이해와 BM과의 관련성 - DX에 의한 BMI, 즉 DX-BMI의 특성과 그 세부내용 학습 - DX-BMI와 소셜 미디어, 모바일 기술, AI 및 빅 데이터마이닝 - DX-BMI와 머신러닝, 딥러닝 - DX-BMI와 순환경제, 공유경제, 플랫폼 비즈니스 - DX-BMI와 윤리주제 본 강의의 진행방식은 강사에 의한 아티클 설명, 수강생 스터디 결과발표, 팀러닝, 기말과제 수행 등으로 이뤄진다. | |||||||||
| DBA5111 | 지능형공급망관리크로스경영세미나 | 3 | 6 | 전공 | 석사/박사 | 1-4 | 영 | Yes | |
| 최근 지정학적 분쟁과 기후변화, 그리고 코로나 팬데믹으로 인하여 글로벌 경제환경이 매우 급격하게 변화하게 되었다. 그로 말미암아 그동안 글로벌 경제체제에서 당연하게 여겨왔던 “예측가능하고 안정적인 글로벌 공급망리”, 즉 Predictable and Stable Global Supply Chain (PS-GSC) 가 지금은 “매우 불확실하고 불안정적인 공급망” 즉 Highly Uncertain and Unstable Global Supply Chain (HUU-GSC)으로 변화하였다. 이러한 HUU-GSC는 앞으로도 언제든지 발생할 소지가 매우 크다는 점에서 더더욱 문제의 심각성을 드러내고 있다. 본 과목은 이같은 HUU-GSC 상황하에서 글로벌 시장에서 치열한 생존경쟁을 하고 있는 기업의 경쟁력을 극대화하는 방안을 모색하고자 한다. 이같은 관점하에 본 과목에서 다루고자 하는 핵심주제는 “지능형 공급망관리 기법”과 “AI 기반 기술”이다. 이러한 두가지 핵심주제를 토대로 본 과목에서는 다음과 같은 세부주제를 다루고자 한다. - 글로벌 공급망관리 정의와 현황 - HUU-GSC 이유와 전략적 대안 - 지능형 공급망관리 방법론 - 경영과학 기법에 의한 지능형 공급망관리 - 경영통계 기법에 의한 지능형 공급망관리 - 디지털 정보기술에 의한 지능형 공급망관리 - AI 머신러닝 기법 이해와 지능형 공급망관리 - AI 딥러닝 기법 이해와 지능형 공급망관리 본 강의의 진행방식은 강사에 의한 아티클 설명, 수강생 스터디 결과발표, 팀러닝, 기말과제 수행 등으로 이뤄진다. | |||||||||
| DBA5112 | 사회현상과과학적연구방법 | 3 | 6 | 전공 | 석사/박사 | 1-4 | 영 | Yes | |
| 이 과정은 학생들에게 사회과학, 특히 조직 연구의 기초가 되는 원리와 기법을 소개하기 위한 목적으로 개설되었습니다. 본 과정에서는 조직 및 사회현상을 설명하고 조직에 해결방안을 주고자 하는 목적과 과학적 접근법의 유사성과 차이점을 고찰한 이후, 사회현상을 연구할 때 필요한 과학적 방법론을 논의합니다. 과학적 방법론의 논의에서는 연구설계, 측정, 데이터 수집,데이터 분석 방법들, 그리고 분석 후 결과 해석에 관한 부분들을 전반적으로 다루되, 데이터 분석 방법들은 질적인 분석보다는 양적인 분석에 더 중점을 두고, 회귀분석, 패널 데이터 분석, 자연 실험, 이중차분법 (difference-in-difference), 회귀불연속 (regression discontinuity) 등을 다룹니다. 과학적 방법의 실제적인 문제에 특별한 주의를 기울일 것입니다. 수강생은 추론 통계에 대한 기초적인 지식이 있거나, 최소한 분산분석 및 다중 회귀와 같은 주제를 다루는 과정을 함께 수강하는 것을 권장합니다. | |||||||||
| DBA5113 | 인공지능알고리즘과경영 | 3 | 6 | 전공 | 석사/박사 | - | No | ||
| 최근 몇 년간 코로나 팬데믹 사태로 인하여 기업내 근로의 형태가 크게 변화하였다. 단순히 재택근무, 하이브리드 근무 뿐만이 아니라, 인공지능 알고리즘을 적용하여 근로자들에 대한 업무할당, 업무성과 모니터링 등을 시행하는 기업들이 전세계적으로 크게 증가하였다. 인공지능 알고리즘, 즉 AAM (AI Algorithm)은 이미 대부분 기업에서는 인적자원관리의 모든 분야에서 성공적으로 적용해왔다. 대표적인 사례로 AAM을 이용한 채용 면접, 인터뷰 등으로 적합한 인재를 채용하는 기업이 크게 늘어났다. 또한, 근로자의 성과를 AAM으로 실시간으로 모니터링, 분석을 하여 승진 대상자를 선발하는 기업도 대폭 증가하였다. 이에 한발 더 나아가 기업에서는 AAM을 이용하여 근로자들에게 적정한 직무를 실시간으로 할당하고 있으며, 해당 직무를 근로자가 수행할 때에도 그 성과를 실시간으로 분석하여 인사고과에 반영하고 있다. AAM을 기반으로 한 채용, 승진, 교육 등이 기업내에 광범위하게 적용될 때 근로자들의 업무만족도와 업무성과에는 어떠한 변화가 생기는지에 대해서 체계적인 강의가 아직 이뤄지지 않고 있다. 또한 AAM을 이용하여 마케팅, 제조, 재무 등 분야에서 기업전략 수립 및 수행을 하고 그 결과 역시 실시간으로 분석하여 큰 성과를 거둔 기업들도 크네 늘어났다. 본 강좌는 이와 같이 AAM으로 인한 기업 비즈니스 프로세스 혁신을 상세하게 다룬다. 이러한 취지로 볼 때 본 강좌는 AAM이 지배하는 새로운 기업환경 시대를 살아가야 하는 수강생들에게 향후 커리어 개발 및 보다 유능한 의사결정자로 성장하는데 크게 기여할 수 있는 강좌이다. 본 강좌를 통하여 기대할 수 있는 효과는 다음과 같다. 첫째, 기업내 비즈니스 프로세스에 적용되는 AAM의 유형을 체계적으로 이해할 수 있다. 둘째, 오피스 근로자와 플랫폼 근로자 모두에게 적용되는 AAM의 영향을 분석하고 AAM으로 인한 근로자들의 성과분석, 동기부여에 대해서 분석한다. 셋째, 기업내 비즈니스 프로세스 혁신에 기여할 수 있는 AAM 설계 및 개발 전략을 학습한다. | |||||||||
| DBA5114 | 비즈니스프로세스경영과머신러닝 | 3 | 6 | 전공 | 석사/박사 | 1-4 | 영 | Yes | |
| 비즈니스 프로세스 관리, 즉 BPM (Business Process Management)은 기업경영 프로세스를 시장상황의 변화에 능동적으로 변화할 수 있도록 관리하므로써 기업경쟁력을 유지하고자 함이 목적이다. 그러나, 시장의 변화가 매우 빠르고 경쟁이 치열짐에 따라 기업이 경쟁력을 유지하기 위해서는 인공지능 머신러닝 기법을 BPM을 적용할 필요가 크게 대두되었다. 머신러닝 (ML: Machine Learning)은 오늘날 눈부신 인공지능의 성공의 핵심 원동력이다. 머신러닝에는 단일레이블 방식과 앙상블 방식의 방법이 있다. 단일 레이블 방식에는 LR (Logistic Regression), DT (Decision Tree), NN (Neural Network), NBN (Nave Bayesian Network), SVM (Support Vector Machine) 등이 대표적 방법이다. 앙상블 방식에는 AB (Ada Boost), ST (Stacking), RF (Random Forest), BA (Bagging), RoF (Rotation of Forest) 방법이 있다. 이외에도 최근 어텐션, 트랜스포머, BERT 등의 딥러닝 자연어처리 방법과 CNN, LSTM, RNN등의 딥러닝 방법이 등장하면서 인공지능은 놀라운 추론능력을 보여주고 있다. 이제는 현대경영의 거의 모든 분야에서 그 쓰임새와 성능이 입증되어서 수년간의 경험과 고도의 문제해결능력을 갖춘 전문가를 능가하는 문제해결 능력과 추론능력을 보여주고 있다. 이에 본 교과목에서는 다음과 같은 두가지 목적을 달성하고자 한다 - BPM의 기본원칙과 아키텍쳐를 학습한다. - 머신러닝이 보여주고 있는 고도학습능력과 추론능력의 과정과 원리를 BPM의 관점에서 학습한다. - LR, DT, NBN, NN, RF, BA등 주요 머신러닝 방법별로 BPM 경영의사결정 문제해결 과정을 관련 케이스 스터디로 분석한다. | |||||||||
| DBA5115 | 인공지능디지털에이전트와경영 | 3 | 6 | 전공 | 석사/박사 | 1-4 | 영 | Yes | |
| 2022년 11월 오픈AI사가 챗지피티 (ChatGPT)를 발표한 이후 이른바 고도의 지능을 갖춘 챗봇이 기업경영에 미치는 영향이 엄청나다는 것을 확인한 경영관계자들은 지능을 갖춘 디지털 에이전트, 즉 챗봇을 구현하여 이를 경영성과 향상에 적극적으로 이용하기 시작하였다. 챗지피티는 생성형 AI, 즉 GAI기능을 갖춘 이른바 거대언어모델인 LLM (Large Language Model) 으로 구현된 디지털 에이전트이다. 본 교과목은 고도의 지능을 갖춘 디지털 에이전트가 경영의사결정문제해결 및 경영성과 향상에 미치는 과정과 사례를 학습하고자 한다. 본 교과과정의 목표와 효과를 정리하면 다음과 같다. - 본 교과목에서는 디지털 혁신, 마케팅, 인적자원관리, 재무 및 회계관리 등 경영의 주요분야별 전문지식을 디지털 에이전트에 학습시키는 과정을 MLOPs (Machine Learning Operations) 라는 경영실무 프로세스 관점으로 학습한다. - 챗지피티의 놀라운 성공이후 전세계 기업내에서 일어나고 있는 최근 트렌드인 기존 레거시 데이터베이스에 기반한 소규모 언어모델인 sLLM 기반 챗봇개발 과정과 대표적 사례, 그리고 그 경영성과 개선 사례를 학습한다. - 스탠포드 대학교 알파카 (Stanford Alpaca), 미국 인공지능 스타트업인 '스테빌리티닷 AI' (stability.ai) 사가 개발한 소규모 언어모델인 '스테이블LM', 챗지피티-4 기반 생성형 챗봇 플랫폼인 오토지피티 (Auto-GPT)등의 사례를 학습하고 실제 경영문제 해결 사례를 학습한다. | |||||||||
| FIT4001 | 핀테크스타트업과벤처파이낸싱 | 3 | 6 | 전공 | 학사/석사 | 3-4 | 핀테크융합전공 | - | No |
| 핀테크융합전공 석사 과목으로 핀테크 분야 창업을 목표로 하는 학생들에게 유용한 과목임. 학생들은 핀테크 분야의 비즈니스 모델 발전과 창업, 그리고 벤처캐피털로부터의 자본 조달 전략에 대한 이론과 사례를 배울 수 있음. | |||||||||
| FIT4002 | 핀테크와금융법무 | 3 | 6 | 전공 | 학사/석사 | 1-4 | 핀테크융합전공 | 한 | Yes |
| 핀테크융합전공 석사 과목으로 핀테크 분야 창업을 하거나 이 분야에 종사하려는 학생들에게 유용한 과목임. 학생들은 핀테크 분야에서 부딪칠 수 있는 법적 문제에 대하여 이론과 실무를 익힘으로써 향후 이러한 분야에서 일을 하거나 창업을 할 때 많은 도움을 받을 수 있음. | |||||||||
| FIT4003 | 금융파생상품론 | 3 | 6 | 전공 | 학사/석사 | 1-3 | 핀테크융합전공 | 한 | Yes |
| 이 과목은 핀테크에 관심을 가진 석사 및 학부 과정생들에게 금융파생상품의 기본을 이루는 핵심 원리를 강의하는 것을 목표로 한다. 특히 이 과목은 이론적 모형, 계량적 예제 및 사례연구 등을 결합하여 금융공학적 도구를 어떻게 실무에 응용할 수 있는가에 중점을 둔다. 주요 학습 주제는 선도계약, 선물, 옵션 및 스왑을 망라하며, 이들 금융 파생상품을 이용한 헷징기법과 각 파생상품의 가치평가방법에 초점을 맞추어 강의가 진행될 예정이다. | |||||||||
| FIT5001 | 파이썬프로그래밍 | 3 | 6 | 전공 | 석사/박사 | 핀테크융합전공 | 한 | Yes | |
| 핀테크 석/박사 과정 학생들을 대상으로하는 프로그래밍 초보자들을 위한 기초 프로그래밍 교육임. 학생들이 컴퓨팅 사고를 습득하고 이를 기반으로 프로그래밍에 대한 기본적인 지식을 배우는 것에 목표을 둠. 컴퓨터 사고의 경험이 없는 학생들을 대상으로 컴퓨터적 사고를 학습시키고, 파이썬 프로그래밍을 통해 학생들 전공분야의 기초적인 문제를 해결할 수 있는 능력을 배양하는데 있음 | |||||||||
| FIT5003 | 금융통계학 | 3 | 6 | 전공 | 석사/박사 | 핀테크융합전공 | 한 | Yes | |
| 이 과정에서는 금융학을 전공하는 대학원생을 위한 확률 및 통계 분석의 입문 수준에 대해 다루며, 학생들이 금융 및 계량 경제학 과정에서 직면할 확률과 통계 이론에 대해 학습한다. 학습 항목에는 확률론, 표본 추출, 통계 추정 및 가설 검정이 포함된다. | |||||||||
| FIT5005 | 인공지능과자산관리 | 3 | 6 | 전공 | 석사/박사 | 핀테크융합전공 | 영 | Yes | |
| 핀테크 석/박사 과정 전공심화 과목으로 인공지능 & 자산관리 전반에 대한 강의임.핀테크 석/박사 과정 전공심화 과목으로 인공지능 & 자산관리 전반에 대한 강의임.핀테크 석/박사 과정 전공심화 과목으로 인공지능 & 자산관리 전반에 대한 강의임.핀테크 석/박사 과정 전공심화 과목으로 인공지능 & 자산관리 전반에 대한 강의임.핀테크 석/박사 과정 전공심화 과목으로 인공지능 & 자산관리 전반에 대한 강의임.핀테크 석/박사 과정 전공심화 과목으로 인공지능 & 자산관리 전반에 대한 강의임.핀테크 석/박사 과정 전공심화 과목으로 인공지능 & 자산관리 전반에 대한 강의임. | |||||||||
| FIT5006 | 블록체인과파이낸셜어플리케이션 | 3 | 6 | 전공 | 석사/박사 | 핀테크융합전공 | 한 | Yes | |
| 핀테크 석/박사 과정 전공심화 과목으로 블록체인 & 파이낸셜 어플리케이션 전반에 대한 강의임.핀테크 석/박사 과정 전공심화 과목으로 블록체인 & 파이낸셜 어플리케이션 전반에 대한 강의임.핀테크 석/박사 과정 전공심화 과목으로 블록체인 & 파이낸셜 어플리케이션 전반에 대한 강의임.핀테크 석/박사 과정 전공심화 과목으로 블록체인 & 파이낸셜 어플리케이션 전반에 대한 강의임. | |||||||||
| FIT5007 | 인공지능파이낸셜어플리케이션 | 3 | 6 | 전공 | 석사/박사 | 핀테크융합전공 | - | No | |
| 핀테크 석/박사 과정 전공심화 과목으로 인공지능 파이낸셜 어플리케이션 전반에 대한 강의임.핀테크 석/박사 과정 전공심화 과목으로 인공지능 파이낸셜 어플리케이션 전반에 대한 강의임.핀테크 석/박사 과정 전공심화 과목으로 인공지능 파이낸셜 어플리케이션 전반에 대한 강의임.핀테크 석/박사 과정 전공심화 과목으로 인공지능 파이낸셜 어플리케이션 전반에 대한 강의임. | |||||||||
| FIT5011 | 인공지능파이낸셜데이터시장분석 | 3 | 6 | 전공 | 석사/박사 | 핀테크융합전공 | - | No | |
| 핀테크 석/박사 과정 전공심화 과목으로 인공지능 파이낸셜 데이터 시장 분석 전반에 대한 강의임.핀테크 석/박사 과정 전공심화 과목으로 인공지능 파이낸셜 데이터 시장 분석 전반에 대한 강의임.핀테크 석/박사 과정 전공심화 과목으로 인공지능 파이낸셜 데이터 시장 분석 전반에 대한 강의임.핀테크 석/박사 과정 전공심화 과목으로 인공지능 파이낸셜 데이터 시장 분석 전반에 대한 강의임. | |||||||||
| FIT5012 | 레그테크 | 3 | 6 | 전공 | 석사/박사 | 핀테크융합전공 | - | No | |
| 핀테크 석/박사 과정 전공심화 과목으로 레그테크 전반에 대한 강의임.핀테크 석/박사 과정 전공심화 과목으로 레그테크 전반에 대한 강의임.핀테크 석/박사 과정 전공심화 과목으로 레그테크 전반에 대한 강의임.핀테크 석/박사 과정 전공심화 과목으로 레그테크 전반에 대한 강의임.핀테크 석/박사 과정 전공심화 과목으로 레그테크 전반에 대한 강의임. | |||||||||
| FIT5013 | AI파이낸셜플랫폼 | 3 | 6 | 전공 | 석사/박사 | 핀테크융합전공 | - | No | |
| 핀테크 석/박사 과정 전공심화 과목으로 AI 파이낸셜 플랫폼 전반에 대한 강의임. 핀테크 석/박사 과정 전공심화 과목으로 AI 파이낸셜 플랫폼 전반에 대한 강의임. 핀테크 석/박사 과정 전공심화 과목으로 AI 파이낸셜 플랫폼 전반에 대한 강의임. 핀테크 석/박사 과정 전공심화 과목으로 AI 파이낸셜 플랫폼 전반에 대한 강의임. 핀테크 석/박사 과정 전공심화 과목으로 AI 파이낸셜 플랫폼 전반에 대한 강의임. 핀테크 석/박사 과정 전공심화 과목으로 AI 파이낸셜 플랫폼 전반에 대한 강의임. 핀테크 석/박사 과정 전공심화 과목으로 AI 파이낸셜 플랫폼 전반에 대한 강의임. 핀테크 석/박사 과정 전공심화 과목으로 AI 파이낸셜 플랫폼 전반에 대한 강의임. | |||||||||
| FIT5015 | 핀테크마케팅이슈 | 3 | 6 | 전공 | 석사/박사 | 핀테크융합전공 | - | No | |
| 핀테크 석/박사 과정 전공심화 과목으로 핀테크 마케팅 이슈 전반에 대한 강의임. 핀테크 석/박사 과정 전공심화 과목으로 핀테크 마케팅 이슈 전반에 대한 강의임. 핀테크 석/박사 과정 전공심화 과목으로 핀테크 마케팅 이슈 전반에 대한 강의임. 핀테크 석/박사 과정 전공심화 과목으로 핀테크 마케팅 이슈 전반에 대한 강의임. 핀테크 석/박사 과정 전공심화 과목으로 핀테크 마케팅 이슈 전반에 대한 강의임. | |||||||||
| FIT5016 | 핀테크비즈니스모델개발 | 3 | 6 | 전공 | 석사/박사 | 핀테크융합전공 | - | No | |
| 핀테크 석/박사 과정 전공심화 과목으로 핀테크 비즈니스 모델 개발 전반에 대한 강의임. 핀테크 석/박사 과정 전공심화 과목으로 핀테크 비즈니스 모델 개발 전반에 대한 강의임. 핀테크 석/박사 과정 전공심화 과목으로 핀테크 비즈니스 모델 개발 전반에 대한 강의임. 핀테크 석/박사 과정 전공심화 과목으로 핀테크 비즈니스 모델 개발 전반에 대한 강의임. 핀테크 석/박사 과정 전공심화 과목으로 핀테크 비즈니스 모델 개발 전반에 대한 강의임. 핀테크 석/박사 과정 전공심화 과목으로 핀테크 비즈니스 모델 개발 전반에 대한 강의임. | |||||||||
| FIT5017 | 인공지능과인슈런스플랜 | 3 | 6 | 전공 | 석사/박사 | 핀테크융합전공 | - | No | |
| 핀테크 석/박사 과정 전공심화 과목으로 인공지능 & 인슈런스 플랜 전반에 대한 강의임.핀테크 석/박사 과정 전공심화 과목으로 인공지능 & 인슈런스 플랜 전반에 대한 강의임.핀테크 석/박사 과정 전공심화 과목으로 인공지능 & 인슈런스 플랜 전반에 대한 강의임.핀테크 석/박사 과정 전공심화 과목으로 인공지능 & 인슈런스 플랜 전반에 대한 강의임.핀테크 석/박사 과정 전공심화 과목으로 인공지능 & 인슈런스 플랜 전반에 대한 강의임.핀테크 석/박사 과정 전공심화 과목으로 인공지능 & 인슈런스 플랜 전반에 대한 강의임. | |||||||||
| FIT5019 | 금융기계학습 | 3 | 6 | 전공 | 석사/박사 | 핀테크융합전공 | 한 | Yes | |
| 금융 실무에서 사용되는 데이터의 양은 점차 증가하고 있으며, 전통적인 정형데이터를 넘어 비정형데이터를 사용하는 추세가 증가하고 있다. 따라서, 학생들이 경쟁력을 갖추고 미래 금융 분야를 선도하는 인재로 발전하기 위해서는 Machine Learning 방법을 금융 업무에 적용할 수 있는 능력을 함양하는 것이 매우 중요하다. 이를 위해 본 과목에서는 R과 Python을 이용하여 [데이터 수집, 정리, 분석, 시각화, 기계학습, 보고서 작성]에 이르기까지 전반적인 데이터 과학과 Machine Learning에 대한 기초를 다짐으로써 금융데이터를 실무에 활용할 수 있는 능력을 마련하고자 한다. | |||||||||
| FIT5020 | 금융데이터분석 | 3 | 6 | 전공 | 석사/박사 | 핀테크융합전공 | 한 | Yes | |
| 재무금융 실무 및 연구 등을 수행하기 위해서 금융 관련 데이터에 대한 이해 및 분석이 더욱 중요해지고 있다. 데이터에 대한 의미 있는 분석을 위해서는 이런 재무 및 금융과 관련된 방대한 데이터에 대한 접근 및 데이터 구조에 대한 기본적인 이해가 필요하다. 본 금융데이터분석 과정은 해외 Compustat, CRSP 및 국내 Fn DataGuide 등 재무, 금융 분야의 연구 및 실무의 기초가 되는 다양한 주요 financial 데이터에 대한 이해, 이에 대한 접근, 가공 및 분석에 대한 학습기회를 제공함으로써 향후 다양한 finance 관련 연구 및 실무의 기초를 다지는 수업이다. 재무, 금융 분야의 실무 및 연구에서 기본이 되는 주요 데이터에 대한 이해 및 가공능력을 바탕으로 향후 심화된 데이터 수집 및 분석 등의 기초를 제공하는 데에 목적이 있다. 해외 유수한 논문을 실제로 데이터 수집부터 가공 등을 거쳐 replicate해 보고, 더 나아가서 기존의 연구에서 자신의 아이디어를 추가하여 새롭고 의미 있는 데이터 분석을 하는 전반적인 financial 데이터 분석 과정을 배우게 된다. | |||||||||
| FIT5021 | Data-driven Credit Modelling | 3 | 6 | 전공 | 석사/박사 | 핀테크융합전공 | 한 | Yes | |
| 본 강의는 데이터 기반의 빅데이터 및 인공지능 기술을 이용한 신용 모형 및 신용 분석 방법에 대해 학습한다. 신용위험 분석의 전통적인 방법론의 이해를 위해 구조적 모형과 축약형 모형의 신용위험 모형과 재무제표분석을 통한 신용분석 기법을 학습한다. 전통적인 신용위험 분석 방법론의 이해를 바탕으로 대용량 데이터를 활용한 기계학습 기법을 이용한 신용 분석 방법에 대해 배운다. 신용위험 분석에 활용되는 기계학습 방법론으로는 선형회귀분석, 의사결정나무모형, 서포트 벡터 머신, 그리고 인공신경망 모형 등에 대해 학습하고 인공신경망 모형에는 합성곱신경망모형(CNN)과 순환신경망모형(RNN)을 포함한다. 학습한 기계학습 방법론을 부도확률 예측, 부도시 손실률 예측, 신용등급의 추정, 포트폴리오 및 신용파생상품의 위험 추정 등에 적용해 본다. 파이썬을 활용한 실습을 통해 실무 활용 능력을 함양한다. 마지막으로 BIS 자기자본규제에 따른 신용위험 환경 변화를 소개하고, 산업 내 전문가를 초빙하여 전문가 특강을 진행한다. | |||||||||
| FIT5022 | AI와파이낸스세미나I | 3 | 6 | 전공 | 석사/박사 | 핀테크융합전공 | 한 | Yes | |
| 본 교과는 다양한 기계학습 방법을 사용하여 재무학의 다양한 문제를 검토하는 데 중점을 둡니다. 기계학습의 장점 중 하나는 해당 방법의 고차원적 특성이 전통적인 계량경제학 예측 기법 대비 유연성을 향상시킨다는 것입니다. 기계학습 방법은 자산의 수익률 또는 기업 재무 결정에서 여전히 알려지지 않고 있을 가능성이 있는 복잡한 데이터 프로세스를 더 잘 근사할 수 있습니다. 특히 기계학습 방법을 사용하여 자산 프리미엄을 추정하고, 다양한 종류의 회사 및 주식을 분류하고, ML 기반의 포트폴리오 구성에서 추가 알파를 확인하고, 새로운 유형의 위험 요소를 감지하고, 주식 시장의 이상 현상 및 의심스러운 거래를 식별할 수 있는지를 살펴볼 것입니다. 또한, 다양한 텍스트, 음성 및 이미지 데이터에서 새로운 변수를 추출하는 방법들을 연구할 것입니다. 이러한 과정을 이해하기 위하여, 먼저 탄탄한 이론적 배경을 위해 기존의 관련 금융 문헌을 검토한 다음 이러한 문제에 기계학습 기법을 적용하여 기계학습 기법이 기존 금융에 대한 이해를 확장할 수 있는지를 살펴볼 것입니다. | |||||||||
| FIT5024 | 인슈어테크이론과실무 | 3 | 6 | 전공 | 석사/박사 | 핀테크융합전공 | - | No | |
| 이 수업은 정보 기술이 보험 시장에서 가격, 프로세스 및 상품을 어떻게 변화시키고 있는지에 대해 학습한다. 특히 학생들은 강의, 사례 토론, 프레젠테이션을 통해 기계학습, 인공지능 등의 정보 기술이 보험 시장을 어떻게 변화시키고 있는지에 대해 함께 탐구한다. | |||||||||