불확실한 현상에 대한 과학적인 사고를 할 수 있는, 통계학과 보험수리 분야의 전문인력을 양성하여 사회발전에 이바지 하는것을 목적으로 하고 있습니다.

정보통계, 보험수리 (주전공, 2013~2016년 적용)

정보통계·보험수리학과 학부 교과과정은 크게 통계학 분야와 보험수리 분야로 구분되는데, 학생들은 각자가 선택한 진로에 따라 교과목 트랙을 이수하고 다양한 분야로 진출할 수 있습니다. 다음과 같은 교과목이 학년별로 개설되어 있습니다.

학년 1학기 2학기
이수구분 과목명 이수구분 과목명
1 교필 채플 교필 채플
교필 현대인과 성서1 교필 창의적사고와 글쓰기
교필 영어 교필 영어2
교필 숭실인의 역량과 진로탐색1 교선 교양영역별선택
교필 한반도 평화와 통일 전공기초 통계적방법론
교선 교양영역별선택 전공기초 미적분학2
전공기초 통계학 전공기초 프로그래밍 및 실습
전공기초 미적분학1
전공기초 통계수학
2 교필 채플 교필 채플
교필 창의적사고와 독서토론 교필 숭실인의 역량과 진로탐색2
교필 섬김의 리더십 교선 교양영역별선택
교선 교양영역별선택 전필 수리통계2(영어강의)
전필 수리통계1(영어강의) 전선 회귀분석2
전필 회귀분석1 전선 전산통계1
전선 통계수치해석 전선 보험수리학1
전선 금융수리 전선 보험원론
3 교필 채플 교필 채플
전선 추정검정론(영어강의) 전선 다변량분석
전선 실험계획 전선 시뮬레이션
전선 표본론 전선 품질관리
전선 전산통계2 전선 계리모형론1
전선 보험수리학2 전선 연금수리학
전선 보험경영론
4 전선 범주형자료분석 전선 확률과정론
전선 시계열분석 전선 의사결정론
전선 경영과학 전선 데이터마이닝
전선 계리모형론2 전선 계리리스크관리

특징적인 교과목 소개

프로그래밍 및 실습, 통계수치해석, 전산통계1 (1학년 2학기, 2학년 1, 2학기)
대용량이거나 비정형 데이터를 의미하는 빅데이터를 분석하기 위해서 컴퓨터 프로그래밍은 필수적으로 갖추어야 할 능력이다. 다른 대학 통계학과의 통계학 교과과정과 차별화되는 우리 학과만의 장점은 프로그래밍 능력을 키워주는 과목들이 4년간에 걸쳐 순차적으로 개설된다는 점이다. 1학년부터 2학년까지 개설되는 이 세 과목을 통해 Java 등의 프로그래밍 언어에 대한 기초적 능력을 익히고 이를 심화 학습한다.

전산통계2, 시뮬레이션 (3학년 1, 2학기)
3학년에 개설되는 이 두 과목은 공개 소프트웨어이면서 강력한 통계 분석 도구인 R에 대해 배우고 이를 심화 학습하는 과목이다. 전산통계2에서 기초적 통계분석은 물론 틀에서 벗어난 문제들을 해결하기 위한 프로그래밍 능력을 키우고, 심화과목인 시뮬레이션에서 모의실험을 통해 문제를 해결하는 능력을 키운다. 이 과목들을 통해 컴퓨터를 이용하여 통계적 문제를 해결할 수 있는 자신감을 가질 수 있게 한다.

데이터마이닝 (4학년 2학기)
데이터에 숨겨져 있는 정보를 캐내기 위해서 기존의 이론적이고 표준적인 방법들만으로 부족한 경우가 많다. 이 과목을 통해 유능한 데이터 사이언티스트가 되기 위해 꼭 알아야 할 방법들인 연관분석, 의사결정나무 모형, 앙상블 기법 등에 대해 배운다. 이 방법들은 컴퓨터를 많이 이용하는 방법이라는 공통점을 갖고 있다.

보험수리학 1, 2 (2학년 2학기, 3학년 1학기)
보험수리학에서는 생명보험회사의 계리업무와 관련된 수리적인 주제를 다룬다. 피보험자의 생존모형과 생명보험상품의 현금흐름을 살펴보고, 순보험료와 준비금의 산출방법 및 손익분석 과정 등에 관해 학습한다. 계리사 자격시험 준비와 관련된 가장 핵심적인 교과목이다.

연금수리학 (3학년 2학기)
연금수리학에서는 근로자복지를 위해 지급되는 퇴직연금제도와 이와 관련된 연금제도 전반에 관한 기초지식을 강의한다. 이에 기초하여 퇴직후 정해진 연금액을 지급하는 확정급여형 퇴직연금제도의 보험료 및 준비금 산출, 회계 및 세무절차 등에 대해 실무적 지식을 습득한다.

계리리스크관리 (4학년 2학기)
본 교과목에서는 최신 보험상품을 이해하는 데 필요한 금융공학의 내용에 대하여 학습한다. 위험관리에 대한 기본적인 개념과 이를 위해 사용되는 선물, 옵션, 스왑을 포함한 파생상품의 개념, 수익구조 및 가격결정 원리에 대하여 학습하게 되며, 본 교과목 이수 후 국내외 보험계리사 시험의 해당 과목을 응시할 수 있다.

계리실무 1 & 2 (4학년 1, 2학기)
보험계리 분야로 진로를 정한 학생들이 실무적 경쟁력을 갖출 수 있도록 개설된 과목이다. 세계적인 보험계리소프트웨어인 "Prophet"을 이용하여 강의가 진행된다. 보험료 결정, 부채평가, 리스크관리 등 실무적 주제에 대한 내용과 함께 이러한 업무 목적으로 “Prophet”을 어떻게 이용하는지를 이들 과목에서 배우게 된다. 보험업계 최고의 전문가를 초빙하여 진행하는 강의이다. 학부4학년과 대학원생이 모두 수강할 수 있으며, 보험계리 분야 전공자라면 놓치지 않아야 할 과목이다.

금융공학·보험계리 연계전공

정보통계·보험수리학과와 경영학부가 연계하여 운영하고 있는 금융공학과 보험계리 분야를 같이 공부할 수 있는 교육 프로그램입니다. 이 분야의 전공자는 졸업 후 수리적 방법에 근거하여 금융과 보험 분야의 다양한 주제들에 대한 현실적인 해결방안을 제시하는 역할을 담당하게 되므로 금융재무이론에 대한 지식, 보험 및 보험수리에 대한 지식, 통계학과 수학 등 수리적 기초지식, 경제학과 회계학 분야의 지식 등 다양한 분야의 종합적인 지식이 필요합니다. 금융공학 보험계리 분야에 진입하는 것이 쉽지 않지만 이 분야의 전공을 제대로 이수한다면 취업 기회와 직업의 안정성 등이 보장되는 전문가가 될 수 있습니다.

정보통계·보험수리학과(1영역) 경영학부(2영역)
과목 학기 과목 학기
통계적방법론 1-2 금융시장론 1
금융수학 1-2 재무관리 2
수리통계1 2-1 투자론 1
회귀분석1 2-1 경영분석론 2
금융수리 2-1 금융공학 1
수리통계2 2-2 금융리스크관리 2
보험수리학1 2-2 마케팅조사론 1
보험원론 2-2 글로벌전략경영 1
보험수리학2 3-1 의사결정과학 1
보험경영론 3-1 마케팅 2
계리모형론1 3-2 오퍼레이션매니지먼트 2
연금수리학 3-2 파생금융상품회계 2
시계열분석 4-1  
계리모형론2 4-1  
계리리스크관리 4-2  
확률과정론 4-2

보험계리·리스크관리 연계전공

미국 Towson 대학과의 공동학위 프로그램을 위해 수립된 연계전공 과정으로 공동학위의 취득을 위해서는 양교에서 정한 커리큘럼을 이수하여야 합니다. (공동학위 프로그램에 대한 구체적 내용은 특성화 프로그램 메뉴 참조)

정보통계·보험수리학과(1영역) 경영/경제/수학/산업·정보시스템공학과(2영역)
과목 학점 학기 과목 학점 학기 학과
금융수리 3 2-1 재무관리 3 2-1,2 경영학부
수리통계1 3 2-1 회계원리 3 1-1,2 경영학부
보험수리학1 3 2-2 금융투자관리 3 3-1 경영학부
수리통계2 3 2-2 재무회계 3 1-2; 2-1 경영학부
보험원론 3 2-2 파생상품투자 3 4-1 경영학부
보험수리학2 3 3-1 금융위험관리 3 4-2 경영학부
보험경영론 3 3-1 미시경제학 3 2-1 경제학과
회귀분석1 3 2-1 거시경제학 3 2-1 경제학과
계리모형론1 3 3-2 집합론 3 2-1 수학과
전산통계1 3 2-2 해석개론1 3 2-1 수학과
시계열분석 3 4-1 현대대수1 3 3-1 수학과
계리모형론2 3 4-1 금융수학1 3 4-1 수학과
계리리스크관리 3 4-2 경제성공학 3 2-1 산업정보
확률과정론 3 4-2

빅데이터(Big Data) 분석 전문가 양성을 위한 S3IT 융합전공

(1) 빅데이터 분석에 필요한 기술과 지식을 제공을 목표

(2) 전체 교과목은 필수 5과목과 선택 24과목으로 구성

(3) 총 36학점 (12과목)을 수강하여야 함- 21학점은 소속학과 전공과목과 중복 인정 가능 함

(4) 필수과목 - 5과목 모두 수강하여야 함

정보통계·보험수리학과 소프트웨어 스마트시스템 소프트웨어
3-1
3-2 유비쿼터스센서네트워크
4-1 빅데이터시각화 SNS 빅데이터 분석
4-2 R/Hadoop/Rhipe 웹 지능과 빅데이터

(5) 선택과목 - 최소 7과목 선택 수강하여야 함

정보통계·보험수리학과 소프트웨어 스마트시스템 소프트웨어
2-1 회귀분석1(필)
통계수치해석
자료구조(필) 모바일프로그래밍
2-2 전산통계1 알고리즘(필) 자료구조(필)
3-1 전산통계2 데이터베이스(필)
인공지능
소프트웨어공학
운영체제(필)
알고리즘
확률과통계
3-2 다변량분석
시뮬레이션
데이터사이언스
데이터베이스응용
센서모션로봇공학(필)
소프트웨어공학
4-1 범주형자료분석 EMC-빅데이터컴퓨팅 네트워크프로그래밍
4-2 데이터마이닝

(6) 필수 교과목 소개

R/Hadoop/Rhipe
Hadoop 환경에서 R 언어를 사용하여 빅데이터를 분석하기 위해 필요한 기본적인 지식(맵리듀스(MapReduce), 하둡분산파일시스템(HDFS), HBase NoSQL database 등)을 사례를 통해 학습하며 모의 빅데이터에 실제적으로 적용해본다.

빅데이터 시각화 (Bid Data Visualization)
본 과목은 데이터의 시각화에 대한 기본적인 개념을 ‘통그라미’ 소프트웨어를 이용하여 연구한다. 빅데이터의 시각화를 위해서 R의 다양한 패키지를 이용하는 방법을 연구한다. 웹에서 빅데이터의 시각화 구현을 위해서는 D3.js 자바스크립트 라이브러리 이용 방법을 연구한다.

SNS 빅데이터 분석 (SNS Big Data Analysis)
SNS 데이터는 인터넷 사회에서 중요한 의미를 가지는 빅데이터이다. 현존하는 다양한 형태의 SNS 속성 및 수집에 관하여 연구하고, 이를 분석하는 기술적인 기법을 강의한다. 본 강좌는 SNS에 대한 기본 지식을 살펴보고, 실제 SNS 데이터를 활용하여 빅데이터 분석을 수행한다. 본 강좌는 빅데이터 분석 사례를 습득할 수 있는 과목이다.

웹 지능과 빅데이터 (Web Intelligence and Big Data)
본 과목은 센서 네트워크, 소셜 미디어, 이동 디바이스 등으로부터 생성되는 빅 데이터를 활용하는 웹 지능 구현에 대한 강의이다. 웹 데이터베이스 구축 및 분석에 관련되는 기술, 웹 기술의 기초가 되는 XML 기술 등을 강의한다.

유비쿼터스 센서 네트워크 (Ubiquitous Sensor Network)
유비퀴터스 환경에서는 모바일 디바이스, 스마트 디바이스, 임베디드 센서 시스템 등 다양한 센싱 디바이스들이 네트워크를 구성하여 물리 환경 정보와 개인화 정보를 클라우드 서버로 전송하고, 서버는 대량의 데이터를 기반으로 클라우드 컴퓨팅을 수행하여, 디바이스가 적절한 소프트웨어 동작을 취하도록 지시할 수 있다. 본 교과목은 이런 모든 과정을 유비쿼터스 센서 네트워크로 정의하고, 이에 관련된 요소 기술과 이슈들을 학습한다.