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

정보통계, 보험수리 (주전공, 2019~2020년 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 Academic Writing in English 1 교필 Academic Writing in English 2
교필 한반도 평화와 통일 교필 AI 및 데이터분석의 기초
교필 컴퓨팅적 사고 교필 현대인과 성서
교필 사고와 표현 교선 교양영역별선택
교선 교양영역별선택 전공기초 통계적 방법론
전공기초 통계학 전공기초 미적분학2
전공기초 미적분학1 전공기초 프로그래밍 및 실습
전공기초 통계수학
2 교필 채플 교필 채플
교필 기업가정신과 행동
교선 교양영역별선택 교선 교양영역별선택
전필 수리통계1(영어강의) 전필 수리통계2(영어강의)
전필 회귀분석1 전선 회귀분석2
전선 통계수치해석 전선 전산통계1
전선 금융수리1 전선 보험수리학1
전선 보험원론
3 교필 채플 교필 채플
전선 추정검정론(영어강의) 전선 다변량분석
전선 실험계획 전선 시뮬레이션
전선 표본론 전선 품질관리
전선 전산통계2 전선 계리모형론2
전선 보험수리학2 전선 금융수리2
전선 계리모형론1
4 전선 범주형자료분석 전선 확률과정론
전선 시계열분석 전선 의사결정론
전선 경영과학 전선 데이터마이닝
전선 연금수리학 전선 보험수리특강

특징적인 교과목 소개

프로그래밍 및 실습, AI 및 데이터분석의 기초, 전산통계1 (1학년 2학기, 2학년 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 C, Python, R등의 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 R을 이용하여 통계 수치해석 방법과 통계적 모의 실험 방법을 소개한다. 전산통계2에서 다양한 통계 수치해석 방법에 대해 배우고, 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 통계학습, 재표본추출방법, 선형모델 및 비선형모델 선택, 트리모델, 서포트벡터머신, 비지도학습 등에 대해 배운다. 이 방법들을 컴퓨터 프로그래밍을 통해 구체적으로 실습한다.

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.

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 빅데이터 분석
4-2 R/Hadoop/RHadoop 정보검색과 웹

(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/RHadoop
R 환경에서 Hadoop을 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.

빅데이터 분석 (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.

정보검색과 웹 (Information Search and Web)
관계형 데이터베이스 시스템을 중심으로 처리되는 정형화된 데이터는 규격화되고 변경이 어려운 스키마 내에 데이터가 존재하여야 한다. 빅 데이터 분석 및 처리 요구가 증가하고 있는 현대 정보 사회는 정형 데이터 뿐만 아니라 비정형 데이터 처리, 관리, 분석에 대한 요구사항이 현존한다. 특히 비정형 데이터에 대한 기술적인 요구사항은 특히 최근 NoSQL 기술 트랜드에 편승하여 지속적으로 증가하고 있다. 본 강좌에서는 비정형 데이터의 대표적인 형태인 텍스트와 XML 데이터 처리 기술을 살펴보고, 두 가지 비정형 데이터가 가장 보편적으로 존재하는 웹 데이터베이스 분야에 관하여 살펴본다.

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.