카테고리 보관물: 학부행사

[특강] Bayseian Machine Learning in Economics and Finance

2018년 1학기 정기특강 (학부생대상)

일시: 6월 8일 금요일 (오후 4:30분)
장소: 아산이학관 535호
연사: 강규호 교수 (경제학과)
제목: Bayseian Machine Learning in Economics and Finance

개요: 계량경제학에서 정의하는 머신러닝은 빅데이터로부터 소량의 의미있는 정보를 걸러내는 계산과정을 말한다. 이 발표에서는 최근 경제/경영 분야에서 널리 사용되는 베이지안 머신러닝 알고리즘의 핵심적인 아이디어를 설명한다. 그런 다음, 이 기법이 부동산가격 및 가계부채 예측, 금융자산운용, 위험관리 등 경제/경영 분야에서 실제 활용되는 사례를 다룬다. 마지막으로 수학 전공자에게 적합한 경제/경영 관련 진로를 간단히 소개한다.

[서로소] 정기발표

일시: 5월 30일 수요일 (오후 5시)
장소: 아산이학관 525호
제목, 연사:
– Basic topological graph theory (송교범)
– Constructing real numbers (황진구)

서로소는 학과 수학동아리입니다. 정기활동의 일환으로 매학기 주제발표를 하고 있습니다.

[Kitty] Compact set

일시: 5월 28일 월요일 (오후 5시)
장소: 아산이학관 525호
발제자: 유준희
주제: Compact set
대상: 학부 2학년

Kitty 세미나는 발표나 강연이라는 형식에서 벗어나 특정 주제나 이론에 대해 전반적인 개념, 배경지식, 각자 이해하는 방식, 활용법 등에 대해 자유롭게 의견을 나누고자 하는 자리입니다. 학부생들의 많은 참여 바랍니다.

[특강] Decomposition of Primes in a Quadratic Field

제목: Decomposition of Primes in a Quadratic Field
연사: 최도훈 (고려대학교)
일시: 2018년 4월 27일 4:30pm

초록: 유리수와 수체 (유리수의 유한 확장체) 상의 원소들은 곱의 관점에서 소수에 의해 구성된다. 유리수상의 소수들은 수체상에서 다른 소수들에 의해 더 분해되기도 한다 이러한 현상의 연구는 유체론의 근간이 되었으면 더 확장되어 오늘날 랑글랜즈 프로그램에 이르게 되었다. 이 발표에서는 이 차체의 경우 이 질문에 관한 중요한 결과인 이차 상호 법칙에 관해 얘기한다.

* 이 강연은 학부생 대상입니다.

[진로진학] 수학과 학생을 위한 경제 경영 금융공학

– 연사: 강규호 (고려대학교 경제학과)
– 일시: 2017년 12월 21일 목요일 12시-1시
– 장소: 아산이학관

수학과 학생을 위한 경제/경영/금융공학 분야 전공 설명 및 진로 소개에 관한 자리를 갖고자 합니다. 관심있는 학생들의 많은 참여 바랍니다.

[특강] 행렬분해와 일반화

– 일시: 2017년 12월 13일 5시-6시
– 장소: 아산이학관 526호
– 연사: Professor Tin-Yau Tam (Auburn University)
– 제목: Matrix asymptotic results and their Lie extensions

We will discuss some recent asymptotic results in matrix space and their extensions in Lie group, namely,
(1) Beurling-Gelfand-Yamamoto’s theorem and the generalization of Huang and Tam.
(2) QR and Iwasawa asymptotic results of Huang and Tam.
(3) Francis-Kublanovskaya’s QR algorithm and the generalization of Holmes, Huang and Tam.
(4) Rutishauer’s LR algorithm and the generalization of Thompson and Tam.
These results are related to several important matrix decompositions, namely, SVD, QR decomposition, Gelfand-Naimark decomposition, Jordan decomposition and their counterparts , Cartan decomposition, Iwasawa decomposition, Bruhat decomposition, complete multiplicative Jordan decomposition.

[특강] 수학과 컴퓨팅 (인공지능, 의료분야)

1. 일시 : 2017.11.30. (목) 오후 04:00 ~ 05:00
2. 장소 : 아산이학관 526호 (수학과세미나실Ⅰ)
3. 강연자 : 유경환 (Neofect 연구소장 / 단국대학교 대학원 컴퓨터공학과)
4. 제목 : Purpose Driven Life With Mathematics and Programming
5. 내용: 빅데이터와 인공지능을 이용한 의료분야 관련 소개 (머신러닝, 빅데이터, 사물인터넷, 헬스케어, 재활치료에서의 인공지능 등)

* 이 강연은 양성덕 교수님께서 주관하십니다.

[특강] 딥러닝, 경사하강법 (데이터사이언스)

– 일시 : 2017. 11.17. (금) 오후 04:00 ~ 오후 06:00
– 장소 : 아산이학관 536호
– 연사 : 한연희 (한국기술교육대학교 컴퓨터공학부)
– 제목 : Deep Learning and Gradient Descent Optimization (딥러닝과 경사 하강 최적화)

최근 머신 러닝(Machine Learning)의 한 분야인 인공 신경망(Artificial Neural Networks)을 응용한 딥러닝(Deep Learning) 기술이 획기적으로 발전하여 기존의 여러 가지 머신 러닝 기법들을 압도하는 주목할 만한 성능 개선을 보여주고 있다. 현재 딥러닝 기술은 사진, 그림, 음성, 음악, 비디오, 문서 등에 표현된 데이터에서 패턴을 인식하는데 매우 띄어난 성능을 보여주며, 이를 바탕으로 영상처리, 금융, 보안, 게임 등의 분야에 널리 활용되고 있다. 본 강의에서는 딥러닝의 기본 동작 원리를 파악하는 것을 목적으로, 1) 인공 신경 모델, 2) 인공 신경망 모델, 3) 손실 함수 및 인공 신경망 매개변수 최적화 목표 설정 방안을 알아보고, 이러한 다수의 매개변수들을 최적화하기 위하여 미분(Differentiation) 및 체인룰(Chain Rule)을 활용하는 경사하강 최적화(Gradient Descent Optimization) 기법에 대해 살펴본다.