강좌상세보기 | Home > 강좌 > 강좌상세보기 |
교수님 | 정재철 | 커리큘럼 | 46회 |
---|---|---|---|
수강료 | 350,000원 | 맛보기 | |
수강기간 | 90 일 | 학습방식 | 콘텐츠 자율 수강방식 |
학습시간 | 41시간 28분 | 상태 | 수강신청 가능 |
검색태그 |
강좌 특징 | ✓ 교재는 결제 후 연락주시면 택배발송해드리고 있으며 교재가 있으신 분들은 교재값 제외해드립니다. (강의 30만원 / 교재 5만원, 교재는 제본 교재로 교재만 별도 구매는 불가합니다.)
정재철 교수님의 SOA Exam - SRM 강좌입니다. (2023년 5월 촬영)
[수강 전 확인사항]
* 구매 후 5일이 지나면 강의가 자동적으로 시작됩니다.
* 본 강좌는 IP와는 상관없이 등록된 기기에서만 수강이 가능하며 기기변경은 일정기간이 지나거나 사유가 있는 경우에만 가능합니다. (계정당 PC 2대, 모바일 2대)
* 자료를 다운받을 시 해당 회차를 수강하신 걸로 간주되며 환불 시 공제될 수 있습니다.
자세한 사항은 고객센터 FAQ란을 참고해주세요. |
---|---|
강좌 범위 | [ 학 습 내 용 ]
* Statistics for Risk Modeling * Actex SOA Exam SRM Study Manual (2022 Spring) 교재 총 2권 |
수강 대상 |
회차 | 단원명 | 샘플강좌 | 강의시간 |
---|---|---|---|
1회차 | ① Preface ② 1.1 Model Formulation and Fitting (p.13) | 55분 | |
2회차 | 1.1 Model Formulation and Fitting (p.27) | 56분 | |
3회차 | 1.2 Assessing the Goodness of Fit of an SLR Model (p.51) | 50분 | |
4회차 | 1.3 Statistical Inference about Regression Coefficients (p.65) | 54분 | |
5회차 | 1.3 Practice Problems (p.77) | 30분 | |
6회차 | 1.4 Prediction (p.92) | 41분 | |
7회차 | 2.1 From SLR to MLR (p.113) | 63분 | |
8회차 | 2.1 (p.127) | 61분 | |
9회차 | 2.1 (p.146) | 35분 | |
10회차 | 2.2 Partial Correlation (p.167) | 48분 | |
11회차 | 2.3 Model Construction (p.181) | 59분 | |
12회차 | 2.3 (p.191) | 51분 | |
13회차 | 2.3 (p.199) | 34분 | |
14회차 | 2.4 Generalized F-test (p.220) | 77분 | |
15회차 | 3.1 Residual Analysis (p.232) | 31분 | |
16회차 | 3.2 Influential Points (p.242) | 60분 | |
17회차 | 3.3 Heteroscedasticity (p.250) | 58분 | |
18회차 | 3.4 Collinearity (p.261) | 59분 | |
19회차 | 3.4 Collinearity (p.280) | 21분 | |
20회차 | 4.1 A Primer on Statistical Learning (p.309) | 62분 | |
21회차 | 4.1 A Primer on Statistical Learning (p.326) | 60분 | |
22회차 | 4.2 Resampling Method (p.344) | 63분 | |
23회차 | 4.3 Variable Selection (p.357) | 40분 | |
24회차 | 4.3 Variable Selection (p.381) | 78분 | |
25회차 | 4.4 Shrinkage Methods (p.411) | 67분 | |
26회차 | 5.1 GLM Fundamentals (p.431) | 53분 | |
27회차 | 5.1 GLM Fundamentals (p.449) | 88분 | |
28회차 | 5.1 GLM Fundamentals (p.458) | 38분 | |
29회차 | 5.1 GLM Fundamentals (p.479) | 38분 | |
30회차 | 5.2 GLM Case Study 1 (p.498) | 45분 | |
31회차 | 5.2 GLM Case Study 1 (p.516) | 61분 | |
32회차 | 5.3 GLM Case Study 2 (p.543) | 76분 | |
33회차 | 6.1 Fundamental Components of Time Series (p.564) | 51분 | |
34회차 | 6.2 Two Primitive Time Series Models (p.579) | 69분 | |
35회차 | 6.3 Filtering to Achieve Stationarity ~ 6.5 End-of-chapter Problems (p.589) | 33분 | |
36회차 | 7.1 Smoothing (p.604) | 47분 | |
37회차 | 7.2 Autoregressive Models (p.620) | 66분 | |
38회차 | 7.3 Forecasting Volatility : ARCH/GARCH Models (p.630) | 56분 | |
39회차 | 7.4 Forecast Evaluation ~ 7.5 End-of-chapter Problems (p.648) | 35분 | |
40회차 | 8.1 Fundamentals of Decision Trees (p.674) | 56분 | |
41회차 | 8.1 Fundamentals of Decision Trees (p.699) | 54분 | |
42회차 | 8.2 Ensemble Trees (p.725) | 72분 | |
43회차 | 9.1 Fundamental Ideas of Principal Components Analysis (p.743) | 53분 | |
44회차 | 9.2 Application of PCA to Supervised Learning ~ 9.3 End-of-chapter Problems (p.768) | 69분 | |
45회차 | 10.1 K-Means Clustering ~ 10.2 Hierarchical Clustering (p.791) | 68분 | |
46회차 | 10.3 Practical Considerations in Clustering ~ 10.4 End-of-chapter Problems (p.804) <종강> | 47분 |