[2023] SOA Exam - SRM | 교재 택배발송, 수강신청 후 학원으로 연락주세요
맛보기
강좌정보
강좌소개
✓ 결제 후 1:1 문의에 주소 남겨주시면 교재 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.
[ 학 습 내 용 ]
* Statistics for Risk Modeling
* Actex SOA Exam SRM Study Manual (2022 Spring) 교재 총 2권
커리큘럼
강좌 회차별 커리큘럼 안내입니다. 강좌의 진행에 따라 변경 될 수 있습니다.
회차(차시)
커리큘럼명(차시명)
샘플강좌
강의시간
1회차
① Preface ② 1.1 Model Formulation and Fitting (p.13)
일반화질고화질
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