도서관에 새로 들어온 도서 안내 |
|
|||||||
yosulib@jnu.ac.kr |
||||||||
|
||||||||
도서관에 새로 들어온 도서를 안내하오니 교육 · 연구와 학습에 활용하시기 바랍니다. ○ 도 서 명 : ‘인삼헬스케어 A to Z' 포함373종 457권 ○ 기 간 : 2023년1월 1일(일) ~ 1월 31일(화) ○ 이용장소 : 해당 자료실 ○ 도서목록 : 첨부파일 참조 ※
서명 가나다순 정렬 매크로 사용 설정 방법 : 파일 상단 보안경고 ‘옵션‘
클릭 → ‘이 콘텐츠 사용‘ 클릭
→ ’확인‘ 클릭 기타 문의사항은 여수캠퍼스도서관
수서정리실(061-659-6602)로 연락 주십시오. |
||||||||
|
||||||||
|
|
|
|
|||||
|
|
|
네트워크 분석/ Menczer, Filippo / 에이콘 |
|||||
|
총류 |
|
우리의 삶은 네트워크로 둘러싸여 있다. 이제 익숙한 용어가 된 사회연결망은 SNS 친구와 동료, 가족 등의 인간 관계를 기술한다. 사람들은 통신망과 교통망으로 서로 교류하고, 인터넷을 통해 소식을 전한다. 사회의 기본 원자라고 할 수 있는 개인이 어떤 결정을 내리기까지는 뇌 신경망이 우리 사고를 지배한다. 그 생물학적 기저에는 모든 생물의 공통인 신진대사 네트워크, 단백질 네트워크, 유전자 네트워크가 있다. 이 책은 네트워크 과학을 처음 접하는 분들에게 기본적인 기술 용어와 모형뿐 아니라 바로 활용할 수 있는 프로그램을 함께 제공한다. 컴퓨터 프로그램 혹은 코딩이 두려운 분들에게도 네트워크 과학의 기본과 응용을 배우기에 안성맞춤인 첫 여정이 될 것이다. |
|||||
|
|
|
||||||
|
|
|
|
|||||
|
|
|
금융머신러닝 / 두매튜딕스, 이고르 핼퍼린, 폴빌로콘 저, 이기용 번역 / 에이콘 출판 |
|||||
|
사회문제 |
|
계량 금융, 데이터 과학, 분석, 핀테크 분야의 경력을 쌓으려는 데이터 과학, 수학 금융, 금융 공학, 경영 과학 연구 분야의 대학원생을 대상으로 한다. 선형 대수학, 다변량 미적분학, 고급 확률 이론, 확률 과정, 시계열 통계학(계량경제학)의 고학년 학부 과정을 이수하고 수치 최적화와 계산 수학에 대해 기본적으로 이해하고 있어야 한다. 이 책의 후반부에 있는 강화학습은 투자 과학에 대한 약간의 배경지식만 있다면 더 쉽게 접근할 수 있다. 또한 파이썬 프로그래밍에 대한 사전 경험이 있어야 하며, 이상적으로는 컴퓨터 금융 및 입문 머신러닝에 대한 강의를 듣는 것이 좋다. 이 책의 자료는 머신러닝에 대한 대부분의 과정보다 수학적이고 공학에 덜 집중돼 있으며, 이러한 이유로 길버트 스트랭(Gilbert
Strang)의 최신 서적인 『딥러닝을 위한 선형대수학(Linear Algebra and Learning from
Data)』을 기본으로 읽을 것을 추천한다.
금융에서의 머신러닝은 패턴 인식, 금융 계량경제학, 통계 컴퓨팅, 확률 프로그래밍, 동적 프로그래밍을 포함한 다수의 새로운 분야의 교차점에 위치한다. 계산 자원과 대규모 데이터 세트가 증가하는 추세와 함께 머신러닝은 오픈소스 머신러닝 툴킷으로 제공되는 플러그앤플레이 알고리듬에 중점을 두고 컴퓨팅 엔지니어링 분야의 핵심으로 성장했다. 알고리듬 거래와 같은 알고리듬에 초점을 맞춘 금융 영역이 주로 머신러닝 기술을 채택했지만 공학에 기반을 둔 연구 단체와 기업 활동의 영역을 벗어나면 머신러닝의 많은 부분은 여전히 미스터리로 남아 있다. 공학을 전공하지 않은 학생과 실무자의 머신러닝을 이해하는 데 있어 핵심적인 장벽은 금융 시계열 분석에 적합한, 잘 확립된 이론과 개념이 없다는 것이다. 이것들은 금융 모델링 직관과 과학적 추론의 발전에서 기초 역할을 한다. 더욱이 머신러닝은 공학 실재론(ontology)에 크게 정착돼 있어 수학, 통계, 물리학, 경제 같은 계량적 분야의 학생, 학자, 금융 실무자들이 어느 정도 지적 접근을 할 수 없게끔 만든다. 결과적으로 이 분야에 필요한 능력에 대해 많은 오해가 있으며 이해하더라도 제한적이다. 머신러닝 기법은 종종 효과적이지만 여전히 제대로 이해되지 않고 종종 수학적으로 받아들여지기 어렵다. 시계열 분석, 계량경제학, 수학 통계에서 좀 더 기초적인 이론의 맥락에서 머신러닝 분야의 핵심 개념을 어떻게 배치할 것인가? 심층 신경망과 같은 고급 머신러닝 기법이 선형회귀와 같은 잘 알려진 통계 모델과 수학적으로 동등한 조건인 것은 어느 조건에서인가? 서로 다른 금융 애플리케이션에 대한 좀 더 전통적인 계량경제학 방법에 비해 머신러닝 학습 방법을 사용함으로써 얻을 수 있는 이익에 대해 어떻게 추론해야 하는가? 어떤 이론이 금융 모델링 문제에 머신러닝의 적용을 지원하는가? 강화학습은 파생상품 가격 결정을 위한 블랙-숄즈-머튼(Black-Scholes-Merton)
모델에 모델 독립적 접근 방식을 어떻게 제공하고 있는가? Q 러닝은 금융에서 이산 시간 확률적 제어 문제를 어떻게 일반화하는가? 이 책은 계량 금융 분야의 퀀트와 데이터 과학자 외에 금융 경제학, 경영학, 응용통계학 분야의 고급 대학원생과 학자를 대상으로 작성됐다. 우리는 머신러닝을 데이터, 정규화, 편향-분산 트레이드오프를 제어하기 위한 기법의 새로운 알고리듬 표현에 중점을 두고 금융 경제학과 동적 프로그래밍 같은 계량경제학의 다양한 주제에 대한 비선형 확장으로 제시해 표본 외 예측 개선을 유도한다. 이 책은 이론과 응용을 다루는 세 부분으로 나눠져 있다. 첫 번째 부분은 베이지안과 빈도주의의 관점에서 횡단면 데이터에 대한 지도학습을 제시한다. 좀 더 진보된 내용으로 투자 관리 및 파생상품 모델에 대해 가우시안 프로세스뿐 아니라 딥러닝을 포함한 신경망의 중요성을 강조한다. 두 번째 부분에서는 시계열 데이터에 대한 지도학습을 다룬다. 이는 거래, 확률적 변동성, 고정 소득 모델링의 예에서 보듯이 금융에 사용되는 가장 일반적인 데이터 유형이다. 마지막으로 세 번째 부분에서는 강화학습과 트레이딩, 투자, 자산 관리에 대한 응용을 다룬다. 이 책은 방법론과 애플리케이션에 대한 독자의 이해를 돕고자 파이썬 코드 예를 제공한다. 이 새로운 분야의 연구를 위한 가교로, 이 책은 연구자의 관점에서 금융에서의 머신러닝의 최전선 경계를 제시해 통계 물리학에서 잘 알려진 개념들이 금융에서 머신러닝을 위한 연구 주제로 얼마나 많이 등장할 가능성이 있는지를 강조한다. |
|||||
|
|
|
||||||
|
|
|
|
|||||
|
|
|
다와다 요코: 몸과 사잇공간의
시학: 정항균 지음/ 서울대학교출판문화원 |
|||||
|
|
|
독일어와 일본어로 글을 쓰고 번역도 하는 다와다 요코의 전기와 작품을 분석한 책이다. 다와다 요코는 한 언어를 다른 언어로 완전히 번역하는 것은 불가능하며, 이러한 번역 불가능성을 인식하는 가운데 두 언어라는 강가 사이에 있는 물이라는 사잇공간에서 무한한 번역의 잠재력을 찾아낼 것을 요구한다. 또한 번역은 외국어로 쓰인 텍스트를 번역한다는 의미뿐 아니라, 눈에 보이지 않는 신체문자를 가시적인 언어문자로 전환하는 것을 의미하기도 한다. 번역으로서의 글쓰기는 몸 안의 소리에 귀 기울이며 몸이라는 사잇공간에서 펼쳐지는 사잇공간의 글쓰기이기도 한 것이다.
<출처: http://www.kyobobook.co.kr> |
|||||
|
문학 |
|
||||||
|
|
|
|
|