최근 확인한 콘텐츠
데이터가 존재하지 않습니다.
González García C.,Álvarez-Fernández E.
2022 / Big Data and Cognitive Computing
데이터가 존재하지 않습니다.
loading...
본 연구는 빅데이터의 정의와 활용에 대한 다양한 해석과 불일치를 해결하기 위해 관련 문헌을 검토하고, 데이터 분석, 데이터 마이닝, 지식 발견, 빅데이터 간의 차이점을 명확히 제시한다. 또한, 빅데이터의 특징인 7V를 분석하고, 각 V가 제시하는 문제점을 설명한다.
Big data analysis : new algorithms for a new society
빅데이터가 만드는 제4차 산업혁명 : 개인과 기업은 어떻게 대응할 것인가?
Big data : techniques and technologies in geoinformatics
Demystifying big data and machine learning for healthcare
The elements of statistical learning : data mining, inference, and prediction
Data science and data analytics : opportunities and challenges
Big data fundamentals : concepts, drivers & techniques
Guide to intelligent data science : how to intelligently make use of real data
나이스한 데이터 분석 : 데이터가 말하는 트렌드
Predictive data mining : a practical guide
한상기의 소셜미디어 특강
Big data, open data and data development
데이터 이코노미 : 서울대 법과경제연구센터가 제시하는 인공지능과 4차 산업혁명 시대의 상생과 공존의 전략 =
Data mining : concepts and techniques
Knowledge discovery in databases
The elements of statistical learning : data mining, inference, and prediction
Big data : storage, sharing and security
Big data for dummies
Mining imperfect data : dealing with contamination and incomplete records
Data mining for service
Procedia Computer Science
Safhi, Hicham Moad; Frikh, Bouchra; Ouhbi, BrahimACM Computing Surveys
Mohammad Shahnawaz; Manish KumarProceedings of the VLDB Endowment
Wenfei FanBIG DATA AND COGNITIVE COMPUTING
Munawar, Hafiz Suliman; Qayyum, Siddra; Ullah, Fahim; Sepasgozar, SamadPLOS ONE
Favaretto, Maddalena; De Clercq, Eva; Schneble, Christophe Olivier; Elger, Bernice SimoneProceedings of the IEEE, Proc. IEEE
Zhang, B.; Chen, Z.; Peng, D.; Benediktsson, J.A.; Liu, B.; Zou, L.; Li, J.; Plaza, A.; Shenai, K.; Zeng, Y.; Wu, Q.; Zhang, R.; Magoun, A.B.KI - Kunstliche Intelligenz
Behdju, M.; Meyer, U.ACM SIGKDD Explorations Newsletter
Mohamed Medhat Gaber; Kai-Uwe Sattler; Dang-Hoan TranInternational Journal of Information Technology (Singapore)
Idrees, S.M.; Alam, M.A.; Agarwal, P.IEEE Intelligent Transportation Systems Magazine
Terzi R.,Sagiroglu S.,Demirezen M.U.Frontiers of Computer Science: Selected Publications from Chinese Universities
Chen, Jinchuan; Chen, Yueguo; Du, Xiaoyong; Li, Cuiping; Lu, Jiaheng; Zhao, Suyun; Zhou, XuanIEEE ACCESS
Liu, Zhicheng; Zhang, AoqianBig Data & Society
Kitchin, Rob; McArdle, GavinIEEE ACCESS
Amalina, Fairuz; Hashem, Ibrahim Abaker Targio; Azizul, Zati Hakim; Fong, Ang Tan; Firdaus, Ahmad; Imran, Muhammad; Anuar, Nor BadrulIEEE Network, Network, IEEE
Fang, H.; Zhang, Z.; Wang, C.J.; Daneshmand, M.; Wang, C.; Wang, H.Journal of Plant Biochemistry and Biotechnology
Yadav, Amit; Sudhakaran, Sreeja; Sonah, HumiraIEEE ACCESS
Al-Sai, Zaher Ali; Abdullah, Rosni; Husin, Mohd HeikalIEEE Transactions on Big Data, Big Data, IEEE Transactions on, IEEE Trans. Big Data
Choo, K.R.; Conti, M.; Dehghantanha, A.Soft Computing: A Fusion of Foundations, Methodologies and Applications
Zhai, Junhai; Zhang, Sufang; Zhang, Mingyang; Liu, XiaomengJournal of Supercomputing
Anagnostopoulos, I.; Zeadally, S.; Exposito, E.전선 / 학사
이 수업은 현대 사회에서 데이터화가 미치는 영향과 그에 따른 소통적 실천들의 변화에 대한 주요 쟁점들을 심도있게 고찰한다. 논의 주제로는 데이터 편향 및 윤리, 디지털 감시 기술, 미래 발전 담론, 스마트시티와 커뮤니티, 데이터 인프라와 도시 환경 문제 등이 포함되며, 이 주제들을 심층적으로 탐구하기 위해 미디어 연구, 문화 연구 및 과학기술학의 핵심 개념과 방법론들을 폭넓게 살펴본다. 이론적 학습과 참여형 실습 과제를 통해 학생들은 데이터에 관한 맥락적 이해를 높이고, 인문사회학적 접근법의 중요성을 성찰할 기회를 갖는다. 또한 실제 사례 분석과 토론을 통해 데이터 사회에 관한 총체적, 비판적 사고 능력을 배양한다.전필 / 대학원
본 교과목은 데이터과학 분야에 관심있는 통계학 석사 과정 대학원생을 대상으로, 데이터 랭글링 및 시각화, 회귀분석, 선형 모형, 일반화 선형 모형, 혼합 모형, 분류를 포함하여 모든 데이터 과학자가 익숙해야 하는 통계 방법론 및 이를 통계 소프트웨어를 사용해 적용하는 실례를 다룬다. 기존의 통계학 과목과 비교하여 본 교과목은 이론에 대한 강조가 덜한 대신, 통계 방법론을 구현하고 주요 개념을 실제 자료에 적용하여 데이터를 분석하기 위해 어떻게 소프트웨어를 사용하는지에 대해 더 중점을 둔다. 주요 개념에 대해서는 그것이 “작동하는 이유”에 대한 직관적 설명을 위주로 한다. 본 과목의 모든 통계 분석은 R과 Python을 사용한다.전선 / 대학원
이 강좌의 목적은 혁신의과학 연구 자료 분석을 위해 실제적인 경험을 하게끔 하는 것이다. 이를 위해 다양한 분석 방법을 공부하고, 각자의 연구 가설에 따라 어떤 방법을 이용할 지를 결정할 수 있으며, 혁신의과학 융합 연구에 대한 적용을 통해 결과를 해석할 수 있도록 강좌를 구성한다. 학생들은 혁신의과학 융합 연구 중 몇 가지 예제 자료를 받을 것이며 이 자료를 직접 분석함으로써 문제 해결을 할 수 있는 능력을 키운다.전선 / 대학원
다양한 농림기상 분야의 빅데이터의 활용을 위해 빅데이터의 의미, 이해, 활용에 대해 배울 수 있는 과목이다. 기존의 대용량 데이터와 빅데이터는 무엇이 다른 것인가? 단순한 통계분석과 빅데이터 분석의 차이는 무엇일까? 과연 데이터만 많이 있다면 답을 구할 수 있는가? 이러한 다양한 질문에 대한 답을 찾을 수 있는 과목으로 실제 빅데이터 분석 기법을 익힐 수 있도록 교과내용을 구성하였다.전선 / 대학원
세포 내 단백질 등 구성물질과 각종 소기관의 분해는 각각의 세포 내 기능과 세포의 생리적 상태에 따라 다이나믹하게 조절된다. 선택적 단백질 분해는 주로 유비퀴틴-프로테아좀 시스템과 오토파지-라이소좀 시스템에 의하여 이루어지는데, 이들 기전의 문제는 암, 대사질환, 면역질환, 퇴행성뇌질환과 같은 다양한 인간 질병의 발병과 진행에 밀접하게 관계되어 있다. 이 강의는 1) 지난 30년 간의 단백질 분해 연구의 핵심적 성과들을 되짚어보고, 2) 분자적 수준 단백질 분해 기전의 최신지견을 이해하고, 3) 이들을 조절하는 방법론을 고찰하고자 한다. 2학기에 연계되는 “세포분해생물학 II-질병” 강좌를 통하여, 관련 분해신호 기작이 다양한 인간질병의 병인으로서 기능하며, 예방과 치료의 타겟으로서의 가능성을 제시하고자 한다.전선 / 학사
"빅데이터", "인공지능", "스마트헬스케어", "유비쿼터스 컴퓨팅", "가상공간" 등의 기술적 유행어가 넘쳐나는 오늘날, 정보과학의 관점에서 몸과 마음의 문제를 조망하고자 한다. 이 수업을 통해 학생들은 몸과 마음을 어떻게 데이터로 표현할 수 있는가에 대해 배우게 될 것이다. 의학, 생물학, 심리학, 신경과학 등 몸과 마음의 문제를 다루는 학문들이 데이터과학과 결합되는 융합의 지점에 있는 최신의 연구 동향에 대해 살펴볼 것이다. 오늘날 학문은 한편으로는 세분화되어 가지만 또 한편으로는 다양한 관점에서 복잡한 문제를 푸는 거대과학을 지향하고 있다. 몸과 마음의 문제에 있어서 어떻게 다양한 관점의 융합 연구가 가능한지에 대해 탐구를 하게 될 것이다. 같은 주제에 대해 인문학적 관점에서 바라본 질문들에 대해 현대공학과 과학은 어떻게 답을 줄 수 있으며, 어떻게 인문학과 공학 및 과학이 함께 연구할 수 있는가에 대해서도 창의적으로 생각하는 시간을 가질 것이다. 학생들은 "몸, 마음, 데이터"와 관련된 소 연구주제들을 자발적으로 찾아서 연구하고 창의적인 방법으로 프로젝트를 만들어 진행하게 될 것이다.전선 / 대학원
본 교과목은 다양한 농산업 분야의 빅데이터의 활용을 위해 빅데이터의 의미, 이해, 활용에 대해 학습하는 것을 목적으로 한다. 기존의 대용량 데이터와 빅데이터는 무엇이 다른 것인가? 단순한 통계분석과 빅데이터 분석의 차이는 무엇일까? 과연 데이터만 많이 있다면 답을 구할 수 있는가? 이러한 다양한 질문에 대한 답을 찾을 수 있는 과목으로 실제 빅데이터 분석 기법을 익힐 수 있도록 교과내용을 구성하였다.전선 / 학사
사물인터넷(IoT)을 비롯한 스마트 환경과 소셜네트워크 서비스의 보편화로 인해 다양하고 방대한 데이터가 발생하고 있다. 이와 함께 막대한 양의 데이터를 신속하게 처리할 수 있는 컴퓨팅 환경의 발달과 창의적인 시각으로 데이터를 분석하고 연결하는 인공지능의 개발로 빅데이터는 여러 분야의 혁신적인 패러다임으로 등장하고 있다. 빅데이터는 데이터 그 자체의 효용성보다는 다양한 방법의 가공을 통한 데이터 간의 연결 및 창의적인 분석을 통해 혁신적인 가치를 창출하고 있으며, 빅데이터의 분석과 활용은 산업과 국가 경쟁력의 척도가 되고 있다. 빅데이터의 분석을 통해 새로운 가치를 창출하기 위해서는 다학제적 융합연구가 필요하다. 이 강의에서는 빅데이터 기업, 연구소 및 학계 전문가들을 초빙하여 최신 빅데이터 기술 경향에 대하여 알아본다. 또한 실제 업무에서 사용되는 툴을 활용하여 다양한 분석 기법을 공부하게 된다. 빅데이터 분야에 관심있는 학생들에게 진로 및 전공 선택에 대한 전망을 제시하게 될 것이다.교양 / 학사
이 과목의 목적은 데이터 문해력에 대한 기본지식을 함양하고 이를 통하여 데이터 기반 의사결정능력과 올바른 정보를 취사선택하는 방법을 익히는 데 있다. 이 과목을 통하여 다양한 통계의 오용사례를 살펴보고 데이터를 전달하는 미디어를 올바르게 이해하고 데이터를 기반으로 효율적으로 본인의 주장을 제시하는 방법에 대해 배운다.전선 / 대학원
Urban Computing은 도시 공간상의 객체(objects), 활동(activities), 특성(characteristics) 등을 컴퓨터 테크놀로지를 이용하여 분석하는 수업이다. 도시에 대한 이해와 도시를 분석하는 능력을 키우는 것이 본 강의의 목적이다. 도시에 대한 이해를 머릿속에 한정시키지 않고 이를 실질적으로 컴퓨터를 포함한 미디어 매체와 결합하여 표현함으로써, 아이디어를 보다 구체화시키는 것이 본 강의의 또 다른 핵심이다. 수업은 크게 장소와 공간에 대한 이해와 컴퓨터 테크놀로지에 대한 이해, 컴퓨터 테크놀로지를 도시에 적용하여 결과물을 만들어내는 세 부분으로 나뉜다. 컴퓨터 테크놀리지 부분은 Advanced GIS와 Database, Programming으로 나뉘며, Advanced GIS에서는 공간분석기법과 통계를, Database 수업에서는 Database 설계와 SQL 사용법을 강의한다. Programming 수업에서는 HTML, JavaScript, XML, Google Maps 프로그래밍에 대한 강의를 진행한다.전선 / 대학원
다양한 종류의 의료 및 생명 분야 빅데이터가 생성되어 축적되고 있는 상황이다. 의료 분야 빅데이터는 기본적인 전자의무기록 외에도 이미지, 생체신호, 텍스트 등의 다양한 비정형 데이터를 포함하게 되었으며, 생명 분야 빅데이터는 차세대시퀀싱 기법의 발전으로 말미암아 유전체, 전사체, 후성유전체 등의 다양한 오믹스 데이터를 포함하게 되었다. 또한 이러한 빅데이터의 생성 및 축적과 더불어 인공지능 기법을 적용하여 기존에는 다루지 못했던 새로운 문제를 정의하고 보다 깊이 있는 빅데이터 분석을 시도하는 연구들이 등장하게 되었다. 본 강좌에서는 의료 및 생명 분야의 다양한 빅데이터를 소개하고 해당 데이터를 다룰 수 있는 인공지능 분석 기법들을 소개함으로써 최신의 의생명 빅데이터 관련 인공지능 연구를 배울 수 있도록 한다.전선 / 대학원
계산이론은 컴퓨터공학의 기초학문이며, 중요한 문제에 대한 효율적인 알고리즘들을 소개하고, 그런 알고리즘의 복잡도 분석을 다룬다. 이 교과목에서는 먼저 알고리즘의 성능을 분석하는 기법, 특히 amortized analysis에 대해 배운다. 그리고, 계산이론 분야에서 중요한 알고리즘과 그 응용에 대해 배운다. 구체적으로, (스트링 매칭, 2차원 패턴 매칭, 근사 매칭, suffix trees, 데이터 압축 문제에 대한) 스트링 알고리즘과 bioinformatics에의 응용, (선택 문제, 다항식 확인 문제에 대한) randomized 알고리즘과 그 영향, (페이지 교체 문제, k 서버 문제에 대한) online 알고리즘과 금융문제(일방향 거래와 portfolio 선택 문제)에의 응용을 배운다.전선 / 학사
빅데이터는 실세계에서 일어나는 복잡한 문제를 해결하기 위한 통찰력을 제공한다. 이 과목은 빅데이터를 소개하며, 데이터 가공, 분석 및 시각화를 위한 프로그래밍 언어 (Python), 데이터 분석을 위한 통계 및 머신러닝 방법 등을 가르친다. 실습 및 프로젝트를 통해서 학생들이 실제 데이터를 분석할 수 있는 능력을 배양한다. 데이터 중심의 컴퓨팅, 정량적 사고와 추론, 탐색적 데이터 분석에 대한 강조를 통해 이 과목에서는 데이터 과학의 핵심 원리와 기술을 다룰 것이다.전선 / 학사
본 수업은 디자인관련 작업 시 디자인전반에 대한 리서치 방법론을 배운다. 특히 설문조사 기법, 인터뷰 기법, 자료 조사 방법을 익힌다. 또한 통계기법을 배워서 디자인에 관련된 데이터를 기초통계법을 배우며, 통계를 활용하여 선호도 조사나 만족도 조사 등이 가능하도록 한다.전선 / 대학원
최근 정보통신기술이 발전하면서 교통분야에서 다양한 데이터가 수집되고 활용된다. 차량과 사람의 위치 데이터, 교통량, 속도, 밀도 등 교통흐름과 관련된 데이터, 대중교통 이용 실태를 확인할 수 있는 교통카드 데이터 등이 대표적이다. 이들은 모두 실시간으로 빠르게 수집되는 만큼 양도 방대하다. 소위 빅데이터의 특징인 Volume (양), Variety (종류), Velocity (속도)의 특징을 모두 가진다. 본 교과목은 교통 분야 빅데이터의 유형을 이해하고 이를 분석하는 것을 목적으로 한다. 이를 위해 우선 빅데이터의 기초와 시각화 방안을 배운다. 이후 인공지능 방법론의 기초를 학습하고 교통 빅데이터를 이용하여 CNN, RNN 분석을 수행해 본다. 아울러 군집분석, 의사결정나무 등 자주 활용되는 데이터 분석기법도 배운다.전필 / 학사
본 과목에서는 정형 데이터와 비정형 데이터를 효과적으로 관리하고 분석하는 데에 필요한 제반 이론 및 기법을 배운다. 구체적으로, 본 과목의 전반부에서는 데이터베이스 (DB)를 기반으로 한 정보 시스템의 설계 및 구현, 그리고 DB 마이닝과 DB 기반 추천 시스템과 관련된 모형과 기법을 다루고, 후반부에서는 텍스트 데이터를 대상으로 정보 검색, 문서 분류 및 군집화를 위한 주요 이론과 방법론들을 소개한다. 아울러, 본 과목은 소개된 모형 및 기법들을 구현하여 다양한 형태의 데이터에 실적용해보는 프로젝트들을 포함하는 바, 이를 통해 실제 문제에 대한 해결 능력을 기르고, 관련된 기술적 이슈들을 경험해보는 것을 목표로 한다.전선 / 학사
Gauss 소거법, Cholesky 분해, Householder와 Gram-Schmidt 해법, 데이터 맞춤, 비선형 최소자승법, 심플렉스 해법, 행렬의 분할, Jacobi와 Seidel 반복법, 이완해법, 유한차분법, ADI 해법, 켤레 그래디언트 해법 등을 다룬다.전선 / 대학원
데이터 마이닝은 빅 데이터를 분석하기 위한 핵심 도구로서 많은 관심을 받고 있다. 특히 컴퓨터 공학 측면에서 고급 데이터 마이닝 알고리즘 및 분석 플랫폼을 설계하고 구현하는 기술을 학습하는 것은 최근 넘쳐나는 빅 데이터에서 실행 가능한 지식을 추출하는데 핵심적인 역할을 한다. 본 과목에서는 빅 데이터를 분석하기 위한 컴퓨터 공학 기반 고급 기술, 알고리즘, 핵심 플랫폼을 다룬다. 또한 초 대용량 데이터, 초고속 데이터 등을 효과적으로 분석하는 기법을 학습한다.전선 / 학사
데이터에 대한 탐색과 통계적 탐구를 수행하는 방법을 배운다. 데이터의 종류와 특성을 이해하고, 적절한 시각화와 분석을 통해 데이터에 숨은 정보를 찾아내고 근거에 기반을 둔 합리적인 의사결정을 하는 방법을 배운다. 데이터에 존재하는 관계성을 찾아 수학적으로 모델링하는 방법으로써 상관관계의 분석과 회귀분석, 클러스터링 기법 등을 배운다. 데이터를 이용한 통계적 탐구를 지도하는 방법을 배운다.전필 / 학사
데이터 과학이란 급격히 증가하는 대량의 빅 데이터를 체계적으로 분석하여 이전에는 불가능했던 새로운 통찰력을 얻거나 의사결정에 직접적인 도움을 줄 수 있는 학문을 말한다. 컴퓨터 과학이 프로그램과 관련된 이론에 비중을 둔 것에 비교하면 데이터 과학은 데이터에 중심을 두고 데이터를 처리하는 과정에 생기는 문제를 다룬다. 본 강의에서는 데이터 수집, 데이터 마이닝, 데이터 비주얼라이제이션 등 데이터의 수집부터 결과를 얻기까지의 모든 내용을 다룬다.