최근 확인한 콘텐츠
데이터가 존재하지 않습니다.
Martin, Maria J.; Estravis, Miguel; Garcia-Sanchez, Asuncion; Davila, Ignacio; Isidoro-Garcia, Maria; Sanz, Catalina
2020 / GENES
데이터가 존재하지 않습니다.
loading...
본 연구는 KCI 등재 학술지 분류와 KCI 인용망에 네트워크 군집화 알고리즘을 적용하여 분류 결과의 차이를 비교했습니다. 특히, 인용 관계 기반의 군집화 알고리즘인 인포맵 알고리즘이 기존 KCI 분류망과 가장 유사한 모듈화 구조를 보임을 확인했습니다.
KAMJE JOURNALS 2009
중국연구의 동향과 쟁점
Big data and computational intelligence in networking
혁신클러스터의 네트워크 평가지표 개발 및 적용 : 대덕 IT클러스터를 중심으로 =
Supervised and unsupervised ensemble methods and their applications
Bioinformatics for omics data : methods and protocols
Theory of social choice on networks : preference, aggregation, and coordination
텐서플로 入門 : 예제로 배우는 텐서플로
Feature selection and ensemble methods for bioinformatics : algorithmic classification and implementations
온톨로지 기반 학위논문 서비스를 위한 메타데이터 표준화와 모델링에 관한 연구
특허 인용 관계를 이용한 지역별 지식 흐름의 측정과 시사점
인재통계 표준화 방안 연구 : 학과표준 분류체계
인터넷 데이터를 활용한 e-business 계량마케팅 모형
해외 인용 분석 연구 기술조사 : 인용기능 분석 및 인용요약 기술을 중심으로
Algorithms and classification in combinatorial group theory
일본문학·일본학 연구의 최전선
Classification, clustering and data analysis : recent advances and applications
Advanced studies in classification and data science
Big data, little data, no data : scholarship in the networked world
Advances in intelligent networking and collaborative systems : the 9th International Conference on Intelligent Networking and Collaborative Systems (INCoS-2017)
한국데이터정보과학회지
김진광; 김소형; 오창혁Journal of the Korean Data and Information Science Society
오창혁 ( Chang Hyuck Oh ); 김진광 ( Jin Kwang Kim ); 김소형 ( So Hyung Kim )한국데이터정보과학회지
김진광; 오창혁; 김소형한국데이터정보과학회지
김진광, 오창혁, 김소형한국도서관·정보학회지
이수상한국데이터정보과학회지
원동기, 최경호Journal of The Korean Data Analysis Society
최성철, 박한우디지털융복합연구
최경호, 오희화, 곽희종디지털융복합연구
최경호; 오희화; 곽희종사회사상과 문화
김세현, 박수호, 유승호한국데이터정보과학회지
원동기; 최경호정보관리학회지
김홍렬, 정경희정보관리학회지
박상근디지털융복합연구
최경호, 최진희한국도서관·정보학회지
이혜경, Yang, Kiduk, 오동근한국지적정보학회지
이천재한국컴퓨터정보학회논문지
김병규, 류범종, 강지훈영어어문교육
권은영, 우경민한국비블리아학회지
유영준, 이재윤Scientometrics
Halim Z.,Khan S.대학원 / 대학원
연구 수행에서 문헌고찰은 가장 기초가 되는 탐색행위이다. 문헌고찰의 여러 방법 중 근거 통합의 가장 상위단계인 체계적 문헌고찰 방법과 정량적 결과를 통합하는 메타분석에 대해 배우고 이를 실제 적용하여 한 학기 동안 논문으로 완성해 볼 수 있는 시간을 갖도록 한다. 이 수업을 통해 학생들은 가장 최신의 체계적 문헌고찰 방법론을 배우고 나아가 상황에 따라 메타분석이 필요할 경우 시행해 볼 수 있을 것이다. 덧붙여 최신 AI 기술을 활용한 문헌의 검색·정리·인용을 통해 더 쉽고 빠르고 정확하게 체계적 문헌고찰을 수행할 수 있는 방법을 배울 수 있다.공통 / 대학원
인문학 연구를 위해 관련 데이터를 처리하는 능력을 기른다. 데이터 구축, 탐색적 데이터 분석, 추론적 데이터 분석 등의 방법론을 두루 다루며, 이러한 방법론을 실제 인문 데이터에 적용하는 데 초점을 맞춘다.전선 / 대학원
대상지의 환경 상태를 과학적으로 진단하고 정확하게 평가하는 것은 더 나은 환경계획 수립을 위한 선결조건이다. 최근에는 다양한 환경모니터링 기술의 발전과 함께, 보다 높은 시공간적 스케일에서 양질의 환경자료를 보다 효율적으로 취득하는 것이 가능해지고 있다. 또한 다양한 환경분야에서 서로 다른 목적과 강도로 수집된 자료들 또한 빅데이터 기술을 통해 융합, 분석됨으로써 환경평가에 활용하는 것이 기대되고 있다. 본 수업에서는 이러한 생태환경을 구성하는 다양한 생물적, 비생물적 인자들에 대한 모니터링 방법론과 기술들을 소개하고, 워크숍을 통해 그 효용성과 한계를 토론하는 시간을 가진다. 이를 통해 수강자들은 환경자료에 대한 이해를 높이며, 이를 바탕으로 보다 합리적인 환경평가방법을 고민하게 된다.전선 / 대학원
데이터센터 구조의 융합적 접근 (A Holistic Approach to Datacenter Architecture): 모바일, 클라우드 컴퓨팅이 보편화되면서 대부분의 대용량 자료들이 데이터센터에서 수집,처리,보관되고 있다. 본 강의에서는 융합적 시각에서 이러한 데이터센터를 하나의 컴퓨터로 접근하여, 전달, 연산, 저장 기능이 구현되는 원리와 예시를 학습하며, 보편적인 문제들인 소프트웨어와 하드웨어 구성요소, 확장성, 총소유비용 및 신뢰성 문제를 다룬다.전선 / 대학원
최근 급속도로 증가하고 있는 수많은 인공위성에 탑재된 센서들은 무엇이며, 이러한 센서들로부터 생성되는 위성자료의 종류, 구조, 검보정 방법들에 대해 배우며 이러한 자료들을 이용하여 다양한 과학기술 분야에서 어떻게 활용할 수 있을지에 대해 이해한다. 이 수업에서 Sentinel-1/2, TerraSAR-X, Lansat과 같은 실제 인공위성 자료들을 이용하여 자료처리 및 활용개발에 대한 실습도 수행한다.전선 / 대학원
인간의 다양한 운동기술을 주의깊게 관찰하고 효과적으로 연구하는 방법뿐만 아니라 이러한 복잡한 기술들을 정성적으로 분석하는 여러 가지 운동역학적 접근 방법에 대해 배운다. 특히, 인간의 효율적인 운동동작 수행을 위한 주요 원리와 함께 각종 운동상해 원인에 대한 규명 및 예방방법, 그리고 더 나아가 운동 기술의 수행력을 최대로 하기 위한 기술개발 등에 대한 내용을 중심으로 구성된다.전필 / 학사
디지털환경으로의 변화를 이해하고 그 산업적 가능성을 모색함에 있어서 무엇보다 우선 요구되는 것은 새로운 디지털기술과 인간간의 상호작용을 이해하는 일이다. 또한 디지털매체를 매개로 새롭게 등장하는 인간 대 인간의 만남, 상호작용, 커뮤니케이션, 대인관계의 발전을 이해하는 일도 새로운 기술발전의 사회적 함의를 이해하는 가장 기본적인 출발점이 된다. 본 과목은 휴먼/컴퓨터 인터페이스 및 컴퓨터매개 커뮤니케이션과 관련된 주요이론 및 연구성과 등을 살펴본다.논문 / 대학원
이 과목은 석사 및 박사 학위 과정에 있는 학생들이 인공지능의 각 분야의 연구 경험을 쌓을 기회를 제공하는 것이다. 학생들은 이 과목을 통하여 인공 지능의 이론과 응용에 대해 공부하고, 각자의 연구 방향과 주제를 설정하며, 최종적으로는 연구 성과를 달성하는 것을 목표로 한다.전선 / 학사
컴퓨터 프로그램에서 효과적으로 설계된 자료구조와 알고리즘은 실행시간 및 메모리와 같은 자원을 효율적으로 사용하면서 연산을 수행하도록 해준다. 본 수업에서는 각 자료구조의 정의, 특징을 학습하고 이를 효율적으로 활용하여 컴퓨터 알고리즘을 설계하고 구현하는 실습을 병행함으로써 자료구조와 알고리즘을 이해한다.전선 / 학사
이 강의의 목적은 온톨로지를 이해하는 데 있다. 온톨로지는 데이터 모델링 방법론 가운데 하나로 이를 통해 역사정보의 다층적 의미를 데이터베이스로 표현할 수 있다. 세부 과정은 다음과 같다. 첫째, 탐구 주제와 수집된 자원을 바탕으로 하여 온톨로지를 설계하고 데이터베이스를 편찬한다. 둘째, 역사정보에 대한 데이터 모델링 작업을 통해 인문 지식을 데이터 차원에서 재구성한다. 셋째, 설계된 온톨로지에 기초하여 역사정보가 조직되어 연결되는 모습을 네트워크 그래프로 구현한다.전선 / 대학원
신경해부학과 신경조직학의 기본지식을 가진 학생들에게 각종 신경질환에 관한 병리학적 소견 특히 육안 및 조직학적 이상에 관한 지식을 함양하기 위한 과목이다. 구체적 학습내용은 총론과 각론으로 나누어 구성된다. 총론에서는 중추신경조직의 각종 손상에 대한 반응의 종류와 그 기전 그리고 이에 따르는 형태학적 변화, 기타 종양일반에 대하여 공부하다. 각론에서는 뇌혈관 질환, 감염성 질환, 탈수초성 질환, 퇴행성 질환, 그리고 각종 종양의 원인, 기전, 병리소견 그리고 임상응용에 대하여 공부하게 된다.전선 / 대학원
인간-컴퓨터 상호작용 (HCI: Human-Computer Interaction) 은 컴퓨터 과학, 공학, 심리학, 사회과학, 디자인 등 다양한 분야의 전문가들이 중요한 역할을 수행하는 융합 학문이다. 현대 사회에서 사람들은 컴퓨터를 일상생활의 중요한 도구로 사용하면서 다양한 문제점들에 직면하곤 하는 데, HCI는 시스템의 디자인과 컴퓨터 기술이 실제로 사용되는 과정에서 발생하는 문제점을 해결하는 방법론을 제시하는 것을 목표로 하고 있다. 이 수업에서는 HCI와 관련한 핵심 이론과 방법론의 학습을 통해 현재 HCI 분야에서 이루어지고 있는 리서치 경향을 이해하고 다학제 간 협업 리서치 프로젝트를 통해 실제 HCI 기반의 리서치를 경험한다. 본 수업은 세미나와 프로젝트 기반의 수업으로 학생들은 먼저 HCI분야의 주요 연구 논문의 탐색을 통해 HCI 이론을 학습하고, 프로젝트를 통해 사용자 중심 설계 방법을 수행한다. 이 과정에서 학생들은 인터랙션 디자인, 프로토타이핑, 사용자 조사 방법론 등 다양한 주제를 학습하고 이를 실제 리서치 프로젝트에 적용한다.전필 / 학사
이 과목에서는 컴퓨터에 의한 문제 해결을 위해 필요한 개념이나 대상물의 표현을 위한 자료 구조와 문제해결을 위한 체계적 사고 방법을 학습한다. 배열, 연결 리스트, 큐, 스택, 우선순위 큐 등의 기본적인 자료구조를 배우고, 검색 트리, 해시 테이블, 균형 잡힌 검색 트리 등 자료의 색인을 위한 자료구조와 그들의 효율성을 배운다. 정렬, 그래프 알고리즘 등 문제 해결에 유용한 도구와 생각하는 방법에 관한 내용도 제공한다. 프로그래밍 과제가 부여되며 이를 위한 최소한의 가이드가 제공된다.전선 / 대학원
본 교과목은 의학통계론 과목을 선수한 수강생들에게 추천되며, 의학 연구에 유용한 통계적 모델링 기법들을 의과학연구자 들이 친숙하게 이해하고 활용할 수 있도록 하는 것을 목적으로 한다. 해당 과목에서는 데이터 셋 탐색을 통해 변수 간 및 자료 간 상관구조를 파악하고 자료에 적절한 모델링 방법을 선택하여 의과학 연구에서 얻게 되는 복잡한 구조의 자료들을 효율적으로 모델링하기 위한 다양한 통계적 접근법 들을 다룬다.전선 / 학사
논문 / 대학원
대학원논문연구전선 / 대학원
일상적으로 네트워크 시설의 계획과 운영관리에 치중해온 전통적 교통계획수법의 문제점을 비판하고 대중교통수단의 결절시설인 터미널, 정류장의 입지, 구조 및 디자인 등의 지능형교통체계의 중요성에 주목하여 기차, 버스 등의 교통터미널과 화물유통센타 등의 설계기준 및 세부구조 계획 등에 관해 연구한다.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
통상적으로 교통운영은 교통류에 대한 충분한 이해를 바탕으로 적절한 운영 방안을 도입하여 도로교통시설의 효율을 높이는 것을 의미한다. 이를 위해 교통류에 대한 미시적‧거시적 관점, 교통량‧속도‧밀도 등 교통류 특성 간의 관계, 교통정체의 발생 및 해소 과정 등을 이해하는 것이 중요하다. 한편, 교통수단의 다변화로 인해 기존 교통운영의 대상이었던 도로교통이 교통시스템의 한 요소로써의 역할을 맡게 되었으며, 자연스럽게 교통운영의 범위도 확대되었다. 또한, 정보통신기술의 발달이 수집 가능한 정보의 질적‧양적 성장을 촉진하였지만, 불완전한 정보가 수집되거나 교통시스템 내‧외적 요인으로 인해 불확실한 예측이 이뤄지는 경우도 발생하였다. 최근 들어 이를 해결하기 위해 인공지능(Artificial Intelligence, AI)을 활용한 사례들이 등장하고 있다. 따라서 이 과목에서는 교통류분석, 교통신호제어 등의 배경이 되는 교통 관련 이론에 대해 학습함과 더불어 교통운영 분야 내 다양한 AI 적용 사례들을 소개하면서 기계학습(Machine Learning), 딥러닝(Deep Learning), 생성형 AI(Generative AI) 등 연관된 AI 기법을 살펴본다. 아울러 자율주행차량 제어, 대중교통 및 모빌리티 시스템 운영 등 교통운영의 확대된 범주 내에 포함되는 교통시스템에 대해서도 다룸으로써 폭넓은 지적 기반을 제공할 수 있을 것으로 기대된다.전선 / 학사