최근 확인한 콘텐츠
데이터가 존재하지 않습니다.
데이터가 존재하지 않습니다.
loading...
이러닝, 스마트러닝 동향과 기술개발 전략
유비쿼터스 사회와 모바일러닝
Researching mobile learning : frameworks, tools and research designs
Handbook of mobile learning
스마트러닝, 디지털교과서 사업 실태와 전망
Mobile learning and mathematics : foundations, design, and case studies
Mobile lenses on learning : languages and literacies on the move
(최상의 학습 성과를 위한)e-러닝의 활용 =
Mobile intelligence
장애학생 스마트러닝 적용 수업 사례 연구
21세기의 이러닝 : 연구와 실행을 위한 프레임워크
Mobile learning mindset : the teacher's guide to implementation
Mobile learning : transforming the delivery of education and training
모바일러닝 설계 : 모바일 혁명을 통한 조직역량 개발
mLearning : mobile learning and performance in the palm of your hand
E-Learning Methodologies : Fundamentals, Technologies and Applications.
e-러닝 기반의 디자인교육 방법론
멀티미디어 러닝
E-Learning의 인식과 학습행태
黄冈职业技术学院学报 / Journal of Huanggang Polytechnic
马清; Ma Qing成都理工大学学报(社会科学版) / Journal of Chengdu University of Technology Social Sciences
窦菊花; DOU JuhuaHMD Praxis der Wirtschaftsinformatik
Dittler, Ullrich (Prof. Dr.); Kreidl, Christian ((Honor.)Prof. Dr.)当代教育实践与教学研究(电子刊) / Contemporary Education Research and Teaching Practice
郑淑芳Digital Library Perspectives
Ashiq M.,Rehman S.U.,Yousaf A.,Safdar M.한국교육논단
임정훈정보교육학회논문지
강종범, 전우천Telematics and Informatics
Goksu I.eLearn
Clark QuinnEducation and Information Technologies
Keengwe, J.; Schnellert, G.; Jonas, D.Procedia Computer Science
Simonova, I.; Poulova, P.软件导刊 / Software Guide
王吉林Andragogy Today: Interdisciplinary Journal of Adult & Continuing Education (IJACE)
김인수, 김진한HMD Praxis der Wirtschaftsinformatik
Dittler, Ullrich; Kreidl, Christian软件导刊 / Software Guide
麦小霞디지털콘텐츠학회논문지
정광식, 권수열, 웬하오 후앙Journal of Physics: Conference Series
Safie, A.B.; Idris, N.B.; Mohd Arshad, M.R.Technology, Pedagogy and Education
Burden, Kevin; Male, Trevor경영교육연구
윤을재, 이종호한국콘텐츠학회 논문지
전은화, 이영민전선 / 학사
머신러닝과 인공지능 분야가 보여주고 있는 놀라운 발전의 근간에는 자연 현상을 수학 문제로 기술한 뒤 수많은 현대 수학의 도구를 이용해서 풀어낸 수학의 틀이 존재한다. 따라서 이같은 수학의 핵심 원리를 모른 채 이미 라이브러리화된 것을 단순하게 사용하여 학습하는 것으로는 한계에 봉착할 수 있다. 본 강의의 목적은 수강생이 머신러닝을 이해하는데 있어 필요한 수학을 프로그래밍과 연계하여 학습하는데 있다. 이를 위해 본 강의는, 수학의 단위 주제 강의 후 즉시 프로그래밍 실습을 통해 익히는 마이크로러닝 방식으로 운영한다. 머신러닝 알고리즘을 직접 다루지 않으나, 대수학, 미적분학, 선형대수, 기하학과 같이 머신러닝 학습 및 강좌에 필수적으로 요구되는 내용을 다루며, 수업에서 사용하는 프로그래밍 언어는 파이썬이다. 본 강의는 이공계 고교 수학 이상의 지식을 갖추고 있으나 프로그래밍 지식을 갖추고 있지 않은 학생을 주 대상으로 한다.전선 / 학사
본 과정에서는 머신러닝의 기초를 수업한다. 수업 초반에는 머신러닝의 기초가 되는 확률, 선형대수, 최적화, 신호처리를 간단히 리뷰한다. 중반부에서는 대표적인 머신러닝 문제인 Classification, regression, clustering을 소개하고 예시를 통하여 개념을 학습한다. 후반부에서는 스마트 제조를 위한 센싱, 공간정보구축, 로보틱스 적용의 실습을 조별로 진행한다. 독립전원으로 구동가능한 미니PC 상에 리눅스를 운용하고, ROS SLAM 등 로보틱스와 공간지능 관련 소프트웨어를 배운다. 마지막으로는 실제 센서를 함께 구동하고 직접 데이터를 취득한 후, 수업에서 학습한 머신러닝 알고리즘을 적용해보기 위한 실습을 수행한다.전선 / 학사
학습시스템은 환경과의 상호작용을 통한 경험으로부터 지식을 습득하여 스스로 성능을 향상시키는 시스템이다. 기계학습은 학습시스템의 핵심인 경험으로부터 획득한 데이터로부터 모델을 자동으로 생성하고 이를 기반으로 미래 를 예측하는 계산구조와 알고리즘을 연구하는 컴퓨터공학의 한 분야이다. 기계학습은 인터넷 정보검색, 텍스트마이닝, 컴퓨터비젼, 로보틱스, 게임 뿐만 아니라 생명과학과 비즈니스 데이터마이닝 등에 성공적으로 활용되었다. 최근 들어 모바일폰, 스마트 TV등에서 사용자 모델링과 개인화 추천 서비스에 사용되고 있으며 컴퓨터구조, 컴파일러, 운영체제, 통신망 시스템의 모델링 및 성능 예측 등 컴퓨터공학의 다양한 분야에서 널리 활용되고 있다. 본 교과목은 감독학습, 무감독 학습, 강화학습 등 기계학습의 기본 개념과 원리, 여러가지 학습 방법에 대한 모델 구조와 학습 알고리즘 및 그 수학적인 기반를 제공하는 것을 목적으로 한다. 패턴분류, 확률관계모델링, 순차적 의사결정과정에 대한 구체적인 학습 구조와 알고리즘을 살펴보며 실제 응용문제 해결을 위한 미니 프로젝트를 통하여 그 활용 방법을 습득한다.전선 / 학사
본 과목은 지식정보사회의 새로운 교육 및 학습 형태로 자리 잡아가고 있는 이러닝에 대한 이해를 원격교육의 연장선에서 다룬다. 이러닝의 도입 배경 및 국내외 현황에 대한 검토와 함께 효과적인 이러닝의 개발과 운영을 위한 다양한 이론적 모형을 비판적으로 소개한다. 또한 원격교육의 발전 측면에서 이러닝의 실제 및 이론적 동향을 분석하게 된다. 본 과목을 통하여 이러닝의 간단한 사례를 개발하는 절차와 기법을 익히게 된다.전선 / 학사
본 과목에서는 공학문제 해석에 널리 사용되는 컴퓨터시뮬레이션을 위한 수치해석 기법의 기본적인 개념과 프로그래밍을 학습한다. 유한차분법, 유한요소법 등과 같은 전통적인 수치해석 기법과 함께, 머신러닝을 이용한 컴퓨터시뮬레이션 데이터의 처리 및 활용방법, 그리고 물리지식기반 인공신경망 등을 이용한 머신러닝기반 컴퓨터시뮬레이션 기술을 배운다. 구조물의 정적 및 동적 거동해석을 비롯하여 유체유동과 열전달 해석 및 전자기장 해석 등 기계시스템의 거동을 이해하기 위한 문제에 적용하여 프로그래밍 및 해석을 수행한다.전선 / 대학원
본 과목은 유한 차원 및 무한 차원 벡터 공간에서의 최적화를 통합적으로 다루며, 최적화와 머신러닝 사이의 상호작용에 중점을 둔다. 최적화 알고리즘은 머신러닝의 핵심 역할을 하며 (예: 주어진 데이터셋으로부터 모델을 학습시킬 때) 동시에 고차원 최적화 문제를 풀기 위해 머신러닝 모델이 최근 많이 활용되고 있다 (예: 물리 시스템의 지배 방정식을 무한 차원 최적화 문제의 해로 재구성한 다음, 머신러닝 알고리즘을 사용하여 이에 수반되는 고차원 최적화 문제를 해결하려는 시도). 본 과목에서는 머신러닝 분야에서 필요로 하는 최적화 이론 및 알고리즘과 동시에, 복잡한 최적화 문제를 풀 수 있는 머신러닝 기법들에 대해 심도있게 다룬다.전선 / 대학원
기계학습은 환경으로부터 데이터 관찰과 경험을 통해 성능을 계속적으로 향상시킬 수 있는 문제해결 시스템을 연구하는 인공지능의 한 분야이다. 본 과목에서는 기계학습에 관한 이론 및 실제적인 연구 주제들에 관해 학습한다. 감독 학습과 무감독 학습 및 강화학습에 관한 기본 원리와 이론적인 배경을 공부하며 이들에 대한 구체적인 알고리즘을 학습한다. 기호규칙 학습, 결정트리, 메모리기반 학습, 신경망, 유전자알고리즘, 베이지안 망, 은닉 마코프 모델, 커널방법 및 기타 최근 기계학습 알고리즘을 다룬다.전선 / 학사
최근 컴퓨팅 기술과 무선통신의 발전에 힘입어 “언제, 어디서”든 멀티미디어정보를 처리할 수 있게 되었다. 이러한 모바일 컴퓨팅 시스템은 단말기(스마트폰, 태블릿 컴퓨터, 등), 유무선 네트워크, 운영체제/미들웨어 등으로 구성되어 있으며, 이들 모두의 통합에 의하여 응용 서비스를 효과적으로 제공할 수 있다. 모바일 컴퓨팅은 요소기술로서 분산 컴퓨팅 및 임베디드 시스템 기술에 기초하고 있으며 유비쿼터스 시스템, 이동 상거래, 휴대전화 등에 응용된다. 따라서 이 과목의 목적은 모바일 컴퓨팅 구성기술을 이해하고, 단말기 등을 위한 응용 소프트웨어 개발에 대하여 학습하는데 있다.전선 / 대학원
운동학습이란 무엇이며, 그것이 어떻게 구별되는가 하는 문제와 운동기술의 제어와 학습에 대한 이론적 짓기을 운동 기술을 가르치는데 응용하며, 운동기술을 보다 잘 이해하도록 한다. 운동학습의 이해를 위해 운동 수행을 관찰하고 측정한 연구 결과들을 비교 평가하는 능력을 배운다.전필 / 학사
이 교과목은 학습과학을 시작하는 학생들을 위해 학습과학의 다양한 연구주제와 이론을 소개한다. 교육학, 교과교육학, 심리학, 뇌과학, 컴퓨터과학 등의 다양한 분야에서 이루어지고 있는 학습에 대한 연구를 서로 비교하고 비판적으로 검토한다. 이를 통해 학습을 다양한 관점에서 통합적으로 이해하고 교육 문제를 창의적으로 해결할 수 있는 기반을 마련한다. 그리고 학습과학 분야의 진로탐색을 지원하기 위해 다양하고 실제적인 학습경험을 제공한다.전선 / 대학원
이 강좌는 교수 및 학습을 개선하기 위한 학습과학의 다양한 연구주제와 이론을 탐구한다. 학습에 대한 인지적, 정의적, 사회문화적 접근을 비판적으로 검토하고 첨단 테크놀로지를 활용하여 교수 및 학습을 향상시키기는 방안에 대해 논의한다. 설계기반 연구방법을 적용한 학습과학 연구를 체계적으로 검토하고 해당 연구방법을 적용하여 연구 계획서를 작성한다.전선 / 대학원
본 강좌는 광학 시스템에 기반한 컴퓨팅 기술의 이론적 기반을 제공하는 것을 목표로 한다. 본 강좌에서 다루는 내용은 학부 강좌(양자역학의 응용)에서 다루지 않는 양자역학적 심화 개념(얽힘 현상, 측정 관련 심화 내용, 벨의 정리 등), 광자 컴퓨팅에 활용되는 플랫폼의 기본 개념(집적광학회로, 회절층, 공간 빛 변조기, 메타 표면) 등을 바탕으로, 양자 컴퓨팅의 기본 원리, 고전 광학 게이트 및 컴퓨팅, 양자 컴퓨팅을 위한 광학 플랫폼, 광자/양자 머신러닝 기법 등을 포함한다. 본 강좌를 통해서 수강생들에서 파동 기반 컴퓨팅 기술에 대한 전반적 이해와 광자 및 양자 컴퓨팅 최신 기술 습득을 위한 기본 지식을 전달하고자 한다. 선수과목으로는 양자역학의 응용, 전자기학, 광전자공학이 포함된다.전선 / 대학원
스마트폰, 사물인터넷, 웨어러블, AR/VR 기기등 컨슈머 디바이스의 발전과, 클라우드/에지 컴퓨팅 등 백앤드 컴퓨팅 기술의 발전으로, 컴퓨팅 서비스의 영역이 다양한 산업 분야와 사람들 삶속으로 빠르게 확장되고 있다. 이로 인해 마크 와이저가 제안한 유비쿼터스 컴퓨팅 비전의 실현이 한층 눈앞에 다가오게 되었다. 모바일 컴퓨팅 시스템은 유비쿼터스 컴퓨팅을 실현하는 첫 단계로서, 기존의 컴퓨팅 시스템과는 매우 다른 특성을 지닌다. 많은 경우, 모바일 컴퓨팅 시스템은 물리 공간에 분산되어 사용자 및 환경을 관찰하는 이기종의 센싱 장치, 이를 처리, 분석하기 위한 다계층의 분산 추론 시스템, 추론을 기반으로 자동화된 피드백을 주기위한 엑추에이터등 복잡한 시스템 요소가 유기적으로 엮어 동작하게 된다. 또한 시스템의 높은 사용성을 위해서, 사용자와 상황의 다양성을 고려한 고도로 개인화된 적응형 서비스 인터페이스의 설계가 필수적이다. 본 과목에서는, 스마트폰, 사물인터넷, 웨어러블, AR/VR 기기를 위한 소프트웨어 시스템, 센서 데이터 분석 및 추론을 위한 분산 기계 학습 기법, 효율적 모바일 서비스 구현을 위한 분산 시스템 구조, 새로운 사용자 인터페이스 및 응용 설계 등, 성공적인 모바일 컴퓨팅 시스템의 디자인 및 개발을 위해 필요한 핵심 기술을 살펴보고, 이를 적용 발전시킬 수 있는 능력을 키우고자 한다.전선 / 대학원
로봇학습은 로봇공학과 인공지능(AI) 기술을 결합하여 로봇이 인간처럼 경험을 통해 새로운 기술과 지식을 습득하는 방법을 연구하는 학문이다. 로봇학습을 이용해 로봇은 데이터와 주변 환경과의 상호작용을 통해 새로운 환경, 작업 및 상황에 적응하며 배울 수 있다. 로봇학습에는 로봇이 모든 시나리오에 대해 명시적 프로그래밍 없이 자율적으로 작업을 수행할 수 있는 능력을 갖출 수 있도록 다양한 기술과 접근방법을 포함하고 있다. 로봇학습의 목표는 로봇이 실제 세계의 다양성과 불확실성을 다루며 변화하는 조건에 적응하고 작업을 자율적으로 수행할 수 있는 로봇을 만드는 것이다. 이 강좌에서는 모방 학습과 심층 강화학습을 포함한 로봇학습의 최근 발전을 리뷰한다. 먼저 Markov decision processes (MDP)와 전통적인 강화학습 기법을 리뷰한다. 그리고 behavior cloning, inverse reinforcement learning, policy gradient, deep Q-network (DQN), 생성적 적대 신경망(GAN) 및 생성적 적대 모방 학습과 같은 주제를 포함한 모방 학습, 딥러닝 및 심층 강화 학습의 최근 개발 동향을 리뷰한다.전선 / 학사
COVID-19로 변화한 현재 상황에 발맞추어 이 교과에서는 2000년 후반부터 온라인과 오프라인의 수업을 병행하여 학습하는 방식인 블렌디드 러닝(blended learning)에 대하여 알아보고자 한다. 본 교과목에서는 블렌디드 러닝의 개념, 역사, 국내 및 국제적인 동향에 대한 이해를 분석하게 된다. 본 교과에서 학생들은 교육 현장에서 블렌디드 러닝을 어떤 방식으로 과학 교육 분야에 적용하고 활용할 것인지에 대해 탐구하고, 실제 수업을 시연하면서 향후 교사가 되었을 때 블렌디드 러닝을 효과적으로 활용할 수 있도록 방향을 제시하게 된다.전선 / 대학원
본 교과에서는 교육심리학 분야에서 지금까지 연구된 학습동기에 관한 연구들을 비판적 관점을 가지고 평가하고 학습동기에 관한 새로운 연구 주제들을 탐색해 보는 것을 주목적으로 한다. 학습동기는 학생의 인지적 능력과 함께 학습활동과 결과에 영향을 미치는 중요 개인변인으로서, 1980년대 이후 이에 관한 많은 연구들이 진행되고 있다. 학습동기가 사회문화적 맥락의 영향을 많이 받는다는 측면에서 본 교과에서는 기존 서구중심의 학습동기 연구를 넘어서 우리 교육맥락에서 학생들이 가지고 있는 학습동기를 새로운 관점에서 재조명해보고자 한다.전선 / 학사
“공간정보분석1: 통계모형”의 심화과정으로 해석모형과 달리 예측모형에 초점을 둔다. 공간 패턴의 학습과 예측에 접목할 수 있는 머신러닝과 인공지능의 주요 이론과 알고리즘을 소개하며 R/Python 코딩과 사례연구를 통해 실천적 공간데이터 사이언스의 기초를 제공한다. 이 강의는 머신러닝의 학습이론, 감독학습, 무감독학습, 신경망, 앙상블 학습을 주 내용으로 하며 공간 헤도닉 모형, 공간 클러스터와 아웃라이어 패턴, 가우시언 프로세스와 공간 크리깅 내삽, 공간의사결정 등 지리학적 활용을 연습한다.전선 / 대학원
이 과목은 기계 학습 알고리즘의 수학적 이론을 이해하고 이를 통해 더 나은 기계 학습 방법을 설계하는 데 초점을 맞춘다. 재생핵 힐베르트 공간과 커널 방법, Rademacher 복잡도, 경사 하강법, 뉴턴 방법, 확률적 경사 하강법, 경사 하강의 연속 시간 모델 등을 다룬다.전필 / 대학원
컴퓨터 기반 측정 평가 및 진단 이론의 흐름과 최신 기술에 대해 배우고 관련 소프트웨어 사용방법을 배운다. 문항반응이론, 인지진단평가, 컴퓨터 적응 평가, 다단계 평가 등 기존 교육평가 분야에서 컴퓨터 기반 평가에 사용되는 기술 및 Knowledge tracing, 자동 문항 추천, 자동 문항 생성 및 자동 문항 채점 등 머신러닝 기반 교육평가의 최신 동향 및 알고리즘의 특성과 원리를 배운다.전선 / 학사
이 수업에서는 고대 한국에서 현대 한국에 이르기까지 출현한 정치사상을 탐구한다. 그를 통해 한국의 정치사상사에 대한 일정한 지식을 함양하고자 하는 동시에, 일반적이지만 대학교육에 핵심을 이루는 다음과 같은 목적을 갖는다: 꼼꼼히 읽기, 쓰기, 논변 능력의 배양. 이 수업은 정치사상 일반이나 한국 문화에 대한 깊은 지식을 전제로 하지 않고 있다. 따라서 초보자에게 열려 있다.