최근 확인한 콘텐츠
데이터가 존재하지 않습니다.
데이터가 존재하지 않습니다.
loading...
본 논문은 저널 논문 투고 및 심사 시스템에서 심사위원 선정의 어려움을 해결하기 위해 탐욕 알고리즘과 유전 알고리즘 기반의 심사위원 추천 방법을 제시한다. 제안하는 알고리즘은 논문 키워드와 심사위원 전문지식 태그를 활용하여 심사위원을 평가하고, 공정성과 심사 참여 빈도를 고려한다. JIPS 시스템에 적용한 결과, 유전 알고리즘이 탐욕 알고리즘보다 더 나은 추천 성능을 보였다.
Readings in machine learning
Machine learning paradigms : applications in recommender systems
Honoring exemplary teaching
Automated Taxonomy Discovery and Exploration
Gene prioritization : rationale, methodologies and algorithms
코딩인터뷰퀘스천
Genetic algorithms in optimisation, simulation, and modelling
Feature selection and ensemble methods for bioinformatics : algorithmic classification and implementations
Web Information Systems Engineering – WISE 2019 : 20th International Conference, Hong Kong, China, January 19–22, 2020, Proceedings
Biological and artificial intelligence environments : 15th Italian workshop on neural nets, WIRN VIETRI 2004
넥스트 씽킹 = 노벨물리학상 수상자의 사고 대전환 프로젝트
Intelligent optimisation techniques : genetic algorithms, tabu search, simulated annealing and neural networks
호모마키나 : 기계와 함께하는 인간의 미래
Recommender systems handbook
Latin'98, theoretical informatics : Third Latin American Symposium, Campinas, Brazil, April 1998 : proceedings
Term indexing
Algorithmics : theory and practice
Neural networks and artificial intelligence for biomedical engineering
Pattern recognition in practice IV : multiple paradigms, comparative studies, and hybrid systems : proceedings of an international workshop held on Vlieland, The Netherlands, 1-3 June 1994
Recommender systems handbook
한국비블리아학회지
신은자Review of Financial Studies
Welch, I.User Modeling and User-Adapted Interaction
De Campos, Luis M.; Fernández Luna, Juan Manuel; Huete Guadix, Juan FranciscoExpert Systems with Applications
Nguyen D.H.,Huynh S.T.,Dinh C.V.,Huynh P.T.,Nguyen B.T.Heliyon
Wasid M.,Ali R.,Shahab S.Procedia Computer Science
Zavgorodniy, Victor; Lukyanov, Pavel; Nazarov, Stanislav大连大学学报 / Journal of Dalian University
姜昕; 关媛; JIANG Xin; GUAN YuanIEEE Transactions on Aerospace and Electronic Systems, Aerospace and Electronic Systems, IEEE Transactions on, IEEE Trans. Aerosp. Electron. Syst.
Kaplan, Lance软件导刊 / Software Guide
贾笛笛; 陈智勇; JIA Di-di; CHEN Zhi-yongIEEE Transactions on Evolutionary Computation, Evolutionary Computation, IEEE Transactions on, IEEE Trans. Evol. Computat.
太原理工大学学报(社会科学版) / Journal of Taiyuan University of Technology (Social Sciences Edition)
樊敏; 张文渲; 李红; FAN Min; ZHANG Wen-xuan; LI HongIEEE Transactions on Evolutionary Computation, Evolutionary Computation, IEEE Transactions on, IEEE Trans. Evol. Computat.
CMAJ - Canadian Medical Association Journal
Stanbrook, Matthew B.; Weinhold, Meredith; Kelsall, DianeScientometrics
Vara N.,Mirzabeigi M.,Sotudeh H.,Fakhrahmad S.M.Digital Journalism
Bastian M.,Helberger N.,Makhortykh M.디지털융복합연구
이태봉, 김민년Scientometrics
Michail S.,Ledet J.W.,Alkan T.Y.,İnce M.N.,Günay M.Procedia Computer Science
Manouselis, Nikos; Verbert, KatrienApplied Intelligence: The International Journal of Research on Intelligent Systems for Real Life Complex Problems
Huynh, Son T.; Dang, Nhi; Nguyen, Dac H.; Huynh, Phong T.; Nguyen, Binh T.Journal of Physics: Conference Series
Su, P.; Luo, B.X.; Deng, F.Y.; Xia, A.X.; Guo, Y.전선 / 대학원
유전 알고리즘으로 대표되는 진화 알고리즘과 문제 공간 탐색에 대해학습한다. 진화 알고리즘은 크게 문제 해결을 위한 경우와 시뮬레이션을 위한 경우가 있는데 본 강의는 문제 해결 측면에 촛점을 맞춘다.전필 / 학사
다양한 알고리즘 개발 방법과 알고리즘 분석 기법을 배운다. 귀납적, 재귀적 사고방식을 배우고 이를 통해 문제를 접근하고 해결해나가는 방법을 배운다.전선 / 대학원
주어진 지식과 경험을 바탕으로 앞으로 주어질 작업을 효율적이고 체계적으로 수행할 수 있는 컴퓨터 프로그램 개발에 많은 연구가 계속되어 오고 있다. 이러한 연구의 핵심 분야인 기계 학습(Machine Learning)에 관한 강의로써 현재까지 발표된 대표적인 연구 논문들을 중심으로 이론 및 알고리즘, 응용 분야 등을 설명한다.전선 / 대학원
이 교과목은 정보시스템분야에 대한 개념적/연구중심적 소개가 목적이다. 구체적으로 정보시스템 분야에 대한 정의, 정보시스템분야의 고전 및 현재 연구에 대한 소개, 분야를 이해하기 위한 사고의 틀 제공이 목적이다.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
문제를 해결하기 위해 알고리즘을 구성하고 이를 분석하는 방법에 대해 강의한다. 알고리즘의 효율성 분석 도구(점근적 복잡도, 점화식), 정렬 및 선택 알고리즘, 자료의 저장과 검색(검색 트리, 해시 테이블), 집합의 처리, 동적 프로그래밍, 그래프 알고리즘, 문자열 매칭, 계산의 한계(NP-completeness), 상태공간 트리의 탐색 등을 다룬다.전선 / 대학원
본 교과목은 데이터사이언스 대학원의 ABC(AI model/algorithm, Big data, Computing) 교육 과정 중 컴퓨팅(C) 분야 첫번째 강좌이다. 본 교과목의 전반부는 C++ 언어 프로그래밍과 C++ 기반 객체 지향 프로그래밍으로 이루어져 있다. (1) C++ 언어의 기초 문법, 클래스의 개념과 사용법, template과 중요한 라이브러리를 학습하고, (2) abstraction, inheritance, polymorphism 등 객체 지향 프로그래밍의 원리를 습득한 뒤, (3) 예제들을 통해 클래스 기반 객체 지향 프로그래밍을 C++ 언어를 사용하여 직접 구현 할 수 있도록 한다. 본 교과목의 후반부는 중급 자료 구조 및 알고리즘과 딥러닝 플랫폼으로 이루어져 있다. (1) 데이터사이언스를 위한 컴퓨팅의 기초 강좌에서 다루지 않은 자료구조 및 정렬 알고리즘 (Quick sort, Radix sort, heap sort), 트리 알고리즘, 그래프 알고리즘 (Dijkstra, Kruskal 등) 등을 습득하고, (2) 배운 자료 구조와 알고리즘들을 C++ 언어를 사용하여 직접 구현 할 수 있도록 한다. 또, (3) Pytorch, TensorFLow 등 널리 사용되는 딥러닝 플랫폼을 학습하고, 동일 학기 수강이 권장되는 머신러닝 및 딥러닝 1(ABC 과정 중 A 분야 첫번째 강좌)에서 배운 딥러닝의 기본 원리들을 직접 구현하고, 이에 더하여 상기 플랫폼을 통해 구현 할 수 있도록 한다.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
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.교양 / 학사
이 교과목은 ‘읽기-토론하기-쓰기-첨삭과 피드백’의 과정으로 설계된다. 읽기, 토론하기, 쓰기의 균형을 맞추면서, 교과목의 목적에 따라 학술 글쓰기 능력 함양을 최종 목표로 한다. 이 교과목은 책을 읽고 이해하여 요약하는 능력, 그로부터 자신의 생각을 이끌어 내는 능력인 사고력을 키우는 연습을 강조한다. 글쓰기를 위해서는 확장된 독서와 토론을 통한 심화된 정보 축적이 우선적으로 필요하기 때문이다. 학생들은 읽고, 생각하고 토론하는 과정을 겪으며 자신이 쓰고자 하는 글의 주제를 명확하게 만들 수 있으며, 자신만의 생각이 담긴 글쓰기를 할 수 있다. 글쓰기는 다른 사람들의 글을 이해하고 비판하며 자신의 생각을 단련하는 과정을 필수로 한다. 사회과학 분야의 고전이나 명저를 선정하여 비판적으로 읽고 다양한 토론 활동을 통해 사고의 확장을 도모하며 학문적 문제의식을 수립하도록 한다. 전공분야 및 대학 학문 활동에서 학술적 글쓰기를 원활하게 하도록 학술적 사고와 표현 역량의 토대를 마련한다. 글쓰기 단계에서는 자신의 독창적 논지를 피력하는 비평문이나 소논문을 작성한다. 논지를 강화하기 위해 참고 문헌을 찾아 자료를 보충하여 학술적 에세이를 완성한다.전선 / 대학원
본 과목은 빠른 속도로 발전하고 있는 인공지능 분야에서 최근 중요 기술 및 논문들 중 선별하여 강의를 제공한다. 주요 논문과 최신기술에 관한 학습 및 논의, 팀별로 국제적 발표가 가능한 수준의 연구 프로젝트의 진행, 등을 목표로 한다. 주제는 알고리즘 분야(active learning, classification, clustering, multitask and transfer learning, stochastic methods, unsupervised learning, self-supervised learning) 및 딥러닝 분야 (adversarial networks, deep autoencoderes, generative models, optimization for deep networks, recurrent networks, supervised deep networks)를 중심으로 다루며, 각 학기마다 중점 내용이 조정된다.전선 / 대학원
본 과목은 빠른 속도로 발전하고 있는 인공지능 분야에서 최근 중요 기술 및 논문들 중 선별하여 강의를 제공한다. 주요 논문과 최신기술에 관한 학습 및 논의, 팀별로 국제적 발표가 가능한 수준의 연구 프로젝트의 진행, 등을 목표로 한다. 주제는 알고리즘 분야 (active learning, classification, clustering, multitask and transfer learning, stochastic methods, unsupervised learning, self-supervised learning) 및 딥러닝 분야 (adversarial networks, deep autoencoderes, generative models, optimization for deep networks, recurrent networks, supervised deep networks)를 중심으로 다루며, 각 학기마다 중점 내용이 조정된다.전필 / 학사
첨단융합학부 신입생들의 전공탐색을 위한 공통필수과목으로서, 차세대지능형반도체, 융합데이터과학, 지속가능기술, 디지털헬스케어, 혁신신약 등 첨단융합학부의 다양한 전공 분야를 소개한다. 각 분야에서 개발되고 있는 첨단융합기술의 핵심 개념과 다양한 응용 분야를 소개하고, 각 분야에서 활약하고 있는 리더 특강을 통해 학생들이 졸업 후의 미래를 구체적으로 살펴볼 수 있도록 지도한다. 또한 융합의 의미와 필요성을 소개하고, 기술창업/연구/정책리더십 등 첨단융합전공의 미래 진로를 소개한다. 특히, 기업가 정신 및 도전의식(기술창업), 첨단융합 연구 기초(창의연구), 첨단융합기술의 사회적 가치(정책리더십) 등 각 교과인증과정으로 진출하는 데 필요한 핵심적 가치에 대해 교육한다.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 / 대학원
교수설계의 다양한 이론과 모형을 학습한 후, 교수 설계의 원칙 및 체제적 접근에 기초한 교수-학습 프로그램을 개발해 보고 현장에 적용해 본다. 교수 설계 영역의 기초 이론과 모형에 대한 이해와 실제 적용 능력을 획득 하는데 초점을 맞춘다. 기초 학습 이론 및 교수 설계에 대한 시사점을 탐색하며, 교육공학적인 교수설계 이론과 모형의 특성을 이해한다. 체제적 관점에 기반을 두고 학교, 기업 등에 적용될 수 있는 교육 프로그램을 개발 할 수 있다.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 / 대학원
다른 과목에서 배운 계량적 분석방법을 현실 농업문제에 응용한다. 비교정학(comparative statics)에 의한 모형분석, 칼만 필터(Kalman filter), 뉴럴 네트워크(neural network), 유전자 알고리즘(genetic algorithm), 부트 스트랩핑(boot strapping), 커널 추정(kernel estimation) 등을 다룬다.전선 / 대학원
본 교과목에서는 AI가 매스 커뮤니케이션을 포함한 인간 커뮤니케이션 전 영역에 걸쳐 메시지 작성, 확산, 큐레이션(curation) 등 보다 다양하고 적극적인 역할(agency)을 수행하게 됨에 따라 대두되는 질문들을 (a) 인간-AI 커뮤니케이션(human-AI communication)과 (b) AI 매개 커뮤니케이션(AI-mediated communication)의 하위 분야로 나누어 심층적으로 고찰한다. 먼저 인간-컴퓨터 상호작용(human-computer interaction), 컴퓨터 매개 커뮤니케이션(computer-mediated communication) 분야의 대표적 이론 및 관련 실증연구들을 학습하고, AI 발전에 따른 최신 연구동향을 검토한다. 실제 AI 활용 사례(예; AI 스피커, AI 뉴스 추천 시스템. 챗봇)를 대상으로 기술적 속성, 이용자들의 속성, 커뮤니케이션 맥락 등에 따라 기존 이론 및 모델을 어떻게 수정, 보완, 확장해야 하는지 논의한다. 이를 통해 커뮤니케이션학에서 AI의 문제를 어떻게 정의하고 연구할 것인가에 대한 이해를 증진시킬 것이다.논문 / 대학원
전선 / 대학원
Shortest path, Network flow 등의 그래프 문제를 해결하는 최근에 개발된 알고리즘과 알고리즘 분야에서의 최근의 연구결과를 학습한다. 분산 시스템의 여러 모델들과 분산 시스템에서 발생하는 중요한 문제들을 해결하는 분산 알고리즘에 관하여 연구한다.