최근 확인한 콘텐츠
데이터가 존재하지 않습니다.
데이터가 존재하지 않습니다.
loading...
Cinema and machine vision : artificial intelligence, aesthetics and spectatorship
웹을 위한 머신 러닝 : 머신 러닝을 활용한 영화 추천 및 감성 분석 웹 애플리케이션 개발
(Answer tree를 이용한)데이터마이닝 의사결정나무분석
Statistical learning and pattern analysis for image and video processing
The essentials of machine learning in finance and accounting
(머신러닝을 활용한) R 데이터 분석
(빅데이터의 다음 단계는) 예측 분석이다
의사 결정 과학
한 권으로 끝내는 딥러닝 텐서플로
머신 러닝
실전 시계열 분석
Neural networks in finance : gaining predictive edge in the market
Building recommendation systems in Python and JAX : hands-on production systems at scale
Practical time series analysis : prediction with statistics and machine learning
Predicting structured data
넷플릭스 효과 : 21세기 기술과 엔터테인먼트
Artificial intelligence & expert systems sourcebook
MATLAB Deep Learning : With Machine Learning, Neural Networks and Artificial Intelligence
Machine learning, neural and statistical classification
예술인문사회 융합 멀티미디어 논문지
권신혜; 박경우; 장병희디자인융복합연구(구.인포디자인이슈)
문성민; 이경원Journal of The Korean Data Analysis Society
김유진, 권오경응용통계연구
전성현; 손영숙씨네포럼
문원립Applied Sciences (Switzerland)
Grimes S.,Breen D.E.Information Sciences
Hur, Minhoe; Kang, Pilsung; Cho, Sungzoon지능정보연구
송정아, 최근호, 김건우Journal of Intelligent and Fuzzy Systems
Çaǧliyor S.,Öztayşi B.,Sezgin S.Multimedia Tools and Applications
Abidi S.M.R.,Xu Y.,Ni J.,Wang X.,Zhang W.한국인터넷방송통신학회 논문지
장재영Journal of The Korean Data Analysis Society
천영돈, 한인섭, 김용수KSII Transactions on Internet and Information Systems
Yoosin Kim, Mingon Kang, Seung Ryul JeongInternational Journal of Intelligent Computing and Cybernetics
Hossein, N.; Miller, D.W.정보처리학회논문지. 소프트웨어 및 데이터 공학
임준엽, 황병연Information Systems Frontiers
Lee, Kyuhan; Park, Jinsoo; Kim, Iljoo; Choi, YoungseokMultimedia Tools and Applications
e Souza T.L.D.,Nishijima M.,Pires R.Journal of Intelligent & Fuzzy Systems
Çağlıyora, Sandy; Oztaysi, Briar; Sezgin, SelimeComputer Optics
Efremtsev V.G.,Efremtsev N.G.,Teterin E.P.,Teterin P.E.,Gantsovsky V.V.Heliyon
Lee S.,KC B.,Choeh J.Y.전선 / 대학원
이 과목의 목적은 인공지능의 한 분야인 기계학습을 재무 연구에 활용하도록 하는 데 있다. 세부적으로는 의사결정나무, 인공신경망 등의 여러 기계학습 개념을 이해하는 것으로 시작하여 재무 연구의 실제 활용 사례들을 살펴본다.전선 / 학사
이 과목의 목적은 인공지능의 한 분야인 기계학습을 재무 연구에 활용하도록 하는 데 있다. 세부적으로는 의사결정나무, 인공신경망 등의 여러 기계학습 개념을 이해하는 것으로 시작하여 재무 연구의 실제 활용 사례들을 살펴본다.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 / 학사
본 강의의 목표는 영화비평으로 분류될 글쓰기의 원리와 방법을 익혀서 실제로 글을 쓰는 데 있다. 영화비평은 우선 ‘비평’이어야 하고, 그 이후에 ‘영화’ 비평이어야 한다. 비평 일반에 대한 이해가 필요하고(보편성), 그 이해를 영화에 적용할 때 발생하는 차이를 성찰해야 한다(특수성). 이를 통해 본 과목이 생산하고자 하는 것은 영화비평을 논하는 데 유용한 명제적(propositional) 지식이 아니라 영화비평을 쓰는 데 필요한 절차적(procedural) 지식이다. 따라서 주요 텍스트는 비평 이론 자료가 아니라 고전적 비평문들이다. 대상 텍스트들을 분석하고, 비판하고, 모방할 것이다. 이 과정을 통해 체득하게 될 절차적 지식의 힘으로, 각자가 한 편 이상의 비평문을 완성해야 한다.전선 / 대학원
평균 제곱 추정(mean square estimation), 최대 가능성 추정(max likelihood estimation), 그리고, Wiener 필터링과 같은 고전적인 추정 이론에 대해 소개한다. 이산 시간 또는 연속 시간 Kalman 필터, shaping filter, 최적 평활, Kalman 필터 디자인과 성능 분석, 제곱근 필터링, 확장 Kalman 필터를 포함한 비선형 필터링에 대해서도 알아본다.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 / 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 / 대학원
지도 학습은 인스턴스에 알려진 레이블이 있는 경우에 사용되는 기계 학습의 한 유형인데, 비지도 학습과는 달리 인스턴스가 레이블이 없는 경우이다. 실제 문제에 지도 학습을 적용하는 과정은 데이터 전처리, 속성 선택, 알고리즘 선택 및 평가와 같은 몇 가지 단계를 포함한다. 회귀 분석과 분류는 일반적인 지도 학습 방법의 두 가지 유형이다. 선형 모델, 거리 측정, 프로토타입 기반 방법, 나이브 베이즈, 커널 기법 및 앙상블 기법은 지도 학습에서 사용될 수 있는 알고리즘의 예이다. 성능 측정은 지도 학습 모델의 효과를 평가하는 데 사용되는 반면, 비지도 학습은 클러스터링, 차원 축소, 잠재 변수 모델, 그래픽 모델 및 강화 학습 등을 포함한다. 혼합 전문가 및 제한된 볼츠만 머신과 같은 확률적인 방법도 비지도 학습에 사용될 수 있다. 엔드 투 엔드 학습과 심층 신뢰 네트워크는 기계 학습에서 사용되는 다른 기술이다. 본 강좌에서는 기계학습을 이해하기 위한 다양한 기초 지식들을 강의한다.전선 / 대학원
본 강의에서는 지능시스템을 위한 컴퓨터비전 알고리즘들에 대해서 공부한다. 컴퓨터비전은 지능시스템을 구현하기 위한 필수적인 분야로 컴퓨터가 인간의 시각정보처리 기능을 모사할 수 있도록 하는 것을 최종 목표로 하는 학문 분야이다. 이를 위해 컴퓨터비전에서는 카메라 등으로부터 얻은 정지영상이나 동영상 정보를 분석하여 컴퓨터가 자동으로 영상을 이해할 수 있도록 하는 다양한 알고리즘들을 다룬다. 본 강의에서는 컴퓨터비전에서 대표적으로 사용되는 알고리즘들에 대해서 살펴보며 수강생들로 하여금 학기중 프로젝트를 통해서 컴퓨터비전 기술을 사용하는 지능형 시스템을 구현해 보도록 한다.전필 / 학사
첨단융합학부 학생의 전공탐색을 위한 과목으로, 융합데이터과학의 핵심 개념과 다양한 응용 분야를 소개하여 향후 전공선택에 필요한 필수적인 정보를 제공한다. 특히, 융합데이터과학 분야에서 진행되는 첨단연구와 연구의 실제 응용 사례를 직접 체험하여, 자신의 전공 적성을 좀 더 구체적으로 알아보고 설계할 수 있는 기회를 제공한다.전선 / 학사
본 강의에서는 통계적 추론에 기반한 기계학습의 기초에 대하여 학습하고 조선해양공학의 응용문제에 대한 프로젝트를 수행한다. 기계학습에 관련된 확률, 선형대수, 최적화의 기초에 대하여 학습한다. 확률에 기반한 최우추정법에 대하여 학습한다. 비지도 학습 분류 방법 및 선형 회귀법에 대하여 학습한다. Hidden Markov 모델과 Bayesian Inference의 개념, 이론 및 알고리즘에 대한 개요를 학습한다. Neural Network에 기반한 학습모델로 이미지 인식을 위한 Convolutional Neural Network, 음성과 같은 time series 데이터의 학습을 위한 Recurrent Neural Network의 개요에 대하여 학습한다. 그리고 보상에 따라 학습하는 Reinforcement Learning에 대하여 익힌다. 마지막으로 조선해양공학 응용의 기계학습 프로젝트를 수행하도록 한다.전선 / 대학원
본 강좌는 영상 데이터를 분석하기 위한 수학적 모델링 기술 및 기계 학습 기술 등을 강의한다. 영상 데이터 분석에 널리 이용되는 기본적인 기계 학습, 특히 딥 러닝 기법을 집중적으로 학습하고, 이러한 기술이 다양한 영상 분석 문제에 어떻게 적용되는지 살펴본다. 이론 강의뿐만 아니라 실습과 프로젝트를 통하여 영상 데이터 분석에 필요한 다양한 기술을 학습한다. ● 기계학습 기초 리뷰 (지도학습, 비지도학습, 준 지도학습) ● 합성곱 신경망 (컨볼루션 신경망) ● 순환 신경망 (리커런트 신경망) ● 이미지 데이터 처리 기법 (이미지 분류, 물체 인식, 이미지 분할) ● 비디오 데이터 처리 기법 (비디오 분류, 행동 인식, 영상 내 검색, 물체 추적) ● 다면성 데이터 처리 (시청각-언어 정보 처리) ● 생성적 모델링전선 / 대학원
인공신경망 시스템은 인간 두뇌의 구조를 모방한 생물학적 정보처리시스템으로서 비교적 단순한 기능을 가진 다수의 연산소자들로 구성되어 있다. 이 과목에서는 신경망의 수학적 이론과 실제 응용에 관해 학습한다. 최신 신경망 모델의 다양한 구조를 살펴보며 감독학습, 무감독 학습, 강화 학습을 수행하기 위한 연결론적 또는 확률적 학습 알고리즘에 대하여 공부한다.전선 / 대학원
이 강좌는 실험심리학에서 최근의 중요 연구들을 소개하고 인간 마음의 기본 원리를 탐색 및 논의하는 세미나이다. 우선 강의 초에 인간의 생리, 지각 및 인지 수준에서 일반이론을 소개하고 그 문제점들을 알아본다. 이 이론들에 기초하여, 이 강좌에서는 시각, 주의, 언어, 문제 해결, 인간 추리 등의 세부 주세를 다룬다. 또한 이 강좌에서는 이런 주제들에 관해 실험 실습을 통해 학생들의 구체적인 이해의 증진을 시도한다.전선 / 대학원
분자 수준 (DNA, RNA, proteins, epigenome) 생물정보 데이터 분석에 사용된 기계학습 기법을 구체적 문제와 함께 학습하는 과목이다. 생물정보학에 거의 모든 기계학습 기법이 사용 되고 있는데, 본 과목에서 다루는 기법은 dynamic programming, ML, MAP, (generalized) hidden Markov model (HMM), Gibbs sampling, Dirichlet mixture, expectation maximization, (graph) convolutional neural network, (graph) embedding, (Baysian) autoencoder 등이다.전선 / 대학원
다양한 무인시스템의 경로 계획과 임무 판단에 관한 기법을 학습한다. 특히 시스템의 특성을 고려한 모션 계획, 모션에 대한 구속 조건, 충돌 회피 경로의 계산, 모델예측제어 등의 제어 기법과 학습 알고리듬의 모션 계획 문제에의 응용, 임무 수행을 위한 판단 기법, 그리고 이와 관련된 최적화 기법 및 다중개체시스템의 모션 계획 문제로의 확장 등에 대해 배운다. 수강생들은 다양한 모션 계획 알고리듬을 구현, 구동해봄으로써 실제 시스템에 적용할 수 있는 능력을 기르고, 관련 분야의 최신 논문을 통해 모션 계획 기법의 발전 동향을 살펴본다.전필 / 학사
영화는 시각, 청각, 촉각, 미각, 후각 등 인간의 모든 감각기관에 작용하는 종합적인 텍스트로서 복합적인 의미전달을 위해 서사적 전개 외에 다양한 비서사적 형식과 표현양식을 활용한다. 프레임, 숏, 컷 등 영화의 기본 단위의 개념과 적용, 미장센, 시점, 조명, 사운드, 편집에 이르기까지 영화적 표현 양식의 기본 지식을 익히고, 명작 영화 속에서 어떻게 구현되고 있는지 알아보도록 할 것이다. 이러한 영화 언어와 문법들이 1920년대 러시아 형식주의, 1960~70년대 메츠의 영화기호학, 1980년대 보드웰의 신구조주의, 최근의 이슈들을 거치며 어떻게 변천해 왔는지 검토하도록 할 것이다. 이론 수업 외에 단편영화나 장편 영화의 클립을 분석하는 연습이 병행될 것이다.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.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 / 학사
통계분석 결과를 정확히 이해·해석하기 위한 확률과 기술통계, 가설검정, F 분포와 분산분석, 회귀·상관, 범주형·빈도 분석을 다룬 뒤, 머신러닝의 핵심 개념을 가볍게 소개한다. 간단한 분류·회귀·군집 알고리즘 및 기초적 모델 해석 가능성과 윤리·편향 이슈를 실습 중심으로 학습한다.