If the collection is public, the memo for this book will also be public.
Your Browsing History
There is no data.
There is no data.
loading...
인공지능 딥러닝을 활용한 조류현상 예측기술 개발 및 활용방안
Deep learning for hydrometerology and environmental science
Data mining with decision trees : theory and applications
원격탐사기법 기반 강우추정 데이터를 이용한 실시간 도시유역 침수 예측 시스템 개발 =
기계 학습
Modeling semi-arid water-soil-vegetation systems in a changing climate
Spatiotemporal Processes of Plant Phenology : Simulation and Prediction
Data science for supply chain forecasting
The essentials of machine learning in finance and accounting
Marine Fog: Challenges and Advancements in Observations, Modeling, and Forecasting
우리나라의 태양복사에너지 분포에 관한 연구: 일사관계 기상변수들의 기후적 특성과 일사량 산출모델개발
Development of a drought forecast model for Fiji based on high-resolution dynamic downscaling of climate data and machine learning of long-range climate forecast and remote sensing data
기계 학습을 다시 묻다
위성 및 장기예측자료의 기계학습을 통한 가뭄예측
랜덤워크를 이용한 생태네트워크 변화 모의예측방안 연구.
Machine learning in geosciences
Supervised machine learning in wind forecasting and ramp event prediction
Cultures of prediction in atmospheric and climate science : epistemic and cultural shifts in computer-based modelling and simulation
Lidar remote sensing and applications
이영미; 배주현; 박정근 · 2017
한국환경과학회지
Joo Hyun Bae; Young-Mi Lee; Jeong-keun Park · 2017
Journal of Environmental Science International
박소연, 방준호, 유인호, 김태형 · 2019
전기학회논문지
이강혁, 김우제 · 2016
한국정보기술학회논문지
정진화, 채영태 · 2018
한국생활환경학회지
Gala, Y.; Fernández, Á.; Dorronsoro, J.R.; Díaz, J. · 2016
Neurocomputing
Yagli G.M.,Yang D.,Srinivasan D. · 2019
Renewable and Sustainable Energy Reviews
김종민, 이준형 · 2022
융합보안 논문지
Alizamir M.,Shiri J.,Fard A.F.,Kim S.,Gorgij A.R.D.,Heddam S.,Singh V.P. · 2023
Engineering Applications of Artificial Intelligence
이영미, 배주현, 박다빈 · 2016
한국환경과학회지
Naveen Krishnan; K. Ravi Kumar; Sripathi Anirudh R. · 2024
Sustainable Energy, Grids and Networks
Voyant, C.; Notton, G.; Nivet, M.-L.; Paoli, C.; Motte, F.; Fouilloy, A.; Kalogirou, S. · 2017
Renewable Energy
Feng C.,Cui M.,Hodge B.M.,Lu S.,Hamann H.F.,Zhang J. · 2019
IEEE Transactions on Sustainable Energy
Ai H.,Zhang K.,Sun J.,Zhang H. · 2023
Water Research
Bae S.,Manshadi S.D. · 2020
IEEE Transactions on Instrumentation and Measurement
AlSkaif T.,Dev S.,Visser L.,Hossari M.,van Sark W. · 2020
Renewable Energy
서영민, 이병준, 최윤영 · 2017
한국환경기술학회지
전진만, 최종환 · 2025
정보과학회논문지
del Campo-Ávila J.,Piliougine M.,Morales-Bueno R.,Mora-López L. · 2019
Renewable Energy
Muhammad Paend Bakht; Mohd Norzali Haji Mohd; Babul Salam KSM Kader Ibrahim; Nuzhat Khan; Usman Ullah Sheikh; Ab Al-Hadi Ab Rahman · 2025
Results in Engineering
전선 / 학사
본 교과목은 최신 사회정책 분석·평가 기법에 대한 이해를 통한 실무적 응용 능력 배양을 목표로 한다. 수강생들은 사회정책이 기획, 집행, 평가되는 전 과정에 대한 구조적 이해를 바탕으로, 정책의 효과성을 과학적으로 분석하고 평가하는 데 필요한 핵심적인 '평가·분석 도구상자(analytical toolkit)'를 실무적인 관점에서 체계적으로 학습한다. 구체적으로 과목의 전반부는 교수자의 실무경험에 근거하여 정책 집행의 동학, 정책 네트워크, 정책 실패의 원인 등을 이론과 사례를 통해 학습하여 비판적 시각을 배양한다. 중반부는 미시적 차원 정책평가·분석 방법인 무작위 통제실험(RCT), 이중차분법(DiD), 회귀불연속설계(RD) 등 인과추론(causal inference) 방법론에 집중한다. 후반부는 거시적 차원의 정책평가·분석 방법인 비용편익분석(CBA), 계층화 분석법(AHP) 등 정책 대안을 비교·평가하는 틀을 학습한다. 실무·응용 능력 배양을 목적으로 하는 본 교과목은 프로젝트 기반 학습(PBL)으로 운영되며, 학생들은 팀 프로젝트를 통해 실제 사회정책 데이터를 분석하거나 평가 사례를 심층 분석함으로써, 이론적 지식을 실천적 문제 해결 능력으로 전환하는 경험을 하게 될 것이다. 이를 통해 미래의 사회정책 전문가로서 데이터에 기반하여 합리적인 정책적 판단을 내리고, 그 결과를 효과적으로 소통하는 능력을 갖추게 될 것을 기대한다.전선 / 대학원
기후환경데이터의 기본적인 특성을 이해하고, 다양한 기후환경 현상들의 특성 변동 및 변화를 분석/예측하기 위한 다양한 딥러닝 기법의 원리를 학습하고 실습한다. Feed-forward Neural Networks, Convolutional Neural Network, Long-Short Term Memory, Generative Adversarial Networks, Vision Transformer 등 딥러닝 기법의 작동 원리와, 해당 기법들의 기후환경데이터에의 적용 예시를 학습한다. 실습과 소규모 프로젝트를 통한 기후환경데이터에의 딥러닝 기법의 적용을 통해 기후환경분야 공공기관 및 연구소에서 요구하는 자료분석 능력을 습득한다.전선 / 대학원
정보과학분야의 첨단 기법인 데이터마이닝과 머신러닝에 대한 이론을 학습하고 상업용패키지를 이용하여 농업분야응용에 대해 실습하며, 농업분야의 필요한 알고리즘을 개발하는 학습기회를 제공한다. Decision Tree, Probabilistic Machine Learning, Baysian Classifier, Neural Nets, Support Vector Machine, K--NN, Boosting, K--Means and Hierarchical Clustering, Reenforcement Learning 등에 대한 이론적 연구와 농업분야의 응용을 상업적 패키지를 이용하여 학습하고, 농업분야를 위한 알고리즘의 개발에 대해 실습한다.전선 / 대학원
본 강좌는 다양한 머신러닝기법을 활용한 기후환경데이터 분석 방법을 소개한다. Linear regression, Logistic regression, Support Vector Machine (SVM), Random Forest, XGBoost, LightGBM 등과 같은 지도 학습 기법에 더불어,K-mean clustering, Principal Component Analysis, Singular Value Decomposition,Self-Organizing Map (SOM) 등의 비지도 학습 머신러닝 기법들의 구동 원리를 파악할 수 있는 이론 강의와, 이 중 일부를 활용한 실습 과정으로 구성된다. 다양한 머신러닝 기법 기반의 데이터 분석 방법을 비교함으로서 머신러닝 기법들의 장단점을 파악할 수 있도록 한다.전선 / 학사
도시 공원 및 오픈 스페이스는 인간에게 심미적 위안을 주고 도시의 환경과 생태계를 건강히 유지시키는 역할을 하나, 그 당위성이 경제적 논리에 밀려 도시 구성의 부차적 요소로 치부되기 쉽다. 본 강의에서는 자연 및 인공적으로 조성된 환경 (공원 및 오픈 스페이스)이 인간의 삶에 미치는 사회, 경제적 영향을 정량적으로 분석한다. 본 강의에서 다룰 내용은 데이터 수집, 가설 검증을 비롯, 기초 계량분석 기법인 회귀분석에서부터 생존분석까지이다. 실습에는 R 프로그램을 이용한다.전선 / 대학원
통계적 기계학습 방법은 데이터과학 및 인공지능 분야에서 핵심 방법론으로 사용되고 있다. 본 강의에서는 통계적 기계학습 방법론을 소개하고 기본 이론을 배운다. 주로 지도학습방법론을 위주로 다루며, 의사결정론, 고차원 선형모형, 비모수 함수추정, 의사결정나무와 앙상블, Support vector machine 그리고 딥러닝에 대한 이론 및 알고리즘을 가르친다. 그리고 지도학습 알고리즘을 관통하는 통계학적 원리인 M-추정량에 대해서 논의한다.전선 / 대학원
기후환경데이터의 기본적인 특성을 이해하고, 다양한 기후환경 현상들의 특성 변동 및 변화를 분석/예측하기 위한 다양한 딥러닝 기법의 원리를 학습하고 실습한다. Feed-forward Neural Networks, Convolutional Neural Network, Long-Short Term Memory, Generative Adversarial Networks, Vision Transformer 등 딥러닝 기법의 작동 원리와, 해당 기법들의 기후환경데이터에의 적용 예시를 학습한다. 실습과 소규모 프로젝트를 통한 기후환경데이터에의 딥러닝 기법의 적용을 통해 기후환경분야 공공기관 및 연구소에서 요구하는 자료분석 능력을 습득한다.전선 / 학사
기후변화로 인한 재난(홍수, 폭염 등)을 그린인프라를 활용하여 저감하는 기초이론 및 설계기법을 학습한다. 도시홍소와 관련된 수문학적 개념을 이해하고, SWMM(Storm Water Management Model)을 이용한 근거기반의 그린인프라계획 및 설계법을 학습한다. 또한 도시열섬의 개념과 대응 방안을 학습하고, 전산유체역학을 활용한 그린인프라와 그레이인프라의 상호작용 분석 및 도시에 최적화된 인프라설계를 실습한다.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.전선 / 학사
국토, 도시 및 지역 등 인간 정주환경의 구조와 상호작용 및 변화에 관한 이론과 분석방법을 탐구하고, 조경 실무에서 알아야하는 지속가능성을 추구하는 도시 및 지역계획, 도시설계, 주거/관광/산업단지 계획, 조성 기법 등을 학습한다.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 / 대학원
본 스튜디오는 인공지능(AI)을 조경의 핵심 설계 도구로 활용하는 것을 목표로 하는 실습 중심의 스튜디오이다. 지난 2년간 진행한 세미나 주제인「조경과 AI」에서 다루었던 이론적 논의를 확장하여, 실제 설계 프로세스 속에서 AI의 잠재력과 한계를 탐구한다. 본 수업은 인간이 직관적으로 해결하기 어려웠던 형태적·공간적 문제를 인공지능을 통해 분석하고 생성하는 과정을 실험하며, 프롬프트 설계(Prompt Design)와 룰 베이스 설계(Rule-Based Design)와 같은 개념을 핵심 학습 주제로 다룬다. 수강생들은 2차원 이미지로부터 3차원 형상을 추출하고, 형태의 특징을 기반으로 기능과 프로그램을 부여하는 과정에서 다양한 AI 도구를 활용한다. 이를 통해 인공지능을 단순한 도구가 아닌 공동 설계자(co-designer)로 이해하며, 디지털 생성 기술을 통해 새로운 형태, 패턴, 그리고 공간 경험을 제안한다. 최종적으로 AI를 활용한 설계 프로토타입 혹은 실험적 디자인 아틀라스를 제작하여, 미래 조경·도시설계의 가능성을 탐구한다.전선 / 학사
자연에서 발생하는 여러가지 대기현상을 컴퓨터를 이용하여 수치적으로 모의하는 기본적인 방법들에 대해서 소개한다. 실습시간에는 대기과학 연구에 필수적으로 쓰이는 프로그래밍 언어인 포트란을 공부하고, 이를 이용, 여러 가지 대기 물리방정식의 해를 수치적으로 구하고, 이를 가시화하는 연습을 실시한다.전선 / 대학원
본 과목은 현장에서 적용 가능한 지능형 환경서비스를 제공할수 있는 실무인재로의 성장을 위해 필요한 지식, 태도, 기술 등을 습득하기 위해 현장실습교육 중심으로 설계된 교과목이다. 본 수업은 학기중 국내외의 4차 산업혁명 요소기술 (인공지능, 센싱, 모니터링, 예측, 빅데이터 분석, 플랫폼 구축 등)을 가진 환경산업분야 기업, 국제기구, 지자체, 특허법인에서 인턴십 또는 일·학습병행제의 형태로 이루어진다. 또한, 이론교육을 포함한 실습은 4주 이상 전일제로 운영되며, 실습을 위한 현장 및 기관은 담당교수가 제공한다.전선 / 대학원
데이터마이닝 (Data Mining)은 대용량 데이터베이스에 존재하는 데이터 간의 관계, 패턴, 규칙 등을 찾아내고 모형화해서 의사결정을 돕고, 유용한 정보로 변환하는 일련의 과정이다. 본 강좌에서는 기술모델링과 예측모델링에 사용되는 통계학, 기계학습, 신경회로망 기법들을 공부하고, 응용 사례 연구와 패키지를 이용한 프로젝트를 수행한다.전선 / 대학원
본 과목은 4차 산업혁명 요소기술들을 활용하여 우리 사회의 환경문제를 과학적으로 해결할수 있는 기본지식을 습득하기 위한 수업으로서 지능형 에코사이언스의 개론 과목이다. 기존의 경험과 사후분석에 기반한 환경문제 해결이 아닌 근거기반 및 선제적 접근법에 중점을 둔 수업이다. 세부내용으로는 지능형 센싱 및 모니터링, 지능형 빅데이터 분석, 지능형 환경서비스 분야와 관련된 이론교육으로서, 지능형 에코사이언스 분야 국내외 교수, 산업체 전문가 등의 융합강의를 통해 진행된다.전선 / 학사
계산과학 주제연구에서는 최신 계산과학 이론 및 응용사례에 대한 선택적 주제를 다루며, 각 세미나 주제에 대한 보고서를 작성토록 함전선 / 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
본 과목은 기후변화와 관련된 적응계획의 이론과 실제사례를 다룬다. 이론적 차원에서는 기후변화 시나리오(SRES, RCP)에 대한 정보, 취약성 평가 방법론, 기후변화 적응계획 수립에 대한 내용을 포함한다. 특히 최근 이슈화되고 있는 중점사항들을 정리함으로써 기후변화 적응계획에 대한 이해를 돕는다. 실제사례 연구에서는 국내‧외의 취약성 평가 및 기후변화 적응계획 수립의 사례를 분석하고, 사례에 대한 심층적인 평가 및 토의를 실시한다.전선 / 대학원
본 과목은 기후변화와 관련된 적응계획의 이론과 실제사례를 다룬다. 이론적 차원에서는 기후변화 시나리오(SRES, RCP)에 대한 정보, 취약성 평가 방법론, 기후변화 적응계획 수립에 대한 내용을 포함한다. 특히 최근 이슈화되고 있는 중점사항들을 정리함으로써 기후변화 적응계획에 대한 이해를 돕는다. 실제사례 연구에서는 국내외의 취약성 평가 및 기후변화 적응계획 수립의 사례를 분석하고, 사례에 대한 심층적인 평가 및 토의를 실시한다.