최근 확인한 콘텐츠
데이터가 존재하지 않습니다.
Liu N.,Dou L.,Zhang X.
2020 / OncoTargets and Therapy
데이터가 존재하지 않습니다.
loading...
Handbook of categorization in cognitive science
한국교육 심리검사 총람 : 교육·심리검사의 체계적 집대성
수학교육과 정의적 영역
인지언어학
Selecting the right analyses for your data : quantitative, qualitative, and mixed methods
The cognitive aspects of aesthetic experience : introduction
Thessaloniker Interkulturelle Analysen : Akten des 33. linguistischen Kolloquiums in Thessaloniki 1998
Graph Neural Networks: Foundations, Frontiers, and Applications
Ordinal and symbolic data analysis : proceedings of the International Conference on Ordinal and Symbolic Data Analysis--OSDA '95, Paris, June 20-23, 1995
Automated evaluation of text and discourse with Coh-Metrix
Denkstrategien für den Mathematikunterricht : ein Versuch zur Ausbildung verallgemeinerter Denkstrategien anhand mathematischer Textaufgaben mit Hilfe des Adaptiven-Lehr-Lern-Systems
Un modèle et un instrument d'analyse de l'organisation du discours
Decision making under uncertainty : cognitive decision research social interaction development and epistemology
Category theory in context
(신)교육목표분류학 : 전통적 분류학에 대한 전체론적 접근
Recommender Systems in Fashion and Retail
(다중지능이론에 의한)아동의 다양한 능력 개발을 위한 평가
교원교육
김현주; 김원경수학교육
김현주, 김원경수학교육
김현주; 김원경정보교육학회논문지
여호주, 박정호학습자중심교과교육연구
김철호, 이동원, 이동환한국초등수학교육학회지
남진영수학교육학연구
고상숙수학교육 논문집
손복은, 고호경한국초등수학교육학회지
남진영정보교육학회논문지
정영식, 임현정, 김정랑한국과학교육학회지
정수임, 신동희한국과학교육학회지
정수임; 신동희수학교육
이화영, 고호경, 박지현, 오세준, 임미인한국스포츠교육학회지
김경숙, 권민정Chemistry Education Research and Practice
Agustian, Hendra Y.Educational Psychologist
Dumas D.,McNeish D.,Greene J.A.한국초등교육
임영빈, 안서헌, 김경미, 김중훈, 홍옥수Asia-Pacific Education Researcher
Tang K.,Chou T.,Tsai C.정보교육학회논문지
양창모Education and Information Technologies
Hao-Yue Jin; Maria Cutumisu전선 / 대학원
자연 지능의 특징인 자율성, 목적성, 반응성, 적응성, 학습능력, 추론능력 등에 대한 계산학적 모델을 고찰하고, 이러한 특성을 지닌 지능형 에이전트를 컴퓨터상에 시뮬레이션함으로써 인간의 인지과정 및 지능에 대한 이해를 높인다.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 모델링교직 / 학사
디지털 대전환 시대 예비교사는 데이터와 AI 기술을 수업에 적절히 활용할 수 있는 인공지능융합역량이 요구된다. 본 강의는 코딩 및 데이터 사이언스의 기초 개념을 이해하고 간단한 수준의 코딩을 활용하여 데이터ㆍ AI 기반의 융합수업을 설계하는 실습 중심의 수업이다. 본 강의는 <교과-소프트웨어 융합역량 교육론 I>과목의 선수 강좌로 코딩에 대한 기초 지식이 없거나, 인공지능융합교육에 처음 입문하는 학생들을 위한 강좌이다.전필 / 대학원
본 교과목은 데이터과학 분야에 관심있는 통계학 석사 과정 대학원생을 대상으로, 데이터 랭글링 및 시각화, 회귀분석, 선형 모형, 일반화 선형 모형, 혼합 모형, 분류를 포함하여 모든 데이터 과학자가 익숙해야 하는 통계 방법론 및 이를 통계 소프트웨어를 사용해 적용하는 실례를 다룬다. 기존의 통계학 과목과 비교하여 본 교과목은 이론에 대한 강조가 덜한 대신, 통계 방법론을 구현하고 주요 개념을 실제 자료에 적용하여 데이터를 분석하기 위해 어떻게 소프트웨어를 사용하는지에 대해 더 중점을 둔다. 주요 개념에 대해서는 그것이 “작동하는 이유”에 대한 직관적 설명을 위주로 한다. 본 과목의 모든 통계 분석은 R과 Python을 사용한다.전필 / 대학원
인공지능(AI) 기반 교육을 현장에서 적용하기 위해선, AI융합전공 수강생들은 인공지능(AI)을 교과 수업 상황에 융합하여, 수업을 설계하고 실행할 수 있는 역량이 요구된다. 이 강의는 AI융합전공 수강생들이 인공지능(AI) 자체에 대한 수업과, 인공지능(AI) 학습도구를 활용한 인공지능(AI)-교과 융합수업을 설계하고, 실행할 수 있는 역량을 갖추는 것을 목적으로 한다. 이를 위해 AI융합전공 수강생들은 먼저, 인공지능(AI) 자체에 대한 수업 설계 역량을 기른다. 그리고 실제적이고 집중적인 교육을 통해, 이 교과목은 수강생들의 인공지능 교과 융합 수업을 설계하고 실행하는 역량 증진시킬 것이다.전선 / 대학원
보건학적인 자료 중에서 많은 것이 이산변수이다. 다라서 보건학 연구기법을 터득하려면 이산변수의 분석방법을 이해하지 않고서는 효율적으로 자료분석을 할 수 없다. Chi-square 방법은 이러한 자료를 분석하는 가장 기초적인 방법인데, 이에서 한걸음 더 나아가 다변량으로 이산변수가 나타나는 경우의 분석방법을 다룬다. 따라서 자료의 상관성문제, 대수선형분석방법 등을 다룬다.전선 / 학사
신경과학, 철학, 심리학, 언어학, 인공지능 등의 융복합적이고 학제적인 인지과학 분야 전반에 대한 기초 내용을 빅데이터 관점에서 습득하고, 빅데이터 정보처리에 응용 적용할 수 있는 능력을 배양하고자 한다.전선 / 대학원
본 교과목은 고급데이터마이닝 방법론(326.637) 과목에 이어 심층학습모형에 중점을 둔다. 교육 목표는 심층학습(deep learning)의 방법들을 공부하고 관련된 통계적 문제를 찾아내는 것이다. 다루는 내용은 다음과 같다. 심층학습 이전의 특징 추출 및 판별 분석 기법, 기계학습에서 사용되는 이론적인 도구들, 인공신경망의 기초, 다층 퍼셉트론, 역전파, 합성곱 신경망, 최적화와 정칙화, 가시화, 파이톤과 심층학습 프레임워크, 순환 신경망, 변분적 추론, 적대적 생성 네트워크, 영상 분할 및 검출, 자연어 처리 등이다.전선 / 대학원
실제적인 문제를 해결하는 인공지능(AI) 기반 교육을 현장에서 적용하기 위해선, 각 교과의 전문성이 있는 AI융합전공 수강생들이 인공지능(AI) 지식과 구현능력을 바탕으로 협업하여 수업을 설계하는 역량이 요구된다. 이 강의의 목적은 첫째, 각 교과의 전문성을 가진 교사들이 인공지능 지식과 구현능력을 바탕으로 협업하여 실제적인 문제를 해결하는 교과별 인공지능 연계 프로젝트를 하는 것이다. 둘째는 교과교육 교사들이 서로 협업하여 문제 해결 중심의 교과별 인공지능 연계 수업을 설계하는 것이다. 이 교과목을 통해 AI융합전공 수강생들은 인공지능을 실제적인 문제해결에 쓰는 경험과 융합 수업 설계능력, 그리고 협업 역량이 증진될 것이다.전선 / 대학원
수학의 역사발생적 사실을 수학교육 연구에 적용한다. 특히 각 시대의 수학표현과 개념의 차이 등을 이해하고, 각 시대의 수학탐구와 수학 실험 그리고 수학 발견을 다루고, 이를 수학교육 연구에 접목시키는 연구를 한다.전필 / 학사
공간의 생성, 발전, 성장 및 입지, 공간시장의 적정 규모이론, 공간 구조 및 토지이용, 집적화 및 클러스터, 주택 및 토지시장 분석, 인구 전망 와 공간경제 분석기법전필 / 학사
뇌-마음-행동 연계전공의 필수 과목으로서, 세분화된 학문 체계에서 다룰 수 없는 통합적인 인간 이해에 대한 소개를 제공하는 곳이 목표. 신경과학에서 이루지는 뇌의 이해, 인지과학에서 이루어지는 마음의 이해, 심리학에서 이루어지는 행동의 이해와 이들의 관계를 포함하여 인간의 이해에 대한 다양한 주제의 소개. 참여 교수 및 외부 초빙 연사들에 의한 주별 강의로 이루어짐.전선 / 대학원
본 강좌는 통계모형을 이용한 고급 자료 분석의 전 단계로 자료에 대한 충분한 이해와 인사이트를 발견하는데 필요한 탐색적 자료 분석 방법들과 이에 도움을 주는 효과적인 시각화 방법에 대한 이론과 응용을 배운다. ▪ 요약통계 ▪ 그래프 문법 원리 ▪ 데이터 랭글링 ▪ 상관성 그래프 요약 (상관관계, 시계열, 인과관계) ▪ 다변량 자료의 시각화 ▪ 시계열 동적 자료의 시각화 ▪ 비정형 자료 시각화 ▪ 인터랙티브 그래프의 이론과 응용(shiny)전선 / 대학원
데이터 시각화는 특히 최근 몇 년간 컴퓨팅 기술의 발전으로 인해 데이터의 크기와 복잡성이 크게 증가한 의료 분야에서 의사 결정을 지원하기 위해서 사용될 수 있는 유용한 기술이다. 본 수업에서는 기본적인 차트와 같은 시각화 기법에서부터 복잡한 인터랙티브 시각화에 이르기까지 다양한 데이터 시각화 기술에 대해서 포괄적으로 다룬다. 기술적으로는 파이썬과 자바스크립트를 핵심적인 프로그래밍 언어로 가르치고, MIMIC(Medical Information Mart for Intensive Care) 데이터를 활용하여 학생들이 실제 의료 데이터와 클라우드 컴퓨팅을 사용하여 데이터 시각화 시스템을 제작하는 경험을 할 수 있도록 가르친다. 본 수업에서는 강의와 그룹 프로젝트가 포함되어 있으며, 그룹 프로젝트에서는 의료 분야에 초점을 맞춘 인터랙티브 웹 기반 데이터 시각화 시스템을 개발해 보는 것을 목표로 한다. 이 과정에서 학생들은 데이터 시각화에 대한 이론적 지식을 의료 도메인의 도전적 과제들을 해결하는데 적용해 보는 기회를 가진다. 본 수업을 통해서 학생들은 의료 도메인의 데이터를 시각화하는 기술을 습득할 수 있다.교양 / 학사
본 강좌는 AI와 머신러닝의 기초 개념을 이해하고, 이를 실제 데이터에 적용하여 예측 및 분류 문제를 해결하는 능력을 배양하는 것을 목표로 한다. 기초적인 데이터 처리 방법부터 머신러닝과 딥러닝 모델에 이르기까지 다양한 주제를 다루며, Pandas, Scikit-learn, PyTorch 등의 라이브러리를 사용하여 데이터를 처리하고 모델을 구현한다. 또한, TV 광고 데이터를 활용한 매출 예측, 신용카드 연체 예측 등 실생활 문제를 다루어 AI 기술이 실질적으로 활용되는 사례를 제공하며, 학생들이 데이터를 통해 실제로 문제를 해결하는 과정에서 얻는 성취감을 높이고자 한다.전선 / 대학원
범주형 자료를 분석하기 위한 통계기법들을 소개한다. 범주형 자료들은 대개 분할표를 이용해 정리할 수 있기 때문에 분할표를 분석할 수 있는 통계방법을 중점적으로 다룬다. 주된 주제들은 분할표분석, 로그 선형모형, 로지스틱모형이다.전선 / 대학원
본 과목은 데이터 과학의 방법론을 배우고 교육 관련 데이터, 다양한 인문 사회 분야의 데이터를 활용하여 인문학과 사회학 분야의 주제를 융합적으로 해결하는 역량을 기르는 교수 지식과 교육 역량을 갖추는 것을 목적으로 한다. 데이터 과학, 기계학습의 다양한 방법을 배우고 데이터 기반 교육을 실제 교실 환경에서 구현하는 방안을 연구하고 모색한다. 인공지능이 데이터를 사용하여 인문 사회 분야에 어떻게 기여할 수 있는지 동향과 가능성을 파악하고, 그 기반이 되는 분석 방법을 배운다. 인문 사회 분야의 다양한 주제와 관련된 데이터를 수집하고, 인문 사회 분야의 문제 해결을 위해 관련 데이터를 전통적 통계 분석과 최근의 기계학습, 다양한 인문 사회 맞춤형 분석 방법 등으로 분석하는 융합교육을 수행하는 구체적 아이디어를 개발한다. 또한 인문 사회 분야의 연구와 문제 해결을 위해 과학과 수학, 정보 분야의 문제 해결 방식을 융합하는 다양한 방안을 교육적으로 활용하는 방법을 연구한다.전선 / 대학원
기존의 클라우드 의존적 AI 컴퓨팅이 사용자 프라이버시, 네트워크 과부하, 인터넷 단절에 대한 취약성 등 다양한 이슈를 야기함에 따라 AI 컴퓨팅을 클라우드뿐만 아니라 사용자 근처의 소형/저비용 컴퓨터에서도 수행하려는 흐름이 전개되며 앰비언트 인공지능 혹은 엣지 인공지능이라는 개념이 탄생했다. 의료 데이터는 개인의 민감정보를 다량 포함하고 있어 특히 프라이버시가 중요하므로, 앰비언트 인공지능과 결합하였을 때 시너지 창출이 가능하다. 본 강좌는 앰비언트 인공지능의 최신 기술과 플랫폼 익히고 의료 도메인에 응용하는 것을 목표로 하며 구체적인 주제는 다음과 같다. ▪ 딥러닝 모델 경량화 (양자화, 가지치기, 지식 증류) ▪ 연합 학습 ▪ 딥러닝과 경량 신호처리 기법의 하이브리드 운용 ▪ 클라우드와 자원 제한적 엣지 기기의 통합 운용 ▪ 앰비언트 인공지능 소프트웨어 플랫폼 (TensorFlow, TensorFlow Lite) ▪ 앰비언트 인공지능 하드웨어 플랫폼 (Google Coral) ▪ 의료 도메인 데이터의 이해 (일례로, 수면 의학 데이터)전선 / 대학원
본 교과목은 오늘날 인공지능의 중심을 이루는 거대언어모델(Large Language Models)과 이를 기반으로 한 대화형 인공지능을 다룬다. 특히 거대언어모델의 학습부터 응용까지 이어지는 전체 파이프라인을 아래와 같이 체계적으로 다룬다. (1) Pre-training: 지식 습득을 위한 사전학습(Transformer, BERT, GPTs) (2) Supervised Fine-tuning: 상호작용 학습(Dialogue Fine-tuning, Instruction Tuning, Reasoning) (3) Alignment: 인간 가치와의 정렬(RLHF, DPO, KTO 등) 및 언어모델 해석 기법(AI Psychometrics, Mechanistic Interpretability) (4) Grounding: 외부 데이터 및 도구 활용 기법(페르소나, 문서, 이미지, 지식 그래프, 도구 증강 에이전트) (5) Applications: 다양한 도메인으로의 응용(대화 시뮬레이션 및 심리상담·교육·설득 응용) 수업에서는 각 연구 주제별로 핵심 논문들의 아이디어, 데이터, 방법론 등을 강의한다. 실습으로는 언어모델 학습, 언어모델 API를 이용한 대화 시스템 구현, 대화형 인공지능과 관련된 작은 연구 프로젝트를 수행한다. 이 과목을 통해 수강생들은 거대언어모델 연구 동향을 큰 틀에서 파악하고, 핵심적인 연구 주제들과 방법론을 이해하며, 이를 실제 연구에 적용하는 능력을 기르게 된다.전선 / 대학원
특수교육의 영역 중, 학습장애아에 관한 제반 이론을 검토한다. 학습장애(Learning Disabilities)는 평범한 학습과정의 부적응아로서, 다양한 학문적인 시각(교육학, 심리학, 병리학 등)을 통해서 학습장애아에 대한 이해를 깊게 하는 것을 목적으로 한다.