최근 확인한 콘텐츠
데이터가 존재하지 않습니다.
데이터가 존재하지 않습니다.
loading...
본 연구는 쇼핑몰 플랫폼에서 상품 이미지를 이용하여 딥 러닝 기반으로 상품 카테고리를 자동 분류하는 시스템을 구현하고 사용성을 평가합니다. 제안하는 시스템은 상품 이미지만으로 분류를 수행하며, 검증 데이터를 통해 속도와 정확도를 수치화하고, 설문 테스트를 통해 사용성을 평가합니다.
Programming collective intelligence : building smart web 2.0 applications
Recommender Systems in Fashion and Retail
눈에 띄는 마케팅 : 마케팅 위기의 시대 돋보이고 싶은 것들의 전쟁
데이터 천재들은 어떻게 기획하고 분석할까? : 직관을 넘어 핵심을 꿰뚫는 데이터 분석의 절대 법칙
Export credit financing systems in OECD member countries and non-member economies : 2004 supplement.
인터넷시대의 디지털상품 성공전략 : 상품속성별 기술수용모델을 통한 분석 =
웹사이트 분석의 기술 : 온라인 비즈니스 성공을 위한 100가지 제안
케라스 창시자에게 배우는 딥러닝
머하웃 완벽 가이드 : 하둡에 딱 맞는 빅데이터를 활용한 기계학습
Artificial Intelligence for Fashion Industry in the Big Data Era
카카오 아레나 데이터 경진대회 1등 노하우 : 상품 카테고리 분류와 브런치 글 개인화 추천으로 배우는 데이터 분석 실무
Applications of Machine Learning
Applications of data mining to electronic commerce
시계열 예측과 분석 : 통계적 모형·혼합형 모형·딥러닝 모형
Semantic feature analysis : classroom applications
The Fundamentals of library classification
Artificial Intelligence in Medicine : 17th Conference on Artificial Intelligence in Medicine, AIME 2019, Poznan, Poland, June 26–29, 2019, Proceedings
데이터는 어떻게 세상을 지배하는가 = 성공과 투자의 법칙을 바꾸는 데이터 이코노미의 모든 것
(만들면서 배우는) 파이토치 딥러닝 : 12가지 모델로 알아보는 딥러닝 응용법
디지털융복합연구
성재경, 박상민, 신상윤, 김영복, 김용국The Journal of the Institute of Internet Broadcasting and Communication
Yong-Guk Kim; Sang-Yun Sin; Yung-Bok Kim; Jae-Kyung Sung; Sang-Min Park한국전자거래학회지
이나경, 김주연, 심준호한국정보기술학회논문지
김희상, 주기훈, 임현승융합보안 논문지
정하민, 유현수, 유태우, 김윤욱, 안용학Applied Sciences (Switzerland)
Alotaibi F.M.Neural Computing and Applications
Li B.,Li J.,Ou X.浙江理工大学学报(自然科学版) / Journal of Zhejiang Institute of Science and Technology
陈巧红; 陈翊; 孙麒; 贾宇波; CHEN Qiaohong; CHEN Yi; SUN Qi; JIA YuboApplied Sciences (Switzerland)
Yu F.,Du C.,Hua A.,Jiang M.,Wei X.,Peng T.,Hu X.Computers, Materials and Continua
Waqas U.,Visser J.W.,Choe H.,Lee D.Multimedia Tools and Applications
Qi S.,Kyaw Z.,Wang X.,Jiang Z.L.,Guan J.Applied Artificial Intelligence
Ou, T.-Y.; Chen, C.-H.; Tsai, W.-L.Textile Research Journal
Yawen Zhang; Boya Wang; Yan Hong; Shuo Zhang실천공학교육논문지
이학재; 이석준; 최문혁; 김소영; 문일영Journal of Computer Information Systems
Pawłowski M.지능정보연구
김기태; 오원석; 임근원; 차은우; 신민영; 김종우IEEE Transactions on Consumer Electronics
Ajmeera Kiran; Janjhyam Venkata Naga Ramesh; Vrince Vimal; Kishore M. Kumar; Mukesh Soni; Shashi Bhushan; Tariq Ahamed Ahanger; Pavitar Parkash Singh; Rajesh SinghIEEE Transactions on Consumer Electronics
Rana Alabdan; Hend Khalid Alkahtani; Kamal M. Othman; Roobaea Alroobaea; Sultan Algarni; Abeer A. K. Alharbi; K. ShankarIEEE Transactions on Consumer Electronics, Consumer Electronics, IEEE Transactions on, IEEE Trans. Consumer Electron.
Alabdan, R.; Alkahtani, H.K.; Othman, K.M.; Alroobaea, R.; Algarni, S.; Alharbi, A.A.K.; Shankar, K.Procedia Computer Science
Shah, Jay; Desai, Tapan; Shah, Pooja전선 / 학사
AI를 이용하여 주차장 게이트에서 번호판을 인식후 주차장 게이트를 Open/deny 하는 과정을 구현한다. 자동차 번호판을 인식하기 위해 object-detection, Text Detection, OCR, Image Captioning, Generative Model 등 다양한 컴퓨터 비전 에 사용되는 딥러닝 모델들의 개요에 대해 배우고, GPU 서버를 이용하여 이 과정들을 구현한다.전선 / 대학원
딥러닝은 주어진 입력 데이터를 심층인공신경망으로 가공하여 원하는 테스크에 대해 좋은 성능을 달성하는 것을 목표로 한다. 이 과정에서 입력 데이터는 입력이 표현된 방식과는 확연히 다른 방식으로 표현되게 되고, 이러한 표현 방식의 변화를 통하여 원하는 정보를 잘 활용할 수 있게 된다. 본 강의는 딥러닝의 중요 연구주제 중 비지도학습의 기본 방식으로 자리 잡은 self-supervised learning 및 contrastive learning을 중심으로 진행한다. 특히 information theoretic approach를 비롯한 metric 관점의 representation learning에 대해 고찰하고 domain generalization, meta learning, 등과 같은 학습기법들에 대해 논의하며 이를 통하여 표현학습에 대해 심화된 이해를 하는 것을 목표로 한다.전선 / 대학원
다양한 딥러닝 신경망(CNN 등) 알고리즘을 치과영상(파노라마 영상, 구내 영상, CEP 영상 및 콘빔CT(CBCT) 영상)에 적용하여 자동적 영역분할, 치과질환의 자동적 탐지 및 분류하는 방법을 실습함. 치과영상 데이터의 annotation 방법, 신경망 학습, 테스트 및 모델의 성능분석 등을 디지털 치과 데이터를 실제 컴퓨터 서버에 탑재하고 실습하여, 학생 스스로 딥러닝을 이용하여 치과영상을 분석할 수 있는 능력을 제공함. Getting Started with Deep Learning Using PyTorch Building Blocks of Neural Networks Diving Deep into Neural Networks Fundamentals of Machine Learning Deep Learning for Computer Vision Deep Learning with Sequence Data and Text Generative Networks전선 / 학사
제품이나 서비스 등의 인지도를 높이고 확대시키기 위해 일괄적으로 적용할 이미지 요소를 개발하는 브랜드 아이덴티티 전략에 관한 수업이다. 브랜드 네임, 이미지, 로고, 응용요소, 패키지 디자인 등을 포함하여 제품의 대외적 이미지를 높이고 이를 일관되게 관리할 수 있는 방법에 관한 실기 수업이다.전선 / 대학원
본 교과목은 농산물의 수확 후 품질관리 고도화를 위해 유통 단계 중 적용될 수 있는 첨단기술 (블럭체인, 클라우드, 디지털 트랜스포메이션 등)의 적용기술을 포함하고 있으며 수송 및 유통 중인 농산물의 품질특성을 측정, 분석할 수 있는 실시간/원격 비파괴 평가기술들에 대한 내용을 포함한다. 구체적으로, 다양한 센싱정보 (영상 등)를 실시간 무선통신방식으로 수집하여 클라우드 기반의 빅데이터를 구축하고 이러한 정보를 분석할 수 있는 딥러닝 기반의 첨단기술들에 대한 구체적 방안에 대해 논의하며 프로젝트를 통해 관련기술들을 구현하도록 한다.전선 / 대학원
마케팅 활동의 효과를 높이는 방향의 하나로서 데이터에 기반한 과학적인 마케팅 실행에 대한 필요성이 지속적으로 높아지고 있는데, 데이터 사이언스 및 인공 지능 분야의 핵심 요소 중의 하나인 머신 러닝 기법들이 이러한 과학적이며 효과적인 마케팅 프로그램을 실행하는데 있어 매우 유용한 도구로서 활용될 수 있을 것이다. 본 과목에서는 마케팅 의사 결정의 품질을 높이기 위해 머신러닝의 다양한 분석 기법을 효과적으로 활용하는 방법에 대해 학습하는데, 마케팅 의사 결정의 종류가 다양하고 또한 이들 종류별로 필요한 데이터와 적절한 분석 기법이 상이하므로 마케팅 의사 결정 종류별로 어떠한 데이터를 어떠한 기법을 통하여 분석할 것인지에 대한 체계를 중심으로 학습한다.전선 / 대학원
불완전한 정보로 인한 시장문제와 소비자 문제를 바탕으로 소비자들의 정보탐색활동을 평가하고, 매체로부터의 정보를 분석함으로써 바람직한 정보정책의 틀을 제시한다.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
딥러닝은 주어진 입력 데이터를 심층인공신경망으로 가공하여 원하는 테스크에 대해 좋은 성능을 달성하는 것을 목표로 한다. 이 과정에서 입력 데이터는 입력이 표현된 방식과는 확연히 다른 방식으로 표현되게 되고, 이러한 표현 방식의 변화를 통하여 원하는 정보를 잘 활용할 수 있게 된다. 본 강의에서는 딥러닝의 중요 연구주제 중 지도학습, 비지도학습, contrastive learning, domain generalization, meta learning, 등과 같은 학습기법들에 대해 논의하고 이를 통하여 표현학습에 대해 이해하는 것을 목표로 한다.전선 / 학사
시장에서의 경쟁이 심화됨에 따라 소비자들의 니즈에 부합하는 상품의 기획과 개발이 매우 중요한 이슈가 되고 있다. 본 교과목은 다양한 방법을 통해 소비자의 니즈를 분석하고, 이에 기반하여 상품은 물론 정책과 서비스를 기획·개발하는 과정을 여러 이론의 학습과 과제를 통해 학습할 수 있도록 한다.전선 / 학사
데이터마이닝은 대용량 데이터에서 유용한 패턴을 찾기 위한 이론과 기법을 의미한다. 데이터마이닝은 웹, 사기 탐지, 추천 시스템, 사이버 보안 등 중요한 응용에 활용되고 있다. 본 과목에서는 데이터마이닝을 위한 중요 알고리즘과 이론을 설명한다. 주요 학습 주제로 mapreduce, 유사 아이템 검색, 빈발 패턴 검색, 링크 분석, 데이터 스트림 마이닝, 클러스터링, 그래프 마이닝 등을 다룬다.전선 / 대학원
"오늘날과 같이 기술간제품간 융합이 활발히 이루어지고, 소비자들의 신제품에 대한 수요가 다양해지는 환경에서, 신기술 혹은 신제품의 성패는 기술적인 요인에 의해서 결정되어 진다기보다는 시장에서의 성공에 좌우된다고 할 수 있다. 따라서, 신기술 및 신제품에 대한 수요분석 및 예측은 기업전략은 물론 국가의 연구개발정책에 있어서도 그 중요성이 더욱더 커진다고 할 수 있다. 본 교과는 이와 같은 신 기술경제 패러다임(New Techno-Economics Paradigm) 하에서 빠른 기술혁신과 불확실한 시장으로 정의될 수 있는 신기술 및 신제품의 수요를 분석하는데 필요한 기초적인 지식을 교육한다. 교과내용은 크게 2가지로 나누어지는데, 첫번째는 신기술의 개별속성에 대한 소비자의 선호구조를 분석하는데 필요한 다양한 이산선택모형(discrete choice model)과 이를 추정하는데 필요한 여러 가지 시뮬레이션 기법 및 베이지안적 접근에 의한 추정법이 포함되고, 두번째는 위험함수(hazard function)의 정의에 기반한 광범위한 형태의 확산모형(diffusion model)을 이용한 수요예측모형이 포함된다."전선 / 대학원
본 과목에서는 농식품 산업에서의 공급망 및 운영전략과 관련하여 기후변화 및 지속가능성, 공급망 레질리언스 및 글로벌 공급망 운영전략 등의 관점에서 기본적인 이론과 모형을 습득하고 해당 분야의 최근 연구 동향을 살펴보는 것을 목표로 한다. 구체적으로 공급망 입지 및 네트워크, 구매 전략, 공급망 협력, 생산 및 운영전략, 공급망 혁신기술 등의 연구 분야에서 주요 연구 결과를 논의하고 새로운 연구 문제를 창출할 수 있도록 한다.전선 / 대학원
본 강의는 농식품 공급망에서의 레질리언스 역량 강화에 대한 이론 및 모형을 다루고 농식품 공급망 레질리언스와 관련된 주요 이슈 및 연구 동향을 살펴보며 이를 통해 공급망 레질리언스 구축 방안에 대해 심층적으로 논의하는데 그 목표를 두고 있다. 구체적으로 농식품 공급망에서의 다양한 리스크 요인들을 살펴보고 이에 대해 공급망 입지 및 공급망 설계, 구매 및 공급자 관리, 생산 및 운영 등의 전략적 접근 방안을 다루게 된다.전선 / 학사
통계학, 인공지능, 컴퓨터공학의 도구를 총체적으로 사용하는 데이터마이닝은 기존의 과학 및 공학 분야 뿐 아니라 생산, 마케팅, 금융 등과 같은 비즈니스 분야에도 활발히 사용되고 있다. 본 강좌에서는 데이터마이닝의 기본적인 문제인 클러스터링, 분류, 연관분석 등과 해당 기법들을 소개한다. 또한, 실제 비즈니스에서 데이터마이닝이 사용되는 배경 및 사례를 공부한다. 생산, 마케팅, 금융 분야의 실제 데이터를 사용하여 마이닝을 수행하는 프로젝트를 함으로써 이들 분야에 있어서의 데이터마이닝의 특성을 이해하고 문제해결능력을 제고하고자 한다.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
컴퓨터를 활용하여 문제를 해결할 시 그 활용이 필수적인 기본적인 자료 구조에 대해 가르친다. 배열, linked list, stack, queue, priority queue, search tree, hash table, balanced search tree 등의 자료구조의 구성, 활용 방법 및 효율성을 강의한다. Python 기반의 숙제를 통해 수강생이 직접 각 자료구조를 구현/활용할 수 있는 능력을 배양한다.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
차세대 (환경친화적, 정보집약적, 대량맞춤형) 제품 및 서비스의 경쟁력 제고를 목표로, 제품개발 과정에서의 각종 의사결정을 합리화하고, 제품의 기능, 구조 및 원가 측면에서의 설계최적화를 꾀하며, 이들을 지원하기 위한 효과적 정보시스템을 구축하는 측면에서의 각종 연구논제를 다룬다.전선 / 대학원
다양한 딥러닝 신경망(CNN 등) 모델을 이용하여 치과영상(파노라마 영상, 구내 영상, CEP 영상 및 콘빔CT(CBCT) 영상)에서 정상 해부학적 구조물의 자동적 영역분할, CEP 계측점 자동적 탐지, 및 다양한 치과질환의 자동적 탐지 및 분류하는 딥러닝 모델과, 3D 치과 데이터에서 자동적 탐지, 분할과 분류하는 딥러닝 모델의 원리와 구조에 대해 수업함. 인공신경망과 딥러닝 소개 컴퓨터 비전을 위한 심층 컨볼루션 신경망 소개 딥러닝을 이용한 의료 및 치과영상 감지 및 인식 딥러닝을 이용한 의료 및 치과영상 분할 딥러닝을 이용한 의료 및 치과영상 등록 딥러닝을 이용한 컴퓨터 지원 진단(CAD)