최근 확인한 콘텐츠
데이터가 존재하지 않습니다.
최민규, 김정윤
2021 / 디지털예술공학멀티미디어논문지
Chun Soh Yeon, Kim Ho Jung, Kim Han Bit
2022 / Clinical and Experimental Emergency Medicine
Chen Y.,Tingchi Liu M.,Liu Y.,Chang A.W.y.,Yen J.
2022 / Asia Pacific Journal of Marketing and Logistics
데이터가 존재하지 않습니다.
loading...
본 연구는 기온과 강수량의 수치모델 격자자료를 이용하여 월별 기상관측지점의 군집화를 수행하였다. 관측 자료의 불균일성을 보완하기 위해 5km×5km 격자 자료를 사용하고, K-Means 군집분석의 단점을 보완하고자 Ward 방법을 결합하여 적용하였다. 그 결과, 우리나라 기상관측지점에 대한 시·공간적으로 세분화된 군집화가 이루어졌다.
Statistical analysis of climate series : analyzing, plotting, modeling, and predicting with R
(머신러닝을 활용한) R 데이터 분석
Hydrological modelling and the water cycle : coupling the atmospheric and hydrological models
Computational statistics in climatology
An Introduction to Spatial Data Science with GeoDa.
North Sea climate : based on observations from ships and lightvessels
Techniques of climatology
Engineering risk in natural resources management : with special references to hydrosystems under changes of physical or climatic environment
R for everyone : advanced analytics and graphics
Numerical modelling of ice floods in the Ning-Meng reach of the Yellow River basin
다변량 분석 =
Regionalization of watersheds : an approach based on cluster analysis
geoENV IV: geostatics for environmental applications : proceedings of the Fourth European Conference on Geostatistics for Environmental Applications held in Barcelona, Spain, November 27-29, 2002
Algorithms for fuzzy clustering : methods in c-means clustering with applications
The analysis of directional time series : applications to wind speed and direction
Precipitation : advances in measurement, estimation, and prediction
Geostatistics for environmental scientists
위성자료를 이용한 구름층의 수분추정 =
경기도 지역을 중심으로 한 가뭄의 재현 및 지속특성 분석 =
한국공간정보시스템학회 논문지
정영진, 류근호, 김원태, 김광득, 이양구International Journal of Climatology
Abadi A.M.,Rowe C.M.,Andrade M.대한지리학회지
박창용, 최영은, 윤원태, 문자연Journal of Southern Hemisphere Earth Systems Science
Fiddes S.,Pepler A.,Saunders K.,Hope P.한국데이터정보과학회지
이재헌, 강성락한국수자원학회 논문집
유지영, 최민하, 김태웅Theoretical and Applied Climatology
Carro-Calvo L.,Jaume-Santero F.,García-Herrera R.,Salcedo-Sanz S.Russian Meteorology and Hydrology
Medeu, A. R.; Blagovechshenskiy, V. P.; Zhdanov, V. V.; Ranova, S. U.대한지리학회지
미안 사비르 후세인, 이승호Journal of Coastal Research
Kim, Myung-Seok; Kim, Doyoun; Eom, Hyunmin; You, Sung Hyup; Jeong, Jae-Soon; Woo, Seung-BuhmJournal of Coastal Research
Kim, Myung-Seok; Kim, Doyoun; Eom, Hyunmin; You, Sung Hyup; Jeong, Jae-Soon; Woo, Seung-Buhm응용통계연구
황승용; 최혜미Water (Switzerland)
Wartalska K.,Kaźmierczak B.,Nowakowska M.,Kotowski A.Urban Climate
Cassie A. Stearns; Ricardo K. Sakai; Everette Joseph한국방재학회논문집
엄명진, 정창삼, 조원철Izvestiya, Atmospheric and Oceanic Physics
Sterin, A. M.; Lavrov, A. S.Geothermics
Chen Z.,Grasby S.E.,Yuan W.,Liu X.Environmental Earth Sciences
Łaszewski M.A.한국데이터정보과학회지
차상훈; 이경은; 김광섭한국방재학회논문집
이문석, 정건희전선 / 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 / 대학원
대상지의 환경 상태를 과학적으로 진단하고 정확하게 평가하는 것은 더 나은 환경계획 수립을 위한 선결조건이다. 최근에는 다양한 환경모니터링 기술의 발전과 함께, 보다 높은 시공간적 스케일에서 양질의 환경자료를 보다 효율적으로 취득하는 것이 가능해지고 있다. 또한 다양한 환경분야에서 서로 다른 목적과 강도로 수집된 자료들 또한 빅데이터 기술을 통해 융합, 분석됨으로써 환경평가에 활용하는 것이 기대되고 있다. 본 수업에서는 이러한 생태환경을 구성하는 다양한 생물적, 비생물적 인자들에 대한 모니터링 방법론과 기술들을 소개하고, 워크숍을 통해 그 효용성과 한계를 토론하는 시간을 가진다. 이를 통해 수강자들은 환경자료에 대한 이해를 높이며, 이를 바탕으로 보다 합리적인 환경평가방법을 고민하게 된다.전선 / 대학원
스마트시티는 다양한 기관 및 시설로부터 수집된 데이터를 활용하여 실시간 변화를 예측하고 효율적으로 도시 서비스를 제공하는 미래형 도시모델이다. 또한 빅데이터 분석은 방대한 데이터 속에서 신속하게 패턴을 인식하고 새로운 가치를 찾아내는 과정으로써 스마트시티 계획 및 운영에 반드시 필요한 기술이다. 본 강의는 도시 빅데이터 분석에 필요한 지식 및 기술을 학습하는 입문과정이다. 스마트시티공학을 전공하는 학생들에게 빅데이터의 개념 및 구조를 이해하고 도시데이터 분석에 필요한 통계기법, 프로그램, 모델링 등을 학습할 수 있는 기회를 제공함으로써 미래도시 고도화 기반을 마련하고 지능형 도시에 최적화된 전문가를 육성하고자 한다.전선 / 학사
일기와 관련한 지구상 각 지역의 특징적인 기상 현상을 설명한다. 특히 동아시아지역의 몬순, 중위도 고·저기압계, 태풍, 강수를 다룬다. 컴퓨터를 이용한 기본 일기도의 작성과 분석을 실험하며 기본 일기도를 이용하여 보조 일기도의 작성한다. 강의에서 다룬 일기계의 실제 예보법을 습득하고 일기예보 브리핑을 수행한다.전선 / 대학원
중위도 지방 저기압의 형성, 발달 및 소멸 과정을 강의한다. 전선 형성의 원리와 상층 제트 스트림과의 관계를 설명한다.저기압과 강수 형성 기구의 역학을 알아본다.전선 / 대학원
한 지역에 대한 체계적이고 종합적인 이해는 본래 지리학이 추구해 온 목표였다. 이러한 목표를 이루기 위한 방법은 시대별, 지역별로 다소 상이한 형태를 띠며 발전해 왔다. 본 과목에서는 지역연구의 방법론이 전체 지리학의 발전과정 속에서 어떻게 변모해 왔는가를 고찰하고 각각의 방법론들이 지니는 장단점들을 파악해 봄으로써 지역연구의 새로운 방법론을 모색해 보는 데 주안점을 둔다.전선 / 학사
일기나 기후에서 대기 관측은 현상 분석뿐만 아니라 예보 및 예측을 위해서는 필수적인 요소이다. 이 과목에서는 온도, 기압, 습도, 바람 등 기상요소의 지상 및 상층 직접 관측의 원리와 측정기기 그리고 분석 방법에 대해 학습한다. 또한, 관측의 중요성이 증대하는 위성, 기상 레이다, 라이다 및 대기복사 관측의 기본 원리 및 활용의 예를 공부한다. 두 시간을 실험 시간으로 할애하며 실험은 직접적인 기기의 조작이나 견학, 관측자료의 분석을 통해 실시한다.전선 / 대학원
대기과학연구에 필수적으로 이용되는 대기 전지구 모델 및 일기예보 모델의 근간을 구성하는 대기역학 코어 및 자료동화 시스템에 이용되는 다양한 수치적인 방법들을 공부한다. 실습시간에는 실제 현업 모델 혹은 단순화된 현업 모델을 이용하여, 대기역학 코어 및 자료동화 시스템이 실제 기상현상의 수치모의에 있어 어떻게 이용되는지 연습할 수 있는 기회를 갖는다.전선 / 학사
위성관측의 발달은 기상학과 기후학 분야에서 괄목할 만한 활용의 증대를 가져왔다. 위성자료는 자료동화를 통해 수치예보의 성능을 좌우하는 가장 중요한 요소로 대두되었다. 또한 장기간 위성관측 자료는 대기물리과정, 기후/환경변화 감시, 기후모델의 검증과 이해 등 기후변화연구에서 필요불가결한 부분이 되고 있다. 이 강의에서는 인공위성 관측이 어떻게 이루어지며, 기상/기후분야에서 어떠한 활용이 이루어지고 있는지에 초점을 맞추어 진행한다.전선 / 대학원
대기과학연구에 필수적으로 이용되는 대기 전지구 모델 및 일기예보 모델의 근간을 구성하는 여러 가지 물리모수화(대기경계층, 적운, 구름거시물리, 구름미세물리, 에어로졸 등)에 이용되는 다양한 수치적인 방법들을 공부한다. 실습시간에는 실제 현업 모델 혹은 단순화된 현업 모델을 이용하여 여러 가지 물리모수화 방법들이 실제 기상현상의 수치모의에 있어 어떻게 이용되는지 연습할 수 있는 기회를 갖는다.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
한정된 자료들 사이의 공간적 상호관계를 분석하고 이를 바탕으로 임의의 위치에서 원하는 자료값을 예측하는 여러 크리깅 기법을 공부한다. 주어진 값과 그 분포를 항상 보전하는 조건부 시뮬레이션과 불확실성을 줄이기 위해 이용가능한 자료를 통합하여 사용하는 최적화 기법을 공부한다.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
농림기상 분야의 정보에 공간정보의 비중이 크다. 디지털화된 공간정보는 기초 지형정보, 인문사회적정보, 원격탐사 등과 관계형 데이터베이스로 연결할 수 있으며, 정보의 조합과 분석을 통해 농림기상 분야의 관리에 필요한 정보를 생성할 수 있다. 이 강의에서는 프로그래밍을 기반으로 농림기상분야의 공간분석 능력을 기르고, 대량 생산되고 있는 모바일과 원격탐사 데이터 등의 적용 가능성과 방향을 고찰한다.일선 / 학사
본 과목은 학부생들이 숫자를 통하여 사회 현상을 이해하도록 고안된 수업이다. 양적분석의 방법은 통합적이며 수년간 다양한 방법으로 발전되어 왔지만, 양적 분석의 핵심은 양적인 정보를 어떻게 종합할 것이라는 질문, 모집단 특성에 대한 유추를 어떻게 할 것인가에 대한 질문에 답을 구하는데 있다. 이 질문에 대한 해답을 구하기 위해서, 학생들은 기본적인 다양한 통계이론을 학습하고 이를 실제적으로 적용하기 위해 EXCEL, SAS 등의 통계 프로그램을 사용할 예정이다. 이를 통해 수업시간에 배운 이론을 실제로 적용해보고자 한다.전선 / 학사
인구의 지역적 분포, 구성, 성장과 변화 및 이동을 주로 취급한다. 이들 특징이 지역적 특성에 어떻게 반영되는가 하는 과정(process)을 우리나라의 몇 지역을 사례로 연구한다.? 또한 지역간의 인구이동 및 도시내부에서 인구이동현상과 그 요인 등을 분석한다.전선 / 학사
이 과목은 공간데이터의 분석에 활용되는 전통적 통계기법의 이해를 그 목적으로 한다. 공간데이터의 수집과 샘플링, 공간 센트로그라피와 커널밀도분석과 같은 기술 통계와 함꼐 공간 자기상관, 공간회귀모형에 이르는 추론통계를 주요 내용으로 한다. 또한 공간 점 패턴 분석과 크리깅 내삽모형, 공간 클러스터 패턴 탐지 등을 비중있게 다룬다. 통계 패키지 R을 통한 코딩과 공간자료의 모델링, 시각화를 연습한다.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 / 학사
지리학의 여러 연구과정에 대한 계량적 분석기법의 적용에 대한 기초를 학습하며 원격탐사를 이용해 토지에 대한 정보의 수집, 분류 및 분석방법을 연구한다. 이를 위해 지리적 정보의 축적 및 분석에 요구되는 원격탐사 자료의 해석 및 통계적 자료처리 기법을 익힌다.전선 / 대학원
농경지를 구성하는 무기적 및 유기적 생태요소들을 분석하고 작물의 생육과 수량과의 관계를 평가한다. 작물군락에서의 생태환경의 변화와 에너지흐름을 추정하고 작물생산성의 효율성과 증대를 모형화한다. 경지의 유형과 종류에 따라 환경요소들을 제어하고 생산모형을 설정하고 환경보전형 경지 관리기술을 소개한다