최근 확인한 콘텐츠
데이터가 존재하지 않습니다.
데이터가 존재하지 않습니다.
loading...
본 논문은 연관성 규칙 마이닝에서 사용되는 J 측도의 문제점을 해결하기 위해 수정된 대칭적 J 측도를 제안한다. 기존 J 측도는 항목 위치에 따라 신뢰도 값이 달라지는 문제를 가지며, 제안하는 측도는 이러한 문제를 해결하여 연관성 규칙 생성의 정확도를 높인다. 실제 사례 및 모의실험을 통해 제안된 측도의 유용성을 검증한다.
(Excel 활용) 통계학 =
Current essays and reports in information retrieval and data mining : an annotated bibliography of shorter monographs
Advances in knowledge discovery in databases
Rare association rule mining and knowledge discovery : technologies for infrequent and critical event detection
Data matching : concepts and techniques for record linkage, entity resolution, and duplicate detection
Analyzing decision making : metric conjoint analysis
Modelling longitudinal and spatially correlated data
Data mining and decision support : integration and collaboration
Data mining for service
Control of uncertain sampled-data systems
Decision making under uncertainty : energy and power
Principles of data mining
Data mining methods and models
Sources of international comparative advantage : theory and evidence
Essential statistical inference : theory and methods
빅데이터 마이닝 : 하둡을 이용한 대용량 데이터 마이닝 기법
Data mining algorithms
DNA microarrays and related genomics techniques : designs, analysis, and interpretation of experiments
Statistical image processing and multidimensional modeling
Journal of The Korean Data Analysis Society
박희창Journal of The Korean Data Analysis Society
박희창Journal of The Korean Data Analysis Society
박희창Journal of The Korean Data Analysis Society
박희창Journal of The Korean Data Analysis Society
최종후, 진서훈Journal of The Korean Data Analysis Society
박희창Journal of The Korean Data Analysis Society
박희창Journal of The Korean Data Analysis Society
박희창Journal of The Korean Data Analysis Society
박희창Journal of The Korean Data Analysis Society
박희창Journal of The Korean Data Analysis Society
류재열, 박희창Journal of The Korean Data Analysis Society
박희창Journal of The Korean Data Analysis Society
박희창Journal of The Korean Data Analysis Society
박희창Journal of The Korean Data Analysis Society
박희창Journal of The Korean Data Analysis Society
박희창한국데이터정보과학회지
박희창Journal of The Korean Data Analysis Society
박희창한국데이터정보과학회지
박희창Journal of The Korean Data Analysis Society
류재열; 박희창전선 / 학사
데이터 마이닝은 대용량 데이터에서 유용한 패턴을 찾기 위한 이론과 기법을 의미한다. 본 과목에서는 데이터 마이닝을 위한 주요 알고리즘 및 이론(유사 아이템 검색, 빈발 패턴 검색, 링크 분석, 데이터 스트림 마이닝, 클러스터링, 그래프 마이닝 등)을 다룬다.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
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
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.전필 / 대학원
측도론(measure theory)의 기본, 확률변수, 독립성, 확률변수의 여러 가지 수렴성, 확률급수의 수렴, 대수의 법칙(law of large numbers), 반복대수의 법칙, 분포수렴, 특성함수 (characteristic functions), 중심극한정리를 다룬다.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
사회적 변화에 따라 미디어를 받아들이는 수용자에 대한 새로운 연구가 요구되고 있는 시점이다. 다수의 디지털 매체의 도입으로 인한 기존 수용자 조사 방식의 문제점들이 있다. 이러한 문제를 해결하기 위한 몇 가지 제안을 지속적으로 연구할 예정이다. 예컨대 대안적 미디어 이용행태 조사방법으로 최근 대두되고 있는 인터넷 조사와 휴대전화사의 문제점을 대안적 조사의 표집과정과 기존의 확률적 표집틀을 사용하는 경우가 어떻게 서로 다른가를 비교, 분석, 개선할 것이다. 또한 대안적 조사기법의 가장 큰 문제점인 표본 편파의 문제점을 해결하는 방안으로 성향점수를 사용한 성향가중방법, 반복비례 가중법, 표본 선택편의 수정 방법 등에 대해 연구할 것이다.전선 / 대학원
이 강좌의 목적은 혁신의과학 연구 자료 분석을 위해 실제적인 경험을 하게끔 하는 것이다. 이를 위해 다양한 분석 방법을 공부하고, 각자의 연구 가설에 따라 어떤 방법을 이용할 지를 결정할 수 있으며, 혁신의과학 융합 연구에 대한 적용을 통해 결과를 해석할 수 있도록 강좌를 구성한다. 학생들은 혁신의과학 융합 연구 중 몇 가지 예제 자료를 받을 것이며 이 자료를 직접 분석함으로써 문제 해결을 할 수 있는 능력을 키운다.전선 / 대학원
본 교과목은 데이터를 분석하여 유용한 정보를 추출하고 모델을 만들어 예측에 사용하는 데이터 마이닝에 대해 보다 깊이 있게 소개한다. 데이터마이닝의 중요한 알고리즘, 기반 기술, 대용량 데이터를 효과적으로 처리하는 마이닝 기술 등을 학습한다. 그리고 분산 시스템과 다수의 머신을 이용하여 빠르고 확장성 있게 대용량 데이터를 처리하는 방법을 논의한다. 또한 여러 실제 세계 응용에 어떻게 데이터마이닝을 적용하는지에 대해서도 논의한다. 주요 주제로 그래프 데이터 분석, 행렬/텐서 데이터 분석, 비정상 이벤트 탐지 등이 있다.전선 / 학사
이 수업은 현대 사회에서 데이터화가 미치는 영향과 그에 따른 소통적 실천들의 변화에 대한 주요 쟁점들을 심도있게 고찰한다. 논의 주제로는 데이터 편향 및 윤리, 디지털 감시 기술, 미래 발전 담론, 스마트시티와 커뮤니티, 데이터 인프라와 도시 환경 문제 등이 포함되며, 이 주제들을 심층적으로 탐구하기 위해 미디어 연구, 문화 연구 및 과학기술학의 핵심 개념과 방법론들을 폭넓게 살펴본다. 이론적 학습과 참여형 실습 과제를 통해 학생들은 데이터에 관한 맥락적 이해를 높이고, 인문사회학적 접근법의 중요성을 성찰할 기회를 갖는다. 또한 실제 사례 분석과 토론을 통해 데이터 사회에 관한 총체적, 비판적 사고 능력을 배양한다.전선 / 대학원
한 개체로부터 다른 실험조건하에서나 여러 다른 관측시간에 반복적으로 얻어진 자료를 분석하기위한 통계기법을 다룬다. 연속형의 반복측정자료를 분석하기 위해 다변량정규분포의 가정을 필요로 하는 고전적인 다변량모형을 소개하고 최근에 널리 사용되고 있는 혼합모형을 다룬다. 이산형의 반복측정자료 분석을 위해서는 가중최소제곱법에 근거한 모형과 랜덤화 모형을 다루고 일반화선형모형을 확장한 일반화추정방정식(GEE)모형을 다룬다.전선 / 대학원
데이터 마이닝은 빅 데이터를 분석하기 위한 핵심 도구로서 많은 관심을 받고 있다. 특히 컴퓨터 공학 측면에서 고급 데이터 마이닝 알고리즘 및 분석 플랫폼을 설계하고 구현하는 기술을 학습하는 것은 최근 넘쳐나는 빅 데이터에서 실행 가능한 지식을 추출하는데 핵심적인 역할을 한다. 본 과목에서는 빅 데이터를 분석하기 위한 컴퓨터 공학 기반 고급 기술, 알고리즘, 핵심 플랫폼을 다룬다. 또한 초 대용량 데이터, 초고속 데이터 등을 효과적으로 분석하는 기법을 학습한다.전선 / 대학원
소셜 컴퓨팅과 라지데이터 분석 등이 커뮤니케이션 분야에서도 중요한 이슈로 부상함에 따라 컴퓨터공학을 전공하지 않은 연구자들도 소셜 네트웍 시스템의 기술적, 구조적 특성을 이해할 필요가 있다. 이 수업에서는 Ruby나 Python 등을 사용한 기초 프로그래밍 학습과, 웹 기반 기술(web technology), 데이터베이스 등의 관련 기술에 대한 학습을 통해 실제로 소셜 네트웍을 개발하고 분석하는 방법을 배운다. 또한, 이 과정에서 트위터 등의 소셜 네트웍의 데이터 마이닝 기법을 배우고 소셜 네트웍 분석을 실습을 통해 학습한다.전선 / 학사
사물인터넷(IoT)을 비롯한 스마트 환경과 소셜네트워크 서비스의 보편화로 인해 다양하고 방대한 데이터가 발생하고 있다. 이와 함께 막대한 양의 데이터를 신속하게 처리할 수 있는 컴퓨팅 환경의 발달과 창의적인 시각으로 데이터를 분석하고 연결하는 인공지능의 개발로 빅데이터는 여러 분야의 혁신적인 패러다임으로 등장하고 있다. 빅데이터는 데이터 그 자체의 효용성보다는 다양한 방법의 가공을 통한 데이터 간의 연결 및 창의적인 분석을 통해 혁신적인 가치를 창출하고 있으며, 빅데이터의 분석과 활용은 산업과 국가 경쟁력의 척도가 되고 있다. 빅데이터의 분석을 통해 새로운 가치를 창출하기 위해서는 다학제적 융합연구가 필요하다. 이 강의에서는 빅데이터 기업, 연구소 및 학계 전문가들을 초빙하여 최신 빅데이터 기술 경향에 대하여 알아본다. 또한 실제 업무에서 사용되는 툴을 활용하여 다양한 분석 기법을 공부하게 된다. 빅데이터 분야에 관심있는 학생들에게 진로 및 전공 선택에 대한 전망을 제시하게 될 것이다.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.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 / 대학원
마케팅 관련 의사결정을 돕기 위해 여러 다양한 형태의 통계학적 모형이 개발되어 왔다. 이때 마케팅 의사결정문제는 제품, 가격, 촉진, 유통, 경쟁전략을 포함한다. 본 과목에서는 여러 마케팅 계량모형들을 세미나의 형태로 살펴봄으로써, 마케팅 모형에 대한 이해를 통해 연구주제를 발굴하게 하는 데 그 목적이 있다.전선 / 대학원
다른 과목에서 배운 계량적 분석방법을 현실 농업문제에 응용한다. 비교정학(comparative statics)에 의한 모형분석, 칼만 필터(Kalman filter), 뉴럴 네트워크(neural network), 유전자 알고리즘(genetic algorithm), 부트 스트랩핑(boot strapping), 커널 추정(kernel estimation) 등을 다룬다.전선 / 대학원
본 세미나는 경영전략 연구에 관심 있는 대학원생들을 대상으로 연구방법론의 이론과 실제를 학습하는 것을 목표로 한다. 세미나에서는 research design, construct measurement, causality establishment 등 연구방법론의 주요 주제를 수강생 자신의 프로젝트를 바탕으로 1) archival research , 2) survey research . 3) field research 등의 다양한 방법론을 통해 익히도록 한다. Quasi-experiment, panel construction, content analysis 등의 세부 주제 역시 다루어질 것이다.전선 / 학사
실습과 병행하여 기초적인 오차조정법, 네트워크 분석, 삼각 및 삼변측량, 트래버스 측량 등의 내용을 강의하고, 전자파거리측정기, 인공위성위치결정 시스템 등을 소개하며, 첨단연구분야인 지리정보시스템(GIS), 위성원격탐사, 디지털 매핑 등의 현황을 설명한다. 또한, 측량 장비 실습과 더불어 QGIS를 이용한 공간정보 자료 분석 실습을 병행한다.