최근 확인한 콘텐츠
데이터가 존재하지 않습니다.
데이터가 존재하지 않습니다.
loading...
Deep learning for hydrometerology and environmental science
Precipitation science : measurement, remote sensing, microphysics, and modeling
Weather analysis
Applications of weather radar systems : a guide to uses of radar data in meteorology and hydrology
원격탐사기법 기반 강우추정 데이터를 이용한 실시간 도시유역 침수 예측 시스템 개발 =
Precipitation : advances in measurement, estimation, and prediction
Precipitation partitioning by vegetation : a global synthesis
초단시간 강수 특성분석 및 예측모델 개발.
Flood modeling, prediction, and mitigation
딥러닝 기반 실시간 침수 예상도 추정기술 개발.
Extreme hydrological events : new concepts for security
Hydrological modelling and the water cycle : coupling the atmospheric and hydrological models
Hydrometeorology
Measuring precipitation from space : EURAINSAT and the future
Thermodynamics, kinetics, and microphysics of clouds
딥러닝 기반 침수 위험지역 분석 모델 개발
강수량 예보 : 컴퓨터 예측 자료 해석과 보정 가이드
미계측지역 홍수위험 모니터링을 위한 기상위성기반 강우추정 기술개발
딥러닝 기반 실시간 침수예상도 추정 기술 개발
Axioms
Tuyen D.N.,Tuan T.M.,Le X.H.,Tung N.T.,Chau T.K.,Van Hai P.,Gerogiannis V.C.,Son L.H.Journal of Hydrometeorology
Cannon F.,Pfreundschuh S.,Taylor B.,Munchak S.J.,Chase R.,Nelson E.,L’heureux J.,Owens C.,Conibear L.,Flampouris S.,Chawla A.한국지능시스템학회 논문지
하지훈; 이용희; 김용혁Journal of Hydrometeorology
Gorooh V.A.,Asanjan A.A.,Nguyen P.,Hsu K.,Sorooshian S.Intelligent Data Analysis
Lei Zhang; Yangyang Jia; Jerry Gao; Pengcheng Zhang; Hareton LeungJournal of Hydrology
Ye Y.,Gao F.,Zhang S.,Liu C.Journal of Hydrometeorology
Gorooh V.A.,Petković V.,Arulraj M.,Nguyen P.,Hsu K.L.,Sorooshian S.,Ferraro R.R.IEEE TRANSACTIONS ON BIG DATA
Zhang, Pengcheng; Jia, Yangyang; Gao, Jerry; Song, Wei; Leung, HaretonWater Resources Management
Wei C.C.Journal of Information Science Theory and Practice
김원수, 장동민, 박성원, 양명석Remote Sensing
Choi Y.,Cha K.,Back M.,Choi H.,Jeon T.Expert Systems with Applications
Byun J.,Cha J.,Thiyagalingam J.,Kim H.J.,Jun C.Remote Sensing
Lim Y.,Choi Y.,Kim E.,Moon Y.J.,Jeong H.J.IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing
Shangguan M.,Dang M.,Yue Y.,Zou R.한국지능시스템학회 논문지
하지훈, 이용희, 김용혁Geophysical Research Letters
Chen G.,Wang W.C.Hydrological Sciences Journal
Kumar D.,Singh A.,Samui P.,Jha R.K.GPS Solutions
Bezcioglu M.Water Resources Research
Pan B.,Hsu K.,AghaKouchak A.,Sorooshian S.Environmental Processes
Faramarzzadeh M.,Ehsani M.R.,Akbari M.,Rahimi R.,Moghaddam M.,Behrangi A.,Klöve B.,Haghighi A.T.,Oussalah M.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 / 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 / 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.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.전필 / 학사
첨단융합학부 학생의 전공탐색을 위한 과목으로, 융합데이터과학의 핵심 개념과 다양한 응용 분야를 소개하여 향후 전공선택에 필요한 필수적인 정보를 제공한다. 특히, 융합데이터과학 분야에서 진행되는 첨단연구와 연구의 실제 응용 사례를 직접 체험하여, 자신의 전공 적성을 좀 더 구체적으로 알아보고 설계할 수 있는 기회를 제공한다.전선 / 대학원
지반에서 발생하는 지반재해 중 산사태, 지반침하의 원인, 거동 대책에 대한 지질공학적 연구기법을 다룬다. 체계적인 지반조사 기법, 종합적 모니터링 및 해석방법, 정보활용을 위한 GIS 응용 등을 다룬다.전선 / 대학원
본 강좌에서는 환경공학 분야를 전공하거나 관심을 갖고 있는 대학원생들을 위하여 무기 및 유기물질로 오염된 하천, 호수, 토양, 그리고 지하수에서 오염물질의 이동, 흡착, 분해와 관련된 환경모델의 원리, 지식, 그리고 모델 적용을 다룬다. 이 강좌에서 다룰 주요 주제는 이동현상, 화학반응 동역학, 평형 화학물질 모델링, 호수의 부영양화, 하천에서 전통적인 오염물질, 독성 유기화학물질, 미량금속 모델링, 지하수 오염 등이다.전선 / 대학원
딥러닝 모델은 추상화 복잡도를 증가하면서 정보를 표현하는 여러 계층으로 이루어진 신경망으로, 최근 영상/음성/자연어 처리 등의 문제에서 다른 기계 방법론들을 크게 상회하는 뛰어난 성능을 보이고 있다. 본 과정에서는 딥러닝의 기반이 되는 기계학습 및 최적화 기법들을 배우고, 기본적인 신경망에 대해서 학습한다. 그리고 영상 처리와 자연어 처리의 핵심 모델인 Convolutional neural networks와 Recurrent neural networks의 훈련법과 추론법들을 익힌다. 또한 비감독 생성 모델인 Autoencoders와 Restrict Boltzman machines에 대해 자세히 살펴 보고 마지막으로 딥러닝 기반 강화 학습에 대해서도 학습하고 실습을 진행한다. 본 과목은 대학원생과 일부 고년차 학부생을 대상으로 한다.전선 / 대학원
이 수업은 인공지능과 기계학습의 이론적 기초를 다루며, 특히 의료 데이터의 다양한 특징에 맞는 학습 및 추론 알고리즘을 디자인하기 위해 필요한 공학적 및 신호처리 원리를 이해하는 데 초점을 맞춘다. 수업에서는 전통적인 기계학습 기법부터 최신 인공지능 기법까지의 원리를 배우고, 이를 통해 수강자가 주어진 데이터를 바탕으로 알고리즘을 설계하고 공학적으로 해석할 수 있는 능력을 키우는 것을 목표로 한다. 의료 데이터는 단백질과 분자 (그래프), 유전체/전사체 (텍스트), 혈당/뇌파 (시계열 신호), 의료 영상 (다차원 영상), 환자 메타 정보 (테이블), 대사 상호 작용 정보 (다차원 행렬) 등 매우 다양한 형태를 가지고 있다. 이러한 다양한 데이터를 컴퓨터가 이해할 수 있는 형식으로 변환하는 과정에서 비선형 함수의 학습이 중요한 역할을 하며, 이는 의료 인공지능의 핵심 신호처리 원리 중 하나이다. 본 수업은 일반적인 기계학습 및 인공지능의 공학적 기초 외에도, 이처럼 의료 데이터의 특성을 반영한 대표적이고 특징적인 기계학습 및 인공지능 기술을 추가적으로 학습한다. 이를 통해 수강자는 일반 데이터 전문 분석가를 넘어선 의료 데이터 전문 분석가로 성장할 수 있는 역량을 갖추는 것을 목표로 한다.교양 / 학사
이 교과목은 과학기술과 사회의 다면적인 경계를 허물고 이를 통해 펼쳐질 미래의 지평을 조망하는 것을 목적으로 한다. 이를 위해 과학기술과 인문, 사회과학을 넘나드는 고도로 융합적인 접근을 시도한다. 과학기술을 통해 미래를 엿보는 각종 접근방법을 리뷰하고 예측의 한계를 이해함으로써 과학기술과 미래의 상호작용에 대한 관점을 형성하며, 사례로서 인공지능과 데이터과학의 과거와 현재를 돌아본다. 바람직한 미래를 만들어가기 위한 과학기술의 역할과 사회적 고려들은 무엇인지 생각해본다. 이 교과목은 주제별 강의와 토론으로 구성된다.전선 / 대학원
통계적인 자료분석 기법들-EOF(empirical orthogonal function), CSEOF(cyclostationary EOF), CEOF(complex EOF), EEOF(extended EOF), POP(principal orthogonal patterns)분석, 시계열분석 및 웨이브블렛분석, 수학적, 통계적 이론을 배운다. 이론에 근거한 분석 프로그램을 이용하여 지구과학 연구에 쓰이는 자료를 분석하고 해석하는 능력을 배양한다. 강의실에서 실제로 프로그램을 수행하고 그 결과를 분석하고 해석하는 실질적인 강의를 구현하여 대학원생들의 연구 능력을 향상한다.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
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
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
인지과학 연습 1의 내용을 보다 확장하여 인지과학의 연구사, 연구주제등을 다각도로 검토하여 과정에 진입한 학생들에게 인지과학의 기초적 지식배경을 제공하는데 목적이 있다.전선 / 대학원
이 교과목은 대학원생들을 대상으로, 현재 사용되고 있는 최신 암호 알고리즘을 설명한다. 이 과목은 다음과 같이 두 부분으로 구성된다: 첫째, DES, IDEA, RC5, RC6 와 같은 블록 암호 알고리즘들을 각각 키(key) 생성, 암호화, 복호화 하는 과정으로 설명한다. 둘째, 전자 서명에 근거한 다양한 인증 기법을 소개한다. DMDC, MD5, SHA-1, HMAC 와 같은 다양한 해쉬(hash) 함수를 사용하여 문장을 축약하고 인증하는 방식을 제시한다.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 / 학사
본 교과목은 기계학습과 딥러닝 기술의 학문적 기반을 바탕으로 화학생물공학 분야의 복잡한 문제 해결을 위한 기법을 익히기 위한 과목이다. 이 과목에서 지도 및 비지도 학습, 의사결정트리, 선형 회귀, 로지스틱 회귀, 신경망, 재료 개발, 열역학, 반응공학, 이동현상, 그리고 공정 최적화의 응용을 다룬다. 또한 최종 프로젝트를 통해 실제 문제를 해결하는 데 필요한 이러한 기술을 적용하는 것을 강조하며, 도메인 지식을 활용하여 효과적인 모델을 개발하는 방법을 학습할 수 있도록 유도할 예정이다. 수업의 선행 조건으로 화학생물공학의 기본적인 지식과 Python 프로그래밍 경험이 필요하며. 강의 내용을 바탕으로 학생들이 화학생물공학에서 빠르게 진화하는 인공지능 분야의 선도자가 될 수 있는 역량 강화에 목표를 둔다.전선 / 대학원
이 강좌는 실험심리학에서 최근의 중요 연구들을 소개하고 인간 마음의 기본 원리를 탐색 및 논의하는 세미나이다. 우선 강의 초에 인간의 생리, 지각 및 인지 수준에서 일반이론을 소개하고 그 문제점들을 알아본다. 이 이론들에 기초하여, 이 강좌에서는 시각, 주의, 언어, 문제 해결, 인간 추리 등의 세부 주세를 다룬다. 또한 이 강좌에서는 이런 주제들에 관해 실험 실습을 통해 학생들의 구체적인 이해의 증진을 시도한다.