최근 확인한 콘텐츠
데이터가 존재하지 않습니다.
박득희, 강상훈
2022 / Journal of The Korean Data Analysis Society
ATIQUE USMAN, 안광국
2022 / Journal of Ecology and Environment
김원, 박원명, 우영섭, 정종현, 서정석, 추일한, 양찬모, 이정구, 심세훈, 정명훈, 전덕인, 박성용, 손인기, 김문두, 윤보현
2022 / 신경정신의학
구현회
2020 / 한국토양비료학회지(Korean Journal of Soil Science and Fertilizer)
백상원, 김계원, 박천석, 손종연, 심재용
2021 / 산업식품공학
데이터가 존재하지 않습니다.
loading...
Mining text data
Automated Taxonomy Discovery and Exploration
파이썬 텍스트 마이닝 완벽 가이드 : 자연어 처리 기초부터 딥러닝 기반 BERT 모델까지
Taxonomies : practical approaches to developing and managing vocabularies for digital information
Text mining for biology and biomedicine
검색을 위한 딥러닝
Survey of text mining II : clustering, classification, and retrieval
Deep learning in bioinformatics : techniques and applications in practice
Data mining with decision trees : theory and applications
Survey of text mining : clustering, classification, and retrieval
Fashion Recommender Systems
(자연어처리를 위한) 딥러닝
Deep learning through sparse and low-rank modeling
딥다 딥러닝 : 수학·이론·실습을 호쾌하게 뚫는다!
Graph Neural Networks: Foundations, Frontiers, and Applications
Data mining in biomedicine using ontologies
Virus bioinformatics
Guiding language learning
Recommender Systems in Fashion and Retail
파이썬 텍스트 마이닝 완벽 가이드 : 자연어 처리 기초부터 딥러닝 기반 BERT와 트랜스포머까지
정보관리학회지
박자현, 송민Journal of The Korean Data Analysis Society
강창완, 김규곤, 최승배Journal of Intelligent & Fuzzy Systems
Jianfeng Guo; Fu Gu; Jin Zhang; Yangjian Ji한국콘텐츠학회 논문지
박만희BMC Bioinformatics
Simon C.,Davidsen K.,Hansen C.,Seymour E.,Barnkob M.B.,Olsen L.R.Journal of Intelligent and Fuzzy Systems
Zhang J.,Gu F.,Ji Y.,Guo J.정보관리학회지
김판준Procedia Computer Science
N J, Avinash; Rao, Krishnaraj; H, Rama Moorthy; B, Raviprakash; K R, Raghunadan; Vasudeva; M, VenkatadriJournal of biomedical informatics
Cai L; Li J; Lv H; Liu W; Niu H; Wang ZNEUROCOMPUTING
Hankar, Mustapha; Kasri, Mohammed; Beni-Hssane, AbderrahimNucleic Acids Research
Allot A.,Lee K.,Chen Q.,Luo L.,Lu Z.Jiàoyù zīliào yǔ túshūguǎn xué
Sung-Chien LinApplied Sciences (Switzerland)
Scarpato N.,Pieroni A.,Montorsi M.다문화콘텐츠연구
이유화; 이지수BRIEFINGS IN BIOINFORMATICS
Zhao, Sendong; Su, Chang; Lu, Zhiyong; Wang, Fei한국문헌정보학회지
한지영, 허고은International Journal of Machine Learning and Cybernetics
Chen X.,Xie H.,Li Z.,Zhang D.,Cheng G.,Wang F.L.,Dai H.N.,Li Q.Statistics and Computing
Viroli C.,Anderlucci L.Journal of Data and Information Science
Vahidnia S.,Abbasi A.,Abbass H.A.정보관리학회지
진설아, 송민전선 / 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.대학원 / 대학원
연구 수행에서 문헌고찰은 가장 기초가 되는 탐색행위이다. 문헌고찰의 여러 방법 중 근거 통합의 가장 상위단계인 체계적 문헌고찰 방법과 정량적 결과를 통합하는 메타분석에 대해 배우고 이를 실제 적용하여 한 학기 동안 논문으로 완성해 볼 수 있는 시간을 갖도록 한다. 이 수업을 통해 학생들은 가장 최신의 체계적 문헌고찰 방법론을 배우고 나아가 상황에 따라 메타분석이 필요할 경우 시행해 볼 수 있을 것이다. 덧붙여 최신 AI 기술을 활용한 문헌의 검색·정리·인용을 통해 더 쉽고 빠르고 정확하게 체계적 문헌고찰을 수행할 수 있는 방법을 배울 수 있다.전선 / 대학원
이 과목은 보건의료 영역에서 컴퓨터를 활용한 텍스트 분석을 다룬다. 보건의료 영역에는 여러 종류의 언어 자료가 존재한다. 사람들이 온라인 공간에서 여러 질병에 대해 던지는 질문들, 보건의료 전문가들의 연구들, 질병과 건강에 대한 신문기사들이 그 예다. 이들로부터 정보를 체계적이고 과학적으로 추출할 수 있다면, 보건의료에서 다양한 방식으로 활용할 수 있다. 최근 많이 사용되고 있는 컴퓨터를 활용한 텍스트 분석은 이런 작업에 새로운 가능성을 제시한다. 본 과목에서는 여러 가지 컴퓨터를 활용한 텍스트 분석 방법을 학습하고, 보건의료 영역 자료에 적용하는 것을 실습한다.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.전선 / 학사
본 과목에서는 대용량의 텍스트를 분석하여 유의미한 결론을 도출하는 텍스트마이닝 기법에 대해 강의한다. Natural language processing, probabilistic topic model, text clustering, text categorization, contextual text mining 등, 텍스트마이닝 분야의 핵심 Keyword 및 기법에 대해 다룬다.전선 / 학사
연구실에서의 연구참여 활동을 통하여 전공 지식을 심화 학습한다. 각자가 원하는 연구에 참여하며 그 연구에 대한 직접적인 경험을 갖는다.전선 / 대학원
이 과목은 대규모 언어모델(Large Language Model; 이하 LLM)이 언어 연구 방법론에 가져온 주요 변화를 중심으로 자연어처리의 이론적 기반과 방법론을 학습하고, LLM의 본질적 특성을 이해함으로써 LLM을 활용한 새로운 언어 연구 방법을 탐색하는 것을 목적으로 한다. 이를 위해 프롬프트 학습, 파인튜닝, 다언어 모델, 텍스트 생성 및 멀티모달 모델 등 최신 자연어처리 기술을 살피고, 구문, 의미, 담화, 정서 분석 등 언어학의 주요 연구 영역을 전통적 접근과 LLM 기반 접근으로 비교한다. 또한, LLM의 언어능력, 의미 이해, 화용론적 한계에 관한 학문적 논쟁을 검토하여 언어 연구에서의 가능성과 제약을 비판적으로 고찰한다. 이를 통해 LLM 시대에 적합한 새로운 언어 연구 방법론을 습득하고, 인간의 언어 능력과 기계의 언어 처리의 차이에 대해 성찰할 수 있는 소양을 기를 수 있다.전선 / 대학원
본 교과목은 데이터사이언스 대학원의 ABC (AI model/algorithm, Big data, Computing) 교육 과정 중 인공지능/머신러닝(A) 분야의 심화 강좌이다. 본 교과목은 데이터사이언스 전공자를 위한 머신러닝 (machine learning)과 딥러닝 (deep learning)의 심화된 내용을 다룬다. 머신러닝 토픽으로는 clustering, dimension reduction 등의 비지도학습, Bayesian networks, Markov Random Field 등의 Graphical models, 강화학습의 기초 등을 다루며, 딥러닝 토픽으로는 시퀀스 데이터를 다루는 RNN, Attention model, Transformer 모델을 이미지, 비디오, 텍스트 등 다양한 형태로 수집되는 데이터를 대상으로 다룬다. 또한 Variational Autoencoder, GAN 등의 생성 모델의 기초를 학습한다.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.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.논문 / 대학원
이 과목은 석사 및 박사 학위 과정에 있는 학생들이 인공지능의 각 분야의 연구 경험을 쌓을 기회를 제공하는 것이다. 학생들은 이 과목을 통하여 인공 지능의 이론과 응용에 대해 공부하고, 각자의 연구 방향과 주제를 설정하며, 최종적으로는 연구 성과를 달성하는 것을 목표로 한다.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 / 대학원
본 과목은 한국어 및 외국어 교육을 담당하는 교사들을 대상으로 하여 언어교육에 기초가 되는 언어현상을 이해하고 이를 자연어처리기술을 이용하여 분석하는 것을 목적으로 한다. 이를 위하여 언어학과 언어처리분야에서 개발된 여러 가지의 언어 분석 소프트웨어를 이용하여 언어 현상을 이해하도록 지도한다. 이와 같이 컴퓨팅 사고력을 기반으로 한 언어에 대한 이해는 이후 발음 및 문법 교육을 인공지능화하는 기초 연구가 될 것이다.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)전선 / 학사
본 과목에서는 자연어 처리 분야의 최근 기술 발전과 이를 이해하기 위한 배경 지식 전반을 강의한다. Transformer model 기반 자연어 처리 기법을 주로 다루며, 이를 이해하기 위해 필요한 배경 지식(Embedding, Encoder-Decoder, Attention 등)을 다룬다. 실제 자연어 처리 문제를 해결하기 위해 Transformer를 수정/활용하는 프로젝트를 진행한다.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
수집된 기록들을 보관하기 위해 이를 어떻게 정리하여 배열할 것인가, 혹은 파일과 폴더의 제목은 어떻게 붙일 것인가. 또한 이용을 위해 자료를 어떻게 분류하고 색인화하며, 어떻게 목록화하여 이용자에게 편의를 제공할 것인가를 다룬다. 기록들의 목록, 분류, 색인 등 이용을 위한 기록물 조직방법의 이론과 실습을 통해 기록전문가로서의 자질을 기른다. 또한 기록물 메타데이터의 개념과 구조를 이해시킨다.전선 / 학사
본 교과목은 인공지능 기반 혹은 컴퓨터 지원 교육이 활발한 현 상황에 맞춰 각 교과의 교육에 자연어처리를 활용할 수 있도록 자연어처리와 관련분야의 중요한 기본 개념과 이론을 소개한다. 특히 본 교과목은 자연어처리뿐만 아니라, 철학적 배경과 함께 음성처리, 인공지능, 언어학, 교육 등 다양한 분야를 융합하여 통합적인 관점에서 자연어처리를 소개한다. 또한, 본 교과목에서는 자연어처리에 가장 많이 쓰이는 프로그래밍 언어인 파이썬과 자연어처리 관련 기초 코딩 예제, 딥러닝 기본 예제 등을 구글 코랩 등을 통해 실습함으로써 향후 학생의 목적에 따라 기술을 사용할 수 있는 기반을 형성하는데 목표를 둔다.전필 / 대학원
본 강좌는 인공지능사회에 도래함에 따라 교육전문가들을 대상으로 인공지능사회의 거버넌스와 디지털 리터러시에 대한 비판적 안목을 제공하기 위한 입문과목이다. 본 강좌에서는 인공지능(AI) 분야의 연구와 기술이 빠르게 발전함에 따라 사회를 구성하는 인간의 삶의 다양한 영역에 인공지능이 차지하는 비중이 높아지고 있는 상황에 비추어 교육 분야에서의 기술의 영향, 디지털 거버넌스, 윤리 및 책임에 대한 주제들을 체계적으로 다룬다. 또한 이러한 철학적, 윤리적 논의를 배경으로 디지털 미디어 콘텐츠에 대한 이해와 활용능력을 교육영역에 어떻게 비판적으로 적용할 수 있는지를 심층적으로 다룬다.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.