최근 확인한 콘텐츠
데이터가 존재하지 않습니다.
Hokimoto S.,Kaikita K.,Yasuda S.,Tsujita K.,Ishihara M.,Matoba T.,Matsuzawa Y.,Mitsutake Y.,Mitani Y.,Murohara T.,Noda T.,Node K.,Noguchi T.,Suzuki H.,Takahashi J.,Tanabe Y.,Tanaka A.,Tanaka N.,Teragawa H.,Yasu T.,Yoshimura M.,Asaumi Y.,Godo S.,Ikenaga H.,Imanaka T.,Ishibashi K.,Ishii M.,Ishihara T.,Matsuura Y.,Miura H.,Nakano Y.,Ogawa T.,Shiroto T.,Soejima H.,Takagi R.,Tanaka A.,Tanaka A.,Taruya A.,Tsuda E.,Wakabayashi K.,Yokoi K.,Minamino T.,Nakagawa Y.,Sueda S.,Shimokawa H.,Ogawa H.
2023 / Circulation Journal
진미란, 이상훈, 박윤지, 윤정수, 이상원, 허목, 구성철, 이우문, 박춘근, 박상언, 김재광, 장재기, 김연복
2019 / Korean Journal of Agricultural Science
김광인, 이태원, 김승철
2020 / 한국프랜차이즈경영연구
데이터가 존재하지 않습니다.
loading...
잡초 분류동정을 위한 workshop
雜草防除學原論
(최신) 잡초방제학원론
Intelligent data mining and fusion systems in agriculture
스마트농업 기술, 시장 트렌드와 농업 공정별 AIㆍ데이터분석 활용 동향과 대응 전략
Computer vision and machine learning in agriculture
Fundamentals, Sensor Systems, Spectral Libraries, and Data Mining for Vegetation
(9가지 사례로 익히는) 고급 스파크 분석 : 현실 세계 빅데이터로 배우는 가장 실용적인 스파크 활용서
인공지능을 이용한 과채류의 생체정보 수집과 생육장해 진단법 개발=
포장내 잡초검출장치 및 토양 유기물 실시간 측정센서 개발=
드론 영상 기반 농경지 공간 정보를 활용한 생육 관리맵 생성 및 정밀농업 시스템 개발 보고서
The Naïve Bayes model for unsupervised word sense disambiguation : aspects concerning feature selection
R을 활용한 머신 러닝 : R로 머신 러닝 알고리즘 작성, 데이터 준비, 데이터 예측 기법 깊이 파기
9가지 사례로 익히는 고급 스파크 분석 : 현실 세계 빅데이터로 배우는 데이터 과학과 머신러닝
R을 활용한 머신러닝 : R로 머신러닝 알고리즘 작성, 데이터 준비, 데이터 예측 기법 깊이 파기
(4차 산업혁명 시대의 총아) 애그테크 · 스마트농업의 핵심기술 개발동향과 시장 전망 =
Digital Ecosystem for Innovation in Agriculture
Intelligent image analysis for plant phenotyping
(인류 최후의 블루오션) 팜 비즈니스
사물인터넷이 바꾸는 세상
Precision Agriculture: An International Journal on Advances in Precision Agriculture
Hu, Kun; Wang, Zhiyong; Coleman, Guy; Bender, Asher; Yao, Tingting; Zeng, Shan; Song, Dezhen; Schumann, Arnold; Walsh, MichaelArtificial Intelligence in Agriculture
Adhinata, Faisal Dharma; Wahyono; Sumiharto, RadenComputers and Electronics in Agriculture
Hu C.,Thomasson J.A.,Bagavathiannan M.V.Agronomy
Saleem M.H.,Potgieter J.,Arif K.M.AgriEngineering
Osorio K.,Puerto A.,Pedraza C.,Jamaica D.,Rodríguez L.CROP PROTECTION
Hasan, A. S. M. Mahmudul; Diepeveen, Dean; Laga, Hamid; Jones, Michael G. K.; Sohel, FerdousPest Management Science
Yu J.,Sharpe S.M.,Schumann A.W.,Boyd N.S.SENSORS
Murad, Nafeesa Yousuf; Mahmood, Tariq; Forkan, Abdur Rahim Mohammad; Morshed, Ahsan; Jayaraman, Prem Prakash; Siddiqui, Muhammad ShoaibCOMPUTERS AND ELECTRONICS IN AGRICULTURE
Hasan, A. S. M. Mahmudul; Sohel, Ferdous; Diepeveen, Dean; Laga, Hamid; Jones, Michael G. K.SMART AGRICULTURAL TECHNOLOGY
Ajayi, Oluibukun Gbenga; Ashi, John; Guda, BlessedCOMPUTERS AND ELECTRONICS IN AGRICULTURE
Zheng, Lu; Zhu, Chengao; Liu, Lu; Yang, Yan; Wang, Jun; Xia, Wei; Xu, Ke; Tie, JunArabian Journal for Science and Engineering
Dasgupta I.,Saha J.,Venkatasubbu P.,Ramasubramanian P.Frontiers in Plant Science
Sapkota B.B.,Hu C.,Bagavathiannan M.V.Computers and Electronics in Agriculture
Xu K.,Shu L.,Xie Q.,Song M.,Zhu Y.,Cao W.,Ni J.Soft Computing
Duong L.T.,Tran T.B.,Le N.H.,Ngo V.M.,Nguyen P.T.SENSORS
Wu, Zhangnan; Chen, Yajun; Zhao, Bo; Kang, Xiaobing; Ding, YuanyuanComputers and Electronics in Agriculture
dos Santos Ferreira A.,Freitas D.M.,da Silva G.G.,Pistori H.,Folhes M.T.International Journal of Agricultural and Biological Engineering
Hu W.,Wane S.O.,Zhu J.,Li D.,Zhang Q.,Bie X.,Lan Y.Frontiers in Plant Science
Wang P.,Tang Y.,Luo F.,Wang L.,Li C.,Niu Q.,Li H.Arabian Journal for Science and Engineering
Shubham Sharma; Manu Vardhan전선 / 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
정보과학분야의 첨단 기법인 데이터마이닝과 머신러닝에 대한 이론을 학습하고 상업용패키지를 이용하여 농업분야응용에 대해 실습하며, 농업분야의 필요한 알고리즘을 개발하는 학습기회를 제공한다. Decision Tree, Probabilistic Machine Learning, Baysian Classifier, Neural Nets, Support Vector Machine, K--NN, Boosting, K--Means and Hierarchical Clustering, Reenforcement Learning 등에 대한 이론적 연구와 농업분야의 응용을 상업적 패키지를 이용하여 학습하고, 농업분야를 위한 알고리즘의 개발에 대해 실습한다.전필 / 학사
본 강의는 스마트 농업(Smart Agriculture) 전문가로서의 역량을 강화하기 위해, 농업 현장에서 생성되는 센서 데이터, 원격탐사 자료, 작물생육 모니터링 정보 등을 통계적으로 분석하고 의사결정에 활용할 수 있는 능력을 배양하는 것을 목표로 한다. 이를 위해 통계의 기본개념과 확률이론을 바탕으로 추정과 가설검정, F-분포와 분산분석, 처리 간 차이 비교방법, 회귀와 상관, 빈도분석 등을 다루며, 실험설계의 기본원리와 방법을 학습하여 통계분석 결과를 정확히 이해하고 응용할 수 있는 실무 역량을 기른다. 이러한 과정을 통해 학생들은 데이터 기반의 문제 해결 능력과 분석적 사고를 바탕으로 스마트 농업 분야에서 전문성을 발휘할 수 있는 기반을 마련한다.전선 / 대학원
본 교과목은 재배, 유통, 운송, 무역 등 다양한 스마트농업 분야에 활용 가능한 AI모델을 개발할 수 있는 내용을 효과적으로 익힐 수 있도록 구성된다. 스마트팜의 재배를 위한 시스템 관리와 최적 재배환경 조성을 위한 AI모델 뿐만 아니라 농산물의 유통과 글로벌 무역에 이르는 전체 농업 벨류체인에 AI모델을 활용할 수 있도록 부문별 사례를 통해 수업을 진행한다. 교과내용은 빅데이터의 이해와 함께 다양한 머신러닝 알고리즘을 활용하여 모델을 만들 수 있는 실무적인 경험을 제공한다.전선 / 대학원
지상촬영 위성 센서를 중심으로 그 활용범위를 살펴보고 실제로 컴퓨터처리 과정을 통하여 토지이용 분류, 삼림, 토질조사, 농업 등에의 활용능력을 배양한다.전선 / 대학원
스마트팜이란 정보통신기술을 적용하여 작물이나 가축의 생육 환경을 최적으로 제어·관리하는 농업 방식이다. 본 교과목에서는 스마트팜에서 재배하는 작물에 관련된 기초 지식과 실용화에 대한 내용을 강의한다. 구체적으로 스마트팜에서 발생하는 환경스트레스와 병해충의 예측 방법, 조기 진단 및 방제 기술을 소개한다. 예를 들어 병해충 발생 및 양분, 광, 수분 등의 재배 조건 변화를 감지할 수 있는 라만 분광법 및 휘발성 2차 대사물질을 감지할 수 있는 zNose 등을 이용하여 환경스트레스와 병해충을 관리하는 기술을 다룬다. 궁극적으로 스마트팜에서 재배되는 작물의 생장 및 생리적 특성에 대한 이해를 높이고 스마트팜에 적합한 작물 개발의 이론적 기초를 제공한다.전선 / 학사
스마트농업 정보시스템은 현대 농업에서 정보통신기술(ICT)을 활용하여 농업 생산성을 향상시키고 효율적인 경영을 실현하는 통합 시스템이다. 이 과목에서는 농식품 산업에서 활용되는 디지털 정보시스템의 기본 이론부터 시작하여 빅데이터, 인공지능, 사물인터넷(IoT) 등 최신 기술을 농업 현장에 적용하는 방법을 학습한다. 학생들은 파이썬 프로그래밍을 기초로 데이터 분석 역량을 키우고, 텍스트 분석, 토픽 모델링, 군집 분석 같은 빅데이터 분석 기법을 익히게 된다. 특히 스마트팜 환경에서 수집되는 데이터를 실제로 다루면서 환경 최적화와 데이터 기반 의사결정 능력을 배양한다. 또한 머신러닝과 딥러닝 기술을 농업에 접목하는 방법을 배우며, 농식품 기술 전략, 특허와 지식재산권, 가치사슬 관리 등 경영학적 관점도 함께 습득한다. 프로젝트 기반 수업과 조별 과제를 통해 이론과 실무를 연결하며, 농식품 산업의 디지털 전환 시대에 필요한 종합적인 기술경영 역량을 키울 수 있는 과목이다. 농업의 미래를 이끌어갈 스마트농업 전문가로 성장하기 위한 실용적이고 체계적인 교육 과정을 제공한다.전선 / 대학원
본 교과목은 약용작물 및 기능성 식물에서 유래하는 고부가가치 특수대사물질의 생산을, 스마트 농업 기술과 융합하여 최적화하는 전략을 학습한다. 센서, 빅데이터, 환경 제어 시스템 등 디지털 농업 요소를 활용하여 특수대사물질의 수율과 품질을 향상시키는 최신 사례를 다루며, 그린바이오 산업에서의 응용 가능성과 지속가능한 생산 시스템에 대한 융합적 사고를 기른다.전선 / 학사
농업생태계 연구에 활용되어 온 원격탐사의 최신 기술을 이해하고 활용하는 것은 작물 육종 및 표현형 정량화를 효과적으로 지원하고, 스마트 농업, 디지털 농업 등 미래의 농업을 지원하기 위해 필수적임. 과목 전반에 걸쳐 가시광선부터 극초단파에 이르기까지 다양한 파장대별 원격탐사 기술을 소개하고, 실제 작물 표현형 정량화, 육종 지원, 디지털 농업 등 농업 지원과 농업 연구에서의 활용을 논의함. 학생들은 원격탐사의 활용을 이해하고 관련 기술에 대한 지식을 쌓을 수 있음.전선 / 학사
작물생산에 있어 3대 생물손실 요인 중에 제일 중요한 잡초에 관한 식물학적 기초지식과 잡초의 효과적인 방제관리는 물론 활용에 대한 기초를 배운다. 잡초의 분류, 발아 및 출아, 생리 및 생태, 잡초방제법, 제초제의 종류별 특성 및 작용성, 새로운 제초제의 개발 방법을 이해하고 잡초방제체계와 종합적인 잡초관리법에 적용한다. 제초제 저항성 잡초, 유전자 변형 제초제 저항성 작물, 잡초방제 체계와 그에 따른 환경과의 상호작용에 관한 기본지식도 배운다. 특히 작물보호산업계 현장방문을 통한 현장학습도 실시한다.전선 / 대학원
온라인 교육 활동이 활발해지면서 교육 분야의 데이터가 폭발적으로 증가하고 있다. 온라인 교육이 쏟아내는 빅 데이터의 추출과 분석은 오프라인 데이터의 분석과 함께 과학교육의 현황을 파악하고 미래를 위한 과학교육의 방향을 결정하는데 중요한 정보를 제공할 수 있다. 이 과목에서는 학생들이 빅 데이터 분석의 원리와 방법을 이해하고, 학습 결과를 온라인과 오프라인 과학교육과 사회현상의 분석에 응용하는 능력을 기르는 것을 목표로 하며, 데이터 마이닝을 위한 확률 개념을 바탕으로 수집된 데이터에서 최대의 정보를 추출하는 방법을 학습한다. 특히, 대표적 분류 모형인 퍼셉트론, 합성곱 신경망, 순환 신경망, 생성 모형으로 오토 인코더, 적대적 생성 신경망, 볼츠만 머신, 딥 빌리프 네트워크 등을 깊이 다룰 예정이다. 학생들은 이 주제들에서 학습한 내용을 교육 데이터 마이닝의 실습, 무크와 같은 대규모 학습의 분석에 응용하는 연습을 한다. 이 과목은 교육 통계와 좋은 보완이 될 수 있다. 그러나 강의를 이해하는데 필요한 통계 수학과 컴퓨터 프로그램 지식을 선행 지식으로 요구하지는 않는다.전선 / 대학원
본 강의에서는 정밀농림을 위해 필요한 GPS, 인공지능, 로봇, 드론(UAV), 센서, 무선통신과 같은 첨단 ICT 기술에 관한 전문지식을 학습하고, 국내외 농림위성을 포함하여 농업 및 임업 분야의 관련 시스템의 연구개발 사례분석을 통하여 향후 발전방향에 대해 논의한다. 수강생들은 팀별로 ICT 기술을 적용한 농림분야의 적용 사례와 연구 결과를 분석하고 이를 기반으로 전공 영역별 연구과제 제안서 발표를 수행하여, ICT 기술의 활용능력을 배양한다.전선 / 대학원
ICT, 빅데이터 등 디지털 혁신 기술의 도입은 농식품산업의 디지털 전환(digital transformation)을 가속화하고 있다. 스마트팜, 푸드테크, 그린바이오 등 농식품산업 관련 신흥기술 이슈를 분석하기 위해서는 기존 정태 및 동태분석법을 넘어 정형 및 비정형 대용량 데이터 분석에 적합한 새로운 방법론을 학습할 필요가 있다. 이에 본 과목은 데이터마이닝, 기계학습, 프로세스 알고리즘 등을 포함한 최신 데이터사이언스 기법을 학습한다. 강의는 다음과 같이 구성된다. 첫째, 디지털 농식품산업의 동태적 변화를 실증적으로 파악하기 위해 선형 및 비선형 시계열 모형을 학습한다. 둘째, 베이지언(Bayesian) 통계에 기반한 칼만 필터링(Kalman filterting) 및 마르코프 체인 몬테카를로(Markov Chain Monte Carlo, MCMC) 시뮬레이션 등 최신 예측 방법론을 학습한다. 셋째, 빅데이터 마이닝, 머신러닝(machine learning), 인공신경망(artificial neural network) 관련 기초 이론을 학습하고 디지털 농식품산업 분야 경제 이슈에 적용한다.전선 / 학사
작물 재배를 위한 환경은 작물의 생체 정보를 기반으로 조절된다. 작물의 생장 특성을 이해하고 환경 또는 생육 단계 변화에 따른 표현형 정보를 올바르게 계측하는 것은 작물 생산의 생력화, 자동화 및 최적화를 실현하기 위한 기초 작업이다. 본 교과목에서는 생장 지수, 기체 교환, 엽록소 형광 등의 식물 생장 지표를 소개하고, 사례연구를 통해 응용 방안에 대하여 논의함으로써 정밀농업 분야를 전공하고자 하는 학생들에게 기초 지식과 전망을 제시한다.전선 / 대학원
바이오시스템의 연구에 필요한 정밀농업과 ICT 정보공학의 기술과 적용사례를 다룬다. 이를 위해 정밀농업의 기반 기술인 지구측위시스템, 원격탐사, 변량살포 기술, 포장정보 검출 및 변이분석 등을 공부하고 ICT 정보처리를 위한 USN, 유무선 통신 및 ISOBUS 데이터 표준화 기술에 대한 이론적 고찰과 적용 사례를 다룬다.전선 / 대학원
본 교과목은 응용 데이터사이언스 전공자를 위한 머신러닝 (machine learning)과 딥러닝 (deep learning)의 기초를 다룬다. 구체적으로, 머신러닝의 기초가 되는 이론 (확률, MLE, gradient descent, overfitting, regularization 등)과 지도학습의 기초적인 모델을 중심으로 다룬다. 딥러닝 부분에서는 뉴럴넷의 기본, backpropagation을 다룬 후, 주로 convolutional neural network의 구조와 활용을 중점적으로 다룬다. 이를 바탕으로 적용 분야에 데이터사이언스를 응용할 기틀을 마련한다.전선 / 학사
본 교과목은 학부생을 대상으로 바이오시스템 공학의 정밀농업과 자동화 분야에 활발하게 사용되는 지구측위시스템(GPS), 지리정보시스템(GIS), 변량제어기술(VRA) 등의 다양한 정보기술과 수집된 정보를 효율적으로 분석하는 회귀법, 분산분석 등의 공학자를 위한 통계기법을 다룬다. 실제 데이터를 현장에서 수집하고 공학소프트웨어를 이용하여 분석하는 실습을 통하여 바이오시스템 공학자의 정보처리 능력을 증진시키는 목표를 두고 있다.전선 / 대학원
대학원생을 위한 교과목으로 인공지능의 핵심 기술인 딥러닝 분야의 고급 이론 및 최신 응용을 다룬다. 구체적으로는 다음과 같은 주제를 다룬다: 트랜스포머 및 메모리-오그멘티드 신경망(메모리네트워크, 뉴럴튜링머신), 생성적대망, 베리에이셔널 오토인코더, 생성플로우 등 심층생성모델; 연속학습, 소수샷학습, 도메인적응, 전이학습 등 메타러닝; 적대적학습; 자동기계학습및 하이퍼파라메터최적화; 자기지도 및 비지도 학습; 보안 및 프라이버시; 딥러닝의 최신 응용 등 - 권장 선수과목: 기계학습 및 전기정보응용(M2608.001300), 딥러닝(M2177.003100)전선 / 학사
본 교과목은 4차 산업혁명의 핵심기술인 인공지능 기술의 기본 개념과 작동 원리를 이해하고 이를 농업에 활용하는 방법에 대하여 배우는 것을 학습 목표로 한다. 인공지능 기술 분야인 전문가시스템, 퍼지이론, 유전 알고리즘, 인공신경망 및 딥러닝에 대해서 학습한다. 학습한 개념들의 농업 적용과 활용 사례들에 대하여 살펴보고 이를 실제 농업 현장에 응용하는 능력을 습득하도록 한다.전선 / 대학원
강좌에서는 Bayes, MAP, Neyman-Pearson, MMSE 등의 검출 이론과 이의 추정에 대해 다룬다. 또한 최적 수신기의 성능과 이의 분석을 다룬다.