최근 확인한 콘텐츠
데이터가 존재하지 않습니다.
Wang, Hong; Zheng, Yu; Sun, Qiang; Zhang, Zhen; Zhao, Mengnan; Peng, Cheng; Shi, Sanjun
2021 / JOURNAL OF NANOBIOTECHNOLOGY
박경애, 김지연, 강남이, 김숙진, 윤희옥
2020 / 한국청소년연구
데이터가 존재하지 않습니다.
loading...
본 연구는 국내외 대학의 빅데이터 분석 관련 석사과정 커리큘럼을 비교 분석하였다. 분석 결과, 국내 대학 프로그램은 해외 대학 프로그램보다 과목수는 많지만, 과목의 다양성은 부족한 것으로 나타났다. 이는 빅데이터 분석 전문가 양성을 위한 교육과정 개선의 필요성을 시사한다.
Introduction to management science and business analytics : a modeling and case studies approach with spreadsheets
대학 혁신을 위한 빅데이터와 학습분석 : 이론과 실제
1년 안에 AI 빅데이터 전문가가 되는 법 : 4차 산업혁명 시대의 최고의 직업 =
경영경제 통계학
빅데이터와 통계학 =
빅데이터 분석과 활용 =
빅데이터 개론
빅데이터 개론 : Analyse data
대학교육의 질 제고를 위한 대학정보분석 서비스 방안 연구
현대경영통계 = 엑셀활용
기초 통계학 : SPSS 통계자료분석 =
Revitalizing general education in a time of scarcity : a navigational chart for administrators and faculty
(빅데이터 시대 쉽고 빠른 R 통계 프로그래밍을 위한) RStudio 따라잡기
Capitalizing knowledge : new intersections of industry and academia
Learning Analytics: Fundaments, Applications, and Trends : A View of the Current State of the Art to Enhance e-Learning
인공지능(AI)빅데이터딥러닝으로 인한 산업의 변화와 기술 및 시장분석을 통한 신사업 창출방안
(SPSS 25를 이용한) Basic SPSS 매뉴얼
Big data and learning analytics in higher education : current theory and practice
Learning analytics in higher education : current innovations, future potential, and practical applications
统计与管理 / Statistics and Management
潘保国; 胡付高지능정보연구
권영옥南北桥 / South North Bridge
史枫林中国农业会计 / Chinese Agricultural Accounting
张丽; 林雨梦才智 / caizhi
周四军; 钟原产业与科技论坛 / Industrial & Science Tribune
胡蓉JOURNAL OF EDUCATION FOR BUSINESS
Clayton, Penny R.; Clopton, Jeremy한국비블리아학회지
이명호新课程导学 / xinkecheng daoxue
张丽菊沈阳农业大学学报(社会科学版) / Journal of Shenyang Agricultural University (Social Science Edition)
张蕊; 张春梅; 聂红云; ZHANG Rui; ZHANG Chun-mei; NIE Hong-yun中国教育技术装备 / China Educational Technology & Equipment
孟丽丽; 卢志义; MENG Lili; LU Zhiyi海峡科技与产业 / Technology and Industry Across The Strait
谭晓丽中国教育信息化·高教职教 / The Chinese Journal of Ict in Education
翟文峰Decision Sciences Journal of Innovative Education
Speier-Pero C.,Schoenherr T.凯里学院学报 / Journal of Kaili University
刘春杰; LIU Chun-jieMarketing Education Review
Alma Mintu-Wimsatt; Hector R. Lozada长春教育学院学报 / Journal of Changchun Education Institute
祝志川; 高妍; 张久军; 王德辉; Zhu Zhichuan; Gao Yan; Zhang Jiujun; Wang Dehui通化师范学院学报 / Journal of Tonghua Normal University
陈舒英东华理工大学学报(社会科学版) / Journal of East China Institute of Technology (Social Science)
邱淑芳; 王泽文; 张家骥; 张升蜜; QIU Shu-fang; WANG Ze-wen; ZHANG Jia-ji; ZHANG Sheng-mi统计与管理 / Statistics and Management
辜子寅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.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
이 강좌는 석·박사 학위 논문 작성 등 교육연구에 필요한 통계적 분석에 대한 개념과 이론에 대한 폭넓은 이해를 돕고, 실제 교육연구에서 통계적 기법들을 적절히 활용할 수 있도록 하기 위한 것이다. 이를 위해 교육관련 각종 연구 자료의 특성(예: 다층 자료, 유목 자료, 연속 자료 등)에 적절한 통계적 기법들에 대한 소개와 함께 관련 컴퓨터 프로그램을 활용하여 실제로 분석할 수 있도록 하기 위한 것이다. 아울러 수강생들은 관심 있는 교육관련 자료를 분석하고 그 결과를 수업시간에 보고하는 기회를 가지게 될 것이다.전선 / 학사
현대의 과학, 공학, 그리고 경영의 응용시스템은 데이터에 점점 더 많이 의존하게 되었지만 전통적인 데이터 분석 기술들은 복잡한 빅 데이터 시대에 맞도록 설계되어 있지 않는 실정이다. 데이터를 수집, 저장, 가공하여 그 안에서 지식을 추출하는 빅 데이터 분석은 새로운 과제들을 탐구하는 흥미 있고 빠르게 발전하는 하나의 학문으로 등장하였다. 본 강의에서는 프로그래밍 경험이 많지 않는 학생들을 대상으로 데이터의 수집 및 분석뿐만 아니라 데이터 프로그래밍 언어의 사용에도 초점을 맞춰 이를 바탕으로 빅 데이터 분석의 토대를 마련하는 것을 목표로 한다.전선 / 대학원
현대 경영에서의 의사 결정은 데이터의 분석 결과에 점점 더 많이 의존하고 있는 추세다. 정형 데이터 뿐만 아니라 비정형 데이터를 인터넷 상에서 수집, 저장, 가공하여 그 안에서 경영 인사이트를 추출하는 빅데이터 분석의 중요성은 날로 증가하고 있다. 이 강의는 프로그래밍 경험이 많지 않은 학생들을 대상으로 프로그래밍 언어의 기초뿐만 아니라 데이터의 수집 및 분석의 모든 과정을 살펴봄으로써 데이터 기반 의사 결정에 대한 이해를 높이고 기계학습 및 인공지능에서 사용하는 프로그래밍 언어가 산업 전반에 걸쳐 어떻게 활용되고 있는지에 대한 기초 지식을 제시한다. 또한 프로그래밍 언어를 실제 데이터에 적용하는 실습 과정을 통해 실전 문제에 대한 응용력을 배양하고, 향후 경영 환경에서의 실무 적용능력의 토대를 제공한다.전선 / 학사
데이터에 대한 탐색과 통계적 탐구를 수행하는 방법을 배운다. 데이터의 종류와 특성을 이해하고, 적절한 시각화와 분석을 통해 데이터에 숨은 정보를 찾아내고 근거에 기반을 둔 합리적인 의사결정을 하는 방법을 배운다. 데이터에 존재하는 관계성을 찾아 수학적으로 모델링하는 방법으로써 상관관계의 분석과 회귀분석, 클러스터링 기법 등을 배운다. 데이터를 이용한 통계적 탐구를 지도하는 방법을 배운다.전선 / 학사
건강하고 지속가능한 사회에 대한 관심이 고조되면서 사회의 기본적 구성 단위가 되는 개인과 가계의 삶의 질과 안녕에 대한 사회적 관심이 커지고 있음. 이에 상품과 서비스의 개발에 있어서 상품중심이 아닌 소비자중심의 관점이 필요하고, 생활맥락에서 생성되는 다양한 데이터에 대한 이해와 활용에 대한 숙련도를 함양할 필요가 있음. 본 교과목은 빅데이터 분석을 실질적 라이프 솔루션 도출에 활용할 수 있는 융합적 역량을 강화하는 것을 목적으로 함. 소비, 의, 식, 아동, 가족 영역의 주요 현안을 파악하고, 각 영역에서 주로 활용되는 빅데이터의 종류와 내용을 학습하고, 빅데이터가 라이프 솔루션 도출에 실질적으로 활용되는 사례 학습을 통해 생활산업 영역 빅데이터 역량을 강화하고자 함.전선 / 대학원
이 교과목은 바이오데이터산업 전문인력 양성 지원사업의 일환으로, 제약 및 바이오 산업계의 현장에서 발생하는 다양한 데이터 분석 및 결과 해석의 수요를 학생이 인공지능을 포함한 여러 데이터 기술을 결합해 접근하고 해결하는 경험을 제공합니다. 이를 위해 학생은 바이오데이터산업 전문인력 양성 지원사업에 참여하는 컨소시엄 회사와 1:1로 매칭돼 담당 교수와 기업 측 프로젝트 담당자의 지도 및 조력을 통해 실제 산업 현장에 필요한 다양한 데이터 처리, 분석, 해석 경험을 축적하게 됩니다.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
본 과목에서는 데이터 분석 알고리즘, 시스템, 응용 등 다양한 분야의 문제들을 이해하고 기존 기술의 제약점을 해결하는 캡스톤 프로젝트를 진행한다. 이를 통해, 여러 과목에서 학습한 이론을 실제 문제에 적용할 수 있는 응용 능력 및 문제 해결 능력 향상을 기대한다. ▪데이터 분석 기법 개발 프로젝트 ▪데이터 기반 응용 프로젝트 ▪빅데이터 응용 프로젝트 ▪기계학습 응용 프로젝트 ▪빅데이터 시스템 개발 프로젝트전선 / 학사
다양한 교육 사례를 분석하여 디지털 전환 시대 빅데이터의 교육적 활용 가능성과 도전적 과제를 탐색한다. 학습자중심교육에 대한 이론과 모형을 학습하고 빅데이터와 인공지능을 활용하여 맞춤형 학습환경을 설계할 수 있는 역량을 기른다. 교육 문제를 창의적으로 해결하기 위해 빅데이터와 디지털 테크놀로지를 활용하는 방안을 탐구한다.전선 / 대학원
본 과목은 국제통상 전공자들에게 필요한 테이터 분석 방법론과 방법론의 응용을 가르치는 것을 목표로 한다. 방법론으로는 기초 통계학 이론 및 회귀분석 모형이 포함되며, 동시에 이 기법이 실제 어떻게 사용되는지 프로젝트 및 데이터 실습을 통해서 학습한다. 데이터 실습은 STATA를 기반으로 진행한다. 이에 더하여, 각국에서 도입중인 evidence-based policy making (EBPM)의 동향과 민간의 신용카드 및 교통정보를 기반으로 한 실시간 데이터가 정책입안에 어떻게 활용되는지 사례분석을 통해서 학습한다. 마지막으로 최근 활발히 이용되고 있는 머신러닝(Machine Learning)기법 일부도 소개한다. 학습 평가는 방법론에 대한 시험과 통계분석에 대한 final project를 기초로 이루어진다.전선 / 대학원
본 교과목은 다양한 농산업 분야의 빅데이터의 활용을 위해 빅데이터의 의미, 이해, 활용에 대해 학습하는 것을 목적으로 한다. 기존의 대용량 데이터와 빅데이터는 무엇이 다른 것인가? 단순한 통계분석과 빅데이터 분석의 차이는 무엇일까? 과연 데이터만 많이 있다면 답을 구할 수 있는가? 이러한 다양한 질문에 대한 답을 찾을 수 있는 과목으로 실제 빅데이터 분석 기법을 익힐 수 있도록 교과내용을 구성하였다.전선 / 대학원
다양한 농림기상 분야의 빅데이터의 활용을 위해 빅데이터의 의미, 이해, 활용에 대해 배울 수 있는 과목이다. 기존의 대용량 데이터와 빅데이터는 무엇이 다른 것인가? 단순한 통계분석과 빅데이터 분석의 차이는 무엇일까? 과연 데이터만 많이 있다면 답을 구할 수 있는가? 이러한 다양한 질문에 대한 답을 찾을 수 있는 과목으로 실제 빅데이터 분석 기법을 익힐 수 있도록 교과내용을 구성하였다.전선 / 대학원
데이터 분석은 기술 예측 및 기술 전략과 같은 기술 경영 분야와 IT, 제조, 에너지, 헬스케어 등 다양한 산업 분야에서의 프로세스를 개선하거나 의사 결정을 지원하기 위한 필수적인 도구로서 자리매김하고 있다. 이 강의에서는 높은 수준의 데이터 분석을 위하여 필요한 데이터마이닝, 텍스트마이닝, 머신러닝, 딥러닝 분야의 여러 기법들에 대해 심도 있게 배우고, 이를 통해 산업과 경영의 문제를 해결한 사례들을 살펴본다. 강의를 통해 배운 내용을 바탕으로 학생들은 관심 분야에서의 문제 해결 및 나은 의사 결정을 위한 데이터 분석을 수행하며 데이터 분석을 기반으로 한 문제 해결 능력과 비즈니스 통찰력을 기른다.전선 / 학사
이 교과목은 크게 두 부분으로 나뉜다. 전반부에는 아동 및 가족과 관련된 산업계의 트렌드를 살펴보고, 이러한 동향이 개인(아동), 가족, 사회가 경험하는 변화와 어떻게 연결되어 있는지 이해한다. 후반부에는 전반부에 학습한 트렌드를 빅데이터를 활용하여 분석하는 과정과 구체적인 방법을 학습한다. 이러한 교과목을 통하여 도메인 지식으로서 아동가족학적 관점의 유용성을 이해하고, 빅데이터를 활용하여 아동·가족 관련 산업 및 사회 동향을 직접 분석하고 문제를 해결하는 능력을 함양한다.공통 / 대학원
인문학 연구를 위해 관련 데이터를 처리하는 능력을 기른다. 데이터 구축, 탐색적 데이터 분석, 추론적 데이터 분석 등의 방법론을 두루 다루며, 이러한 방법론을 실제 인문 데이터에 적용하는 데 초점을 맞춘다.전선 / 학사
본 과목에서는 데이터 분석 알고리즘, 시스템, 응용 등 다양한 분야의 문제를 이해하고, 기존 기술의 제약점을 해결하는 프로젝트를 한 학기에 걸쳐 진행한다. 연구 주제는 각 수강생이 직접 정한다. 강의 시간에는 수강생이 연구 진행 방향을 발표하며, 담당 교수와 타 수강생들의 피드백을 줄 수 있도록 한다.전선 / 대학원
이 강좌는 보건의료계열 교육에서 학습자의 학습 성과, 즉 교육효과를 측정하기 위한 방법으로서 학습분석학 (learning analytics)이라는 최신 분야의 이론과 실제를 다룬다. 치의학교육을 비롯한 다양한 교육 맥락에서 다각적인 데이터를 체계적으로 수집하고 분석하여 교육 효과를 측정하는 방법을 탐구한다. 나아가 이 데이터에 기반하여 최적화된 학습 환경과 경험을 설계하는 법, 근거기반 교육을 위해 교육연구를 설계하는 방법도 함께 논의한다.전선 / 대학원
본 강좌는 고급 자료분석을 위한 모형기반 통계분석방법론에 대해 다룬다. 자료의 특징과 분석의 목적에 따라 적합한 통계모형을 제시하고, 자료를 적합, 적합된 통계모형의 해석을 통한 인사이트 제시등에 대해 다룬다. 프로젝트를 통해서 배운 방법들을 실제 데이터에 적용하고 발표한다. ● Linear model and linear mixed model ● Generalized linear model ● Shrinkage method and variable selection ● Graphical methods and causal Inference ● Bayesian methods