최근 확인한 콘텐츠
데이터가 존재하지 않습니다.
백영숙, 이희준, 이수환, 신동혁
2019 / Ocean Science Journal
데이터가 존재하지 않습니다.
loading...
본 연구는 Big 5 성격 특성 기법과 머신 러닝 알고리즘을 활용하여 창의적인 사람들의 특징을 분석한다. 설문조사 데이터를 WEKA를 통해 분석하고, 7가지 특징 선택 알고리즘을 적용하여 서포트 벡터 머신이 가장 높은 분류 정확도를 보였다.
Machine learning for social and behavioral research
더 피플 = 운을 끌어당기는 나와 타인의 해석
Data mining : concepts and techniques
황상민의 성격상담소
생생하게 살아 있는 캐릭터 만드는 법 : 심리학으로 풀어낸 개성 넘치는 캐릭터 창작법
모두와 같으면서 누구와도 같지 않은 : 성격 차이에 관한 과학
데이터 마이닝 : 데이터 속 숨은 의미를 찾는 기계 학습의 이론과 응용
Fahrplan für den Flow : kreative Blockaden analysieren und mit Coaching auflösen
창의성의 발견 : 창의성은 언제, 어디서, 무엇에 의해, 어떻게 발현되는가 =
Adaptation and the brain
Data mining : practical machine learning tools and techniques
나는 어떤 사람일까 : 지금껏 알지 못했던 새로운 나를 발견하는 심리실험
THICK data= 빅 데이터도 모르는 인간의 숨은 욕망
나란 인간 : 잘 안다고 착각하지만, 제대로 모르는 존재
아웃퍼포머 : 최고의 성과를 내는 1%의 비밀
Data mining : practical machine learning tools and techniques
어반 컴퓨팅 : 빅데이터로 변화하는 도시의 현재와 미래
Big data, big design : why designers should care about AI
Encyclopedia of creativity
Handbook of qualitative research techniques and analysis in entrepreneurship
한국인터넷방송통신학회 논문지
김용준Journal of Information and Communication Technology
Demong N.A.R.,Shahrom M.,Rahim R.A.,Omar E.N.,Yahya M.The International Journal of Advanced Smart Convergence
김용준, 박정민Human Resource Management Journal
Hickman L.,Saef R.,Ng V.,Woo S.E.,Tay L.,Bosch N.Future Computing and Informatics Journal
Mona Nasr; Fahad Kamal Alsheref; Mervat Ragab BakryJournal of Electrical and Computer Engineering
null Samsuryadi; Rudi Kurniawan; Julian Supardi; null Sukemi; Fatma Susilawati MohamadWeb Intelligence
Bin Tareaf, R.; Berger, P.; Hennig, P.; Meinel, C.PERSONALITY AND INDIVIDUAL DIFFERENCES
Moreno, Jose David; Martinez-Huertas, Jose A.; Olmos, Ricardo; Jorge-Botana, Guillermo; Botella, JuanJournal of Hospitality Marketing & Management
Leung, R; Rong, Jia; Li, G; Law, RPsychological Bulletin
Koutsoumpis A.,Oostrom J.K.,Holtrop D.,van Breda W.,Ghassemi S.,de Vries R.E.Journal of Applied Psychology
Park H.S.(.,Wiernik B.M.,Oh I.S.,Gonzalez-Mulé E.,Ones D.S.,Lee Y.Assessment
Kern, M.L.; Eichstaedt, J.C.; Schwartz, H.A.; Dziurzynski, L.; Ungar, L.H.; Ramones, S.M.; Seligman, M.E.P.; Stillwell, D.J.; Kosinski, M.Social Psychological and Personality Science
Anderson I.,Gil S.,Gibson C.,Wolf S.,Shapiro W.,Semerci O.,Greenberg D.M.Personality and Individual Differences
Grajzel K.,Acar S.,Singer G.International Journal of Fuzzy Logic and Intelligent systems
Joshua Evan Arijanto, Steven Geraldy, Cyrena Tania, Derwin SuhartonoCreativity
Uszyńska-Jarmoc J.,Kunat B.INTERNATIONAL JOURNAL of FUZZY LOGIC and INTELLIGENT SYSTEMS
Joshua Evan Arijanto; Steven Geraldy; Derwin Suhartono; Cyrena TaniaInternational Journal of Fuzzy Logic and Intelligent Systems
Arijanto J.E.,Geraldy S.,Tania C.,Suhartono D.Procedia Computer Science
Abdul Jalil, Masita @ Masila; Mohd, Fatihah; Mohamad Noor, Noor MaizuraInformation and Software Technology
Amin A.,Basri S.,Rahman M.,Capretz L.F.,Akbar R.,Gilal A.R.,Shabbir M.F.전선 / 학사
이 교과목은 다양한 학습 데이터를 분석하여 학습자의 흥미와 필요를 고려한 맞춤형 학습을 설계하는 방법을 소개한다. 인공지능을 활용하여 학습활동을 자동으로 분석하고 학습결과를 예측하며, 그 결과를 바탕으로 교수자와 인공지능이 적응적으로 학습을 지원하는 방안을 탐색한다. 학습 상황과 학습자의 특성에 따라 최적의 학습경험을 어떻게 설계하고 지원할 수 있는지 논의한다. 그리고 디지털 테크놀로지를 활용하여 공교육에서 학습 데이터를 수집, 분석, 활용하는 과정에서 발생하는 사회적 문제를 비판적으로 검토하고 창의적인 해결방안을 모색한다.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 / 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 / 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
통계분석 결과를 정확히 이해·해석하기 위한 확률과 기술통계, 가설검정, F 분포와 분산분석, 회귀·상관, 범주형·빈도 분석을 다룬 뒤, 머신러닝의 핵심 개념을 가볍게 소개한다. 간단한 분류·회귀·군집 알고리즘 및 기초적 모델 해석 가능성과 윤리·편향 이슈를 실습 중심으로 학습한다.전선 / 학사
빅데이터는 실세계에서 일어나는 복잡한 문제를 해결하기 위한 통찰력을 제공한다. 이 과목은 빅데이터를 소개하며, 데이터 가공, 분석 및 시각화를 위한 프로그래밍 언어 (Python), 데이터 분석을 위한 통계 및 머신러닝 방법 등을 가르친다. 실습 및 프로젝트를 통해서 학생들이 실제 데이터를 분석할 수 있는 능력을 배양한다. 데이터 중심의 컴퓨팅, 정량적 사고와 추론, 탐색적 데이터 분석에 대한 강조를 통해 이 과목에서는 데이터 과학의 핵심 원리와 기술을 다룰 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
이 과목은 인간의 정보추구행동을 분석하는 다양한 방법론을 소개하여 향후 학생 본인의 전공분야를 선택하는데 참조할 수 있도록 한다. 특히 정보의 사용성 조사나 사용자 경험조사 방법을 중점으로 데이터의 수집, 실험설계, 데이터 분석 및 해석방업 등을 취급한다.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 methods전선 / 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 / 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
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
주어진 지식과 경험을 바탕으로 앞으로 주어질 작업을 효율적이고 체계적으로 수행할 수 있는 컴퓨터 프로그램 개발에 많은 연구가 계속되어 오고 있다. 이러한 연구의 핵심 분야인 기계 학습(Machine Learning)에 관한 강의로써 현재까지 발표된 대표적인 연구 논문들을 중심으로 이론 및 알고리즘, 응용 분야 등을 설명한다.전선 / 대학원
“재능 판별과 측정 및 진단”은 영재성, 창의성, 지능 등을 비롯한 인간의 다양한 재능을 판별, 측정 및 진단하기 위한 이론과 실제를 배우는데 목적이 있다. 수업은 다음의 내용을 중심으로 진행된다. 첫째, 영재성, 창의성, 지능에 대한 개념적 이해를 바탕으로 각각의 재능을 어떻게 발견하고 판별하는지 살펴본다. 둘째, 각각의 재능을 판별하고 측정 및 진단하는 다양한 유형의 국내외 검사도구들을 비판적으로 고찰한다. 셋째, 재능을 판별하고 측정 및 진단하는 검사 도구의 강점을 극대화하고 약점을 보완할 수 있는 새로운 유형의 판별 방안을 고안한다. 넷째, 재능 판별과 측정 및 진단을 위한 도구를 개발하고 이를 현장에서 활용해본다. 수업을 통해서 학생들은 재능의 특성을 이해하고 교육심리학적 연구와 실제에 기반한 판별도구의 개발과 활용을 경험하게 될 것이다.전선 / 대학원
통계적 기계학습 방법은 데이터과학 및 인공지능 분야에서 핵심 방법론으로 사용되고 있다. 본 강의에서는 통계적 기계학습 방법론을 소개하고 기본 이론을 배운다. 주로 지도학습방법론을 위주로 다루며, 의사결정론, 고차원 선형모형, 비모수 함수추정, 의사결정나무와 앙상블, Support vector machine 그리고 딥러닝에 대한 이론 및 알고리즘을 가르친다. 그리고 지도학습 알고리즘을 관통하는 통계학적 원리인 M-추정량에 대해서 논의한다.전선 / 대학원
이 수업은 디지털 미디어의 사회침투 (mediatization; 미디어화)에 따라 네트워크가 하나의 범사회적인 구성원리로 부상하는 현상을 주로 인간관계의 형성과 유지에 관한 논의에 초점을 두고 학습합니다. 미디어가 우리의 일상과 어떻게 결합하는지, 즉 우리가 주변사람들 혹은 공동체와 맺는 관계를 중심에 두고 그 관계 위에서 공유되는 정보와 감정, 개인과 공동체와의 관계 등이 미디어화와 더불어 어떤 변화를 겪는지를 보고자 합니다. 기존 연구에 대한 학습과 동시에 실제 우리 일상에 대해 비판적으로 ‘관찰’하고 책 바깥으로 나와 생각하는 연습을 통해 다시 미디어의 본질에 관한 통찰력을 키워보고자 합니다. 미디어화에 따른 인간관계망의 변화, 개인과 집단의 미디어 이용, 공동체의 형성, 협력관계의 발생 등의 이슈를 다룹니다.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
본 수업은 디자인관련 작업 시 디자인전반에 대한 리서치 방법론을 배운다. 특히 설문조사 기법, 인터뷰 기법, 자료 조사 방법을 익힌다. 또한 통계기법을 배워서 디자인에 관련된 데이터를 기초통계법을 배우며, 통계를 활용하여 선호도 조사나 만족도 조사 등이 가능하도록 한다.전선 / 대학원
인간의 정서, 인지, 행동 문제는 뇌 기능과 밀접한 관련이 있으며, 생체신호와 뇌파에 대한 컴퓨터 분석 기법을 활용하면 이러한 문제와 연관된 뇌 및 자율신경계 활동을 정량적으로 평가하고 패턴을 분류하는 데 큰 도움을 줄 수 있다. 이 과정은 의학, 간호, 심리, 교육, 체육 등 비전공자들을 위해 설계되었으며, 생체신호 분석 경험이 없는 이들이 임상 연구에 바로 적용할 수 있도록 정량뇌파(QEEG) 및 심박변이도(HRV) 분석의 이론과 측정 장비, 분석 소프트웨어 실습을 제공한다.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.