최근 확인한 콘텐츠
데이터가 존재하지 않습니다.
데이터가 존재하지 않습니다.
loading...
본 연구는 비식별화 데이터의 통계적 유용성을 예측 정확도 측면에서 측정하는 방안을 제시합니다. KLT 모형을 이용한 비식별화 데이터에 대한 사례 분석을 통해 데이터 훼손 정도를 파악하고, 예측 모형 정확도 회복에 필요한 비식별화되지 않은 자료의 양을 측정하여 데이터 유용성 지표를 제안합니다.
개인정보 비식별화 방법론 : 보건의료정보를 중심으로
개인정보 비식별 조치 가이드라인 : 비식별 조치 기준 및 지원·관리체계 안내
Statistical machine learning : 빅데이터RPYTHON
데이터 익명화 : 개념이해 및 최신 기술 동향
빅데이터와 위험 정보사회
(데이터 3법 개정에 따른) 개인정보 비식별 조치의 이해와 활용
(Excel 활용) 통계학 =
Big data : an exploration of opportunities, values, and privacy issues
기초통계학과 데이터 사이언스 : R 활용
(빅데이터 시대를 여는 첫걸음) NoSQL 데이터 모델링
(시각화를 이용한) 데이터 정보분석
(SPSS를 이용한) 환경보건통계학
빅데이터를 활용한 인공지능 개발
빅데이터 분석 R 유 레디
스마트 거버넌스 : 정책과정의 혁신
인공지능 기반 이미지영상인식 산업별 응용기술 최신 동향분석
(4차 산업혁명 시대의) Excel 활용 통계학=
(4차 산업혁명 시대의) Excel 경영과학
부정 적발 애널리틱스 : 조직 내 부정 위험 관리를 위한 데이터 과학 지침서
(Knowledge skill attitude를 위한) 품질경영
한국컴퓨터정보학회논문지
김동현한국전자거래학회지
노건; 전종훈한국지능시스템학회 논문지
김승환, 전성해한국빅데이터학회 학회지
김채운, 오준형, 이경호정보화연구
엄수현, 이인경, 이우기정보과학회 컴퓨팅의 실제 논문지
윤예린; 배호스마트미디어저널
김진수, 최방호, 조기환Santa Clara Law Review
Polonetsky, Jules; Tene, Omer; Finch, Kelsey정보화연구
양현철; 이영주; 김신곤융합보안 논문지
강혜영, 권헌영고려법학
박노형, 정명현통계연구
김혜련세계헌법연구
김나루정보과학회논문지
정홍주, 이나영, 설수진, 한경석한국정보기술학회논문지
김진수; 박남제; 이동철민주법학
오길영한국빅데이터학회 학회지
이진형정보보호학회논문지
이동혁; 박남제ACM Computing Surveys
Carvalho T.,Moniz N.,Faria P.,Antunes L.아주법학
오승한전선 / 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
패턴 인식은 데이터가 주어졌을 때 데이터에 대한 사전 지식이나 통계적 특성을 사용하여 패턴의 특징을 찾아내고 이를 사용하여 패턴을 분류하는 것이다. 데이터의 차원은 일반적으로 매우 커서 데이터를 파악하기가 매우 어렵다. 데이타가 어떤 부류에 속하는 지에 대한 사전 지식이 있을 경우에는 패턴 분류를 하는 방법으로는 Bayes 분류기, Maximum likelihood 방법, Discriminant Analysis, 신경회로망 등이 있다. 그리고 데이터에 대한 사전지식이 없는 경우에는 clustering 하는 방법을 통하여 데이터를 분류한다. 패턴 인식은 얼굴, 지문 등의 생체인식 분야에 많이 이용되고 있으며, 또한 많이 축적된 데이터로부터 새로운 지식을 찾으려하는데 사용되고 있다. 이 과목에서는 패턴 인식에서 사용하는 여러 방법을 소개하고 그 응용에 대하여 다룬다.전선 / 대학원
패턴 인식은 데이터가 주어졌을 때 데이터에 대한 사전 지식이나 통계적 특성을 사용하여 패턴의 특징을 찾아내고 이를 사용하여 패턴을 분류하는 것이다. 데이터의 차원은 일반적으로 매우 커서 데이터를 파악하기가 매우 어렵다. 데이타가 어떤 부류에 속하는 지에 대한 사전 지식이 있을 경우에는 패턴 분류를 하는 방법으로는 Bayes 분류기, Maximum likelihood 방법, Discriminant Analysis, 신경회로망 등이 있다. 그리고 데이터에 대한 사전지식이 없는 경우에는 clustering 하는 방법을 통하여 데이터를 분류한다. 패턴 인식은 얼굴, 지문 등의 생체인식 분야에 많이 이용되고 있으며, 또한 많이 축적된 데이터로부터 새로운 지식을 찾으려하는데 사용되고 있다. 이 과목에서는 패턴 인식에서 사용하는 여러 방법을 소개하고 그 응용에 대하여 다룬다.전선 / 학사
이 수업은 현대 사회에서 데이터화가 미치는 영향과 그에 따른 소통적 실천들의 변화에 대한 주요 쟁점들을 심도있게 고찰한다. 논의 주제로는 데이터 편향 및 윤리, 디지털 감시 기술, 미래 발전 담론, 스마트시티와 커뮤니티, 데이터 인프라와 도시 환경 문제 등이 포함되며, 이 주제들을 심층적으로 탐구하기 위해 미디어 연구, 문화 연구 및 과학기술학의 핵심 개념과 방법론들을 폭넓게 살펴본다. 이론적 학습과 참여형 실습 과제를 통해 학생들은 데이터에 관한 맥락적 이해를 높이고, 인문사회학적 접근법의 중요성을 성찰할 기회를 갖는다. 또한 실제 사례 분석과 토론을 통해 데이터 사회에 관한 총체적, 비판적 사고 능력을 배양한다.전선 / 학사
비모수통계의 이론과 응용을 다룬다. 위치모수 및 척도모수를 추론하기 위한 순서통계량 및 순위통계량의 분포, 순열검정 방법과 비모수적 신뢰구간 및 점추정 방법을 모수적 방법과 비교하며, 붓스트랩 절차에 대해 학습한다. 또한, 다중선형회귀, 밀도함수추정 및 비모수회귀 등에서의 비모수 방법론을 다룬다. 선수과목으로서는 <통계학>, <통계학실험>, <회귀분석 및 실습>이 요구된다.전선 / 학사
이 강의에서는 실질적 문제해결을 위한 다양한 자료 분석 방법론의 이해와 적용을 경험한다. 해결하고자 하는 문제의 구체화를 포함하여, 데이터의 수집 및 정리, 탐색적 데이터분석, 시각화, 통계적 추론 및 예측 그리고 의사결정의 핵심 원리를 배운다. 정형 데이터뿐만 아니라 비정형 데이터(텍스트 데이터, 공간 데이터, 네트워크 데이터) 분석 방법도 다루며, 이러한 데이터에 적합한 시각화 및 분석 기법을 학습한다. 학생들은 다양한 데이터의 구조를 이해하고 적절한 자료 분석 방법을 선택하며, 실습을 통해 배운 내용을 실제 문제에 적용하여 해결하는 전 과정을 경험한다. 이를 통해 문제해결 능력과 실무에서 활용 가능한 분석 역량을 효과적으로 향상시킨다.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 / 대학원
4차산업혁명 시대를 맞이하여 의료빅데이터 분석의 중요성은 날로 증가하고 있다. 다양한 출처에서 다양한 형태로 생성된 데이터의 통합분석을 가능하게 하는 전제조건은 데이터의 표준화를 통한 상호운용성의 확보이다. 본 교과목은 보건의료데이터의 활용과 공유를 위하여 표준화된 형태로 표현하고 정리하는 방법을 다룬다. 본 교과목을 통해 학생들은 보건의료표준화용어체계, 데이터 모델링, 온톨로지 등 표준화된 형태로 데이터를 표현하고 정리해내는 다양한 기법들에 대해 익힌다.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.교양 / 학사
현대 사회에서는 데이터를 올바르게 분석하고 해석하는 능력, 그리고 이를 통해 유의미한 정보를 도출하는 방법이 매우 중요해지고 있다. 본 교과목을 수강하는 학생들은 인문사회과학 분야에서 실제로 사용되는 다양한 데이터를 바탕으로 문제를 해결하기 위한 형태로 데이터를 가공하고 분석하는 방법을 배우게 된다. 주요 내용으로는 설문조사, 실험연구, 데이터 전처리 및 시각화, 선형회귀, 인과효과 분석, 통계적 추론 등이 있으며, 실제 연구에서 어떻게 적용되는지 다양한 예제를 통해 통계 이론의 적용 과정을 이해한다. 또한, 사회적 문제와 인간 행동 양식에 관한 문제를 분석하고 해결하는 데 필요한 ‘인과관계’와 ‘표본조사’에 대한 이해를 높이는 기회를 제공한다. 실습 과정도 포함되어 있어서 실제 연구 데이터를 R 프로그램을 이용하여 분석할 수 있도록 한다.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 / 학사
여러 가지 통계 모형에서 나타나는 함수에 대하여 비모수적 추정 방법을 배우며, 이론적인 측면보다는 주로 방법론 및 그 응용에 초점을 맞춘다. 비모수 방법으로서 커널 추정법, 국소 다항 적합법, 웨이블릿 추정법, 스플라인 추정법 등을 다룬다. 밀도함수, 회귀함수, 생존함수, 분위수함수 등의 추정 방법을 배우며, 분류 및 판별분석, 일반화 선형모형, 중도절단회귀 모형, 비례위험 모형 등에 응용하는 방법을 간략하게 소개한다.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
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 / 대학원
이 교과목에서는 비선형시스템 식별에 관련된 각종 실용적 기법들을 소개한다. 또한, 비선형 목적함수의 최적문제의 해를 구하는 각종 비선형프로그래밍기법도 소개한다. 단, 비선형궤환제어와 컴퓨터 네트워크 등에 효과적으로 사용될 수 있는 기법들에 국한하여 심도 있게 공부하고 실제 응용 예를 통하여 그 가능성을 토의한다.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.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
사회적 변화에 따라 미디어를 받아들이는 수용자에 대한 새로운 연구가 요구되고 있는 시점이다. 다수의 디지털 매체의 도입으로 인한 기존 수용자 조사 방식의 문제점들이 있다. 이러한 문제를 해결하기 위한 몇 가지 제안을 지속적으로 연구할 예정이다. 예컨대 대안적 미디어 이용행태 조사방법으로 최근 대두되고 있는 인터넷 조사와 휴대전화사의 문제점을 대안적 조사의 표집과정과 기존의 확률적 표집틀을 사용하는 경우가 어떻게 서로 다른가를 비교, 분석, 개선할 것이다. 또한 대안적 조사기법의 가장 큰 문제점인 표본 편파의 문제점을 해결하는 방안으로 성향점수를 사용한 성향가중방법, 반복비례 가중법, 표본 선택편의 수정 방법 등에 대해 연구할 것이다.전선 / 대학원
범주형 자료를 분석하기 위한 통계기법들을 소개한다. 범주형 자료들은 대개 분할표를 이용해 정리할 수 있기 때문에 분할표를 분석할 수 있는 통계방법을 중점적으로 다룬다. 주된 주제들은 분할표분석, 로그 선형모형, 로지스틱모형이다.전선 / 학사
이 강좌는 자료분석을 위해서 사용하는 다양한 고급 통계 방법에 관한 교육을 목표로 한다. 회귀분석에서 소개된 선형모형의 이론과 응용을 보다 일반적인 경우로 확장하고 각 방법들에 대한 직관적인 설명과 한계에 대해서 알아본다. 또한 실제 문제에서 이러한 방법을 적용하기 위한 프로그래밍을 통한 구현 방법을 학습한다. 이 강좌를 이수한 후 수강생들은 새로운 자료 분석 문제를 마주쳤을 때 (1) 적절한 통계 분석 방법을 선택하고 (2) 이러한 방법들을 통계 소프트웨어를 이용하거나 프로그래밍을 통하여 구현하고 (3) 분석 결과를 통계학 전공이 아닌 사람들에게 설명할 수 있어야 한다.