최근 확인한 콘텐츠
데이터가 존재하지 않습니다.
Karuna C.,Poltue T.,Khrueaduangkham S.,Promoppatum P.
2022 / Journal of Computational Design and Engineering
Akar Alinda Oyku, Yildiz Umit Hakan, Tirkes Seha, Tayfun Umit, Hacivelioglu Ferda
2022 / Carbon Letters
주가을, 김보나, 박민정, 박상욱, 방애린, 임유진, 정경빈, 정지민, 주연정
2020 / 간호와 혁신
Shijina B.N.,Radhika A.,Sherin S.,Biju P.G.
2023 / Nutrients
임동균, 진상근, 허선진, 신택순
2018 / 생명과학회지
Bo Gyeong Lee, Sun
2022 / 여성건강간호학회지
데이터가 존재하지 않습니다.
loading...
Computer vision metrics : survey, taxonomy, and analysis
Multidimensional systems signal processing algorithms and application techniques
Buoyant convection in geophysical flows
Database Systems for Advanced Applications : 24th International Conference, DASFAA 2019, Chiang Mai, Thailand, April 22–25, 2019, Proceedings, Part II
Neural Information Processing : 26th International Conference, ICONIP 2019, Sydney, NSW, Australia, December 12–15, 2019, Proceedings, Part V
Computer Vision – ECCV 2022 : 17th European Conference, Tel Aviv, Israel, October 23–27, 2022, Proceedings, Part XXVIII
Learning, networks and statistics
딥러닝의 통계적 이해 =
Efficient processing of deep neural networks
그림으로 배우는 딥러닝
일래스틱 스택을 이용한 머신러닝 : 분산 검색과 분석 플랫폼으로 하는 이상 징후 감지와 예측
Neural network systems, techniques, and applications
계량정보분석을 통한 지식의 Mapping과 활용
Signal processing methods for audio, images and telecommunications
간판, 거리의 타이포그래픽 디자인 =
Guide to convolutional neural networks : a practical application to traffic-sign detection and classification
패턴 인식과 머신 러닝
Signal processing techniques for knowledge extraction and information fusion
Learning deep learning : theory and practice of neural networks, computer vision, nlp, and transformers using tensorflow
Shape classification and analysis : theory and practice
김정환; 임준홍 · 2019
전기전자학회논문지
Ramesh Kumar Mohapatra; Banhi Sanyal; Ratnakar Dash · 2020
International Journal of Wavelets, Multiresolution and Information Processing
Ryu, Seung Min; Shin, Keewon; Shin, Soo Wung; Lee, Sun Ho; Seo, Su Min; Cheon, Seung-uk; Ryu, Seung-Ah; Kim, Jun-Sik; Ji, Sunghwan; Kim, Namkug · 2022
Computers in Biology and Medicine
임준식, 김수형, 이귀상, 양형정, 이명은 · 2009
정보처리학회논문지. 소프트웨어 및 데이터 공학
Li, Y.; Mogelmose, A.; Trivedi, M.M. · 2016
IEEE Transactions on Intelligent Vehicles, Intelligent Vehicles, IEEE Transactions on, IEEE Trans. Intell. Veh.
전필 / 학사
첨단융합학부 학생의 전공탐색을 위한 과목으로, 융합데이터과학의 핵심 개념과 다양한 응용 분야를 소개하여 향후 전공선택에 필요한 필수적인 정보를 제공한다. 특히, 융합데이터과학 분야에서 진행되는 첨단연구와 연구의 실제 응용 사례를 직접 체험하여, 자신의 전공 적성을 좀 더 구체적으로 알아보고 설계할 수 있는 기회를 제공한다.전선 / 학사
볼록판법의 원리와 특성을 이해하고 판각하여 찍는 과정을 실습하여 이를 바탕으로 작품을 제작한다. 단색 목판화, 다색 목판화의 실습을 시작으로 유성과 수성 목판화를 각각 익히고 제작한다. 리놀륨판화, 지판화와 콜라그래프 등으로 판을 다양화하고, 기계적인 방법으로 판각을 하는 방법을 시도하는 등 여러 볼록판 기법을 습득한다. 아울러 모노타입 등으로 간접 표현의 또다른 방법을 시도한다. 수업은 참고 작품의 소개 및 강의, 시연, 실습과 개인별 작품 제작 및 검토로 구성된다.전선 / 대학원
이 강좌는 실험심리학에서 최근의 중요 연구들을 소개하고 인간 마음의 기본 원리를 탐색 및 논의하는 세미나이다. 우선 강의 초에 인간의 생리, 지각 및 인지 수준에서 일반이론을 소개하고 그 문제점들을 알아본다. 이 이론들에 기초하여, 이 강좌에서는 시각, 주의, 언어, 문제 해결, 인간 추리 등의 세부 주세를 다룬다. 또한 이 강좌에서는 이런 주제들에 관해 실험 실습을 통해 학생들의 구체적인 이해의 증진을 시도한다.전선 / 대학원
센서 정보를 통하여 공간 정보를 획득하고 구성하는 기술은 스마트 팩토리나 생산 설계에 있어 중요한 요소 기술이다. 이 강의는 동시적 위치 추정 및 지도 작성법으로 알려진, 센서 기반 위치 정보 추정과 공간 정보 구성에 대한 내용을 다룬다. 특히 센서가 탑재된 대상이 고정적이지 않은 무인이동체의 센싱을 학습하여, 위치 추정과 공간 정보 추정의 연결성을 배우고, 이를 통하여 스마트 팩토리나 자율 주행에 관심이 있는 학생들에게 관련 기초 지식과 활용 사례를 제공한다.전선 / 학사
본 과정에서는 머신러닝의 기초를 수업한다. 수업 초반에는 머신러닝의 기초가 되는 확률, 선형대수, 최적화, 신호처리를 간단히 리뷰한다. 중반부에서는 대표적인 머신러닝 문제인 Classification, regression, clustering을 소개하고 예시를 통하여 개념을 학습한다. 후반부에서는 스마트 제조를 위한 센싱, 공간정보구축, 로보틱스 적용의 실습을 조별로 진행한다. 독립전원으로 구동가능한 미니PC 상에 리눅스를 운용하고, ROS SLAM 등 로보틱스와 공간지능 관련 소프트웨어를 배운다. 마지막으로는 실제 센서를 함께 구동하고 직접 데이터를 취득한 후, 수업에서 학습한 머신러닝 알고리즘을 적용해보기 위한 실습을 수행한다.전선 / 대학원
인지과학 연습 1의 내용을 보다 확장하여 인지과학의 연구사, 연구주제등을 다각도로 검토하여 과정에 진입한 학생들에게 인지과학의 기초적 지식배경을 제공하는데 목적이 있다.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
AI를 이용하여 주차장 게이트에서 번호판을 인식후 주차장 게이트를 Open/deny 하는 과정을 구현한다. 자동차 번호판을 인식하기 위해 object-detection, Text Detection, OCR, Image Captioning, Generative Model 등 다양한 컴퓨터 비전 에 사용되는 딥러닝 모델들의 개요에 대해 배우고, GPU 서버를 이용하여 이 과정들을 구현한다.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 / 학사
본 과목은 빅데이터를 활용하는 ML/AI/인지과학의 서비스를 개발할 때, 특히 많이 접하면서 까다로운 시계열 데이터 처리와, 파이썬 등으로 서비스를 개발을 효과적으로 할 수 있는 MLOps/DevOps 실전 가이드를 다루고자 한다. 연구 성과를 검증/공유하기 위해 패키지로 deploy하기 위한 도커/쿠버네티스 기술과 마이크로서비스 구축에 필요한 방법을 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.전선 / 대학원
본 과목은 조경학의 학위논문을 준비하거나 조경분야의 학술연구를 수행하기 위해 필요한 연구방법 즉, 연구주제 선정 방법, 자료수집 및 분석방법, 통계분석방법, 논문 작성방법 등을 심층적으로 습득하고, 이를 활용함으로써 연구수행능력을 향상시키는데 있다.전선 / 대학원
특수교육의 영역 중, 학습장애아에 관한 제반 이론을 검토한다. 학습장애(Learning Disabilities)는 평범한 학습과정의 부적응아로서, 다양한 학문적인 시각(교육학, 심리학, 병리학 등)을 통해서 학습장애아에 대한 이해를 깊게 하는 것을 목적으로 한다.전선 / 학사
연구실에서의 연구참여 활동을 통하여 전공 지식을 심화 학습한다. 각자가 원하는 연구에 참여하며 그 연구에 대한 직접적인 경험을 갖는다.전선 / 대학원
본 강좌는 영상 데이터를 분석하기 위한 수학적 모델링 기술 및 기계 학습 기술 등을 강의한다. 영상 데이터 분석에 널리 이용되는 기본적인 기계 학습, 특히 딥 러닝 기법을 집중적으로 학습하고, 이러한 기술이 다양한 영상 분석 문제에 어떻게 적용되는지 살펴본다. 이론 강의뿐만 아니라 실습과 프로젝트를 통하여 영상 데이터 분석에 필요한 다양한 기술을 학습한다. ● 기계학습 기초 리뷰 (지도학습, 비지도학습, 준 지도학습) ● 합성곱 신경망 (컨볼루션 신경망) ● 순환 신경망 (리커런트 신경망) ● 이미지 데이터 처리 기법 (이미지 분류, 물체 인식, 이미지 분할) ● 비디오 데이터 처리 기법 (비디오 분류, 행동 인식, 영상 내 검색, 물체 추적) ● 다면성 데이터 처리 (시청각-언어 정보 처리) ● 생성적 모델링전필 / 학사
본 과목은 조경(환경)계획, 설계시 기초가 되는 GIS와 계량분석 방법을 이해하고 습득시하는 것을 목표로 한다. 본 강좌의 내용은 크게 두 부분으로 나누어진다. 첫째 부분은 GIS에 대한 부분이다. GIS에 대한 개념의 이해부터 GIS를 이용한 지형분석, 적지분석을 실습을 통해 방법을 숙지하고 활용하는 것이다. 둘째 부분은 계량분석으로 조경의 사회조사에 필요한 설문지작성으로부터 기초통계분석까지 포함된다.전선 / 대학원
최근에 연구가 많이 되고 있는 이론천문 분야의 주제에 대하여 발표된 논문을 중심으로 연구한다.전필 / 학사
농촌과 농경지에서의 수문순환과 물질순환의 기초이론을 이해하고, 유출과 함께 발생하는 토립자와 비점오염물질의 운송과정을 학습한다. 농지에서의 토양유실량의 추정기술을 배우고, 토양과 수분의 보전을 위한 영농법과 테라스계획과 시공 및 관리방법, 농지배수조절방법 등에 대한 공학적 원리와 이론을 학습한다. 농지로부터 비료 및 농약 등 농업화학물질 부하량과 배출량의 추정법을 학습한다. 비점오염의 관리를 위한 영농법, 공학적 방법, 그리고 최적관리기법의 특징과 효과, 계획방법 등을 학습한다. 또한, 농업기반조성사업에서 다루어지고 있는 논, 밭의 공학적 기술에 대하여 살펴본다. 본 강좌에서는 강의--토론과 과제 중심의 실습이 이루어지며, 실습과제의 해결을 통해 공학적인 비점오염 관리방법에 대하여 학습한다.전선 / 대학원
본 교과목은 단순한 질의응답을 넘어, 스스로 목표를 설정하고, 도구를 사용하며, 복잡한 과업을 자율적으로 수행하는 ‘에이전트(Agentic)' AI의 설계 원리와 구현 방법론을 심층적으로 다룬다. 기존의 LLM(Large Language Model)이 가진 한계를 극복하고, LLM을 ‘추론 엔진'으로 활용하여 실제 세계와 상호작용하는 지능형 시스템을 구축하는 데 초점을 둔다. 수강생들은 단일 에이전트의 핵심 구성 요소인 사고-행동-관찰(Reasoning-Acting-Observation) 루프, 동적 도구 사용(Tool Use), 장단기 기억(Memory) 메커니즘을 학습한다. 나아가 여러 에이전트가 협력하여 인간의 개입을 최소화하면서 복잡한 문제를 해결하는 멀티 에이전트 시스템(Multi-Agent System)의 설계 패턴(예: 계층적, 협력적)과 통신 프로토콜을 배운다. LangChain, AutoGen, CrewAI와 같은 최신 프레임 워크를 활용한 실습을 통해, 에이전트 아키텍처 설계부터 정교한 프롬프트 체이닝, 실행 루프 구현까지의 전 과정을 경험하며, 차세대 AI 애플리케이션을 개발할 수 있는 실전 역량을 배양하는 것을 목표로 한다.전선 / 학사
본 강의에서는 통계적 추론에 기반한 기계학습의 기초에 대하여 학습하고 조선해양공학의 응용문제에 대한 프로젝트를 수행한다. 기계학습에 관련된 확률, 선형대수, 최적화의 기초에 대하여 학습한다. 확률에 기반한 최우추정법에 대하여 학습한다. 비지도 학습 분류 방법 및 선형 회귀법에 대하여 학습한다. Hidden Markov 모델과 Bayesian Inference의 개념, 이론 및 알고리즘에 대한 개요를 학습한다. Neural Network에 기반한 학습모델로 이미지 인식을 위한 Convolutional Neural Network, 음성과 같은 time series 데이터의 학습을 위한 Recurrent Neural Network의 개요에 대하여 학습한다. 그리고 보상에 따라 학습하는 Reinforcement Learning에 대하여 익힌다. 마지막으로 조선해양공학 응용의 기계학습 프로젝트를 수행하도록 한다.