최근 확인한 콘텐츠
데이터가 존재하지 않습니다.
데이터가 존재하지 않습니다.
loading...
본 연구는 머신러닝 모델을 활용하여 TV 오디션 프로그램 '프로듀스X 101'의 우승자를 예측하고, 대중 선호도가 반영되는 개방형 선발 과정에서 머신러닝의 활용 가능성을 탐색합니다. '프로듀스 101' 시즌 1, 2, 3의 데이터를 기반으로 랜덤 포레스트, 의사 결정 트리, SVM, 신경망 등 다양한 머신러닝 기법을 적용하여 예측 모델을 개발했습니다. 연구 결과, 참가자에 대한 청중 투표량과 인터넷 뉴스 기사 수가 우승자 예측의 주요 변수로 나타났습니다.
Statistics in action
흔들리는 팬덤 : 놀이에서 노동으로, 현실에서 가상으로
광고효과와 매체계획 : 계량적 관점 =
호모마키나 : 기계와 함께하는 인간의 미래
Building recommendation systems in Python and JAX : hands-on production systems at scale
관심의 시장 : 디지털 시대 수용자의 관심은 어떻게 형성되나
다가온 미래 : 포스트 코로나 시대를 구원할 파괴적 기술 25
A behavioral theory of elections
(기본 알고리즘 및 적용 예제, 사례 연구로 살펴보는) 데이터 예측을 위한 머신 러닝
디지털 미디어 인사이트 2025 : AI 에이전트가 온다
머신 러닝
(빅데이터의 다음 단계는) 예측 분석이다
유튜버가 사라지는 미래 : 10년 후 미래를 상상한다
위너는 어떻게 결정되는가 : 이기고 싶은 사람들의 이기는 전략
(Alibi·lime·shap·ELI5 InterpretML을 활용한) XAI
로코노믹스 : 음악 산업에서는 누가, 어떻게 돈을 버는가
디지털 유인원
딥러닝 레볼루션 : AI 시대, 무엇을 준비할 것인가
마스터 알고리즘 : 머신러닝은 우리의 미래를 어떻게 바꾸는가
한국범죄심리연구
윤영호, 윤현식문화와융합
김기원; 변정민한국콘텐츠학회 논문지
우루루, 남윤재ACM SIGKDD Explorations Newsletter
Amatriain, XavierAnnals of Applied Statistics
Franck C.T.,Wilson C.E.인문콘텐츠
장해라, 조소연The Korean Data Analysis Society
Iljoo Kim; SeonJe KoThe RAND Journal of Economics
Katona, Zsolt; Knee, Jonathan A.; Sarvary, Miklos한국엔터테인먼트산업학회논문지
이두야Journal of The Korean Data Analysis Society
고선제; 김일주미디어, 젠더 & 문화
장민지MIS Quarterly: Management Information Systems
Mo, J.; Sarkar, S.; Menon, S.Group Decision and Negotiation
Cai M.,Yan L.,Gong Z.,Wei G.Multimedia Tools and Applications
e Souza T.L.D.,Nishijima M.,Pires R.전기전자학회논문지
유지현Journal of Cybercommunication Academic Society
Jue Ming Li; Sang Hee Kweon문화산업연구
신찬은, 김재범산업과 과학
이승용IEEE ACCESS
Cosimato, Alberto; De Prisco, Roberto; Guarino, Alfonso; Malandrino, Delfina; Lettieri, Nicola; Sorrentino, Giuseppe; Zaccagnino, RoccoInformation Systems Frontiers
Lee, Kyuhan; Park, Jinsoo; Kim, Iljoo; Choi, Youngseok전선 / 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
인간과 같은 구조와 원리로 인간지능을 재현해 내는 인공지능 기술의 발달로 그간 자동화와 전산화의 영역의 밖이었던 제조 영역 곳곳에 혁신을 가져올 것으로 기대되고 있다. 본 과목은 제품의 제조에 있어 인공지능 기술을 어떻게 활용할 수 있는지 그 근본 원리와 가능성 그리고 한계에 대해 이해하는 것을 목표로 한다. 이를 위해 제품 검사, 예측과 유지보수 뿐만이 아니라, 제품 설계, 재료 발견 및 설계, 지능기반 제조기계를 포함하는 제조 흐름마다의 현장 수요와 문제점, 그리고 그 문제를 해결할 수 있는 구체적 기술을 이론과 실제 제조 공정의 사례와 데이터로 익히게 된다.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 / 대학원
데이터사이언스와 관련한 여러 분야의 최근의 국내외 연구동향을 소개한다. 강의와 세미나를 통하여 관련분야의 최신 방법론과 특정 주제를 심도 있게 습득할 수 있도록 한다.전선 / 학사
본 교과목에서는 현재 여러 분야에서 적용되고 있는 지능시스템 및 관련연구의 핵심이 되는 확률적 모델링 및 추론, 통계학적 기계학습, 컴퓨터비젼, 로보틱스의 기초를 소개한다. Bayesian networks, hidden Markov models (HMM), Kalman filters, Markov decision processes 등의 확률적 모델링 및 추론방식이 소개되고 선형 regression 및classification 그리고 nonparametric 학습 방법의 기초를 습득한다. 그리고 확률적 모델, 추론방식, 학습방식들이 어떻게 컴퓨터비전 그리고 로보틱스 등의 응용분야에 적용되는지 알아본다.전선 / 학사
본 과목은 자연어 이해를 위한 확률 및 딥러닝 학습 방법론을 다룬다. 자연어 이해는 인공 지능에서 크게 주목받고 있는 영역으로 활용 범위가 웹 검색, 번역, 대화 모델 등으로 다양하다. 자연어 이해에서 성공적인 모델은 확률기반, 딥러닝 기반, 대형 언어모델 기반 모델 등이 있다. 본 과목에서는 이러한 다양한 모델을 이해하고, 디자인하고 구현하고 평가하는데 요구되는 최신 기술들을 다룬다. 1. 과목소개 2. Bag-of-word 언어모델 3. N-gram 언어모델 4. Bayesian 모델 5. Logistic 회귀 6. 임베딩 7. CNN 8. RNN 9. Transformer 10. 문맥적 임베딩 11. 지식 구축 및 활요 12. 언어에서의 AI 편향성전선 / 대학원
인공지능이 다양한 산업 분야에서 응용 분야를 넓혀가고 있다. 이 강의는 인공신경망, 유전자 알고리즘, 퍼지이론 등 최근 각광을 받고 있는 각종 인공지능 기술의 개요와 응용 분야에 대해서 알아보고, 의류학과 패션 산업의 여러 분야에 활용 가능한 어플리케이션을 다양한 프로그래밍 환경에서 만드는데 필요한 능력을 습득하는 것을 목표로 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 / 대학원
기술적, 사회적인 변화로 인해 미디어가 글로벌화되어나가고 더불어 소위 ‘엔터테인먼트 산업’ 혹은 ‘콘텐츠 산업’이라고 불리우는 부문에 대한 관심이 높아져 가고 있다. 미디어 산업이 가진 특수성 뿐 아니라 다양한 참여자가 콘텐츠 생산에 참여하고 공유하는 새로운 문화를 고려할 때 커뮤니케이션 현상에 관한 시각이 콘텐츠 산업의 작동에 관해 많은 시사점을 던질 수 있다. 이 과목은 문화콘텐츠의 생산과 유통 과정에 관한 산업적 측면의 기본 원칙과 제도를 학습하고 이를 바탕으로 콘텐츠 상품의 제작과 배포, 공유, 향수, 취향의 상품화, 주목의 구조화 등에 대해 논의한다.전선 / 대학원
본 과목은 기술 수요자의 선호를 정량적으로 분석하여 미래 유망기술을 예측하는 능력을 키우는 것을 목적으로 한다. 본 과목을 수강하는 학생들은 미래 기술에 대한 선호를 분석하기 위해서 필요한 통계 지식과 계량 방법론을 학습하고, 이를 특정 산업에 실제로 적용하여 미래 유망기술을 도출해 본다. 예를 들어, IT, 에너지, 환경 분야 등에 사용될 가능성이 높은 다양한 신기술에 대해서 각 기술의 특성 및 시장 환경, 목표 대상 소비자의 성향에 따라 기술 수요가 어떻게 달라지는지 계량 방법론(시계열모형, 조건부가치평가모형, 이산선택모형 등)을 이용하여 전망하는 방법을 배운다. 방법론을 습득한 후에는 각자가 관심있는 분야를 선정하여 출현 가능한 기술의 미래 수요를 직접 전망하는 프로젝트를 수행한다. 이를 통해 학생들은 어떤 기술이 미래에 가장 선호될 것인지 판단하고, 해당 변화에 선제적으로 대응하기 위해서는 어떤 노력이 필요한지를 고민해 보는 기회를 가지게 된다.전선 / 대학원
"오늘날과 같이 기술간제품간 융합이 활발히 이루어지고, 소비자들의 신제품에 대한 수요가 다양해지는 환경에서, 신기술 혹은 신제품의 성패는 기술적인 요인에 의해서 결정되어 진다기보다는 시장에서의 성공에 좌우된다고 할 수 있다. 따라서, 신기술 및 신제품에 대한 수요분석 및 예측은 기업전략은 물론 국가의 연구개발정책에 있어서도 그 중요성이 더욱더 커진다고 할 수 있다. 본 교과는 이와 같은 신 기술경제 패러다임(New Techno-Economics Paradigm) 하에서 빠른 기술혁신과 불확실한 시장으로 정의될 수 있는 신기술 및 신제품의 수요를 분석하는데 필요한 기초적인 지식을 교육한다. 교과내용은 크게 2가지로 나누어지는데, 첫번째는 신기술의 개별속성에 대한 소비자의 선호구조를 분석하는데 필요한 다양한 이산선택모형(discrete choice model)과 이를 추정하는데 필요한 여러 가지 시뮬레이션 기법 및 베이지안적 접근에 의한 추정법이 포함되고, 두번째는 위험함수(hazard function)의 정의에 기반한 광범위한 형태의 확산모형(diffusion model)을 이용한 수요예측모형이 포함된다."전선 / 대학원
데이터마이닝 (Data Mining)은 대용량 데이터베이스에 존재하는 데이터 간의 관계, 패턴, 규칙 등을 찾아내고 모형화해서 의사결정을 돕고, 유용한 정보로 변환하는 일련의 과정이다. 본 강좌에서는 기술모델링과 예측모델링에 사용되는 통계학, 기계학습, 신경회로망 기법들을 공부하고, 응용 사례 연구와 패키지를 이용한 프로젝트를 수행한다.교양 / 학사
본 강좌는 AI와 머신러닝의 기초 개념을 이해하고, 이를 실제 데이터에 적용하여 예측 및 분류 문제를 해결하는 능력을 배양하는 것을 목표로 한다. 기초적인 데이터 처리 방법부터 머신러닝과 딥러닝 모델에 이르기까지 다양한 주제를 다루며, Pandas, Scikit-learn, PyTorch 등의 라이브러리를 사용하여 데이터를 처리하고 모델을 구현한다. 또한, TV 광고 데이터를 활용한 매출 예측, 신용카드 연체 예측 등 실생활 문제를 다루어 AI 기술이 실질적으로 활용되는 사례를 제공하며, 학생들이 데이터를 통해 실제로 문제를 해결하는 과정에서 얻는 성취감을 높이고자 한다.전선 / 대학원
우리는 생성형 AI의 시대에 살고 있으며, 생성형 AI가 생성하는 컨텐츠들은 실제와 구별하기 어려울 정도로 발전하고 있다. 본 수업은 생성형 AI의 발전 과정, 수학적 표현법, 대표적인 최신 생성 모델을 다룬다. 본 수업은 두 개의 세션(강의 세션 및 발표 세션)으로 나뉘어진다. 수업의 절반은 생성 모델의 기본 아이디어와 컨셉에 대해 탐구하고, 두 번째 세션에서는 학생이 직접 추천된 논문을 읽고 발표하는 시간을 가진다. 최종적으로 선택된 논문을 바탕으로 새로운 아이디어를 제시하고 발표하는 시간을 갖는다. 본 수업 수강을 위해서, 확률 통계, 랜덤프로세스, 머신러닝, 및 딥러닝 교과목 수강을 선행으로 수강하는 것을 추천한다.전선 / 학사
인공지능은 사람의 생각과 행동을 모사하고, 이성적인 행위를 통하여, 주어진 목적을 달성하는 시스템을 연구하는 학문 분야이다. 본 수업에서는 인공지능 시스템을 구성하기 위한 다양한 방법론을 논한다. 이는 효율적인 탐색, 지식의 표현, 불확실성에 대한 이해, 상관관계와 인과관계에 대한 이해, 시각, 음성, 자연어 등의 처리, 학습 등을 포함한다. 이를 통해 학생은 인공지능의 핵심 원리와 기술에 대해 수학적, 논리적, 정성적, 정량적, 확률 통계적, 학습적 관점 등으로 종합적인 이해를 한다.전선 / 학사
인공지능의 발전 및 데이터의 축적으로 최근 재료공학분야에서 기계학습이 활발히 적용되고 있고 새로운 재료설계방법으로 떠오르고 있다. 본 강좌에서는 학생들에게 기계학습 및 통계추론에 대한 기초 이론 및 파이썬을 이용한 라이브러리 활용 방법을 강의한다. 이를 바탕으로 학생이 실제 재료 데이터에 기계학습을 적용하고 해석하는 방법을 익히도록 한다.전선 / 대학원
우리는 생성형 AI의 시대에 살고 있으며, 생성형 AI가 생성하는 컨텐츠들은 실제와 구별하기 어려울 정도로 발전하고 있다. 본 수업은 생성형 AI의 발전 과정, 수학적 표현법, 대표적인 최신 생성 모델을 다룬다. 본 수업은 두 개의 세션(강의 세션 및 발표 세션)으로 나뉘어진다. 수업의 절반은 생성 모델의 기본 아이디어와 컨셉에 대해 탐구하고, 두 번째 세션에서는 학생이 직접 추천된 논문을 읽고 발표하는 시간을 가진다. 최종적으로 선택된 논문을 바탕으로 새로운 아이디어를 제시하고 발표하는 시간을 갖는다. 본 수업 수강을 위해서, 확률 통계, 랜덤프로세스, 머신러닝, 및 딥러닝 교과목 수강을 선행으로 수강하는 것을 추천한다.전선 / 학사
머신러닝과 인공지능 분야가 보여주고 있는 놀라운 발전의 근간에는 자연 현상을 수학 문제로 기술한 뒤 수많은 현대 수학의 도구를 이용해서 풀어낸 수학의 틀이 존재한다. 따라서 이같은 수학의 핵심 원리를 모른 채 이미 라이브러리화된 것을 단순하게 사용하여 학습하는 것으로는 한계에 봉착할 수 있다. 본 강의의 목적은 수강생이 머신러닝을 이해하는데 있어 필요한 수학을 프로그래밍과 연계하여 학습하는데 있다. 이를 위해 본 강의는, 수학의 단위 주제 강의 후 즉시 프로그래밍 실습을 통해 익히는 마이크로러닝 방식으로 운영한다. 머신러닝 알고리즘을 직접 다루지 않으나, 대수학, 미적분학, 선형대수, 기하학과 같이 머신러닝 학습 및 강좌에 필수적으로 요구되는 내용을 다루며, 수업에서 사용하는 프로그래밍 언어는 파이썬이다. 본 강의는 이공계 고교 수학 이상의 지식을 갖추고 있으나 프로그래밍 지식을 갖추고 있지 않은 학생을 주 대상으로 한다.전선 / 대학원
본 코스에서는 선형, 비선형, 정수, 동적, 확률적인 최적화 기법에 대해 강의한다. 각 기법에서 어떻게 바람직한 측면을 최대화 하고 부적적인 측면을 최소화 할 수 있는가를 보여 줄 수 있는 예제들을 제시하게 될 것이다. 특히 산업 뿐 아니라 컴퓨터 프로그램에서 선형, 비선형 문제를 풀기위한 응용문제를 강조하게 될 것이다.전선 / 대학원
기술개발의 성공여부는 최종적으로 시장에서의 성과에 달려있다. 최근 정보통신기술의 빠른 발달과 함께 기술혁신이 가속화됨에 따라 많은 신기술 혹은 융합기술이 출현하고 있어 기술적 가능성은 확대된 반면 시장에서의 불확실성(혹은 위험)이 증가되고 있다. 따라서 기술개발단계 이전에 시장에서의 성공가능성을 평가하고 수요를 예측하는 것은 기술경영의 측면에서 매우 중요하다고 할 수 있다. 본 교과는 신기술 혹은 신제품이 시장에 출시되기 이전에, 더 나아가 기술개발단계 이전에 시장에서의 성공가능성을 평가할 수 있는 신기술에 대한 소비자 선호분석 방법론을 교육한다.