최근 확인한 콘텐츠
데이터가 존재하지 않습니다.
데이터가 존재하지 않습니다.
loading...
본 연구는 하드웨어공학 분야에서 확률/통계의 중요성을 강조하며, 교과과정 각 트랙에서 확률/통계의 적용 및 연계성을 파악하고 교육효과를 분석하고자 한다. 확률/통계와 하드웨어공학의 연계를 통해 실용적인 지식 개발 및 문제 해결 능력 향상을 도모하여 고급 전문 인력 양성에 기여하는 것을 목표로 한다.
(개념을 이해하는) 기초통계학
Introduction to probability and statistics for science, engineering, and finance
(알차게 배우는) 대학 공업수학 =
(알차게 배우는) 대학공업수학
(알차게 배우는) 대학공업수학
보건통계학 : 개념 이해에서 SPSS를 활용한 통계분석까지 =
Learning, networks and statistics
Advanced multibody system dynamics : simulation and software tools
Supercomputing
Readings in computer architecture
Number theory for computing
New information technologies : a challenge for education.
Perspectives on research on effective mathematics teaching
공업통계 =
The SimCalc vision and contributions : democratizing access to important mathematics
Applied probability and statistics
Mit Werkzeugen Mathematik und Stochastik lernen – Using Tools for Learning Mathematics and Statistics
Engineering economy : applying theory to practice
Probability and statistics for computer scientists
예술인문사회 융합 멀티미디어 논문지
이승우한국데이터정보과학회지
이승우한국데이터정보과학회지
이승우한국데이터정보과학회지
이승우예술인문사회 융합 멀티미디어 논문지
이승우예술인문사회 융합 멀티미디어 논문지
이승우한국데이터정보과학회지
이승우한국데이터정보과학회지
이승우한국데이터정보과학회지
이승우예술인문사회 융합 멀티미디어 논문지
이승우수학교육
이승우수학교육
이승우한국데이터정보과학회지
이승우한국데이터정보과학회지
이승우한국데이터정보과학회지
이승우한국데이터정보과학회지
이승우教师 / Teacher
王洪山; 欧贵兵; 雷鸿; 陈晶晶; 鲍春华European Journal of Engineering Education
Zhan, S.; Valentine, A.; Male, S.; Chapman, E.한국데이터정보과학회지
이승우수학교육
이승우전선 / 대학원
본 과목은 산업 현장에서 발생하는 다양한 확률적 문제를 이해할 수 있는 통계적 지식을 소개하고, 소프트웨어를 활용하여 사례를 분석하는 능력을 키우는 것을 목표로 한다. 이를 위해 학기의 전반부에는 확률 변수 및 분포(이산분포, 뿌와송분포, 정규분포, 감마분포 등등), 통계적 추론·추정에 대한 기본적인 지식을 습득하고, 제품 생산과 품질관리 등에 어떻게 활용할 수 있는지 배운다. 또한 산업 현장과 밀접하게 연계되어 있는 다수의 예제를 학습하고, R 프로그램을 이용한 실습을 수행한다. 학기 후반부는 공학도로서 사례 중심의 문제 해결 능력을 배양하기 위한 강의가 제공된다. 제시된 사례를 바탕으로, 학생들은 스스로 문제 정의 – 변수 정의 – 가설 수립 – 통계 모형 설정 – 모형 분석 – 결과 해석의 과정을 거치게 되고, 이를 통해 산업 현장에서 발생하는 유사한 문제에 대한 해결 능력을 키울 수 있다. 이론 학습 위주의 기존 통계 강의와 대비했을 때, 공학자를 위한 통계는 제품의 품질관리, 신뢰도 향상 등과 관련된 다양한 사례를 직접 해결해 봄으로써 통계학을 이용한 공학적 문제 해결 능력을 실질적으로 높일 수 있다는 면에서 차별성이 있다.전필 / 학사
본 과목은 산업공학에 필요한 통계학적 이론과 실무적 기법을 제공하는 것을 목적으로 함. 구체적인 내용은 추정과 검정, 회귀분석, 실험계획 및 분산 분석, 비모수통계 등을 기본적인 방법론으로 하여 산업공학에서 제기되는 다양한 공학적, 관리적 현실문제들을 통계 소프트웨어를 사용하여 분석하고 전략적 의미를 도출하는 능력의 배양에 초점을 맞춤.전필 / 학사
이 교과목은 산업인력개발 관련 현장 및 연구에서 관련 자료들을 통계적으로 처리할 수 있는 능력을 갖추는 것을 목적으로 한다. 이 강의에서는 자료의 요약, 기술 방법, 두 가지 이상의 변수들 간 관계, 통계적 추론과 가설 검증, 상관분석, 회귀분석, 분산분석 등의 방법을 다룬다. 또한 이러한 분석을 위한 통계분석 패키지를 실제로 활용하는 능력을 기르도록 한다.전선 / 대학원
이 교과목에서는 산업인력개발과 관련된 여러가지 상황에서 얻어진 자료들의 의미를 파악하기 위해 집중경향, 변산도, 상관관계 및 변량분석등의 통계방법을 이해하고, 이를 관련 연구에 활용할 수 있는 능력과 통계 패키지를 실제로 사용할 수 있는 능력을 배양한다.전필 / 학사
이 과목은 식품공학을 비롯한 과학 분야에 적용 가능한 확률 이론 및 통계학의 기본 개념을 다룬다. 이는 기술통계 및 추론통계를 포함하며 일변량분석, 다변량분석, 상관분석, 회귀분석 등의 기본적 원리를 이해하고, 실습시간을 통해 엑셀, SPSS, R, Python 등의 프로그램을 통한 활용 능력 강화를 목표로 함.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
본 과목은 산업공학과 및 공과대학 대학원생을 대상으로 최신 고등 통계학습 이론과 기법 (확률 그래프모델, 커널방법, 다양체학습 등)을 소개하고 이를 중심으로 다양한 응용분야의 최신 연구주제에 적용하고 그 결과를 해석할 수 있는 능력을 배양하는 것을 목표로 한다.전필 / 학사
이 과목은 통계학의 기본내용과 사고의 틀을 소개함으로써, 현실의 다양한 통계자료에 접하여 지적으로 분석하고 대처할 수 있는 능력을 배양하는 것을 목적으로 한다. 구체적으로 실험설계, 기술통계학, 상관계수와 회귀분석, 확률론, 표본추출 및 가설검정 등을 다룬다.전선 / 대학원
이 교과목은 노동시장 분석의 대표적인 이론과 방법론을 이해함으로써, 산업인력개발의 경제적 측면을 분석할 수 있는 능력을 배양하는데 목적이 있다. 주요내용은 직업교육의 편익분석, 과잉학력과 스킬불일치, 직업 및 산업전망 분석 등이다. 이 과목을 통해 학생들은 노동시장 변화 및 인력수급전망과 산업인력개발과의 관계를 이해하고, 산업인력개발 전문가로서 노동시장을 분석할 수 있는 실제적 능력을 기를 수 있다.전선 / 대학원
본 과목은 산업공학과 및 공과대학 대학원생을 대상으로 불확실상황에서의 보다 나은 결정을 지원하기 위한 최신 확률모형 이론과 기법을 소개하고 이를 중심으로 다양한 응용분야의 연구주제에 적용하고 그 결과를 해석할 수 있는 능력을 배양하는 것을 목표로 한다.공통 / 대학원
컴퓨팅, 기계학습 알고리즘 및 확률/통계의 추론적 사고를 결합한 데이터사이언스는 데이터로부터 통찰력과 새로운 지식을 도출하고 이를 바탕으로 실제적인 문제를 해결하는 새로운 패러다임을 제공하고 있다. 본 과목은 여러 전공의 대학원에 들어온 학생들이 데이터를 이용해서 문제를 해결하는데 필요한 기본적인 이론 지식과 분석 능력 배양 등 융복합역량 함양을 목적으로 한다. 이에 더불어 학생들에게 데이터 중심적인 사고와 이를 통한 의사 결정 및 문제 해결도 가르친다.전필 / 대학원
본 과목은 행정학 정책학 분야에서 활용되고 있는 통계분석의 기초를 확립하고 양질의 분석능력을 배양하는데 그 목적이 있다. 특히 문제에 대한 이해, 주어진 자료에 대한 기술, 분석 모형의 개발, 자료와 모형간의 연계를 통한 추론의 과정을 명확히 이해하고, 이를 활용한 실제 계량분석이 이루어질 수 있는 경험을 제공하고자 한다. 본 강좌는 기술 통계학, 확률 및 분포, 통계적 추론(빈도주의자와 베이지안 모두 포함), 상관 및 회귀, t-테스트, 분산분석, 그리고 카이제곱검정을 포함한다. 본 강좌는 실제 분석단계에서 발견될 수 있는 사례를 이용하여 수업이 진행될 것이며, 통계패키지를 활용한 실습시간이 제공된다.전선 / 학사
사회현상을 과학적으로 탐구하고 해석, 서술하며 가설을 경험적 자료에 의하여 검증할 수 있는 방법을 학습함으로써 학문 연구의 기초 능력과 사회문제의 해결을 위한 객관적인 태도를 형성하는 데 이 과목의 목적이 있다. 즉 이 과목은 사회현상에 관한 과학적인 자료 수집 능력과 학문적 이론의 탐구를 위한 두 가지 목적을 가지고 있다. 이론과 사실의 개념, 개념구성법, 과학의 특징과 같은 과학철학적 내용, 면접, 질문지법, 관찰, 내용분석 등의 구체적인 조사기술, 표준편차, 변량, 가설검증, 회귀분석 등의 통계조작법을 주요내용으로 한다. 교양과정에서 통계학의 수강을 적극 권장한다.전선 / 대학원
해당과목은 공학분야에서 중요한 통계적 데이터 처리, 통계적 공학해석, 통계기반 공학설계 이슈들을 다룬다. 통계적 데이터 처리에서는 공학통계, 통계적 데이터 처리의 정성적, 정량적 접근법과 베이지안 통계학을 배운다. 통계적 공학해석은 신뢰성함수, 위험도함수, 가속수명시험, 불확실성 해석, 신뢰성해석, 건전성 진단 및 예지기술을 배운다. 통계기반 설계에서는 통계기반 민감도 해석, 반응함수법, 신뢰성기반 최적설계를 다룬다. 끝으로 공학시스템의 건전성 모니터링기술을 간단히 다룬다.전선 / 학사
학부과정을 총정리하는 의미에서 지금까지 학습한 철학, 정책, 실천 등을 우리나라의 실제 분야에 적용해 보기 위한 기반을 구축하려는 목적을 지니는 과목이다. 소득구조, 근로조건, 주택, 의료 등의 문제들을 검토하고, 학생들의 공통적인 관심사도 연구과제로 삼게 된다.전선 / 대학원
본 교과목은 임상 연구를 기반으로 공학, 인공지능(AI) 등 다학제적 분야를 융합하여 연구를 설계·수행·출판하는 전 과정을 배우는 것을 목표로 한다. 학생들은 연구자의 태도와 윤리적 기준을 이해하고, 연구 아이디어 도출부터 임상시험 설계, 데이터 관리, 논문 작성에 이르기까지 체계적인 방법론을 익히며, 나아가 연구윤리를 준수하면서 인공지능 툴을 효과적으로 활용하는 방법을 학습하여 실제 연구에 응용할 수 있는 역량을 기른다.전선 / 대학원
최근 보건 분야에서도, 제약 산업의 신약 개발 프로세스와 바이오인포메틱스 산업군에 대한 지식과 필요성이 그 어느 때보다 높아 임상 디자인과 관련되는 통계 방법에 대한 필요성이 증대되고 있다. 이에 임상시험 관련 내용과 이를 위한 통계분석 기법에 대한 강의를 개설하고자 한다. 본 강의는 보건대학원 학생들을 위해 전통적인 통계학의 방법을 바탕으로 해서 실제 임상 업무 현장에서 이슈가 되고 있는 통계적 주제에 대해서 다루는 강의이다. 강의 주제는 크게 3개의 주제로 나뉘며 1) 전통적인 통계학 내용에 대한 간략한 소개 2) 임상시험 전반과 그 디자인에 대한 내용 3) 보건의료 산업현장에서 이슈가 되고 있는 실무적인 내용에 대한 개론 이 그 3개의 주제이다.전선 / 대학원
이 과목은 우리가 일상적으로 많이 쓰고 있는 통계적 용어, 이 과목에서는 컴퓨터를 이용한 보건통계 자료처리에 필요한 기본적 통계적 이론들을 배우고 여러 통계 패키지를 이용한 실제의 자료처리 과정을 배우는 것을 목적으로 삼는다. 많은 실제 예제 자료들을 다룸으로 실제적인 문제 처리 능력을 키우고 컴퓨터를 이용한 자료 처리의 자신감을 키운다. 또한 회귀분석과 분산분석의 기초 이론들을 실제 쓰이는 용도를 중심으로 익힌다. 하나의 교재를 정하지 않고 매 시간 필요한 자료들을 복사하여 수업시간 전에 배분할 예정임.전선 / 대학원
본 과목은 데이터 과학의 방법론을 배우고 교육 관련 데이터, 다양한 인문 사회 분야의 데이터를 활용하여 인문학과 사회학 분야의 주제를 융합적으로 해결하는 역량을 기르는 교수 지식과 교육 역량을 갖추는 것을 목적으로 한다. 데이터 과학, 기계학습의 다양한 방법을 배우고 데이터 기반 교육을 실제 교실 환경에서 구현하는 방안을 연구하고 모색한다. 인공지능이 데이터를 사용하여 인문 사회 분야에 어떻게 기여할 수 있는지 동향과 가능성을 파악하고, 그 기반이 되는 분석 방법을 배운다. 인문 사회 분야의 다양한 주제와 관련된 데이터를 수집하고, 인문 사회 분야의 문제 해결을 위해 관련 데이터를 전통적 통계 분석과 최근의 기계학습, 다양한 인문 사회 맞춤형 분석 방법 등으로 분석하는 융합교육을 수행하는 구체적 아이디어를 개발한다. 또한 인문 사회 분야의 연구와 문제 해결을 위해 과학과 수학, 정보 분야의 문제 해결 방식을 융합하는 다양한 방안을 교육적으로 활용하는 방법을 연구한다.전선 / 대학원
본 강좌는 행정 및 정책분야 평가․실험에 필요한 고급통계 지식과 응용분석 능력의 배양에 중점을 둔다. 본 강좌에서 다루는 주요 내용은 다양한 고급회귀분석기법들, (준)실험평가기법들 (자연 및 사회실험, 단절적 회귀분석, 성향점수매칭기법) 그리고 무작위실험기법을 포함한다. 학생들은 이론적 이해와 함께, 통계 패키지 활용을 통한 응용 능력도 배양하게 될 것이다.