최근 확인한 콘텐츠
데이터가 존재하지 않습니다.
데이터가 존재하지 않습니다.
loading...
Data management for researchers : organize, maintain and share your data for research success
Data lifecycles : managing data for strategic advantage
Research data management : practical strategies for information professionals
Exploring research data management
빅데이터, 새로운 깨달음의 시대
The future of digital data, heritage and curation : in a more-than-human world
International survey of academic library data curation practices.
데이터 거버넌스 : 사람, 기술, 도구, 프로세스 : 현대적인 데이터 관리와 활용을 위한 체계적 프레임워크
Systematics as cyberscience : computers, change, and continuity in science
Automated Taxonomy Discovery and Exploration
Oceanographic and marine cross-domain data management for sustainable development
Data analysis and presentation skills : an introduction for the life and medical sciences
Data information literacy : librarians, data, and the education of a new generation of researchers
Data provenance and data management in eScience
데이터 과학 : 더 나은 의사결정을 위한 통찰의 도구
의료정보 관리 시스템 : 사례, 전략 그리고 해법
데이터 시대의 언론학 연구
Open source software in life science research : practical solutions to common challenges in the pharmaceutical industry and beyond
Collecting experiments : making big data biology
I2D - Information, données & documents
Burgi, Pierre Yves; Makhlouf Shabou, BasmaJournal of Physics: Conference Series
Jung, C.; Gasthuber, M.; Giesler, A.; Hardt, M.; Meyer, J.; Rigoll, F.; Schwarz, K.; Stotzka, R.; Streit, A.College and Research Libraries
Pares N.,Organisciak P.漯河职业技术学院学报 / Journal of Luohe Vocational Technology College
张现龙; Zhang XianlongData Intelligence
Nie H.,Luo P.,Fu P.Information-Wissenschaft und Praxis
Lehmann, A.; Alshawaf, F.; Herwig, A.科技管理研究 / Science and Technology Management Research
胡媛; 虞佳玲; 艾文华; Hu Yuan; Yu Jialing; Ai WenhuaIFLA Journal
Sesartic, A.; Töwe, M.한국문헌정보학회지
연영광Journal of Physics: Conference Series
Jung, C.; Hardt, M.; Meyer, J.; Prabhune, A.; Rigoll, F.; Streit, A.; Gasthuber, M.; Giesler, A.; Schwarz, K.Aslib Journal of Information Management
Cox, Andrew Martin; Tam, Winnie Wan TingJournal of Physics: Conference Series
Jung, C.; Hardt, M.; Meyer, J.; Rigoll, F.; Stotzka, R.; Streit, A.; Gasthuber, M.; Giesler, A.; Schwarz, K.办公室业务 / Office Operations
朱婧文; 蔡晨曦Aslib Journal of Information Management
Cox, A.M.; Tam, W.Bibliothek Forschung und Praxis
Weber, Tobias; Kranzlmüller, DieterLIBRI-INTERNATIONAL JOURNAL OF LIBRARIES AND INFORMATION STUDIES
Tammaro, Anna Maria; Matusiak, Krystyna K.; Sposito, Frank Andreas; Casarosa, VittoreLibri
Fan, Zhenjia科学学研究 / Studies in Science of Science
夏义堃; 管茜; XIA Yi-kun; GUAN Qian全球科技经济瞭望 / Global Science, Technology and Economy Outlook
刘思彤; 游玎怡; 陈光; 温珂; LIU Si-tong; YOU Ding-yi; CHEN Guang; WEN KeJournal of the Association for Information Science and Technology
Bossaller J.,Million A.J.논문 / 대학원
본 과정은 학생들의 논문집필 주제 발굴을 돕고 다양한 세미나를 통하여 논문작성에 도움을 준다.전선 / 대학원
본 교과목은 응용 데이터사이언스를 위한 데이터 관리의 원리를 가르친다. 이 수업에서 다루는 주제는 다음과 같다. - 데이터 관리의 이론적 배경: 데이터 종류, 1차 논리, 2차 논리, 관계 논리와 관계 대수, 스키마, 정규화 - 관계데이터베이스: 개체-관계 모델, 트랜잭션, 동시성 제어, 로깅, 복구, SQL, OLTP, 쿼리 최적화 - 분산형 및 연합형 데이터베이스 시스템 - 데이터 애널리틱스: OLAP, 컬럼 스토어, ETL, 작업 데이터 저장소, 데이터 웨어하우스, 데이터 레이크, 인메모리 데이터베이스 - 데이터베이스의 물리적 디자인: Postgres 또는 MySQL을 이용한 B-tree 구현 등 - 데이터 처리: 파이썬의 NumPy, Pandas 등을 활용 이를 바탕으로 적용분야에 데이터사이언스를 응용할 기틀을 마련한다.전선 / 대학원
이 과정은 프로젝트 중심 수업으로 학생들은 end-to-end 프로젝트를 통해 데이터 사이언스 어플리케이션 개발 수명 주기, 어플리케이션 아키텍처 설계와 구성 요소의 선택, 시스템 인프라 유지보수 및 모니터링과 MLOps 등을 공부하고 실질적인 경험을 쌓을 수 있다. 이 수업에서는 소프트웨어 개발의 기초와 소프트웨어 2.0의 개념을 다루며, 학생들은 실습 세션을 통해 업계에서 활용되는 최신의(state-of-art) 소프트웨어 구성요소들을 다루고 대규모 상업 시스템들에 대해서 사례 연구를 진행할 예정이다. 학생들은 수업을 통해 프로젝트 아이디어를 제안하고, 아키텍처와 어플리케이션 기능을 디자인하며, 인프라를 어플리케이션 수명 주기에 따라 모니터링하고 유지 보수할 수 있어야 한다.전선 / 대학원
다양한 분야의 데이터사이언스 전문가를 초빙하여 최근 동향과 전문기술에 대한 정보를 습득하고 토론할 수 있는 기회를 제공한다.전선 / 대학원
본 교과목은 프로젝트 중심 수업으로서 학생들이 end-to-end 프로젝트를 통해 데이터사이언스 애플리케이션 개발 수명 주기, 애플리케이션 아키텍처 설계와 구성 요소의 선택, 시스템 인프라 유지보수 및 모니터링과 MLOps 등을 공부하고 실질적인 경험을 쌓을 수 있도록 한다. 학생들은 실습 세션을 통해 업계에서 활용되는 최신의(state-of-art) 소프트웨어 구성 요소들을 다루고 대규모 상업 시스템들에 대해서 사례 연구를 진행한다. 학생들은 수업을 통해 프로젝트 아이디어를 제안하고, 아키텍처와 애플리케이션 기능을 디자인하며, 인프라를 애플리케이션 수명 주기에 따라 모니터링하고 유지 보수할 수 있어야 한다.전선 / 대학원
본 과목에서는 데이터 분석 알고리즘, 시스템, 응용 등 다양한 분야의 문제들을 이해하고 기존 기술의 제약점을 해결하는 캡스톤 프로젝트를 진행한다. 이를 통해, 여러 과목에서 학습한 이론을 실제 문제에 적용할 수 있는 응용 능력 및 문제 해결 능력 향상을 기대한다. ▪데이터 분석 기법 개발 프로젝트 ▪데이터 기반 응용 프로젝트 ▪빅데이터 응용 프로젝트 ▪기계학습 응용 프로젝트 ▪빅데이터 시스템 개발 프로젝트전선 / 대학원
본 강좌는 대학원생을 위한 생명과학통계자료분석론 교과목으로 생명과학 연구 과정에서 접하는 통계자료의 분석 원리를 학습하고 실제 데이터로 실습해 보는 것을 목표로 한다. 세부적으로는 1) 기술통계, 2) 통계 검정 및 추정의 원리, 3) t-검정과 카이제곱 검정, 4) 회귀분석과 분산분석, 5) 일반화 선형모형, 6) 비모수통계 등을 다루며, 생명과학 연구에의 응용 사례를 수강생들의 연구 경험을 바탕으로 논의하는 활동을 병행한다. 이를 통해 생명과학을 전공하는 대학원생들이 자신들의 연구 자료에 대한 적절한 통계 분석을 실시할 수 있는 능력을 배양하고자 한다.전선 / 대학원
본 과목은 데이터사이언스를 전공하는 학생들의 다양한 관련 분야 경험을 위해 학교 내에서 강의를 통해 습득한 지식이 어떻게 응용되는지를 배우는 것을 목표로 한다. 기본강의를 통하여 문제의 접근, 분석, 결과를 정리하고 실습을 통해 데이터사이언스 지식의 적용현황을 체험하며 이를 발전시킬 수 있는 새로운 방법론을 모색한다. 이 과목은 데이터사이언스 대학원 전공 학생으로 하계 인턴 프로그램에 참가한 학생에 한한다.전선 / 대학원
본 강의는 빅데이터 관리 시스템을 다루는 대학원 수준의 과목으로, 전통적인 관계형 데이터베이스 관리 시스템(RDBMS)부터 최신 데이터 레이크하우스 아키텍처 및 벡터 데이터베이스까지 포함하여 최신 데이터베이스 시스템 설계(State-of-the-Art DBMS Design)를 중점적으로 다루게 됩니다. 또한, 클라우드 네이티브 하이브리드 트랜잭션/분석 처리(HTAP) 데이터베이스 시스템과 검색 증강 생성(RAG, Retrieval-Augmented Generation)기술을 활용한 AI 기반 데이터베이스 응용을 다룰 예정입니다. 이 강의를 통해 학생들은 다음과 같은 내용을 심도 있게 학습하게 됩니다. • 독립형 및 분산형 데이터베이스 관리 시스템(DBMS)의 최신 구현 기법 (e.g., cloud HTAP DBMSs). • OLTP(온라인 트랜잭션 처리), OLAP(온라인 분석 처리), 벡터 검색(Vector Search) 워크로드 간의 설계 트레이드오프와 데이터베이스 시스템에서의 설계 선택. • 벡터 데이터베이스(Vector Databases)개념 및 벡터 인덱싱 기술(예: HNSW, IVF, PQ, FAISS, ScaNN)과 고차원 데이터 검색을 위한 근사 최근접 이웃(ANN, Approximate Nearest Neighbor) 검색 알고리즘. • 전통적인 데이터베이스와 벡터 검색 기술의 통합, 그리고 이를 AI 기반 분석, 추천 시스템, LLM(대규모 언어 모델) 기반 검색 엔진에서 어떻게 활용할 수 있는지에 대한 이해. • 최신 데이터베이스 연구 논문을 비판적으로 분석하고, 이를 바탕으로 개선 방향을 도출하여 새로운 데이터베이스 기술을 제안하는 능력. 또한, 본 강의에서는 오픈소스 빅데이터 관리 프레임워크 및 클라우드 기반 플랫폼을 활용한 실습과 프로젝트를 통해, 현대적인 데이터베이스 시스템 및 벡터 검색 기반 아키텍처를 설계하고 최적화하는 실무 경험을 쌓을 수 있도록 합니다.전선 / 대학원
본 강좌는 데이터사이언스 대학원의 ABC(AI model/algorithm, Big data, Computing) 교육 과정 중 빅데이터(B) 분야 첫번째 강좌이다. 이 강좌에서는 데이터사이언스와 관련 분야를 위한 데이터 관리의 원론을 가르친다. 이 수업에서 다루는 주제는 다음과 같다. - 데이터 관리의 이론적 배경: 데이터 종류, 1차 논리, 2차 논리, 관계 논리와 관계 대수, 스키마, 정규화 - 관계데이터베이스: 개체-관계 모델, 트랜잭션, 동시성 제어, 로깅, 복구, SQL, OLTP, 쿼리 최적화 - 분산형 및 연합형 데이터베이스 시스템 - 데이터 애널리틱스: OLAP, 컬럼 스토어, ETL, 작업 데이터 저장소, 데이터 웨어하우스, 데이터 레이크, 인메모리 데이터베이스 - 데이터베이스의 물리적 디자인: Postgres 또는 MySQL을 이용한 B-tree 구현 등 - 데이터 처리: 파이썬의 NumPy, Pandas 등을 활용전선 / 대학원
과학과 공학 분야에서 촉발된 데이터 중심의 연구 방법론 전환은 이제 과학과 공학을 넘어 인문 사회 경제 문화 등 사회의 모든 분야로 확산되고 있다. 이에 따라 데이터베이스 시스템의 역할 또한 기존의 데이터 관리 및 처리의 수준에 머물지 않고 보다 포괄적이고 심화된 분석과 예측 기능의 범주를 포함하도록 확대되고 있다. 이와 같이 새롭고 다양한 요구에 대처할 수 있도록, 데이터베이스 시스템의 고급 대학원 과정으로서의 본 강좌는 매 학기 선정되는 연구개발 프로젝트를 중심으로 진행된다. 이를 통하여 수강 학생들은 데이터베이스 시스템의 최신 연구 주제에 대한 심화 학습의 기회를 갖게 될 것으로 기대된다. 본 강좌는 교수의 강의, 논문 토의 그리고 Term Project 발표로 구성된다.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.전선 / 대학원
생명 공학의 발전과 의료의 디지털화로 인해서 방대한 양의 유전체 및 오믹스, 그리고 전자의무기록 데이터가 수집되었으며, 이제 이 방대한 데이터의 처리 및 분석이 중요한 문제이다. 본 과목은 유전체, 오믹스, 의료 데이터의 특성을 소개하며, 이러한 데이터를 분석할 수 있는 통계 및 머신러닝 기반의 분석 방법을 소개한다. 특히, 이 과목은 유전체 등의 바이오 데이터와 전자의무기록이 결합되어 있는 바이오뱅크 데이터에 중점을 둔다. 구체적인 주제는 다음과 같다 ◆ 유전체 등의 바이오데이터와 전자의무기록 데이터의 특성 ◆ 유전체 데이터 연관성 분석 ◆ 유전체 기반 질병 위험도 예측, 인과관계 추론 및 약물 표적 규명 ◆ 전자의무기록 데이터 기반 임상 의사결정 지원 시스템 ◆ 유전체 및 임상 데이터 통합한 다중 모드 데이터 분석전선 / 학사
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 / 대학원
기후변화, 대기오염, 녹지 등의 자연환경이 질병과 건강에 미치는 영향을 환경-보건의료 융합 빅데이터를 활용하여 분석해 보고 그 과정에서 다양한 연구방법론을 익힌다.전선 / 대학원
아시아 연구 데이터 분석은 아시아 전역의 사회문화적 역학 연구를 위해 데이터 집약적 기법과 인문학적 해석을 연결하는 학제적 방법으로서 문화 분석을 소개한다. 이 강의는 문화 분석을 단순한 방법론적 틀이 아닌, 컴퓨터적 접근 방식과 해석적 실천을 연결하는 구체적인 방식으로 다룬다. 이를 통해 인문학과 사회과학을 특징짓는 상호텍스트성, 심층적인 역사적 맥락, 그리고 상황적 발화를 전면에 부각시킨다. 경험적으로, 이 과정은 텍스트, 시각, 청각의 세 가지 탐구 영역을 아우르며, 컴퓨터 도구를 활용하여 민족주의, 카스트와 같은 사회적 응집력, 그리고 언어, 지역, 젠더, 계급 등 사회학적 지표 전반에 걸친 다양한 변이와 같은 강력한 사상의 궤적을 추적한다.전선 / 대학원
근래의 의료 빅데이터의 축적 및 인공지능 기법의 발달은 많은 의학 분야에서 빅데이터에 기반한 정확한 예측 및 환자 맞춤형 진료를 가능하게 하고 있다. 주술기 의학 분야에 있어서도, 이러한 기술적 발달은 기존의 위험도 분류, 예후 예측, 조기 경보 및 의료 자원 분배 등 주술기 의학의 접근 방식에 큰 변화를 가능하게 하고 있다. 따라서 미래 임상 의사, 의학자들에게 있어 이러한 기술을 이해하고, 활용하는 것을 배우는 것이 점차 중요해지고 있다. 이 강좌에서는 먼저 VitalDB나 MIMIC, eICU 데이터셋 등 주술기 의학 분야의 오픈 데이터셋에 대해 알아보고, 이러한 데이터를 효과적으로 활용할 수 있는 기계 학습 기법에 대해 배울 것이다. 또한 실습을 통해 최신 기계 학습 기법들을 본인의 연구에 적용할 수 있는 방법을 배울 것이다.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.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.