최근 확인한 콘텐츠
데이터가 존재하지 않습니다.
Prakash Parthasarathy, Sheeba Narayanan
2015 / Korean Journal of Chemical Engineering
데이터가 존재하지 않습니다.
loading...
본 연구는 머신러닝 알고리즘을 활용하여 한국 초등학교 3학년 아동의 행복감을 예측하는 것을 목표로 한다. 한국아동패널 데이터 분석 결과, 로지스틱 회귀, 랜덤포레스트 등 4가지 모델 모두 우수한 예측력을 보였으며, 학교 선호도와 자아존중감이 행복감 예측에 가장 중요한 변수로 나타났다.
(내 아이를 위한) 두뇌코칭
행복한 성장의 조건 : 전 교육부장관 서울대 문용린 교수의 30년 교육 연구 집대성
데이터는 어떻게 인생의 무기가 되는가 : 당신의 모든 선택에서 진짜 원하는 것을 얻는 법
행복을 배우는 덴마크 학교 이야기: 덴마크 학교에서 가르치는 다섯 가지 삶의 가치
The Fluency Construct : Curriculum-Based Measurement Concepts and Applications
Emotional intelligence
Recurrent education, earnings and well-being : a fifty-year longitudinal study of a cohort of Swedish men
(EBS 다큐프라임) 미래학교
문용린의 행복교육 : 아이의 미래를 결정짓는 새로운 교육 패러다임
(스스로 가능성을 여는) 아이의 발견
Artificial intelligence in education : 22nd international conference, AIED 2021, Utrecht, the Netherlands, June 14-18, 2021 : proceedings
쾌감 본능 : 우리는 왜 초콜릿과 음악, 모험, 페로몬에 열광하는가
The mind within the net : models of learning, thinking, and acting
편애하는 인간 : 평등 강박에 빠진 현대인에 대한 인문학적 탐구
플로리싱한 삶을 위한 교육
Information, physics, and computation
Beyond technology's promise : an examination of children's educational computing at home
아이의 정서지능 =
(EBS 특별기획) 교실이 달라졌어요 : 행복수업 편
학습자중심교과교육연구
고은경융합과 통섭
김경식한국웰니스학회지
김시현한국실과교육학회지
이철현아동교육
송은정, 김지윤, 안새별, 홍세희Applied Research in Quality of Life
Wang Y.,King R.B.,Fu L.K.,Leung S.O.교육문화연구
김시현Korean Journal of Child Studies
Young Joo Song학습자중심교과교육연구
정혜원, 김예림, 박소영교육발전
홍소정, 양승지, 김시은학습자중심교과교육연구
이경님한국아동심리치료학회지
이세라, 김현수한국웰니스학회지
한국산학기술학회논문지
유경훈, 손유선정보화정책
김가혜; 김재희; 김희웅사회과학연구
이나라, 조영일아동학회지
김영미교육혁신연구
김지영유아교육연구
송영주학습자중심교과교육연구
조준오, 황해익전선 / 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 / 학사
본 강좌는 예비영어교사들에게 <컴퓨터를 활용한 언어학습 (CALL)>의 원리를 중등학교 영어교육방법의 실제에 활용하는 기회를 제공한다. 학생들은 영어교육 공학기법을 탐구하여, 영어교육방법의 기본적 바탕을 익힌다.전선 / 대학원
통계적 기계학습 방법은 데이터과학 및 인공지능 분야에서 핵심 방법론으로 사용되고 있다. 본 강의에서는 통계적 기계학습 방법론을 소개하고 기본 이론을 배운다. 주로 지도학습방법론을 위주로 다루며, 의사결정론, 고차원 선형모형, 비모수 함수추정, 의사결정나무와 앙상블, Support vector machine 그리고 딥러닝에 대한 이론 및 알고리즘을 가르친다. 그리고 지도학습 알고리즘을 관통하는 통계학적 원리인 M-추정량에 대해서 논의한다.전필 / 대학원
컴퓨터 기반 측정 평가 및 진단 이론의 흐름과 최신 기술에 대해 배우고 관련 소프트웨어 사용방법을 배운다. 문항반응이론, 인지진단평가, 컴퓨터 적응 평가, 다단계 평가 등 기존 교육평가 분야에서 컴퓨터 기반 평가에 사용되는 기술 및 Knowledge tracing, 자동 문항 추천, 자동 문항 생성 및 자동 문항 채점 등 머신러닝 기반 교육평가의 최신 동향 및 알고리즘의 특성과 원리를 배운다.교양 / 학사
본 강좌는 어떻게 사는 것이 좋은 삶인지에 대한 심리학적 관점을 제공하는 것을 목표로 한다. 이를 위해, 본 강좌는 크게 1) 행복한 삶, 2) 의미 있는 삶, 3) 품격 있는 삶의 세 주제로 구성된다. 행복한 삶은 행복에 대한 정의와 측정, 행복의 구성 요소, 행복의 결과, 행복한 국가와 사회의 특징, 행복한 개인의 특징 등의 하위 주제로 구성될 것이다. 의미 있는 삶은 의미의 의미, 의미의 원천, 목표와 성취, 자기 통제의 주제로 구성될 것이며, 마지막으로 품격 있는 삶은 덕스러운 삶, 인간의 합리성과 다양성, 그리고 건강한 프레임의 하위 주제로 구성될 것이다.전선 / 대학원
기계학습의 기초, AI 시스템의 평가, 윤리적 /법적 측면과 함의를 교육분야의 적용 사례를 통해 살펴보고, 전통적 과학교수학습이론과 평가이론과의 접목을 논의하면서 인공지능 및 언택트 시대의 과학교수학습과 평가에 대한 조망 및 새로운 연구분야에 대한 이해를 높인다.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
학습시스템은 환경과의 상호작용을 통한 경험으로부터 지식을 습득하여 스스로 성능을 향상시키는 시스템이다. 기계학습은 학습시스템의 핵심인 경험으로부터 획득한 데이터로부터 모델을 자동으로 생성하고 이를 기반으로 미래 를 예측하는 계산구조와 알고리즘을 연구하는 컴퓨터공학의 한 분야이다. 기계학습은 인터넷 정보검색, 텍스트마이닝, 컴퓨터비젼, 로보틱스, 게임 뿐만 아니라 생명과학과 비즈니스 데이터마이닝 등에 성공적으로 활용되었다. 최근 들어 모바일폰, 스마트 TV등에서 사용자 모델링과 개인화 추천 서비스에 사용되고 있으며 컴퓨터구조, 컴파일러, 운영체제, 통신망 시스템의 모델링 및 성능 예측 등 컴퓨터공학의 다양한 분야에서 널리 활용되고 있다. 본 교과목은 감독학습, 무감독 학습, 강화학습 등 기계학습의 기본 개념과 원리, 여러가지 학습 방법에 대한 모델 구조와 학습 알고리즘 및 그 수학적인 기반를 제공하는 것을 목적으로 한다. 패턴분류, 확률관계모델링, 순차적 의사결정과정에 대한 구체적인 학습 구조와 알고리즘을 살펴보며 실제 응용문제 해결을 위한 미니 프로젝트를 통하여 그 활용 방법을 습득한다.전선 / 대학원
스마트시티는 다양한 기관 및 시설로부터 수집된 데이터를 활용하여 실시간 변화를 예측하고 효율적으로 도시 서비스를 제공하는 미래형 도시모델이다. 또한 빅데이터 분석은 방대한 데이터 속에서 신속하게 패턴을 인식하고 새로운 가치를 찾아내는 과정으로써 스마트시티 계획 및 운영에 반드시 필요한 기술이다. 본 강의는 도시 빅데이터 분석에 필요한 지식 및 기술을 학습하는 입문과정이다. 스마트시티공학을 전공하는 학생들에게 빅데이터의 개념 및 구조를 이해하고 도시데이터 분석에 필요한 통계기법, 프로그램, 모델링 등을 학습할 수 있는 기회를 제공함으로써 미래도시 고도화 기반을 마련하고 지능형 도시에 최적화된 전문가를 육성하고자 한다.전선 / 학사
현대 중국의 도시는 “중국 특색의 사회주의”를 통한 중국의 성공적 경제성장과 전지구화를 보여주는 가장 가시적인 사례로 여겨진다. 그러나 작금의 중국 도시는 이전의 사회주의 시기, 더 소급하여 전근대 시기에도 존재했으며, 그 규모에 있어서도 당대 서구사회의 도시에 비견하거나 더 복합적이었다. 본 수업에서는 이러한 중국 도시의 전개 과정을 전근대 시기와 사회주의 시기, 그리고 1980년대 개혁 · 개방 이후 시기로 나눠 살펴본다. 특히 도시라는 물질적 공간에 의미를 부여하는 문화적 측면에 집중하여, 중국 도시문화를 특징짓는 혼종성(hybridity)을 만들어 낸 장기지속으로서의 역사적 과정과 단기간에 폭증한 전지구화 과정에 주목하고, 이러한 상황에 중국 인민이 어떠한 반응을 보였는가를 조명한다.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
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
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
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
음악교육 연구의 다양한 주제 및 연구 방법을 조사하고 토론한다. 자신의 논문 주제를 구체적으로 선정하고 탐구하는 방법을 성찰하는 동시에 음악교육 연구의 전체적인 동향과 다양한 이론들이 현장에 적용되는 방식들을 조망한다.전필 / 학사
첨단융합학부 신입생들의 전공탐색을 위한 공통필수과목으로서, 차세대지능형반도체, 융합데이터과학, 지속가능기술, 디지털헬스케어, 혁신신약 등 첨단융합학부의 다양한 전공 분야를 소개한다. 각 분야에서 개발되고 있는 첨단융합기술의 핵심 개념과 다양한 응용 분야를 소개하고, 각 분야에서 활약하고 있는 리더 특강을 통해 학생들이 졸업 후의 미래를 구체적으로 살펴볼 수 있도록 지도한다. 또한 융합의 의미와 필요성을 소개하고, 기술창업/연구/정책리더십 등 첨단융합전공의 미래 진로를 소개한다. 특히, 기업가 정신 및 도전의식(기술창업), 첨단융합 연구 기초(창의연구), 첨단융합기술의 사회적 가치(정책리더십) 등 각 교과인증과정으로 진출하는 데 필요한 핵심적 가치에 대해 교육한다.전필 / 대학원
오늘날의 많은 경영의사결정은 해당 의사결정이 경영활동의 어떤 기능과 관계되는가와 상관없이 통계학과 경영과학에서 제시된 계량적 모형을 이용한 분석을 바탕으로 이루어지고 있다. 본 과목은 통계학과 경영과학의 최적화 과정에 대한 학생들의 기초적인 이해를 높이기 위해서 제시되었는데, 특히 가장 일반적으로 사용되는 MS/OR과 통계적 방법론에 대한 이해와 컴퓨터 프로그램을 이용해서 이러한 방법론들이 어떻게 실행되는가에 대해서 초점을 두고 있다. 본 과목을 통해서 학생들은 여러 가지 통계적 보고서를 평가하고, 이를 경영활동에 활용하는 능력을 가지게 될 것이며, 오늘날의 경영활동에서 기본적인 수단이 되는 통계적 방법론에 대한 기술을 배양하고, 경영환경에 대한 간단한 모형화를 통해 MS/OR과 통계적 방법론들이 얼마나 다양하게 활용되는가를 이해하게 될 것이다.전선 / 대학원
이 수업의 목적은 교육연구에서 전통적으로 사용되어 온 양적 연구방법의 기본 개념 및 분석 방법을 습득하게 하는 데 있다. 이 수업에서 다루는 통계방법에는 t검증과 분산분석, 상관분석, 회귀분석 등이 포함된다. 학생들은 이 수업을 통해서 주어진 연구문제에 답하는 데 적절한 통계방법을 찾아서 실제 데이터에 적용하여 분석할 수 있으며, 분석 결과를 효과적으로 제시하고 해석할 수 있게 될 것이다.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
이 과목의 목적은 인공지능의 한 분야인 기계학습을 재무 연구에 활용하도록 하는 데 있다. 세부적으로는 의사결정나무, 인공신경망 등의 여러 기계학습 개념을 이해하는 것으로 시작하여 재무 연구의 실제 활용 사례들을 살펴본다.