최근 확인한 콘텐츠
loading...
본 연구는 제조 빅데이터 분석 시 해석이 어려운 블랙박스 기반 기계 학습 알고리즘의 한계를 극복하기 위해 유전 프로그래밍을 활용한 새로운 분석 방법을 제안합니다. 유전 프로그래밍은 변수 간의 관계를 수식으로 표현하여 직관적인 해석과 기존에 해석 불가능했던 제조 원리 도출을 가능하게 하며, 기존 기계 학습 알고리즘과 동등하거나 우수한 성능을 보였습니다.
Configurable intelligent optimization algorithm : design and practice in manufacturing
Production frontiers
(만들면서 배우는) 기계 학습 : 생각을 만드는 빅데이터 기술
Manufacturing optimization through intelligent techniques
Genetic algorithms and engineering optimization
머신러닝을 활용한 웹 최적화 : AB 테스트, 메타휴리스틱, 슬롯머신 알고리즘에서 베이즈 최적화까지
Industrial and engineering applications of artificial intelligence and expert systems : 11th International Conference IEAAIE-98, Benicássim, Castellón, Spain, June 1998 : proceedings
(파이썬으로 배우는) 통계학 교과서 : 기초 이론부터, 모델, 머신러닝까지
Computational intelligence in time series forecasting : theory and engineering applications
Auctions in the electricity market : bidding when production capacity is constrained
코로나 이후 제조업의 대전환
Data analytics in bioinformatics : a machine learning perspective
Interpretable machine learning : a guide for making black box models explainable
Performance analysis of manufacturing systems
Decision making in the manufacturing environment : using graph theory and fuzzy multiple attribute decision making methods
인공물의 진화
Challenges and applications for implementing machine learning in computer vision
Scheduling in computer and manufacturing systems
Symmetry
Oh S.,Suh W.H.,Ahn C.W.Proceedings of the Institution of Mechanical Engineers, Part E: Journal of Process Mechanical Engineering
Patel, Kautilya S; Trivedi, Nisarg; Shah, Dhaval B; Joshi, Shashikant JProcedia CIRP
Seifert, Tizian; Blümle, Sascha; Ludwig, Stephan; Kopp, Lennart; Aschenbrenner, DorisInternational Journal on Interactive Design and Manufacturing
Arunadevi, M.; Avinash, L.; Tiwari, A.; Prasad, C.D.; Kumar, R.S.; Raghavendra, L.; Veeresha, G.; Aswar, S.J.CHINESE JOURNAL OF MECHANICAL ENGINEERING
Xu, Ke; Li, Yingguang; Liu, Changqing; Liu, Xu; Hao, Xiaozhong; Gao, James; Maropoulos, Paul G.The International Journal of Advanced Manufacturing Technology
Asghar, Eram; Zaman, Uzair Khaleeq uz; Baqai, Aamer Ahmed; Homri, LazharInternational Journal of Precision Engineering and Manufacturing-Green Technology
Hye Kyung Choi; Whan Lee; Seyed Mohammad Mehdi Sajadieh; Sang Do Noh; Seung Bum Sim; Wu chang Jung; Jeong Ho JeongInternational Journal of Precision Engineering and Manufacturing-Green Technology
Hye Kyung Choi; Whan Lee; Seyed Mohammad Mehdi Sajadieh; Sang Do Noh; Seung Bum Sim; Wu chang Jung; Jeong Ho JeongEngineering Applications of Artificial Intelligence
Li Y.,Yang C.Manufacturing Letters
Farahani, Mojtaba A.; El Kalach, Fadi; Harik, Ramy; Wuest, ThorstenMaterials and Design
Lee S.,Park J.,Kim N.,Lee T.,Quagliato L.Advances in Mechanical Engineering
Lin, T.-K.Sensing and Imaging
Meiser, Clemens; Wald, Anne; Schuster, ThomasJournal of Manufacturing Science and Engineering, Transactions of the ASME
Arinez J.F.,Chang Q.,Gao R.X.,Xu C.,Zhang J.International Journal of Advanced Manufacturing Technology
Rom M.,Brockmann M.,Herty M.,Iacomini E.Engineering with Computers
Oh H.,Amici R.,Bomarito G.,Zhe S.,Kirby R.M.,Hochhalter J.Procedia CIRP
Engbers, Hendrik; Schweers, Dirk; Freitag, MichaelInternational Journal of Advanced Manufacturing Technology
Bastos T.M.R.,Stragevitch L.,Zanchettin C.Journal of Intelligent Manufacturing
Ji W.,Yin S.,Wang L.IOP Conference Series: Materials Science and Engineering
Gurjanov, A.V.; Zakoldaev, D.A.; Shukalov, A.V.; Zharinov, I.O.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 / 대학원
데이터 분석은 기술 예측 및 기술 전략과 같은 기술 경영 분야와 IT, 제조, 에너지, 헬스케어 등 다양한 산업 분야에서의 프로세스를 개선하거나 의사 결정을 지원하기 위한 필수적인 도구로서 자리매김하고 있다. 이 강의에서는 높은 수준의 데이터 분석을 위하여 필요한 데이터마이닝, 텍스트마이닝, 머신러닝, 딥러닝 분야의 여러 기법들에 대해 심도 있게 배우고, 이를 통해 산업과 경영의 문제를 해결한 사례들을 살펴본다. 강의를 통해 배운 내용을 바탕으로 학생들은 관심 분야에서의 문제 해결 및 나은 의사 결정을 위한 데이터 분석을 수행하며 데이터 분석을 기반으로 한 문제 해결 능력과 비즈니스 통찰력을 기른다.전선 / 대학원
데이터 분석은 기술 예측 및 기술 전략과 같은 기술 경영 분야와 IT, 제조, 에너지, 헬스케어 등 다양한 산업 분야에서의 프로세스를 개선하거나 의사 결정을 지원하기 위한 필수적인 도구로서 자리매김하고 있다. 이 강의에서는 높은 수준의 데이터 분석을 위하여 필요한 데이터마이닝, 텍스트마이닝, 머신러닝, 딥러닝 분야의 여러 기법들에 대해 심도 있게 배우고, 이를 통해 산업과 경영의 문제를 해결한 사례들을 살펴본다. 강의를 통해 배운 내용을 바탕으로 학생들은 관심 분야에서의 문제 해결 및 나은 의사 결정을 위한 데이터 분석을 수행하며 데이터 분석을 기반으로 한 문제 해결 능력과 비즈니스 통찰력을 기른다.전선 / 대학원
데이터 마이닝은 빅 데이터를 분석하기 위한 핵심 도구로서 많은 관심을 받고 있다. 특히 컴퓨터 공학 측면에서 고급 데이터 마이닝 알고리즘 및 분석 플랫폼을 설계하고 구현하는 기술을 학습하는 것은 최근 넘쳐나는 빅 데이터에서 실행 가능한 지식을 추출하는데 핵심적인 역할을 한다. 본 과목에서는 빅 데이터를 분석하기 위한 컴퓨터 공학 기반 고급 기술, 알고리즘, 핵심 플랫폼을 다룬다. 또한 초 대용량 데이터, 초고속 데이터 등을 효과적으로 분석하는 기법을 학습한다.전선 / 대학원
현대 경영에서의 의사 결정은 데이터의 분석 결과에 점점 더 많이 의존하고 있는 추세다. 정형 데이터 뿐만 아니라 비정형 데이터를 인터넷 상에서 수집, 저장, 가공하여 그 안에서 경영 인사이트를 추출하는 빅데이터 분석의 중요성은 날로 증가하고 있다. 이 강의는 프로그래밍 경험이 많지 않은 학생들을 대상으로 프로그래밍 언어의 기초뿐만 아니라 데이터의 수집 및 분석의 모든 과정을 살펴봄으로써 데이터 기반 의사 결정에 대한 이해를 높이고 기계학습 및 인공지능에서 사용하는 프로그래밍 언어가 산업 전반에 걸쳐 어떻게 활용되고 있는지에 대한 기초 지식을 제시한다. 또한 프로그래밍 언어를 실제 데이터에 적용하는 실습 과정을 통해 실전 문제에 대한 응용력을 배양하고, 향후 경영 환경에서의 실무 적용능력의 토대를 제공한다.공통 / 대학원
기계 학습은 새로운 통계방법론 및 알고리즘 개발의 기반역할을 하고 있다. 이 과목에서는 고급기계학습을 위한 방법론을 이론적 기초와 함께 강의할 예정이다. 또한 방법론의 실용적 측면과 직관을 통하여 이론적 내용을 제공하여 학생들이 상황에 맞는 적절한 분석방법과 각자의 연구주제에 적합한 분석 툴에 개발하는데 도움을 주고자 한다. 구체적으로 머신러닝 연구에 중요한 비모수추론, 집중 부등식, 최적화 및 변분 방법등과 같은 주제를 다를 예정이다전선 / 학사
빅데이터는 실세계에서 일어나는 복잡한 문제를 해결하기 위한 통찰력을 제공한다. 이 과목은 빅데이터를 소개하며, 데이터 가공, 분석 및 시각화를 위한 프로그래밍 언어 (Python), 데이터 분석을 위한 통계 및 머신러닝 방법 등을 가르친다. 실습 및 프로젝트를 통해서 학생들이 실제 데이터를 분석할 수 있는 능력을 배양한다. 데이터 중심의 컴퓨팅, 정량적 사고와 추론, 탐색적 데이터 분석에 대한 강조를 통해 이 과목에서는 데이터 과학의 핵심 원리와 기술을 다룰 것이다.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
데이터사이언스와 관련한 여러 분야의 최근의 국내외 연구동향을 소개한다. 강의와 세미나를 통하여 관련분야의 최신 방법론과 특정 주제를 심도 있게 습득할 수 있도록 한다.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.전선 / 대학원
산업공학의 새로운 기법들을 소개하고 이의 응용실태를 알아본다.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.전선 / 대학원
단백질의 서열을 바꾸어 더 좋은 특성을 지닌 단백질을 개발하는 단백질공학은 식품산업에서 사용되는 각종 단백질의 개량을 위해서는 단백질공학이 필요하다. 최근 AI(artificial intelligence) 등의 기술 발달로 a많은 분야에서 이를 활용이 급격히 확대되고 있다. 단백질공학에 AI를 활용하면 기존의 방법보다 더 빠르고 효율적으로 예측할 수 있다. 본 교과목은 기존의 고급 식품단백질공학에 AI를 활용하는 기술을 추가하여 강의한다. 식품 생명공학은 동물, 식물, 미생물의 유전자를 변형하여 더 좋은 생산효율, 판매, 혹은 영향에 관련한 성질을 개량한 신종을 만드는 학문이다. 본 강의에서는 식품산업에서 이용되고 있는 단백질에 초점을 맞추어, 생명공학 기술에 대한 원리와 이를 적용하는 방법에 대해 배운다. 그리고, 현재 식품 산업에서 사용하고 있는 단백질들의 source 확보 방법, 정제방법, 특성분석 방법, 대용량 정제 방법 등에 대해서도 배운다. 또한, 전분 전환산업, 양조업, 식품첨가물 생산업 등의 식품산업에서 생산 혹은 이용되고 있는 각종 단백질을 산업적으로 대량 생산하거나 이용하는 기술 등에 대한 강의도 이루어진다. 특히 인공지능 기반 단백질 구조 예측의 정확도가 획기적인 도약이 있었으므로, 단백질의 3차원 구조를 활용하여 단백질공학을 수행하는 방법에 대한 강의가 이루어진다.전선 / 대학원
주어진 지식과 경험을 바탕으로 앞으로 주어질 작업을 효율적이고 체계적으로 수행할수 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 이론및 알고리즘, 응용 분야등을 설명한다.전선 / 대학원
‘생물학’이 어떤 가치판단 없이 순수한 생명현상 자체의 메카니즘을 규명하는 학문인 것과 달리, ‘생물공학’은 이러한 생명현상의 메카니즘에 숨어있는 규칙을 응용하여 인류에게 유용한 생물자원을 보다 경제적이고 효율적으로 생산하는 방법을 탐색하는 응용학문이다. 본 강의에서는 유전자 재조합기술, 기능성 단백질의 생산 및 정제기술, 발효공학 기술, 유용 미생물 생산 기술 및 천연물 유래 생리활성 물질의 발굴 등, 생물공학 영역의 제반 지식에 대한 이해와 함께 이러한 기술을 활용하여 축산업 생산성을 제고하고, 고부가가치 축산물을 생산할 수 있는 다양한 방법론에 대해 탐색한다.전선 / 대학원
계산이론은 컴퓨터공학의 기초학문이며, 중요한 문제에 대한 효율적인 알고리즘들을 소개하고, 그런 알고리즘의 복잡도 분석을 다룬다. 이 교과목에서는 먼저 알고리즘의 성능을 분석하는 기법, 특히 amortized analysis에 대해 배운다. 그리고, 계산이론 분야에서 중요한 알고리즘과 그 응용에 대해 배운다. 구체적으로, (스트링 매칭, 2차원 패턴 매칭, 근사 매칭, suffix trees, 데이터 압축 문제에 대한) 스트링 알고리즘과 bioinformatics에의 응용, (선택 문제, 다항식 확인 문제에 대한) randomized 알고리즘과 그 영향, (페이지 교체 문제, k 서버 문제에 대한) online 알고리즘과 금융문제(일방향 거래와 portfolio 선택 문제)에의 응용을 배운다.전선 / 대학원
기계학습은 환경으로부터 데이터 관찰과 경험을 통해 성능을 계속적으로 향상시킬 수 있는 문제해결 시스템을 연구하는 인공지능의 한 분야이다. 본 과목에서는 기계학습에 관한 이론 및 실제적인 연구 주제들에 관해 학습한다. 감독 학습과 무감독 학습 및 강화학습에 관한 기본 원리와 이론적인 배경을 공부하며 이들에 대한 구체적인 알고리즘을 학습한다. 기호규칙 학습, 결정트리, 메모리기반 학습, 신경망, 유전자알고리즘, 베이지안 망, 은닉 마코프 모델, 커널방법 및 기타 최근 기계학습 알고리즘을 다룬다.전선 / 대학원
정보과학분야의 첨단 기법인 데이터마이닝과 머신러닝에 대한 이론을 학습하고 상업용패키지를 이용하여 농업분야응용에 대해 실습하며, 농업분야의 필요한 알고리즘을 개발하는 학습기회를 제공한다. Decision Tree, Probabilistic Machine Learning, Baysian Classifier, Neural Nets, Support Vector Machine, K--NN, Boosting, K--Means and Hierarchical Clustering, Reenforcement Learning 등에 대한 이론적 연구와 농업분야의 응용을 상업적 패키지를 이용하여 학습하고, 농업분야를 위한 알고리즘의 개발에 대해 실습한다.전선 / 대학원
이 과목은 수학적 알고리즘 I의 연속 과목으로서, 고급 수학적 알고리즘을 개발하고 분석하며 실행하는 방법을 다룬다. 이 방법들은 암호, 컴퓨터 대수, 기계학습과 신호처리를 포함한다. 연습시간을 통해 이러한 알고리즘의 실행을 배우게 된다.전선 / 대학원
다른 과목에서 배운 계량적 분석방법을 현실 농업문제에 응용한다. 비교정학(comparative statics)에 의한 모형분석, 칼만 필터(Kalman filter), 뉴럴 네트워크(neural network), 유전자 알고리즘(genetic algorithm), 부트 스트랩핑(boot strapping), 커널 추정(kernel estimation) 등을 다룬다.