최근 확인한 콘텐츠
데이터가 존재하지 않습니다.
Murdifin Haming, Imaduddin Murdifin, A. Zulfikar Syaiful, Aditya Halim Perdana Kusuma Putra
2019 / 유통과학연구
데이터가 존재하지 않습니다.
loading...
특허 빅데이터 DNA : 글로벌 기업 특허 빅데이터에 숨은 미래경영 전략 =
특허 빅데이터 DNA : data network analytics & AI
첨단기술의 글로벌 혁신전략 : 빅데이터 분석으로 살펴본 첨단산업의 미래
빅데이터 기획 및 분석 : 전문가를 위한 빅데이터 기술분석 =
빅데이터 기획 및 분석
문과생, 데이터 사이언티스트 되다 : 데이터를 비즈니스에 활용하고 싶은 이들을 위한 가장 쉬운 안내서
빅데이터 기획 및 분석
빅데이터 실무 기술 가이드 =
Statistical learning and pattern analysis for image and video processing
Distributed computing in big data analytics : concepts, technologies and applications
특허정보의 활용전략
인재경영, 데이터사이언스를 만나다 : 인재 경영 과학자의 시대가 온다
Research handbook on big data law
질적 연구를 위한 빅 데이터
(R활용) 빅데이터 분석 =
Advanced metaheuristic methods in big data retrieval and analytics
(4차 산업혁명 시대) 전문직의 미래 : 빅데이터, 인공지능, 기술혁신이 가져올 새로운 전문직 지형도
Big data, data mining and machine learning : value creation for business leaders and practitioners
Personalized Psychiatry : Big Data Analytics in Mental Health
Journal of Korean Institute of Intelligent Systems
Park Sangsung데이타베이스연구
신정훈한국지능시스템학회 논문지
전성해한국지능시스템학회 논문지
박상성한국지능시스템학회 논문지
송희원, 이주현, 전성해, 박상성한국컴퓨터정보학회논문지
전성해한국융합학회논문지
최주철한국지능시스템학회 논문지
전성해한국지능시스템학회 논문지
전성해한국컴퓨터정보학회논문지
최준혁; 전성해Journal of the Korea Society of Computer and Information
Jun-Hyeog Choi; Sunghae Jun데이타베이스연구
신정훈International Journal of Software Engineering and Its Applications
Sunghae JunSUSTAINABILITY
Kim, Youngho; Park, Sangsung; Lee, Junseok; Jang, Dongsik; Kang, JihoINFORMATION
Ampornphan, Pranomkorn; Tongngam, Sutep한국콘텐츠학회 논문지
전성해한국지능시스템학회 논문지
전성해한국산업융합학회논문집
김정희; 김영민정보처리학회논문지. 소프트웨어 및 데이터 공학
김종찬, 이준혁, 김갑조, 박상성, 장동식한국지능시스템학회 논문지
전성해전선 / 학사
사물인터넷(IoT)을 비롯한 스마트 환경과 소셜네트워크 서비스의 보편화로 인해 다양하고 방대한 데이터가 발생하고 있다. 이와 함께 막대한 양의 데이터를 신속하게 처리할 수 있는 컴퓨팅 환경의 발달과 창의적인 시각으로 데이터를 분석하고 연결하는 인공지능의 개발로 빅데이터는 여러 분야의 혁신적인 패러다임으로 등장하고 있다. 빅데이터는 데이터 그 자체의 효용성보다는 다양한 방법의 가공을 통한 데이터 간의 연결 및 창의적인 분석을 통해 혁신적인 가치를 창출하고 있으며, 빅데이터의 분석과 활용은 산업과 국가 경쟁력의 척도가 되고 있다. 빅데이터의 분석을 통해 새로운 가치를 창출하기 위해서는 다학제적 융합연구가 필요하다. 이 강의에서는 빅데이터 기업, 연구소 및 학계 전문가들을 초빙하여 최신 빅데이터 기술 경향에 대하여 알아본다. 또한 실제 업무에서 사용되는 툴을 활용하여 다양한 분석 기법을 공부하게 된다. 빅데이터 분야에 관심있는 학생들에게 진로 및 전공 선택에 대한 전망을 제시하게 될 것이다.전선 / 대학원
본 과목은 스마트시티와 연관된 기술창업 역량 배양을 위해 학생들의 도전적 기업가정신을 함양하고, 창업과 산업현장에서 필요한 창의적 문제해결 능력향상 등의 기회를 제공하는 교육과정을 제공한다. 스마트시티의 혁신생태계 조성의 핵심인 기술창업에 필요한 기본 이론을 소개하고, 스마트시티 비즈니스 모델에 대한 사업계획 역량을 함양한다. 비즈니스 모델과 연관된 기업가정신, 기술전략, 조직혁신, 혁신생태계, 리더십 등에 대한 다양한 이론과 사례들을 소개하고, 팀 프로젝트를 통해 아이디어 창출, 비즈니스모델 및 조직구성 등을 포함한 사업계획을 세우고 투자자들을 설득하는 기회를 통해 창업가정신의 경험의 기회를 갖는다. 본 과목은 팀 프로젝트로서, 시민 수요기반의 스마트시티에 적용할 수 있는 스타트업 비즈니스 모델의 가치창출, 시장탐색, 기술사업화, 기술이전 등 다양한 역량과 지식을 종합적으로 경험할 수 있는 기회를 제공한다. 창업의 전 주기과정에 대한 교육과 함께 스마트시티 프로젝트에서 발전된 연구성과의 지적재산권화 과정을 경험해볼 수 있도록 특허법인과 연계하여, 특허 및 지식재산권에 대해 강의 및 프로젝트 산출물이 특허로 이어질 수 있도록 지원한다.전선 / 학사
현대의 과학, 공학, 그리고 경영의 응용시스템은 데이터에 점점 더 많이 의존하게 되었지만 전통적인 데이터 분석 기술들은 복잡한 빅 데이터 시대에 맞도록 설계되어 있지 않는 실정이다. 데이터를 수집, 저장, 가공하여 그 안에서 지식을 추출하는 빅 데이터 분석은 새로운 과제들을 탐구하는 흥미 있고 빠르게 발전하는 하나의 학문으로 등장하였다. 본 강의에서는 프로그래밍 경험이 많지 않는 학생들을 대상으로 데이터의 수집 및 분석뿐만 아니라 데이터 프로그래밍 언어의 사용에도 초점을 맞춰 이를 바탕으로 빅 데이터 분석의 토대를 마련하는 것을 목표로 한다.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.전선 / 대학원
본 교과목은 다양한 농산업 분야의 빅데이터의 활용을 위해 빅데이터의 의미, 이해, 활용에 대해 학습하는 것을 목적으로 한다. 기존의 대용량 데이터와 빅데이터는 무엇이 다른 것인가? 단순한 통계분석과 빅데이터 분석의 차이는 무엇일까? 과연 데이터만 많이 있다면 답을 구할 수 있는가? 이러한 다양한 질문에 대한 답을 찾을 수 있는 과목으로 실제 빅데이터 분석 기법을 익힐 수 있도록 교과내용을 구성하였다.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 / 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
개인맞춤형 공동지도를 통한 팀티칭방식 운영을 통해 개별 특허 기반 연구개발(IP-R&D)를 이해하고 연구프로젝트에 대한 경쟁사 핵심특허 분석, 지식재산권 확보, R&D 방향을 파악한다.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
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
지역 중소기업의 특성과 발전 방향을 데이터를 통해 파악하고, 이를 기반으로 비즈니스 전략을 세우는 방법을 다룬다. 먼저, 학생들은 지역 중소기업이 어떤 특성을 가지고 있으며, 각 지역별로 주요 기업이 어떻게 발전하고 있는지, 그리고 그 기업이 경제와 사회에 미치는 영향을 분석한다. 이를 통해 각 기업이 글로벌 시장과 어떻게 연계되어 있으며, 지역 기업 구조가 변화하는 과정에서 지역 혁신 클러스터가 어떤 역할을 하는지 이해할 수 있게 된다. 또한 이 교과목은 데이터사이언스에 필요한 분석 방법(회귀분석, 시계열분석, 빅데이터분석, 머신러닝, 딥러닝 등)을 가르친다. 학생들은 데이터를 수집하고 전처리하는 방법을 배우며, 통계 분석 도구와 소프트웨어(STATA, R, Python)를 사용해 데이터를 분석하고 시각화하는 방법을 익힌다. 이를 통해 실제 데이터를 기반으로 지역 중소기업의 경쟁력이나 성과를 평가하고, 예측 모델을 구축하는 실습을 진행한다. 수업의 중요한 부분은 데이터사이언스를 통해 도출된 결과를 바탕으로 지역 중소기업 비즈니스 전략을 수립하는 것이다. 학생들은 지역 중소기업 내에서 발생하는 문제를 해결할 수 있는 실질적인 전략을 세우는 연습을 하게 된다. 이러한 과정을 통해 데이터에 기반한 분석적 사고를 강화할 수 있다.전선 / 대학원
치과의료 빅데이터(OCS, EMR, PACS)를 활용하여 치과환자의 진단/치료/예방에 활용하기 위한, 빅데이터 생성/통합/분석 방법에 대해 학습함. 임상의사 결정지원 솔류션을 제공하고 치과의료 질과 안정성 향상 달성하기 위하여, 치과환자 데이터의 효율적 수집/저장/분석을 위한 통합기술 및 구조화기술을 학습함. Theories and Concepts of BigData Analytics in Healthcare Medical BigData: Techniques, Managements, and Applications Diagnosis and Treatment: BigData Analytical Techniques, Datasets, Life Cycles, Managements and Applications for Diagnosis and Treatment Prediction: BigData Analytical Techniques, Datasets, Life Cycles, Managements and Applications for Prediction Big Medical Fake Analytics for Preventing Medical Misinformation and Myths Challenges and Future of BigData in Healthcare전선 / 대학원
범주형 자료를 분석하기 위한 통계기법들을 소개한다. 범주형 자료들은 대개 분할표를 이용해 정리할 수 있기 때문에 분할표를 분석할 수 있는 통계방법을 중점적으로 다룬다. 주된 주제들은 분할표분석, 로그 선형모형, 로지스틱모형이다.전선 / 대학원
데이터와 컴퓨팅 역량의 폭발적인 증가로 인해, 비즈니스 의사결정에서 데이터 분석과 정량적 모델링의 활용은 필수적인 요소가 되었다. 이 과목은 데이터 과학과 고급 경영과학을 결합하여, 다양한 비즈니스 환경에서 데이터의 활용을 통한 효율적 의사결정 시스템을 구축하기 위한 기술과 도구들을 다룬다. 전통적인 데이터 처리 및 분석을 넘어, 데이터를 스마트하고 해석 가능하며 실행 가능한 비즈니스 의사결정으로 변환하는 '처방적 분석' 방법론에 중점을 둔다. 구체적으로는 머신러닝 알고리즘, 고급 의사결정 모델링, 최적화와 같은 기술을 결합하여 자원 배분, 공급망 관리, 불확실성 대응, 경제성 분석 등 다양한 문제들을 데이터와 정량적 근거에 기반하여 해결하는 능력을 배양하는 것을 목표로 한다. 고급 엑셀 기능과 기본적이고 쉽게 이용 가능한 파이썬 모델링 기법 등 실무적인 도구들을 익히며, 코딩 기술이 요구되지 않는 상황에서도 이 도구들의 메커니즘을 이해하고 활용할 수 있는 매니저로서의 역량을 기르게 될 것이다. 이 과목은 처방적 분석 방법론의 실무적 유용성에 초점을 맞추어, 다양한 분야에서 해석 가능하고 실행 가능한 의사결정 시스템을 구축하려는 경영 매니저들에게 유용할 것이다.전선 / 대학원
다양한 농림기상 분야의 빅데이터의 활용을 위해 빅데이터의 의미, 이해, 활용에 대해 배울 수 있는 과목이다. 기존의 대용량 데이터와 빅데이터는 무엇이 다른 것인가? 단순한 통계분석과 빅데이터 분석의 차이는 무엇일까? 과연 데이터만 많이 있다면 답을 구할 수 있는가? 이러한 다양한 질문에 대한 답을 찾을 수 있는 과목으로 실제 빅데이터 분석 기법을 익힐 수 있도록 교과내용을 구성하였다.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
방대하고 다양한 경영관련자료의 통계적 처리에 관한 기본이론과 실제를 통해 자료의 분석능력과 미래예측능력을 배양하고 객관적인 판단자료의 작성기술을 익히며 나아가 연구방법론의 기본지식을 이해함으로써 체계적이고 과학적인 문제해결능력을 습득한다.전선 / 대학원
최근 정보통신기술이 발전하면서 교통분야에서 다양한 데이터가 수집되고 활용된다. 차량과 사람의 위치 데이터, 교통량, 속도, 밀도 등 교통흐름과 관련된 데이터, 대중교통 이용 실태를 확인할 수 있는 교통카드 데이터 등이 대표적이다. 이들은 모두 실시간으로 빠르게 수집되는 만큼 양도 방대하다. 소위 빅데이터의 특징인 Volume (양), Variety (종류), Velocity (속도)의 특징을 모두 가진다. 본 교과목은 교통 분야 빅데이터의 유형을 이해하고 이를 분석하는 것을 목적으로 한다. 이를 위해 우선 빅데이터의 기초와 시각화 방안을 배운다. 이후 인공지능 방법론의 기초를 학습하고 교통 빅데이터를 이용하여 CNN, RNN 분석을 수행해 본다. 아울러 군집분석, 의사결정나무 등 자주 활용되는 데이터 분석기법도 배운다.전선 / 대학원
본 강좌는 고급 자료분석을 위한 모형기반 통계분석방법론에 대해 다룬다. 자료의 특징과 분석의 목적에 따라 적합한 통계모형을 제시하고, 자료를 적합, 적합된 통계모형의 해석을 통한 인사이트 제시등에 대해 다룬다. 프로젝트를 통해서 배운 방법들을 실제 데이터에 적용하고 발표한다. ● Linear model and linear mixed model ● Generalized linear model ● Shrinkage method and variable selection ● Graphical methods and causal Inference ● Bayesian methods전선 / 대학원
본 과목에서는 다양한 인공 지능 (특히 머신 러닝) 및 빅데이터 분석 시스템에 대해 공부한다. 자원을 관리하는 자원 관리자, 데이터를 저장하는 분산 스토리지, 데이터 처리의 핵심 모델인 데이터 플로우 모델, 배치 분석, 인메모리 처리, 스트림 처리, SQL, 머신 러닝/딥러닝 시스템, 그래프 처리에 대해서 공부한다. 특히, 대표적인 시스템인 Spark, Beam, TensorFlow, PyTorch 등을 활용하여 실제로 해당 시스템들이 어떻게 동작하는지 깊게 공부한다. 배운 이론을 바탕으로 프로그래밍 과제와 팀별 연구 프로젝트를 수행한다.