최근 확인한 콘텐츠
데이터가 존재하지 않습니다.
Ha J.H.,Lee H.
2023 / Remote Sensing
권기대
2017 / 마케팅논집(Journal of Marketing Studies)
Song Ya Nan, Zhou Yu Fang, Zhen Wei Jun
2015 / 폴리머
데이터가 존재하지 않습니다.
loading...
본 연구는 인공신경망 기계번역의 정확도 향상을 오류 분석 및 질적 평가를 통해 조사하였다. 2017년과 2020년 기계번역 결과물을 비교 분석한 결과, 지난 3년간 기계번역의 정확도가 크게 향상되었으며, 장르에 따라 유의미한 차이가 있음을 확인하였다. 연구 결과는 L2 학습 및 학문적 작문 상황에서 기계번역 활용 방안을 제시한다.
한국어 통번역사를 위한 AI 번역의 이해 =
Controlled document authoring in a machine translation age
Machine translation : its scope and limits
Recent advances in example-based machine translation
음성과 언어 처리 : 2e : 기계는 어떻게 사람의 말을 이해할까?
독일어 전산 의존문법 연구
Survey of the state of the art in human language technology
Machine translation
Envisioning machine translation in the information future : 4th Conference of the Association for Machine Translation in the Americas, AMTA 2000, Cuernavaca, Mexico, October 10-14, 2000 : proceedings
머하웃 완벽 가이드 : 하둡에 딱 맞는 빅데이터를 활용한 기계학습
Quality in professional translation : assessment and improvement
Translation memories : Systeme, Konzepte, linguistische Optimierung
한국어 학습자의 말하기 숙달도 평가
말뭉치에 기반한 현대중국어 허사 유의어 대조 연구
분석화학
프랑스어와 컴퓨터
(파이썬으로 배우는) 통계학 교과서 : 기초 이론부터, 모델, 머신러닝까지
The CHILDES project : tools for analyzing talk
Beowulf : a dual-language edition
멀티미디어 언어교육
이상민한국언어문화학
세터레 누리International Network for Korean Language and Culture
Setare NooriReCALL
Lee S.M.,Briggs N.ReCALL
Sangmin-Michelle Lee; Neil BriggsReCALL
Lee S.M.영어영문학연구
조인희ReCALL
Sangmin-Michelle Lee동아인문학
박옥수TESOL Journal
Paterson K.Lebende Sprachen
Sheila Gondar Tubío; Christine Paasch-Kaiser번역학연구
이지민Digital Scholarship in the Humanities
Comelles, Elisabet; Arranz, Victoria; Castellón, IreneRevista Tradumatica
Way A.,Rothwell A.,Youdale R.Computer Assisted Language Learning
Lee S.M.인공지능인문학연구
정유남포르투갈-브라질 연구
김한철Proceedings of the ACM on Human-Computer Interaction
Zhang P.,Guan Z.,Liu B.,Ding X.S.,Lu T.,Gu H.,Gu N.교양교육연구
송은정교양교육연구
박수진전선 / 대학원
이 과목에서는 컴퓨터 언어학/자연언어처리의 최신 동향과 이론에 대해 살펴 본다. 구문분석, 의미분석, 온톨로지 등의 이론에서부터 정보검색, 기계번역, 지식기반 시스템 등에 이르기까지 최신 연구를 주제별로 다루도록 한다.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.전필 / 학사
첨단융합학부 학생의 전공탐색을 위한 과목으로, 융합데이터과학의 핵심 개념과 다양한 응용 분야를 소개하여 향후 전공선택에 필요한 필수적인 정보를 제공한다. 특히, 융합데이터과학 분야에서 진행되는 첨단연구와 연구의 실제 응용 사례를 직접 체험하여, 자신의 전공 적성을 좀 더 구체적으로 알아보고 설계할 수 있는 기회를 제공한다.전선 / 대학원
이 강좌에서는 외국어로서의 한국어교육의 교육과정과 관련된 여러 요인들과 각 요인들의 상호작용, 그리고 한국어교육과정 개발과 운영 등에 대하여 심도 있는 탐구를 진행하게 된다. 특히 한국어 교육내용의 선정과 위계화, 내용 체계의 조직 의 원리 등을 언어 요인, 문화 요인과 결부시켜 집중적으로 논구하게 된다.전선 / 대학원
기술 발전은 제 2 언어 (L2) 평가에 영향을 미쳤다. 이 강좌는 기술 발달과 언어 평가의 관계를 살펴봄으로써 평가의 구인 정의부터 평가 방법, 채점에 이르기까지 기술 발달이 언어 평가에 미친 영향에 대해 광범위하게 살펴보는 것을 목표로 한다. 기술 기반 언어 평가 및 관련 연구를 살펴본 후, 직접 기술 기반 언어 평가를 활용한 연구를 설계해보는 것을 목표로 한다.전선 / 대학원
한국어교육에서 기본적으로 필요한 것은 학습자의 모어와 한국어를 대조분석하여 이를 바탕으로 언어간섭현상을 최소화하고 학습의 효과를 극대화하는 것이다. 이 강좌에서는 한국어와 주요 외국어를 대조분석하여 음운론적, 문법론적, 의미론적, 화용론적 층위에서 공통점과 차이점을 추출하는 과정에서 오류를 분석해냄으로써 효과적인 한국어교육의 기초로 삼는다.전선 / 학사
인간언어에 대한 연구가 여러 가지 정보축적과 정보소통의 문제와 어떤 관련을 맺고 있는지를 소개한다. 인간의 자연언어와 컴퓨터의 인공언어의 공통점과 차이점을 이해한다. 언어정보의 자동처리 방법과 응용을 소개한다. 인간 언어에 대한 기초연구가 어떻게 음성인식, 음성합성 등의 음성정보 처리와 구문 분석, 의미정보 처리에 응용되며, 현대 정보사회의 발달을 위한 정보검색, 요약, 필터링, 그리고 기계번역 등에 적용되는지를 소개한다.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 / 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
본 교과목은 불어교육에 있어서 기존의 교육보조재들의 문제점들을 살펴봄으로써 멀티미디어를 활용한 교수방법의 가능성을 살펴보는 것을 목적으로 한다. 이를 위하여 컴퓨터 등 다양한 멀티미디어 교육보조재의 활용가능성을 심도있게 다루게 된다.전선 / 대학원
이 과목에서는 자연어처리에 대한 간단한 소개와 함께, 대표적인 인공신경망 기법들이 자연어처리 어떻게 적용되는지 살펴본다. 최근 일상생활에서도 많이 쓰이는 자연어처리는 인공신경망의 성장과 함께 비약적인 발전을 보였다. 인공신경망을 이용한 딥러닝 기법은 이론적인 면뿐만 아니라, 효율적 계산과 최적화 등의 실험적인 요소가 많아 실습이 중요하다. 이 과목을 듣기 위해서는 기계학습에 대한 기본적인 이해와 파이썬, 딥러닝 모형을 사용하는 능력이 요구된다. 이 강좌는 학생들이 자연어처리의 최근 방법론을 학습하고, 실제 구현하는 능력을 배양하며, 마지막으로 최근 방법론이 가진 한계점, 미래 연구주제에 관해 탐구한다.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 / 학사
통상적으로 교통운영은 교통류에 대한 충분한 이해를 바탕으로 적절한 운영 방안을 도입하여 도로교통시설의 효율을 높이는 것을 의미한다. 이를 위해 교통류에 대한 미시적‧거시적 관점, 교통량‧속도‧밀도 등 교통류 특성 간의 관계, 교통정체의 발생 및 해소 과정 등을 이해하는 것이 중요하다. 한편, 교통수단의 다변화로 인해 기존 교통운영의 대상이었던 도로교통이 교통시스템의 한 요소로써의 역할을 맡게 되었으며, 자연스럽게 교통운영의 범위도 확대되었다. 또한, 정보통신기술의 발달이 수집 가능한 정보의 질적‧양적 성장을 촉진하였지만, 불완전한 정보가 수집되거나 교통시스템 내‧외적 요인으로 인해 불확실한 예측이 이뤄지는 경우도 발생하였다. 최근 들어 이를 해결하기 위해 인공지능(Artificial Intelligence, AI)을 활용한 사례들이 등장하고 있다. 따라서 이 과목에서는 교통류분석, 교통신호제어 등의 배경이 되는 교통 관련 이론에 대해 학습함과 더불어 교통운영 분야 내 다양한 AI 적용 사례들을 소개하면서 기계학습(Machine Learning), 딥러닝(Deep Learning), 생성형 AI(Generative AI) 등 연관된 AI 기법을 살펴본다. 아울러 자율주행차량 제어, 대중교통 및 모빌리티 시스템 운영 등 교통운영의 확대된 범주 내에 포함되는 교통시스템에 대해서도 다룸으로써 폭넓은 지적 기반을 제공할 수 있을 것으로 기대된다.전선 / 대학원
최근 기계 학습 방법론은 보건학에서 큰 인기를 얻고 있다. 본 과목은 보건학 데이터를 분석하기 위한 기계 학습 방법론의 다양한 측면에 대해 실질적인 지식과 이해를 제공하는 것을 목적으로 한다. 이 과목은 보건학 분야에서의 학생 및 연구자를 돕기 위해 기계 학습 방법론의 개념과 기법에 대해 다룬다. 군집, 차원축소, 분류, 의사결정나무, 신경망 모형 등을 보건학의 문맥에서 다루게 된다.전선 / 대학원
최근 치의학을 비롯한 다양한 분야에 통계 및 기계학습 분석이 활발히 진행되고 있으며 연구에 기본적인 분석을 위해서 기계학습 및 통계 방법의 활용이 다양한 분야에서 적용되고 있다. 이를 위해서 여러 프로그래밍 언어의 기본을 설명하고 이를 바탕으로 다양한 통계 및 기계학습 분석을 코드 기반으로 수행할 수 있는 역량을 기른다. 그리고 다양한 데이터를 예시로 프로그래밍을 활용해 생성한 분석 방법을 일관성 있게 코드화하고 자신만의 분석 방법을 정립할 수 있도록 한다.전선 / 학사
인공지능을 활용하여 프랑스 및 프랑스어권 지역의 다양한 텍스트를 번역‧분석함으로써 학습자들의 번역 역량을 강화하며, 프랑스어와 프랑스어권 문화에 대한 심층적인 이해와 안목을 제고한다.전선 / 대학원
본 과목은 한국어, 영어, 프랑스어, 독일어 등의 언어 교육을 담당하는 교사들을 대상으로 하여 AI를 활용하여 언어를 가르치는 방법을 연구하는 것을 목적으로 한다. 기본적으로 최근 AI 기술이 적용된 스마트스피커, TV, 모바일 기기, AR/VR, 등 다양한 기기를 교실 환경에서 이용하여 읽기, 듣기, 말하기, 쓰기 등의 언어 학습을 효과적으로 수행하는 방법을 탐구하는 내용을 포함한다. 이를 위하여 개별 언어 능력에 적절한 기술과 디바이스를 매칭시키는 방안을 제시하고 기존의 교육 컨텐츠를 이에 맞게 설계하는 방법을 제안한다. 또한, 각 학습 과정에서 학습자 개인에 따라 맞춤형으로 학습할 수 있는 방안을 포함한다.전선 / 학사
인공지능 기술의 발달로 외국어교육 연구에서도 많은 혁신이 요구된다. 본 강의에서는 인공지능 기술을 언어교육에 활용하는 방안을 모색해 본다. 구체적으로, 본 과목은 언어 학습자 및 언어 교육 맥락에 대한 이해를 바탕으로 다양한 언어 교육 목적의 테크놀로지를 활용하여 언어를 교수하고 평가하는 방법을 익히는 것을 목적으로 한다. 이를 위해 언어입력, 출력, 상호작용, 피드백과 같이 언어교육 및 발달과 관련한 주요 개념을 익히고, 다양한 인공지능 도구를 활용하고 적용해 본다.전선 / 대학원
마케팅 활동의 효과를 높이는 방향의 하나로서 데이터에 기반한 과학적인 마케팅 실행에 대한 필요성이 지속적으로 높아지고 있는데, 데이터 사이언스 및 인공 지능 분야의 핵심 요소 중의 하나인 머신 러닝 기법들이 이러한 과학적이며 효과적인 마케팅 프로그램을 실행하는데 있어 매우 유용한 도구로서 활용될 수 있을 것이다. 본 과목에서는 마케팅 의사 결정의 품질을 높이기 위해 머신러닝의 다양한 분석 기법을 효과적으로 활용하는 방법에 대해 학습하는데, 마케팅 의사 결정의 종류가 다양하고 또한 이들 종류별로 필요한 데이터와 적절한 분석 기법이 상이하므로 마케팅 의사 결정 종류별로 어떠한 데이터를 어떠한 기법을 통하여 분석할 것인지에 대한 체계를 중심으로 학습한다.전선 / 대학원
응용언어학과 관련되어 있는 사회언어학, 화용론, 담화/기능적 문법, 사전학, 제2언어평가, 제2언어습득과 같은 제 분야에서 논의되고 있는 이론적이고 실험적인 최근 연구들을 검토하는 것에 초점을 둔다. 특히 이러한 이론과 연구들이 어떻게 영어학습자들의 교육에 활용될 수 있는 것인지를 다룬다.