If the collection is public, the memo for this book will also be public.
Your Browsing History
There is no data.
There is no data.
loading...
ICT 기반의 융합기술과 IoT(사물인터넷)연계를 위한 산업별 적용방안 : 웨어러블 헬스케어, 핀테크, 보안, 자율주행차, 재난안전
Developing healthcare skills through simulation
IT Convergence and Security 2017
국가인적자원개발과 e-러닝 발전을 위한 2004 KERIS 심포지움
인공지능(AI)과 가상현실(VR)을 이용한 첨단 미래 의료기술 활용방안
Cyber security and supply chain management : risks, challenges and solutions
Computational learning approaches to data analytics in biomedical applications
(헬스케어 분석을 위한) 머신러닝 : 파이썬, 주피터 노트북, 텐서플로, 케라스를 이용한 적용 사례
(실습으로 배우는) 하드웨어 보안 : 하드웨어 관점에서의 사이버 보안
Handbook of research on collaborative learning using concept mapping
인공지능, 보안을 배우다 : 프로젝트로 익히는 정보 보안과 머신러닝
Learning and Collaboration Technologies. Human and Technology Ecosystems : 7th International Conference, LCT 2020, Held as Part of the 22nd HCI International Conference, HCII 2020, Copenhagen, Denmark, July 19–24, 2020, Proceedings, Part II
적대적 머신러닝 : 머신러닝 알고리즘으로 시스템 보안 공격과 방어
(디지털 헬스케어를 위한) 의료 IT 융합기술 : 분석 및 응용
머신 러닝을 활용한 컴퓨터 보안
Collaboration with cloud computing : security, social media, and unified communications
연합학습
The Challenges of the Digital Transformation in Education : Proceedings of the 21st International Conference on Interactive Collaborative Learning (ICL2018) - Volume 1
R을 활용한 보건의료 빅데이터 분석과 머신러닝
(에듀넷과 함께하는) 온라인 협동학습
Palaganas JC; Epps C; Raemer DB · 2014
Journal of interprofessional care
朱倩男; 黄华兴; 王水; ZHU Qian-nan; HUANG Hua-xing; WANG Shui · 2017
教育教学论坛 / jiaoyu jiaoxue luntan
Gardner AK; Lachapelle K; Pozner CN; Sullivan ME; Sutherland D; Scott DJ; Sillin L; Sachdeva AK · 2015
Surgery
Firdaus, Muhammad; Larasati, Harashta Tatimma; Hyune-Rhee, Kyung · 2025
INTERNET OF THINGS
Benkhadra, Mehdi · 2014
Annales des Mines - Réalités industrielles
Önen, Melek; Cremonesi, Francesco; Lorenzi, Marco · 2023
Revue internationale de droit économique
Blumenberg A.,Kessler D. · 2023
Simulation and Gaming
Salas E; Paige JT; Rosen MA · 2013
BMJ quality & safety
Chung, Haengbok; Lee, Jae Sung · 2024
Scientific Reports
Gilles Chiniara; Etienne Rivière; Miriam Lacasse; Alexandre Lafleur; Danielle Saucier · 2017
Medical Teacher
Zanchetta F.C.,Bezerra N.B.C.,Fraga A.d.M.A.,Fraga G.P. · 2026
Clinical Simulation in Nursing
Rivière E; Saucier D; Lafleur A; Lacasse M; Chiniara G · 2018
Medical teacher
Tullmann DF; Shilling AM; Goeke LH; Wright EB; Littlewood KE · 2013
Journal of interprofessional care
Kwok P.K.,Yan M.,Chan B.K.P.,Lau H.Y.K. · 2019
Computers and Industrial Engineering
Herrmann-Werner A.,Holderried M.,Loda T.,Malek N.,Zipfel S.,Holderried F. · 2019
JMIR Medical Informatics
王晨; 齐惠颖 · 2024
工业和信息化教育 / Indusrty and Information Technology Education
Dinker R. Pai; Chau P. N. Minh; Morten B. S. Svendsen · 2018
Medical Teacher
Pai DR; Minh CPN; Svendsen MBS · 2018
Medical teacher
Guinez-Molinos S; Martínez-Molina A; Gomar-Sancho C; Arias González VB; Szyld D; García Garrido E; Maragaño Lizama P · 2017
Medical teacher
Reinemann, Jaclyn; LaBell, Kirstin; Bellew, Christine; Asmar, Abdo; Cendán, Juan; Harris, David · 2015
Medical Science Educator
전선 / 대학원
지도 학습은 인스턴스에 알려진 레이블이 있는 경우에 사용되는 기계 학습의 한 유형인데, 비지도 학습과는 달리 인스턴스가 레이블이 없는 경우이다. 실제 문제에 지도 학습을 적용하는 과정은 데이터 전처리, 속성 선택, 알고리즘 선택 및 평가와 같은 몇 가지 단계를 포함한다. 회귀 분석과 분류는 일반적인 지도 학습 방법의 두 가지 유형이다. 선형 모델, 거리 측정, 프로토타입 기반 방법, 나이브 베이즈, 커널 기법 및 앙상블 기법은 지도 학습에서 사용될 수 있는 알고리즘의 예이다. 성능 측정은 지도 학습 모델의 효과를 평가하는 데 사용되는 반면, 비지도 학습은 클러스터링, 차원 축소, 잠재 변수 모델, 그래픽 모델 및 강화 학습 등을 포함한다. 혼합 전문가 및 제한된 볼츠만 머신과 같은 확률적인 방법도 비지도 학습에 사용될 수 있다. 엔드 투 엔드 학습과 심층 신뢰 네트워크는 기계 학습에서 사용되는 다른 기술이다. 본 강좌에서는 기계학습을 이해하기 위한 다양한 기초 지식들을 강의한다.전선 / 대학원
최근 딥러닝을 이용한 인공지능 기술이 의료 각 분야에서 다양하게 적용되고 있다. 이 강좌에서는 의료분야에서 사용되는 인공지능 기술의 기초와 다양한 적용 사례를 살펴봄으로써 의료 인공지능 기술의 미래 전망과 한계점을 이해하는 것을 목표로 한다. 아울러 실제 인공지능을 적용한 의료 서비스 사례를 연구함으로써 실용화 과정에 필요한 요구사항과 규제에 대한 이해를 증진한다.전선 / 대학원
의학 분야에서 진단적 도구로 큰 비중을 차지하고 있는 의학 영상 진단장비에 대하여 공부한다. 의학영상장치를 구성하는 X-선 영상장치, 초음파영상장치, 핵자기공명 영상장치 및 방사성동위원소 영상장치의 4대 영상장치 중 자기공명영상장치와 새로운 의생명 분야의 영상기법인 세포영상 혹은 분자영상의 기본 기법과 응용 방법을 공부한다.전선 / 대학원
변화된 사회 환경과 새로운 의학적 요구로 인해 단순한 의학적 지식만이 아닌 의과학자임과 동시에 인간-사회를 통찰하고 이를 통합하여 아우르는 의료 분야 리더로서의 역할을 수행하게 될 학생들에게 의료 전문가로서의 융복합적 학문이라 할 수 있는 휴먼시스템의학을 소개하는 것을 목적으로 한다. 이를 위하여 휴먼시스템의학에 대한 개괄적 안내와 휴먼시스템의학을 구성하는 세부 학문적 내용을 소개한다. 학생들로 하여금 인문학, 사회과학, 의과학적 지식과 소양을 겸비하여 휴먼시스템즈 의학의 개념과 특성을 파악하게 하고 이러한 영역들의 학문적, 사회적 중요성을 인지시킨다. 인간과 사회 및 인간을 둘러싸고 있는 마이크로, 메크로시스템을 엮는 시스템즈 의학에 대해 기본적인 개념을 갖게 함으로써 학생들은 휴먼시스템의학의 본질과 특성을 전체적으로 이해하게 될 것이다.전선 / 대학원
본 강의는 빠르게 변화하고 있는 디지털 헬스케어 분야의 다양한 주제들을 학습하는 것을 목적으로 한다. 학생들은 이론적 지식뿐만 아니라 실제 의료 데이터를 다루는 실습을 통해 실무적 역량을 기를 수 있다. 또한 실제 의료 현장의 전문가들과 함께 팀 프로젝트를 수행하며, 다양한 임상 현장의 문제를 탐구하고 해결 방안을 모색한다. 이를 통해 학생들은 디지털 헬스케어 연구와 임상 적용에 필요한 통합적 이해와 연구 역량을 갖추게 될 것이다.전선 / 대학원
본 강의는 빠르게 변화하고 있는 디지털 헬스케어 분야의 다양한 주제들을 학습하는 것을 목적으로 한다. 학생들은 이론적 지식뿐만 아니라 실제 의료 데이터를 다루는 실습을 통해 실무적 역량을 기를 수 있다. 또한 실제 의료 현장의 전문가들과 함께 팀 프로젝트를 수행하며, 다양한 임상 현장의 문제를 탐구하고 해결 방안을 모색한다. 이를 통해 학생들은 디지털 헬스케어 연구와 임상 적용에 필요한 통합적 이해와 연구 역량을 갖추게 될 것이다.전선 / 대학원
지능 시스템은 환경과 상호작용하고 성능을 극대화하는 방법이다. 지식 표현과 추론은 논리적 지식 표현, 판단 계산, 술어 계산, 상황 계산, 지식 표현 구축 등과 함께 지능 시스템의 중요한 측면이며, 불확실성을 해결하기 위한 방법으로 확률과 확률 네트워크, 퍼지 논리와 같은 기법을 사용한다. 계획과 학습 역시 지능 시스템의 중요한 구성 요소로서, 목표 달성을 위해 필요한 행동 순서를 결정하고 시간이 지남에 따라 성능을 개선할 수 있도록 한다. 본 강좌에서는 지능시스템을 이해하고 활용할 수 있는 기초 지식을 쌓는다.전선 / 대학원
다양한 종류의 의료 및 생명 분야 빅데이터가 생성되어 축적되고 있는 상황이다. 의료 분야 빅데이터는 기본적인 전자의무기록 외에도 이미지, 생체신호, 텍스트 등의 다양한 비정형 데이터를 포함하게 되었으며, 생명 분야 빅데이터는 차세대시퀀싱 기법의 발전으로 말미암아 유전체, 전사체, 후성유전체 등의 다양한 오믹스 데이터를 포함하게 되었다. 또한 이러한 빅데이터의 생성 및 축적과 더불어 인공지능 기법을 적용하여 기존에는 다루지 못했던 새로운 문제를 정의하고 보다 깊이 있는 빅데이터 분석을 시도하는 연구들이 등장하게 되었다. 본 강좌에서는 의료 및 생명 분야의 다양한 빅데이터를 소개하고 해당 데이터를 다룰 수 있는 인공지능 분석 기법들을 소개함으로써 최신의 의생명 빅데이터 관련 인공지능 연구를 배울 수 있도록 한다.전선 / 대학원
이 강의에서는 인공지능 신뢰성 문제, 즉 인공지능의 가치정렬, 적법·윤리성, 견고성을 측정·확보하는 기법과 이를 촉진하기 위한 제도의 설계 방안을 학습한다. 이를 위해 리스크의 측정·경감 기술의 이해 뿐 아니라 인문·사회과학·법적 관점을 융합한 다양한 접근을 제시한다. 구체적으로 공정한 기계학습, 설명 가능한 AI, 인간-AI 상호작용, 프라이버시 보존 데이터 분석, 자율시스템의 안전성, 인지모델의 견고성, 생성모델의 권리침해와 오남용 문제, 자율살상무기체계의 통제 등을 탐색한다.전선 / 대학원
의료정보분야에서 필요한 지식의 추론, 지식의 표현에 대한 방법론에 대하여 배우고 이를 체계화하며 필요한 정보를 생성하는 기술을 배운다.전선 / 대학원
본 교과목에서는 의료 분야에서 인공지능의 핵심 이론, 주요 응용 및 연구 방법론을 심층적으로 학습한다. 인공지능 기술이 의료 영상, 생체 신호, 전자의무기록 등 다양한 의료 데이터와 임상 현장에서 어떻게 활용되는지 적용사례를 중심으로 다룬다. 또한, 최신 연구 동향을 탐구하고, 학생들이 논문 발표를 통해 각자의 연구 분야에 인공지능 기술을 효과적으로 접목할 방안을 모색하는 기회를 제공한다.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
본 교과목은 의학통계론 과목을 선수한 수강생들에게 추천되며, 의학 연구에 유용한 통계적 모델링 기법들을 의과학연구자 들이 친숙하게 이해하고 활용할 수 있도록 하는 것을 목적으로 한다. 해당 과목에서는 데이터 셋 탐색을 통해 변수 간 및 자료 간 상관구조를 파악하고 자료에 적절한 모델링 방법을 선택하여 의과학 연구에서 얻게 되는 복잡한 구조의 자료들을 효율적으로 모델링하기 위한 다양한 통계적 접근법 들을 다룬다.전선 / 대학원
데이터센터 구조의 융합적 접근 (A Holistic Approach to Datacenter Architecture): 모바일, 클라우드 컴퓨팅이 보편화되면서 대부분의 대용량 자료들이 데이터센터에서 수집,처리,보관되고 있다. 본 강의에서는 융합적 시각에서 이러한 데이터센터를 하나의 컴퓨터로 접근하여, 전달, 연산, 저장 기능이 구현되는 원리와 예시를 학습하며, 보편적인 문제들인 소프트웨어와 하드웨어 구성요소, 확장성, 총소유비용 및 신뢰성 문제를 다룬다.전선 / 대학원
데이타베이스, 프로그래밍 언어, 그래픽스, 운영체계 등 시스템 소프트웨어에 있어서의 최신 동향과 주요 주제를 다룬다.전선 / 대학원
의료정보학의 다양한 이론들과 연구 및 활용 분야들에 대해 학습한다. 의학용어 및 서식의 표준화, 병원정보시스템, 의사결정이론 및 CDSS, 컴퓨터기반 의학교육, 의학문헌검색, 정보보안 및 윤리적 이슈 등에 대해 탐구한다. 의료정보시스템의 구축 및 응용사례 등을 조사하고 시스템의 효과적 활용방안에 대하여 연구한다.전선 / 대학원
다양한 딥러닝 신경망(CNN 등) 알고리즘을 치과영상(파노라마 영상, 구내 영상, CEP 영상 및 콘빔CT(CBCT) 영상)에 적용하여 자동적 영역분할, 치과질환의 자동적 탐지 및 분류하는 방법을 실습함. 치과영상 데이터의 annotation 방법, 신경망 학습, 테스트 및 모델의 성능분석 등을 디지털 치과 데이터를 실제 컴퓨터 서버에 탑재하고 실습하여, 학생 스스로 딥러닝을 이용하여 치과영상을 분석할 수 있는 능력을 제공함. Getting Started with Deep Learning Using PyTorch Building Blocks of Neural Networks Diving Deep into Neural Networks Fundamentals of Machine Learning Deep Learning for Computer Vision Deep Learning with Sequence Data and Text Generative Networks전선 / 대학원
소프트웨어 공학의 관점에서 병원의 의료정보시스템 구축을 위한 방법론에 대해 학습한다. 의료정보시스템의 사용자요구분석, 데이터베이스설계, 시스템 구축의 단계별 과정, 시스템 유지와 관련한 여러 이론들에 대해 탐구한다. 또한 현장에서의 실무경험을 배양하기 위해 프로젝트를 통해 툴의 사용과 의료정보시스템 구축의 생명주기에 대하여 체험하게 된다.전선 / 대학원
최근 의학, 보건학, 생물학, 약학 분야에 통계적 분석이 활발히 진행되고 있으며 연구에 기본적인 분석을 위해서 통계 활용을 적극적으로 진행하고 있다. 통계의 기본적인 지식을 바탕으로 재현가능하고 지속적인 통계 분석 워크플로우를 구축하기 위해서 프로그래밍 언어 활용 방법을 획득하는 것이 연구자들에게 중요할 수 있다. 여러 프로그래밍 언어의 기본을 설명하고 이를 바탕으로 다양한 통계 분석을 코드 기반으로 수행할 수 있는 역량을 기른다. 그리고 다양한 데이터를 예시로 프로그래밍을 활용해 통계 분석을 일관성 있게 코드화하고 자신만의 분석 방법을 정립할 수 있도록 한다.전선 / 대학원
날로 증가하는 의학이용에 따라 의학 전반에 걸쳐서 응용되고 있는 컴퓨터의 의학 응용에 관하여 개괄적으로 강의한다. 의학연구에 이용되고 있는 컴퓨터 모델링 및 시뮬레이션 방법을 살펴보고, 각종 의료장비에 연결되어 응용되고 있는 컴퓨터에 관하여 살펴본다. 또한 각종 생체 제어장비에 응용되고 있는 컴퓨터에 관하여 살펴보며, 병원에서 사용되고 있는 의료용 데이터베이스에 관하여 공부한다. 특히, 의료용 영상의 저장 및 전송에 관한 방법에 관하여 그 방법과 실례들을 소개한다.