최근 확인한 콘텐츠
데이터가 존재하지 않습니다.
Seo Jeong
2022 / Annals of Laboratory Medicine
데이터가 존재하지 않습니다.
loading...
본 연구는 NTIS의 대화형 검색 서비스 구축을 위해 딥러닝 모델과 형태소 분석기를 활용하는 방안을 제시한다. 딥러닝 모델은 NTIS 로그 데이터를 기반으로 학습하여 사용자 검색 의도를 파악하고, 단계별 검색을 통해 과제정보를 제공한다.
Foundations of intelligent systems : 11th International Symposium, ISMIS'99, Warsaw, Poland, June 1999 : proceedings
Natural language processing in action : understanding, analyzing, and generating text with Python
Information retrieval and hypertext
Foundations of data organization and algorithms : 3rd international conference, FODO 1989, Paris, France, June 21-23, 1989 :proceedings
AI 전략 수업 : 업무 혁신을 위한 맞춤형 지능
Enterprise information systems : 11th international conference ; proceedings, ICEIS 2009, Milan, Italy, May 6 - 10, 2009
Advanced speech applications : European research on speech technology
Exploratory search : beyond the query-response paradigm
User modeling : proceedings of the sixth international conference, UM97, Chia Laguna, Sardinia, Italy, June 2-5 1997
패스트 무버 : AI 시대, 150% 성과를 만드는 사람들의 비밀 =
(조코딩의 랭체인으로) AI 에이전트 서비스 만들기 : GPT·Llama 기반 RAG·에이전트·멀티모달 AI 서비스 구축 가이드
Advanced web technologies and applications : 6th Asia-Pacific Web Conference, APWeb 2004 : Hangzhou, China, April 14-17, 2004 : proceedings
Search user interfaces
검색을 위한 딥러닝
생성형 AI와 법 =
시스템 에러 : 빅테크 시대의 윤리학
The Next generation of information systems : from data to knowledge : a selection of papers presented at two IJCAI-91 Workshops, Sydney, Australia August 26, 1991
Towards the semantic web : ontology-driven knowledge management
International Journal of Software Engineering and its Applications
Han, H.; Choi, H.; Kim, J.한국콘텐츠학회 논문지
김태현; 이종원; 조우승; 정회경한국도서관·정보학회지
남연화, 강주연, 김태영, 오효정Procedia Computer Science
Wei, Fengtao; Zhang, Xuning; Wang, Dianli지능정보연구
정한조데이타베이스연구
강민아, 손윤희, 이규철Wireless Personal Communications
Yang, M.S.; Joo, W.K.; Choi, K.S.; Kim, Y.J.; Kim, Y.K.Mobile Networks and Applications
Wu Y.,Mao W.,Feng J.Journal of Supercomputing
Tsai M.F.,Wu Y.H.Wireless Personal Communications: An International Journal
Banerjee, Partha Sarathy; Chakraborty, Baisakhi; Tripathi, Deepak; Gupta, Hardik; Kumar, Sourabh S.IEEE Access
Alamos A.J.B.,Hashempour R.,Rumble D.,Jameel S.,De Amorim R.C.Wireless Personal Communications: An International Journal
Kim, Yong-Ki; Jeong, HanjoWEB CONFERENCE 2019: PROCEEDINGS OF THE WORLD WIDE WEB CONFERENCE (WWW 2019)
Moshfeghi, Yashar; Triantafillou, Peter; Pollick, Frank E.스마트미디어저널
이정우, 이소연ACM Transactions on Information Systems
Ruotsalo, T.; Peltonen, J.; Eugster, M.J.A.; Kaski, S.; Głowacka, D.; Floréen, P.; Myllymäki, P.; Jacucci, G.한국인터넷방송통신학회 논문지
김진배; 김영곤; 박정민한국기록관리학회지
강주연, 남연화, 오효정Sensors (Switzerland)
Chu E.T.H.,Huang Z.Z.정보처리학회논문지C
최옥경, 한상용Journal of Information Technology Applications & Management
유기철, 이태희, 최상현, 이정환전선 / 대학원
딥러닝은 주어진 입력 데이터를 심층인공신경망으로 가공하여 원하는 테스크에 대해 좋은 성능을 달성하는 것을 목표로 한다. 이 과정에서 입력 데이터는 입력이 표현된 방식과는 확연히 다른 방식으로 표현되게 되고, 이러한 표현 방식의 변화를 통하여 원하는 정보를 잘 활용할 수 있게 된다. 본 강의는 딥러닝의 중요 연구주제 중 비지도학습의 기본 방식으로 자리 잡은 self-supervised learning 및 contrastive learning을 중심으로 진행한다. 특히 information theoretic approach를 비롯한 metric 관점의 representation learning에 대해 고찰하고 domain generalization, meta learning, 등과 같은 학습기법들에 대해 논의하며 이를 통하여 표현학습에 대해 심화된 이해를 하는 것을 목표로 한다.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
딥러닝은 주어진 입력 데이터를 심층인공신경망으로 가공하여 원하는 테스크에 대해 좋은 성능을 달성하는 것을 목표로 한다. 이 과정에서 입력 데이터는 입력이 표현된 방식과는 확연히 다른 방식으로 표현되게 되고, 이러한 표현 방식의 변화를 통하여 원하는 정보를 잘 활용할 수 있게 된다. 본 강의에서는 딥러닝의 중요 연구주제 중 지도학습, 비지도학습, contrastive learning, domain generalization, meta learning, 등과 같은 학습기법들에 대해 논의하고 이를 통하여 표현학습에 대해 이해하는 것을 목표로 한다.전선 / 학사
딥 러닝의 핵심 개념, 모델 및 활용 사례를 강의한다. 강의 전반부에는 deep neural network의 정의, stochastic gradient descent, backpropagation, activation, optimization 등 딥 러닝의 핵심 개념을 강의하며, 후반부에는 convolutional neural network, recurrent neural network, generative adeversarial network, transformer 등 실제로 활용되는 딥 러닝 모델들의 특징과 활용 사례를 다룬다. 또한 각 모델들을 PyTorch를 통해 실제로 활용해볼 수 있도록 과제/프로젝트를 구성한다.전선 / 학사
인터넷과 월드와이드웹은 사람과 응용프로그램 사이에 정보를 교환하기 위한 기술적인 환경을 제공하고 있으며 이러한 기술의 발전은 대용량의 데이터 자원이 인터넷 상에 존재하게 만들었다. 그러나 사람과 응용프로그램 사이에 정보를 교환하기 위한 효과적이고 잘 정의된 규칙이나 표현법의 부족으로 이러한 저장된 정보를 효율적으로 사용하는데에는 많은 문제점이 있다. 네이버나 엠파스 등의 지식 검색 서비스에서 볼 수 있듯이 사람들의 지식 서비스에 대한 요구는 높아가지만 전통적인 키워드 검색으로는 이를 지원하기가 부족하다. W3C의 주도하에 개발 중인 시맨틱웹(Semantic Web) 기술은 웹 상에서 정보를 표현하고 교환하기 위한 규칙을 정의하는데 필요한 요소 기술들을 말한다. 시맨틱웹은 사람과 응용프로그램(에이전트) 사이에 의미에 기반한 정보교환을 함으로써 자동화된 서비스를 제공하는 환경을 말하는 것으로 이를 위해서는 정보를 형식화하는 과정 및 개념화 과정을 통하여 온톨로지를 생성할 필요가 있다. 온톨로지는 지식 도메인의 개념 및 그들 사이의 의미적 연관성을 형식적으로 정의함으로써 지식 검색 등의 서비스를 가능하게 한다. 본 과정에서는 웹 상에서 정보를 의미적으로 표현하고 의사교환하기 위해 시맨틱웹 기술이 어떻게 사용되는지에 대한 이해를 유도한다. 세부적으로 다루는 토픽은 시맨틱웹 구조, 메타데이터, XML, 온톨로지 모델링, 온톨로지 언어 및 온톨로지 구축이다.전필 / 대학원
인공지능(AI) 기반 교육을 현장에서 적용하기 위해선, AI융합전공 수강생들은 인공지능(AI)을 교과 수업 상황에 융합하여, 수업을 설계하고 실행할 수 있는 역량이 요구된다. 이 강의는 AI융합전공 수강생들이 인공지능(AI) 자체에 대한 수업과, 인공지능(AI) 학습도구를 활용한 인공지능(AI)-교과 융합수업을 설계하고, 실행할 수 있는 역량을 갖추는 것을 목적으로 한다. 이를 위해 AI융합전공 수강생들은 먼저, 인공지능(AI) 자체에 대한 수업 설계 역량을 기른다. 그리고 실제적이고 집중적인 교육을 통해, 이 교과목은 수강생들의 인공지능 교과 융합 수업을 설계하고 실행하는 역량 증진시킬 것이다.전선 / 대학원
소셜 컴퓨팅과 라지데이터 분석 등이 커뮤니케이션 분야에서도 중요한 이슈로 부상함에 따라 컴퓨터공학을 전공하지 않은 연구자들도 소셜 네트웍 시스템의 기술적, 구조적 특성을 이해할 필요가 있다. 이 수업에서는 Ruby나 Python 등을 사용한 기초 프로그래밍 학습과, 웹 기반 기술(web technology), 데이터베이스 등의 관련 기술에 대한 학습을 통해 실제로 소셜 네트웍을 개발하고 분석하는 방법을 배운다. 또한, 이 과정에서 트위터 등의 소셜 네트웍의 데이터 마이닝 기법을 배우고 소셜 네트웍 분석을 실습을 통해 학습한다.전선 / 대학원
진료 및 연구결과로 얻어진 결과 데이터들을 분석하고 관리하는데 필요한 기초이론을 다룬다. 주된 내용으로는 access를 이용한 데이터베이스의 구축, 인터넷에서의 정보검색, matlab 등을 이용한 생체신호분석등의 내용을 다룬다.전선 / 학사
인공지능은 사람의 생각과 행동을 모사하고, 이성적인 행위를 통하여, 주어진 목적을 달성하는 시스템을 연구하는 학문 분야이다. 본 수업에서는 인공지능 시스템을 구성하기 위한 다양한 방법론을 논한다. 이는 효율적인 탐색, 지식의 표현, 불확실성에 대한 이해, 상관관계와 인과관계에 대한 이해, 시각, 음성, 자연어 등의 처리, 학습 등을 포함한다. 이를 통해 학생은 인공지능의 핵심 원리와 기술에 대해 수학적, 논리적, 정성적, 정량적, 확률 통계적, 학습적 관점 등으로 종합적인 이해를 한다.전선 / 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
의료분야의 정보화가 진행됨에 따라 정보검색 기술은 가장 많이 활용되는 기술이 되었다. 향후 디지털화된 의료정보를 관리하고 이를 연구와 진료에 활용하기 위해서 정보검색기술은 가장 중요한 위치에 있는 핵심기술이다. 이를 위하여 의료환경에서 사용될 수 있는 정보검색의 기초이론을 강의한다. 강의는 의학용어모델, 정보검색모델, 인덱스구조를 중심으로 강의가 이루어진다. 의학용어모델에서는 의료정보시스템에서 사용되는 용어모델의 종류 및 특성을 설명하며, 정보검색모델로는 불리언모델, 벡터모델, 확률모델에 대하여 특성을 강의하며, 인덱스구조에서는 정보검색에 사용되는 inverted file, signature file의 구조 및 각각의 차이와 활용분야에 대하여 강의가 이루어진다.전선 / 학사
컴퓨터를 활용하여 문제를 해결할 시 그 활용이 필수적인 기본적인 자료 구조에 대해 가르친다. 배열, linked list, stack, queue, priority queue, search tree, hash table, balanced search tree 등의 자료구조의 구성, 활용 방법 및 효율성을 강의한다. Python 기반의 숙제를 통해 수강생이 직접 각 자료구조를 구현/활용할 수 있는 능력을 배양한다.전선 / 학사
인공신경망의 원리와 종류를 살펴보고 그 동작을 이해한다. 이를 기반으로 딥러닝 네트워크의 원리를 공부하고 설계하여 그 동작을 이론과 실습을 통해 이해한다. 또한 응용 분야에 따른 다양한 딥러닝 네트워크를 알아보고 학습과 검증 과정을 통해 설계 및 응용분야에 적용하는 예제를 공부한다.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 / 대학원
이 강의는 실제로 법률실무가가 되고 난 후 업무와 관련하여 가장 기본적인 능력인 리서치 능력을 배양하는 것을 목표로 한다. 주어진 과제에 대한 국내외 법령 및 판례 정보, 관련 문헌 등 법률정보를 조사하는 방법을 실습을 통하여 체득한다. 법적 문제를 올바르게 해결하는 데에 있어서 참고하여야 할 자료나 문헌들을 폭 넓고 정확하면서도 신속하게 찾아내는 방법론을 탐구하는 데 주안점을 둔다. 법률정보조사 결과에 대해서는 교원의 검토 및 개별적인 피드백이 이루어질 것이다.전선 / 대학원
인지과학 연습 1의 내용을 보다 확장하여 인지과학의 연구사, 연구주제등을 다각도로 검토하여 과정에 진입한 학생들에게 인지과학의 기초적 지식배경을 제공하는데 목적이 있다.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
컴퓨터 및 VLSI 분야의 전문가를 초빙하여 최근 동향과 전문기술에 대한 정보를 습득하고 토론할 수 있는 기회를 제공한다.전선 / 대학원
이 과목은 보건의료 영역에서 컴퓨터를 활용한 텍스트 분석을 다룬다. 보건의료 영역에는 여러 종류의 언어 자료가 존재한다. 사람들이 온라인 공간에서 여러 질병에 대해 던지는 질문들, 보건의료 전문가들의 연구들, 질병과 건강에 대한 신문기사들이 그 예다. 이들로부터 정보를 체계적이고 과학적으로 추출할 수 있다면, 보건의료에서 다양한 방식으로 활용할 수 있다. 최근 많이 사용되고 있는 컴퓨터를 활용한 텍스트 분석은 이런 작업에 새로운 가능성을 제시한다. 본 과목에서는 여러 가지 컴퓨터를 활용한 텍스트 분석 방법을 학습하고, 보건의료 영역 자료에 적용하는 것을 실습한다.전선 / 대학원
본 교과목은 단순한 질의응답을 넘어, 스스로 목표를 설정하고, 도구를 사용하며, 복잡한 과업을 자율적으로 수행하는 ‘에이전트(Agentic)' AI의 설계 원리와 구현 방법론을 심층적으로 다룬다. 기존의 LLM(Large Language Model)이 가진 한계를 극복하고, LLM을 ‘추론 엔진'으로 활용하여 실제 세계와 상호작용하는 지능형 시스템을 구축하는 데 초점을 둔다. 수강생들은 단일 에이전트의 핵심 구성 요소인 사고-행동-관찰(Reasoning-Acting-Observation) 루프, 동적 도구 사용(Tool Use), 장단기 기억(Memory) 메커니즘을 학습한다. 나아가 여러 에이전트가 협력하여 인간의 개입을 최소화하면서 복잡한 문제를 해결하는 멀티 에이전트 시스템(Multi-Agent System)의 설계 패턴(예: 계층적, 협력적)과 통신 프로토콜을 배운다. LangChain, AutoGen, CrewAI와 같은 최신 프레임 워크를 활용한 실습을 통해, 에이전트 아키텍처 설계부터 정교한 프롬프트 체이닝, 실행 루프 구현까지의 전 과정을 경험하며, 차세대 AI 애플리케이션을 개발할 수 있는 실전 역량을 배양하는 것을 목표로 한다.