최근 확인한 콘텐츠
데이터가 존재하지 않습니다.
데이터가 존재하지 않습니다.
loading...
본 연구는 전자상거래 기업의 고객 행태 예측력을 높이기 위해 합성곱 신경망(CNN)을 활용한 ‘이종 정보 결합 모델’을 제시한다. 정형 및 비정형 정보를 결합하여 CNN 모델을 학습시킨 결과, 기존의 NBC, SVM, ANN 모델보다 예측 정확도와 F1 Measure가 높게 나타났다. 실험 결과는 비정형 정보 활용이 고객 행태 예측 정확도 향상에 기여하며, CNN 기법이 비즈니스 문제 해결에도 활용 가치가 높음을 입증한다.
파이썬과 엑셀로 시작하는 딥러닝 : 딥러닝의 알고리즘 원리부터 파악하기
비즈니스 데이터 과학 : 비즈니스 의사결정을 위한 통계학, 경제학, 인공지능의 만남
Engineering applications of bio-inspired artificial neural networks ; International Work-Conference on Artificial and Natural Neural Networks, IWANN'99, :proceedings
Database Systems for Advanced Applications : 24th International Conference, DASFAA 2019, Chiang Mai, Thailand, April 22–25, 2019, Proceedings, Part II
인공지능·빅데이터 마케팅
Artificial Intelligence Applications and Innovations : 17th IFIP WG 12.5 International Conference, AIAI 2021, Hersonissos, Crete, Greece, June 25–27, 2021, Proceedings
Advances in Big Data : Proceedings of the 2nd INNS Conference on Big Data, October 23-25, 2016, Thessaloniki, Greece
혼자 만들면서 공부하는 딥러닝 : 이미지텍스트 분류 및 요약, 전이 학습, 트랜스포머까지 20개 딥러닝 모델 구현하기
Foundations of intelligent systems : 11th International Symposium, ISMIS'99, Warsaw, Poland, June 1999 : proceedings
Machine learning with R cookbook : analyze data and build predictive models
케라스로 배우는 신경망 설계와 구현 : CNN, RNN, GAN, LSTM 다양한 신경망 모델 설계와 구현
만물의 공식
(금융 전문가를 위한) 머신러닝 알고리즘 : 파이썬으로 배우는 금융 머신러닝 알고리즘의 원리와 활용
Living beyond data : toward sustainable value creation
파이썬으로 구현하는 고급 머신 러닝 : 딥러닝을 포함한 최신 고급 머신 러닝 기술과 파이썬 활용
Complex network analysis in Python : recognize - construct - visualize - analyze - interpret
A guide to neural computing applications
Plan, activity, and intent recognition : theory and practice
Customer segmentation and clustering using SAS enterprise miner
지능정보연구
서이안, 신경식Journal of Intelligent & Fuzzy Systems
Surya Prakash Sharma; Laxman Singh; Rajdev TiwariJournal of Intelligent and Fuzzy Systems
Sharma S.P.,Singh L.,Tiwari R.한국전자거래학회지
이나경, 김주연, 심준호Procedia Computer Science
Bahari, T. Femina; Elayidom, M. SudheepIndustrial Marketing Management
Jena R.Soft Computing
Bao J.지능정보연구
이모세; 안현철International Journal of Human–Computer Interaction
Panteha Alipour; Erika E. Gallegos; Shrihari SridharInternational Journal of Information Technology and Decision Making
Jain, P.K.; Pamula, R.; Srivastava, G.한국인터넷방송통신학회 논문지
정인환; 황기태; 이재문Journal of Intelligent and Fuzzy Systems
Zhong Y.JOURNAL OF INTELLIGENT SYSTEMS
Tsai, Yun-Cheng; Chen, Jun-Hao; Wang, Jun-Jie한국생산관리학회지
김나랑Mobile Information Systems
Daegyu Choe; Eunjeong Choi; Dong Keun KimJournal of Enterprise Information Management
Yasir M.,Attique M.,Latif K.,Chaudhary G.M.,Afzal S.,Ahmed K.,Shahzad F.지능정보연구
이동원Wireless Personal Communications: An International Journal
Raj Kannan, J.; Sabitha, R.; Karthik, S.; Shanthini, J.Neural Computing and Applications
Hasumoto K.,Goto M.IOP Conference Series: Materials Science and Engineering
Omar Adil Kamil; Shaymaa W. Al-Shammari전선 / 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
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
오늘날 데이터 중심의 비즈니스 환경에서 인공지능/머신러닝(AI/ML) 기술은 고객 및 시장 분석부터 전략적 의사결정에 이르기 까지 기업 경영 전반에 수많은 혁신을 일으키고 있다. 본 과정은 MBA 학생들에게 비즈니스 애플리케이션에 특화된 핵심 AI/ML 알고리즘들을 실습 중심으로 학습할 수 있는 기회를 제공한다. 고객 이탈 예측, 금융 사기 탐지, 고객 세분화, 수요 예측, 맞춤형 추천 시스템과 같은 실전 사례들을 통해 머신러닝의 실용적인 적용 방법을 익히게 되며, 대규모 언어 모델(LLM)을 활용하여 별도의 프로그래밍 경험 없이도 데이터 처리 및 AI/ML 알고리즘 적용을 위한 기초적인 코드 구현 기술을 습득하게 된다. 본 과정을 수료한 학생들은 머신러닝을 활용한 데이터 기반 의사결정을 효과적으로 수행할 수 있는 역량을 갖추게 될 것이다.전선 / 학사
본 과목에서는 소비자가 어떻게 구매의사결정을 내리며, 경영자로서 이 지식을 활용하여 기업이나 조직이 어떻게 효과적 마케팅 의사결정을 내릴 수 있는가 하는 것을 배우고자 한다. 또한 학생들은 사례 연구 및 심층 면접에 바탕을 둔 프로젝트를 수행함으로써 소비자 행동 지식을 전략적으로 활용하는 방안을 모색하게 된다.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
다양한 딥러닝 신경망(CNN 등) 모델을 이용하여 치과영상(파노라마 영상, 구내 영상, CEP 영상 및 콘빔CT(CBCT) 영상)에서 정상 해부학적 구조물의 자동적 영역분할, CEP 계측점 자동적 탐지, 및 다양한 치과질환의 자동적 탐지 및 분류하는 딥러닝 모델과, 3D 치과 데이터에서 자동적 탐지, 분할과 분류하는 딥러닝 모델의 원리와 구조에 대해 수업함. 인공신경망과 딥러닝 소개 컴퓨터 비전을 위한 심층 컨볼루션 신경망 소개 딥러닝을 이용한 의료 및 치과영상 감지 및 인식 딥러닝을 이용한 의료 및 치과영상 분할 딥러닝을 이용한 의료 및 치과영상 등록 딥러닝을 이용한 컴퓨터 지원 진단(CAD)전선 / 학사
구매에서 소비자정보의 역할이 보다 더 강조되고 있다. 소비자들의 정보 사용 행동을 분석하고, 광고매체 등 정보제공환경을 파악함으로써 바람직한 정보정책의 틀을 모색한다.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
온라인 교육 활동이 활발해지면서 교육 분야의 데이터가 폭발적으로 증가하고 있다. 온라인 교육이 쏟아내는 빅 데이터의 추출과 분석은 오프라인 데이터의 분석과 함께 과학교육의 현황을 파악하고 미래를 위한 과학교육의 방향을 결정하는데 중요한 정보를 제공할 수 있다. 이 과목에서는 학생들이 빅 데이터 분석의 원리와 방법을 이해하고, 학습 결과를 온라인과 오프라인 과학교육과 사회현상의 분석에 응용하는 능력을 기르는 것을 목표로 하며, 데이터 마이닝을 위한 확률 개념을 바탕으로 수집된 데이터에서 최대의 정보를 추출하는 방법을 학습한다. 특히, 대표적 분류 모형인 퍼셉트론, 합성곱 신경망, 순환 신경망, 생성 모형으로 오토 인코더, 적대적 생성 신경망, 볼츠만 머신, 딥 빌리프 네트워크 등을 깊이 다룰 예정이다. 학생들은 이 주제들에서 학습한 내용을 교육 데이터 마이닝의 실습, 무크와 같은 대규모 학습의 분석에 응용하는 연습을 한다. 이 과목은 교육 통계와 좋은 보완이 될 수 있다. 그러나 강의를 이해하는데 필요한 통계 수학과 컴퓨터 프로그램 지식을 선행 지식으로 요구하지는 않는다.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 / 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
통계학, 인공지능, 컴퓨터공학의 도구를 총체적으로 사용하는 데이터마이닝은 기존의 과학 및 공학 분야 뿐 아니라 생산, 마케팅, 금융 등과 같은 비즈니스 분야에도 활발히 사용되고 있다. 본 강좌에서는 데이터마이닝의 기본적인 문제인 클러스터링, 분류, 연관분석 등과 해당 기법들을 소개한다. 또한, 실제 비즈니스에서 데이터마이닝이 사용되는 배경 및 사례를 공부한다. 생산, 마케팅, 금융 분야의 실제 데이터를 사용하여 마이닝을 수행하는 프로젝트를 함으로써 이들 분야에 있어서의 데이터마이닝의 특성을 이해하고 문제해결능력을 제고하고자 한다.전선 / 대학원
딥러닝 모델은 추상화 복잡도를 증가하면서 정보를 표현하는 여러 계층으로 이루어진 신경망으로, 최근 영상/음성/자연어 처리 등의 문제에서 다른 기계 방법론들을 크게 상회하는 뛰어난 성능을 보이고 있다. 본 과정에서는 딥러닝의 기반이 되는 기계학습 및 최적화 기법들을 배우고, 기본적인 신경망에 대해서 학습한다. 그리고 영상 처리와 자연어 처리의 핵심 모델인 Convolutional neural networks와 Recurrent neural networks의 훈련법과 추론법들을 익힌다. 또한 비감독 생성 모델인 Autoencoders와 Restrict Boltzman machines에 대해 자세히 살펴 보고 마지막으로 딥러닝 기반 강화 학습에 대해서도 학습하고 실습을 진행한다. 본 과목은 대학원생과 일부 고년차 학부생을 대상으로 한다.전선 / 대학원
"오늘날과 같이 기술간제품간 융합이 활발히 이루어지고, 소비자들의 신제품에 대한 수요가 다양해지는 환경에서, 신기술 혹은 신제품의 성패는 기술적인 요인에 의해서 결정되어 진다기보다는 시장에서의 성공에 좌우된다고 할 수 있다. 따라서, 신기술 및 신제품에 대한 수요분석 및 예측은 기업전략은 물론 국가의 연구개발정책에 있어서도 그 중요성이 더욱더 커진다고 할 수 있다. 본 교과는 이와 같은 신 기술경제 패러다임(New Techno-Economics Paradigm) 하에서 빠른 기술혁신과 불확실한 시장으로 정의될 수 있는 신기술 및 신제품의 수요를 분석하는데 필요한 기초적인 지식을 교육한다. 교과내용은 크게 2가지로 나누어지는데, 첫번째는 신기술의 개별속성에 대한 소비자의 선호구조를 분석하는데 필요한 다양한 이산선택모형(discrete choice model)과 이를 추정하는데 필요한 여러 가지 시뮬레이션 기법 및 베이지안적 접근에 의한 추정법이 포함되고, 두번째는 위험함수(hazard function)의 정의에 기반한 광범위한 형태의 확산모형(diffusion model)을 이용한 수요예측모형이 포함된다."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.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
‘데이터’는 현 시대의 새로운 자원으로 평가받고 있다. 기업, 정부 등 시장 참여자들은 소비자를 이해하고 소비자문제를 도출하여 그 해결방안을 마련하기 위해 다양한 데이터를 분석하고 그 결과를 의사결정의 근거로 활용한다. 본 과목에서는 소비자의 시장환경에서 활용되는 다양한 데이터기반 의사결정을 이해하고, 이론, 사례 및 방법론 등을 학습한다. 이를 통해 시장참여자의 소비자지향적인 의사결정을 위한 데이터 활용방안을 모색하고 필요한 역량을 습득할 수 있다.전선 / 학사
본 과목은 소비자 행동과 생활양식과 관련된 빅데이터를 이해하고, 분석하고, 해석할 수 있는 능력을 배양하기 위한 과목이다. 소비자 관련 빅데이터의 특징과 함의에 대한 이해를 바탕으로 빅데이터를 처리하고 분석할 수 있는 방법론을 학습하고, 이를 해석하는 역량을 배양한다. 이를 통하여 급변하는 시장환경에서 빅데이터를 적용하여 소비자 행동을 이해하고 예측할 수 있는 역량을 신장시킨다.전선 / 대학원
본 강좌에서는 경영 활동에 전반적으로 활용되는 정보 기술, 시스템의 개념과 요소를 소개한다. 조직에서 지속적인 경쟁 우위를 확보하기 위해 활용하는 정보 기술, 시스템의 이론과 실제를 학습할 수 있는 다양한 이슈가 다뤄질 것이다. 학생들은 정보 기술의 최근 동향을 이해하고, 조직의 성과를 향상시키기 위해 이를 활용할 수 있는 방안에 대해 토의할 것이다. 이는 정보 기술을 사용과 관련하여 주요한 관리적 이슈가 무엇인지 이해할 수 있도록 도울 것이다.전선 / 대학원
식품비즈니스 연구방법론 I에 학습한 기본적인 지식습득에 이어, 비정상적 자료를 이용한 회귀분석, 시계열 분석, 범주형자료 분석, 의사결정나무, 베이지안 계층분석, 인공신경망, 집단분석, 케이-근접이론, 케이-평균군집등에 대한 이론적 연구와 상업적 패키지를 이용하여 학습하고, 수강생들의 연구방법에 대한 실질적인 능력을 함양한다. 특히 기존의 통계적 방법을 사용하던 식품비즈니스의 모든 영역에서 컴퓨터의 발달로 가능해진 새로운 학문적 방법을 제공함으로써 대학원 과정 학생들의 연구의 성과를 높이고 국제적인 학술지에 발표할 가능성을 제고하고자 한다.