최근 확인한 콘텐츠
데이터가 존재하지 않습니다.
데이터가 존재하지 않습니다.
loading...
Systems for big graph analytics
Big data analysis : new algorithms for a new society
Practical graph analytics with Apache Giraph
Multiplex networks : basic formalism and structural properties
그래프 알고리즘 : 아파치 스파크와 Neo4j를 사용한 실전 예제
Graph Neural Networks: Foundations, Frontiers, and Applications
Fashion Recommender Systems
Graph Representation Learning
Big data over networks
Mathematics of big data : spreadsheets, databases, matrices, and graphs
Big data analytics for sensor-network collected intelligence
Complex graphs and networks
사회 네트워크 통계 모형 : 이론, 방법론, 활용
다층모형분석 : 기법과 적용
Distributed computing in big data analytics : concepts, technologies and applications
하둡 애플리케이션 아키텍처 : 하둡 에코시스템을 활용한 빅데이터 처리
Big data and computational intelligence in networking
Graph theory and complex networks : an introduction
그래프 머신러닝 : 머신러닝 알고리듬을 적용해 그래프 데이터 활용하기
IEEE Transactions on Knowledge and Data Engineering
Zhao K.,Su J.,Yu J.X.,Zhang H.한국지식정보기술학회 논문지
조이상, 김진홍Journal of Information Science
Corbellini, A.; Mateos, C.; Godoy, D.; Zunino, A.; Schiaffino, S.ACM Transactions on Intelligent Systems and Technology
Leskovec, J.; Sosič, R.Journal of Supercomputing
Goswami S.,Pokhrel A.,Lee K.,Liu L.,Zhang Q.,Zhou Y.Journal of Innovation in Digital Ecosystems
Drosou, Anastasios; Kalamaras, Ilias; Papadopoulos, Stavros; Tzovaras, DimitriosJournal of Big Data
Adoni W.Y.H.,Nahhal T.,Krichen M.,El byed A.,Assayad I.Social Network Analysis and Mining
Dharavath R.,Arora N.Social Network Analysis and Mining
Koch, J.; Staudt, C.L.; Vogel, M.; Meyerhenke, H.Social Network Analysis and Mining
Koch, J.; Staudt, C. L.; Vogel, M.; Meyerhenke, H.ACM Computing Surveys
Meng, L.; Lin, X.; Shao, Y.; Cheng, P.; Yuan, L.; Lai, L.; Li, X.; Yu, W.; Zhou, J.; Zhang, W.Computer Journal
Gao, J.; Liu, P.; Kang, X.; Zhang, L.; Wang, J.BMC Bioinformatics
Di Rocco L.,Ferraro Petrillo U.,Rombo S.E.Information Sciences
Bouhenni S.,Yahiaoui S.,Nouali-Taboudjemat N.,Kheddouci H.IEEE Transactions on Parallel and Distributed Systems
Arleo A.,Didimo W.,Liotta G.,Montecchiani F.Procedia Computer Science
Balaguru, Saranya; Nallathamby, Rachel; Robin, C.R. RenePattern Recognition Letters
Carletti V.,Foggia P.,Greco A.,Saggese A.,Vento M.Journal of Supercomputing
Huang J.,Qin W.,Wang X.,Chen W.ACM Journal of Experimental Algorithmics
Faraj, Marcelo Fonseca; Schulz, Christian정보과학회논문지
이민호, 김민성, 이완곤, 박영택전선 / 대학원
본 과목은 도시설계 및 조경학 분야에 특화된 정량적 도시환경 실증연구 방법론 세미나 수업이다. 본 과목은 정량적 연구방법론의 이해와 활용능력 습득을 통해 독립적으로 정량적 분석 연구를 수행할 수 있는 능력을 기르는 것을 목표로 한다. 이를 위해 “물리적 도시환경의 측정”,“정량적 분석의 기초”, “기초 통계 모형”의 세 가지 주제를 다룬다. 물리적 도시환경의 측정에서는 도시환경의 개념과 지표 도출 과정을 배운다. 정량적 분석의 기초에서는 데이터 및 변수의 이해, 개념의 조작화와 가설 검정 등 정량적 분석의 기초를 다룬다. 기초 통계 모형 부분에서는 종속 변수의 특성에 따라 적절히 적용해야 하는 가장 기본적인 통계 모형(OLS models, Logistic Models, Count Models)을 다룬다. 학생들은 세미나 내용을 바탕으로 실제 데이터를 활용하여 가설 검정과 분석 결과 해석 실습을 수행할 것이다.전선 / 대학원
본 과목은 도시설계 및 조경학 분야에 특화된 정량적 도시환경 실증연구 방법론 세미나 수업이다. 본 과목은 정량적 연구방법론의 이해와 활용능력 습득을 통해 독립적으로 정량적 분석 연구를 수행할 수 있는 능력을 기르는 것을 목표로 한다. 이를 위해 “물리적 도시환경의 측정”,“정량적 분석의 기초”, “기초 통계 모형”의 세 가지 주제를 다룬다. 물리적 도시환경의 측정에서는 도시환경의 개념과 지표 도출 과정을 배운다. 정량적 분석의 기초에서는 데이터 및 변수의 이해, 개념의 조작화와 가설 검정 등 정량적 분석의 기초를 다룬다. 기초 통계 모형 부분에서는 종속 변수의 특성에 따라 적절히 적용해야 하는 가장 기본적인 통계 모형(OLS models, Logistic Models, Count Models)을 다룬다. 학생들은 세미나 내용을 바탕으로 실제 데이터를 활용하여 가설 검정과 분석 결과 해석 실습을 수행할 것이다.전선 / 대학원
교육연구에서 사용되는 데이터의 구조가 대부분 학생이 교사나 학교에 내재되어 있는 위계적인 구조를 가지는 경우가 많다는 점에서, 다층모형은 양적 연구 방법론을 익히고자 하는 교육 연구자에게 매우 필요한 방법론이라고 할 수 있다. 이 교과목에서는 다층모형을 이해하는 데 필요한 통계적 기초를 포함하여 다층모형의 기본적 개념 및 이론적 기초를 다루며, 이를 토대로 하여 2수준과 3수준 다층모형에서 시작하여 종속변수가 연속변수가 아닌 이분변수나 다분변수일 때 적용가능한 다층모형과 다시점 데이터에 적용가능한 변화에 대한 다층성장모형까지 교육연구에서 가장 자주 사용되는 기본적 모형들을 소개하고자 한다.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 / 대학원
본 교과목은 프로젝트 중심 수업으로서 학생들이 end-to-end 프로젝트를 통해 데이터사이언스 애플리케이션 개발 수명 주기, 애플리케이션 아키텍처 설계와 구성 요소의 선택, 시스템 인프라 유지보수 및 모니터링과 MLOps 등을 공부하고 실질적인 경험을 쌓을 수 있도록 한다. 학생들은 실습 세션을 통해 업계에서 활용되는 최신의(state-of-art) 소프트웨어 구성 요소들을 다루고 대규모 상업 시스템들에 대해서 사례 연구를 진행한다. 학생들은 수업을 통해 프로젝트 아이디어를 제안하고, 아키텍처와 애플리케이션 기능을 디자인하며, 인프라를 애플리케이션 수명 주기에 따라 모니터링하고 유지 보수할 수 있어야 한다.전선 / 대학원
본 교과목은 오늘날 인공지능의 중심을 이루는 거대언어모델(Large Language Models)과 이를 기반으로 한 대화형 인공지능을 다룬다. 특히 거대언어모델의 학습부터 응용까지 이어지는 전체 파이프라인을 아래와 같이 체계적으로 다룬다. (1) Pre-training: 지식 습득을 위한 사전학습(Transformer, BERT, GPTs) (2) Supervised Fine-tuning: 상호작용 학습(Dialogue Fine-tuning, Instruction Tuning, Reasoning) (3) Alignment: 인간 가치와의 정렬(RLHF, DPO, KTO 등) 및 언어모델 해석 기법(AI Psychometrics, Mechanistic Interpretability) (4) Grounding: 외부 데이터 및 도구 활용 기법(페르소나, 문서, 이미지, 지식 그래프, 도구 증강 에이전트) (5) Applications: 다양한 도메인으로의 응용(대화 시뮬레이션 및 심리상담·교육·설득 응용) 수업에서는 각 연구 주제별로 핵심 논문들의 아이디어, 데이터, 방법론 등을 강의한다. 실습으로는 언어모델 학습, 언어모델 API를 이용한 대화 시스템 구현, 대화형 인공지능과 관련된 작은 연구 프로젝트를 수행한다. 이 과목을 통해 수강생들은 거대언어모델 연구 동향을 큰 틀에서 파악하고, 핵심적인 연구 주제들과 방법론을 이해하며, 이를 실제 연구에 적용하는 능력을 기르게 된다.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 과정은 프로젝트 중심 수업으로 학생들은 end-to-end 프로젝트를 통해 데이터 사이언스 어플리케이션 개발 수명 주기, 어플리케이션 아키텍처 설계와 구성 요소의 선택, 시스템 인프라 유지보수 및 모니터링과 MLOps 등을 공부하고 실질적인 경험을 쌓을 수 있다. 이 수업에서는 소프트웨어 개발의 기초와 소프트웨어 2.0의 개념을 다루며, 학생들은 실습 세션을 통해 업계에서 활용되는 최신의(state-of-art) 소프트웨어 구성요소들을 다루고 대규모 상업 시스템들에 대해서 사례 연구를 진행할 예정이다. 학생들은 수업을 통해 프로젝트 아이디어를 제안하고, 아키텍처와 어플리케이션 기능을 디자인하며, 인프라를 어플리케이션 수명 주기에 따라 모니터링하고 유지 보수할 수 있어야 한다.전선 / 대학원
본 스튜디오는 인공지능(AI)을 조경의 핵심 설계 도구로 활용하는 것을 목표로 하는 실습 중심의 스튜디오이다. 지난 2년간 진행한 세미나 주제인「조경과 AI」에서 다루었던 이론적 논의를 확장하여, 실제 설계 프로세스 속에서 AI의 잠재력과 한계를 탐구한다. 본 수업은 인간이 직관적으로 해결하기 어려웠던 형태적·공간적 문제를 인공지능을 통해 분석하고 생성하는 과정을 실험하며, 프롬프트 설계(Prompt Design)와 룰 베이스 설계(Rule-Based Design)와 같은 개념을 핵심 학습 주제로 다룬다. 수강생들은 2차원 이미지로부터 3차원 형상을 추출하고, 형태의 특징을 기반으로 기능과 프로그램을 부여하는 과정에서 다양한 AI 도구를 활용한다. 이를 통해 인공지능을 단순한 도구가 아닌 공동 설계자(co-designer)로 이해하며, 디지털 생성 기술을 통해 새로운 형태, 패턴, 그리고 공간 경험을 제안한다. 최종적으로 AI를 활용한 설계 프로토타입 혹은 실험적 디자인 아틀라스를 제작하여, 미래 조경·도시설계의 가능성을 탐구한다.전선 / 학사
전선 / 대학원
확률 그래프 모델은 확률 변수들 간의 조건 의존성을 그래프 형태로 나타낼 수 있는 통계 방법론으로, 대용량 변수들의 복잡한 상호관계도 조밀하게 표현할 수 있다. 근래 컴퓨터 비전, 자연어 처리, 로봇공학, 컴퓨터 시스템, 계산 생물학 등 인공지능과 연관된 다양한 실제 문제들에 성공적으로 활용되고 있다. 본 과목에서는 확률 그래프 모델에 필요한 이론, 원리, 알고리즘 등을 폭넓게 배우며, 특히 주요 주제로는, 베이지안 그래프와 마코프 랜덤 필드의 표현, 합-곱 알고리즘과 신뢰 전파 알고리즘 등을 통한 그래프 모델의 학습과 추론, 변분 분석과 표본화를 통한 근사 방법, 최대 마진 방법과 깊은 신경망 등의 최신 기계 학습 기법 등과 그들의 실제 적용 방법과 예시 등을 다룬다. 본 과목은 대학원생과 일부 고년차 학부생을 대상으로 한다.전선 / 대학원
본 과목에서는 고차원 데이터의 저차원 표현을 학습하기 위한 기하학적 방법을 소개한다. 미분 기하학의 기초(구체적 주제는 리만 다양체 및 Lie 그룹, 텐서, 커넥션 및 fiber 번들 포함)를 다룬 후, 고차원 데이터에 대한 기존 기계 학습 알고리즘(예: 매니폴드 러닝, 메트릭 러닝)의 기하학적 일반화 방법을 개발하여, 대칭적 구조가 존재하는 고차원 비유클리디언 데이터 문제에 적용한다. 위와 같은 방법을 구현하기 위한 효율적인 계산 알고리즘도 소개한다. 후반부에는 Ito 확률 미분 방정식의 관점에서 강화 학습과 확률 최적 제어 간의 관계를 고찰하여, 고차원 비유클리디언 데이터 강화 학습 문제에 적용 가능한 기하학적 방법도 개발한다.전선 / 대학원
Shortest path, Network flow 등의 그래프 문제를 해결하는 최근에 개발된 알고리즘과 알고리즘 분야에서의 최근의 연구결과를 학습한다. 분산 시스템의 여러 모델들과 분산 시스템에서 발생하는 중요한 문제들을 해결하는 분산 알고리즘에 관하여 연구한다.전선 / 대학원
본 과목은 사회통계의 고급수준에 해당되는 부분으로 이론적 기초와 분석방법을 이해하고, 사회복지와 관련자료를 컴퓨터를 이용하여 분석한 후 보고서를 작성하는 연습을 한다. 이 과목에서는 부제에 따라 구조방정식 및 잠재성장모형 혹은 인과추론 및 정책평가에 대해 중점적으로 다룬다. 그러므로 이 과목의 수강은 사회통계의 초급수준을 이해함을 전제로 한다.전필 / 학사
본 강의는 데이터과학의 방법을 사회 자료 통계 분석에 이용하는 능력을 갖출 수 있도록 한다. 기술 및 추론 통계의 기본 방법론을 사회학 연구 설계와 경험 분석의 관점에서 다루고, 프로그래밍 언어 습득을 통해 자료 시각화와 통계 분석을 수행할 수 있는 능력을 함양시킨다.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
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 / 학사
전선 / 대학원
본 강의에서는 지능시스템을 위한 패턴인식 알고리즘들에 대해서 공부한다. 패턴인식은 문자인식, 지문인식, 얼굴인식, 음성인식 등을 모두 포괄하는 지능시스템을 구현하기 위한 필수적인 분야로 그 응용 분야가 매우 다양하며 풀고자 하는 문제에 따라 분류문제, 회귀문제, 군집화문제 등으로 나눌 수 있다. 본 강의에서는 각각의 문제들을 풀기 위해 대표적으로 사용되는 알고리즘들에 대해서 살펴보며 수강생들로 하여금 학기중 프로젝트를 통해서 패턴인식 기술을 사용하는 지능형 시스템을 구현해 보도록 한다.전선 / 대학원
본 교과목은 응용 데이터사이언스를 위한 데이터 관리의 원리를 가르친다. 이 수업에서 다루는 주제는 다음과 같다. - 데이터 관리의 이론적 배경: 데이터 종류, 1차 논리, 2차 논리, 관계 논리와 관계 대수, 스키마, 정규화 - 관계데이터베이스: 개체-관계 모델, 트랜잭션, 동시성 제어, 로깅, 복구, SQL, OLTP, 쿼리 최적화 - 분산형 및 연합형 데이터베이스 시스템 - 데이터 애널리틱스: OLAP, 컬럼 스토어, ETL, 작업 데이터 저장소, 데이터 웨어하우스, 데이터 레이크, 인메모리 데이터베이스 - 데이터베이스의 물리적 디자인: Postgres 또는 MySQL을 이용한 B-tree 구현 등 - 데이터 처리: 파이썬의 NumPy, Pandas 등을 활용 이를 바탕으로 적용분야에 데이터사이언스를 응용할 기틀을 마련한다.