최근 확인한 콘텐츠
데이터가 존재하지 않습니다.
안병구, 이진호, 김갑철, 김형국, 정성수, 전혜원, 장용선
2012 / 한국토양비료학회지(Korean Journal of Soil Science and Fertilizer)
데이터가 존재하지 않습니다.
loading...
본 연구는 서울시 중학생의 진로성숙도 예측 요인을 파악하기 위해 머신러닝 기법(Decision Tree, Random Forest, XGBoost)을 서울교육종단연구 데이터에 적용하였다. 분석 결과, ‘성취목표’, ‘창의성’, ‘자아개념’, ‘부모자녀 관계’, ‘회복탄력성’ 등이 진로성숙도에 영향을 미치는 주요 요인으로 나타났으며, 특히 ‘성취목표’가 가장 중요한 예측 변수로 확인되었다.
Recurrent education, earnings and well-being : a fifty-year longitudinal study of a cohort of Swedish men
핸즈온 파이썬을 이용한 설명가능한 AI(XAI)
소비자는 무엇을 원하는가 : 2011 대한민국 소비지도
(미래전망) 2020년의 한국과 세계
初.中學生의 職業成熟度 發達 特性 調査硏究 =
R을 활용한 기계 학습 : 데이터 분석을 위한 머신 러닝 이론과 적용
XGBoost와 사이킷런을 활용한 그레이디언트 부스팅 : 캐글 고수에게 배우는 실전 파이썬 머신러닝
XGBoost와 사이킷런을 활용한 그레이디언트 부스팅 캐글 고수에게 배우는 실전 파이썬 머신러닝
청소년 생활실태 국제비교연구.
파이썬을 이용한 통계적 머신러닝
고등학생의 진로·학업 설계 역량 신장을 위한 교수·학습 지원 방안 탐색 : 진로집중학기를 중심으로
고등교육의 노동시장 성과와 서열구조 분석
머신 러닝과 통계 : 파이썬과 R로 배우는 머신 러닝
컴퓨터용 청소년적성검사 동등화 연구.
The changing face of reference
빅데이터를 활용한 범죄 예측 : 머신러닝을 중심으로
전문계 고등학생의 직업기초능력 진단도구 개발
Data mining and business analytics with R
Optimal learning
청소년의 진로탐색과 결정
교육평가연구
박소영; 정혜원進路敎育硏究
황수영, 모영민교육평가연구
신윤범; 원효헌중등교육연구
이강빈, 박찬호농업교육과 인적자원개발
박성열; 이대영아시아교육연구
박소영, 정혜원Korean Society for Educational Evaluation
Hyewon Chung; Soyoung Park한국청소년연구
이선영; 송주연교육재정경제연구
문명현, 김길재교육학연구
한정아한국교육문제연구
성춘향, 박용한교육문화연구
박찬호, 김선미, 유신복Social Sciences & Humanities Open
Rajendran, Suchithra; Chamundeswari, S; Sinha, Akhouri Amitanand차세대융합기술학회논문지
신여울; 우호성상담학연구
임효진, 선혜연, 한지은, 김정수학습자중심교과교육연구
백승희; 정혜원ADVANCES IN COMPUTING, CCC 2024, PT II
Moreno-Novoa, Melissa; Puertas, Edwin; Carlos Martinez-Santos, Juan進路敎育硏究
장현진청소년학연구
이은준교육사회학연구
전화숙; 임혜정; 이기혜전필 / 대학원
오늘날의 많은 경영의사결정은 해당 의사결정이 경영활동의 어떤 기능과 관계되는가와 상관없이 통계학과 경영과학에서 제시된 계량적 모형을 이용한 분석을 바탕으로 이루어지고 있다. 본 과목은 통계학과 경영과학의 최적화 과정에 대한 학생들의 기초적인 이해를 높이기 위해서 제시되었는데, 특히 가장 일반적으로 사용되는 MS/OR과 통계적 방법론에 대한 이해와 컴퓨터 프로그램을 이용해서 이러한 방법론들이 어떻게 실행되는가에 대해서 초점을 두고 있다. 본 과목을 통해서 학생들은 여러 가지 통계적 보고서를 평가하고, 이를 경영활동에 활용하는 능력을 가지게 될 것이며, 오늘날의 경영활동에서 기본적인 수단이 되는 통계적 방법론에 대한 기술을 배양하고, 경영환경에 대한 간단한 모형화를 통해 MS/OR과 통계적 방법론들이 얼마나 다양하게 활용되는가를 이해하게 될 것이다.전선 / 대학원
스마트시티는 다양한 기관 및 시설로부터 수집된 데이터를 활용하여 실시간 변화를 예측하고 효율적으로 도시 서비스를 제공하는 미래형 도시모델이다. 또한 빅데이터 분석은 방대한 데이터 속에서 신속하게 패턴을 인식하고 새로운 가치를 찾아내는 과정으로써 스마트시티 계획 및 운영에 반드시 필요한 기술이다. 본 강의는 도시 빅데이터 분석에 필요한 지식 및 기술을 학습하는 입문과정이다. 스마트시티공학을 전공하는 학생들에게 빅데이터의 개념 및 구조를 이해하고 도시데이터 분석에 필요한 통계기법, 프로그램, 모델링 등을 학습할 수 있는 기회를 제공함으로써 미래도시 고도화 기반을 마련하고 지능형 도시에 최적화된 전문가를 육성하고자 한다.전선 / 대학원
주어진 지식과 경험을 바탕으로 앞으로 주어질 작업을 효율적이고 체계적으로 수행할 수 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 이론 및 알고리즘, 응용 분야 등을 설명한다.전선 / 대학원
이 교과목에서는 산업인력개발과 관련된 여러가지 상황에서 얻어진 자료들의 의미를 파악하기 위해 집중경향, 변산도, 상관관계 및 변량분석등의 통계방법을 이해하고, 이를 관련 연구에 활용할 수 있는 능력과 통계 패키지를 실제로 사용할 수 있는 능력을 배양한다.전선 / 학사
통계분석 결과를 정확히 이해·해석하기 위한 확률과 기술통계, 가설검정, F 분포와 분산분석, 회귀·상관, 범주형·빈도 분석을 다룬 뒤, 머신러닝의 핵심 개념을 가볍게 소개한다. 간단한 분류·회귀·군집 알고리즘 및 기초적 모델 해석 가능성과 윤리·편향 이슈를 실습 중심으로 학습한다.전선 / 대학원
데이터마이닝 (Data Mining)은 대용량 데이터베이스에 존재하는 데이터 간의 관계, 패턴, 규칙 등을 찾아내고 모형화해서 의사결정을 돕고, 유용한 정보로 변환하는 일련의 과정이다. 본 강좌에서는 기술모델링과 예측모델링에 사용되는 통계학, 기계학습, 신경회로망 기법들을 공부하고, 응용 사례 연구와 패키지를 이용한 프로젝트를 수행한다.전필 / 학사
본 과목에서는 정형 데이터와 비정형 데이터를 효과적으로 관리하고 분석하는 데에 필요한 제반 이론 및 기법을 배운다. 구체적으로, 본 과목의 전반부에서는 데이터베이스 (DB)를 기반으로 한 정보 시스템의 설계 및 구현, 그리고 DB 마이닝과 DB 기반 추천 시스템과 관련된 모형과 기법을 다루고, 후반부에서는 텍스트 데이터를 대상으로 정보 검색, 문서 분류 및 군집화를 위한 주요 이론과 방법론들을 소개한다. 아울러, 본 과목은 소개된 모형 및 기법들을 구현하여 다양한 형태의 데이터에 실적용해보는 프로젝트들을 포함하는 바, 이를 통해 실제 문제에 대한 해결 능력을 기르고, 관련된 기술적 이슈들을 경험해보는 것을 목표로 한다.전선 / 대학원
기계학습은 다양한 분야에서 점차 큰 관심을 받고 있으나, 막상 실제 데이터에 적용하여 성공적인 결과를 도출하는 데에는 많은 어려움이 따른다. 본 과목은 기계학습 기법들을 실제 문제에 적용할 때에 중요한 데이터 전처리, 피쳐 추출, 차원 축소, 클래스 불균형, 모델 앙상블 등의 주제들을 다루고, 데이터로부터 모형과 종속성을 학습하는 원리와 기법들을 소개하는 바, 특히 확률, 통계 및 최적화 이론에 기반하여 신경망 (Neural Networks), 서포트 벡터 머신 (Support Vector Machines), 은닉 마르코프 모형 (Hidden Markov Models) 및 강화 학습 (Reinforcement Learning) 기법들을 공부한다. 또한, 이들 기법을 활용하여, 다양한 시계열 데이터들을 대상으로 예측 및 분류 모델을 구현하는 프로젝트들과 데이터 기반 학습의 사례 연구들이 포함된다.전선 / 대학원
이 교과목에서는 비선형시스템 식별에 관련된 각종 실용적 기법들을 소개한다. 또한, 비선형 목적함수의 최적문제의 해를 구하는 각종 비선형프로그래밍기법도 소개한다. 단, 비선형궤환제어와 컴퓨터 네트워크 등에 효과적으로 사용될 수 있는 기법들에 국한하여 심도 있게 공부하고 실제 응용 예를 통하여 그 가능성을 토의한다.전선 / 대학원
음악교육 연구의 다양한 주제 및 연구 방법을 조사하고 토론한다. 자신의 논문 주제를 구체적으로 선정하고 탐구하는 방법을 성찰하는 동시에 음악교육 연구의 전체적인 동향과 다양한 이론들이 현장에 적용되는 방식들을 조망한다.전선 / 대학원
다양한 무인시스템의 경로 계획과 임무 판단에 관한 기법을 학습한다. 특히 시스템의 특성을 고려한 모션 계획, 모션에 대한 구속 조건, 충돌 회피 경로의 계산, 모델예측제어 등의 제어 기법과 학습 알고리듬의 모션 계획 문제에의 응용, 임무 수행을 위한 판단 기법, 그리고 이와 관련된 최적화 기법 및 다중개체시스템의 모션 계획 문제로의 확장 등에 대해 배운다. 수강생들은 다양한 모션 계획 알고리듬을 구현, 구동해봄으로써 실제 시스템에 적용할 수 있는 능력을 기르고, 관련 분야의 최신 논문을 통해 모션 계획 기법의 발전 동향을 살펴본다.전선 / 대학원
다양한 무인시스템의 경로 계획과 임무 판단에 관한 기법을 학습한다. 특히 시스템의 특성을 고려한 모션 계획, 모션에 대한 구속 조건, 충돌 회피 경로의 계산, 모델예측제어 등의 제어 기법과 학습 알고리듬의 모션 계획 문제에의 응용, 임무 수행을 위한 판단 기법, 그리고 이와 관련된 최적화 기법 및 다중개체시스템의 모션 계획 문제로의 확장 등에 대해 배운다. 수강생들은 다양한 모션 계획 알고리듬을 구현, 구동해봄으로써 실제 시스템에 적용할 수 있는 능력을 기르고, 관련 분야의 최신 논문을 통해 모션 계획 기법의 발전 동향을 살펴본다.전선 / 대학원
본 과목은 산업 현장에서 발생하는 다양한 확률적 문제를 이해할 수 있는 통계적 지식을 소개하고, 소프트웨어를 활용하여 사례를 분석하는 능력을 키우는 것을 목표로 한다. 이를 위해 학기의 전반부에는 확률 변수 및 분포(이산분포, 뿌와송분포, 정규분포, 감마분포 등등), 통계적 추론·추정에 대한 기본적인 지식을 습득하고, 제품 생산과 품질관리 등에 어떻게 활용할 수 있는지 배운다. 또한 산업 현장과 밀접하게 연계되어 있는 다수의 예제를 학습하고, R 프로그램을 이용한 실습을 수행한다. 학기 후반부는 공학도로서 사례 중심의 문제 해결 능력을 배양하기 위한 강의가 제공된다. 제시된 사례를 바탕으로, 학생들은 스스로 문제 정의 – 변수 정의 – 가설 수립 – 통계 모형 설정 – 모형 분석 – 결과 해석의 과정을 거치게 되고, 이를 통해 산업 현장에서 발생하는 유사한 문제에 대한 해결 능력을 키울 수 있다. 이론 학습 위주의 기존 통계 강의와 대비했을 때, 공학자를 위한 통계는 제품의 품질관리, 신뢰도 향상 등과 관련된 다양한 사례를 직접 해결해 봄으로써 통계학을 이용한 공학적 문제 해결 능력을 실질적으로 높일 수 있다는 면에서 차별성이 있다.전선 / 학사
본 수업에서는 데이터를 이용한 모형의 추론과 예측모형 생성을 배우며, 그 과정을 통해 질문의 구조화, 데이터 수집과 정리, 통계추론, 예측모델링, 의사결정과정의 핵심원리를 배운다. 중급수준의 데이터의 변환, 데이터 정제, 모형적합, 모형선택, 모형진단 등에 대한 기초이론을 배우며, 데이터 실습을 통해 그 과정을 익힌다.전선 / 대학원
통계적 기계학습 방법은 데이터과학 및 인공지능 분야에서 핵심 방법론으로 사용되고 있다. 본 강의에서는 통계적 기계학습 방법론을 소개하고 기본 이론을 배운다. 주로 지도학습방법론을 위주로 다루며, 의사결정론, 고차원 선형모형, 비모수 함수추정, 의사결정나무와 앙상블, Support vector machine 그리고 딥러닝에 대한 이론 및 알고리즘을 가르친다. 그리고 지도학습 알고리즘을 관통하는 통계학적 원리인 M-추정량에 대해서 논의한다.전필 / 학사
첨단융합학부 신입생들의 전공탐색을 위한 공통필수과목으로서, 차세대지능형반도체, 융합데이터과학, 지속가능기술, 디지털헬스케어, 혁신신약 등 첨단융합학부의 다양한 전공 분야를 소개한다. 각 분야에서 개발되고 있는 첨단융합기술의 핵심 개념과 다양한 응용 분야를 소개하고, 각 분야에서 활약하고 있는 리더 특강을 통해 학생들이 졸업 후의 미래를 구체적으로 살펴볼 수 있도록 지도한다. 또한 융합의 의미와 필요성을 소개하고, 기술창업/연구/정책리더십 등 첨단융합전공의 미래 진로를 소개한다. 특히, 기업가 정신 및 도전의식(기술창업), 첨단융합 연구 기초(창의연구), 첨단융합기술의 사회적 가치(정책리더십) 등 각 교과인증과정으로 진출하는 데 필요한 핵심적 가치에 대해 교육한다.교양 / 학사
통계학에서 익힌 내용을 컴퓨터 실습을 통하여 개념의 이해와 실제 문제의 해결능력을 배양한다. 통계학을 전공하고자 하는 학생들이 반드시 알아야 할 통계자료분석 패키지를 익히며 이를 이용한 시뮬레이션을 통하여 표본추출, 난수생성 등을 실습하고 중심극한정리를 그래픽화하여 본다. 실생활에서의 자료를 대상으로 통계 패키지를 이용하여 회귀분석, 분산분석, 로지스틱 회귀분석 및 생존 분석 예제들을 실습하여 문제 해결능력을 키운다.전필 / 대학원
본 교과목은 데이터과학 분야에 관심있는 통계학 석사 과정 대학원생을 대상으로, 데이터 랭글링 및 시각화, 회귀분석, 선형 모형, 일반화 선형 모형, 혼합 모형, 분류를 포함하여 모든 데이터 과학자가 익숙해야 하는 통계 방법론 및 이를 통계 소프트웨어를 사용해 적용하는 실례를 다룬다. 기존의 통계학 과목과 비교하여 본 교과목은 이론에 대한 강조가 덜한 대신, 통계 방법론을 구현하고 주요 개념을 실제 자료에 적용하여 데이터를 분석하기 위해 어떻게 소프트웨어를 사용하는지에 대해 더 중점을 둔다. 주요 개념에 대해서는 그것이 “작동하는 이유”에 대한 직관적 설명을 위주로 한다. 본 과목의 모든 통계 분석은 R과 Python을 사용한다.전선 / 대학원
이 교과목은 노동시장 분석의 대표적인 이론과 방법론을 이해함으로써, 산업인력개발의 경제적 측면을 분석할 수 있는 능력을 배양하는데 목적이 있다. 주요내용은 직업교육의 편익분석, 과잉학력과 스킬불일치, 직업 및 산업전망 분석 등이다. 이 과목을 통해 학생들은 노동시장 변화 및 인력수급전망과 산업인력개발과의 관계를 이해하고, 산업인력개발 전문가로서 노동시장을 분석할 수 있는 실제적 능력을 기를 수 있다.전필 / 학사
본 과목은 산업공학에 필요한 통계학적 이론과 실무적 기법을 제공하는 것을 목적으로 함. 구체적인 내용은 추정과 검정, 회귀분석, 실험계획 및 분산 분석, 비모수통계 등을 기본적인 방법론으로 하여 산업공학에서 제기되는 다양한 공학적, 관리적 현실문제들을 통계 소프트웨어를 사용하여 분석하고 전략적 의미를 도출하는 능력의 배양에 초점을 맞춤.