최근 확인한 콘텐츠
데이터가 존재하지 않습니다.
데이터가 존재하지 않습니다.
loading...
본 연구는 대규모 데이터의 출처 정보를 의미적으로 표현하고 연계하기 위한 지식 모델을 제안하며, 데이터맵 지식 모델은 데이터 카탈로그 간의 관계를 의미적으로 표현하는 어휘 및 개념 모형을 정의한다. 제안하는 모델은 기계 처리 가능한 정보 표현을 통해 이종 데이터 포털 간의 운영 및 관리 정보를 메타 수준에서 파악하는 방안을 제시한다.
Innovations in big data mining and embedded knowledge
Knowledge discovery for business information systems
The semantic web : semantics for data and services on the web
Semantic Web information management : a model-based perspective
Big data for dummies
Knowledge discovery and data mining : the info-fuzzy network (IFN) methodology
Data mining for service
온톨로지 과학자를 위한 지식그래프 : 세상 모든 것들의 연결고리, 시맨틱 웹과 지식그래프
온톨로지 과학자를 위한 지식그래프 : 세상 모든 것들의 연결고리, 시맨틱 웹과 지식그래프
Data science and data analytics : opportunities and challenges
Big data governance and perspectives in knowledge management
Climate and environmental database systems
Conceptual modeling of information systems
차세대 빅데이터 플랫폼 Data Lake : 구축, 활성화 및 거버넌스 전략
(돈이 되는) 빅데이터 읽기
Big data integration theory : theory and methods of database mappings, programming languages, and semantics
제품과 서비스 너머, 경험을 매핑하라 : 복잡한 생태계 속, 실패 없이 고객에게 도달하게 해줄 마법 지도
Data mining : concepts and techniques
Transforming enterprise cloud services
비주얼라이즈 디스 : 빅데이터 시대의 데이터 시각화 + 인포그래픽 기법
정보화연구
임철홍한국콘텐츠학회 논문지
김학래Journal of Physics: Conference Series
Chen, Y.; Chen, X.Journal of Documentation
Jia J.2019 13TH IEEE INTERNATIONAL CONFERENCE ON SEMANTIC COMPUTING (ICSC)
Purohit, Hemant; Kanagasabai, Rajaraman; Deshpande, Nikhil지능정보연구
정한조Big Data and Society
Van Rossem W.,Pelizza A.Computer Standards and Interfaces
Escobar P.,Candela G.,Trujillo J.,Marco-Such M.,Peral J.디지털융복합연구
김선태, 이원구IEEE Access
Castro A.,Villagrá V.A.,García P.,Rivera D.,Toledo D.Advances in Multimedia
Xiaojuan Feng정보관리학회지
윤소영Journal of Ambient Intelligence and Humanized Computing
Leida, Marcello; Gusmini, Alex; Davies, JohnDATA & KNOWLEDGE ENGINEERING
Benjira, Wissal; Atigui, Faten; Bucher, Benedicte; Grim-Yefsah, Malika; Travers, NicolasEncyclopedia with Semantic Computing and Robotic Intelligence
RINALDI, ANTONIO MARIA디지털콘텐츠학회논문지
송채은, 김학래Global Journal of Flexible Systems Management
Teixeira A.V.,Rezende D.A.Journal of Intelligent and Fuzzy Systems
Strobin, L.; Niewiadomski, A.INTERNATIONAL JOURNAL OF COMPUTER SCIENCE AND NETWORK SECURITY
Al-Fedaghi, SabahComputer Methods and Programs in Biomedicine
Rajan N.S.,Gouripeddi R.,Mo P.,Madsen R.K.,Facelli J.C.전선 / 학사
이 강의의 목적은 온톨로지를 이해하는 데 있다. 온톨로지는 데이터 모델링 방법론 가운데 하나로 이를 통해 역사정보의 다층적 의미를 데이터베이스로 표현할 수 있다. 세부 과정은 다음과 같다. 첫째, 탐구 주제와 수집된 자원을 바탕으로 하여 온톨로지를 설계하고 데이터베이스를 편찬한다. 둘째, 역사정보에 대한 데이터 모델링 작업을 통해 인문 지식을 데이터 차원에서 재구성한다. 셋째, 설계된 온톨로지에 기초하여 역사정보가 조직되어 연결되는 모습을 네트워크 그래프로 구현한다.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.전선 / 대학원
메타데이터를 통한 전자기록 정보의 구조화 전반에 대해 다룬다. 메타데이터를 단순히 정보기술의 이론적 관점에서만 학습하는 것이 아니라, 역사기록물이나 인류문화유산 정보를 효과적으로 아카이브하기 위한 융합학문의 관점에서 살펴본다. 이를 위해 Semantic Web과 Linked Data 기술에 대한 이해와 첨단 정보기술을 활용한 디지털 인문학에 대해서도 함께 조망할 것이다. 더불어 선진국의 문화유산 아카이브를 위한 여러 모델들을 살펴보고 우리나라에서의 적용과 활용에 대해 고민해 본다.전선 / 학사
데이터마이닝은 대용량 데이터에서 유용한 패턴을 찾기 위한 이론과 기법을 의미한다. 데이터마이닝은 웹, 사기 탐지, 추천 시스템, 사이버 보안 등 중요한 응용에 활용되고 있다. 본 과목에서는 데이터마이닝을 위한 중요 알고리즘과 이론을 설명한다. 주요 학습 주제로 mapreduce, 유사 아이템 검색, 빈발 패턴 검색, 링크 분석, 데이터 스트림 마이닝, 클러스터링, 그래프 마이닝 등을 다룬다.전선 / 학사
데이터 마이닝은 대용량 데이터에서 유용한 패턴을 찾기 위한 이론과 기법을 의미한다. 본 과목에서는 데이터 마이닝을 위한 주요 알고리즘 및 이론(유사 아이템 검색, 빈발 패턴 검색, 링크 분석, 데이터 스트림 마이닝, 클러스터링, 그래프 마이닝 등)을 다룬다.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.전선 / 학사
사물인터넷(IoT)을 비롯한 스마트 환경과 소셜네트워크 서비스의 보편화로 인해 다양하고 방대한 데이터가 발생하고 있다. 이와 함께 막대한 양의 데이터를 신속하게 처리할 수 있는 컴퓨팅 환경의 발달과 창의적인 시각으로 데이터를 분석하고 연결하는 인공지능의 개발로 빅데이터는 여러 분야의 혁신적인 패러다임으로 등장하고 있다. 빅데이터는 데이터 그 자체의 효용성보다는 다양한 방법의 가공을 통한 데이터 간의 연결 및 창의적인 분석을 통해 혁신적인 가치를 창출하고 있으며, 빅데이터의 분석과 활용은 산업과 국가 경쟁력의 척도가 되고 있다. 빅데이터의 분석을 통해 새로운 가치를 창출하기 위해서는 다학제적 융합연구가 필요하다. 이 강의에서는 빅데이터 기업, 연구소 및 학계 전문가들을 초빙하여 최신 빅데이터 기술 경향에 대하여 알아본다. 또한 실제 업무에서 사용되는 툴을 활용하여 다양한 분석 기법을 공부하게 된다. 빅데이터 분야에 관심있는 학생들에게 진로 및 전공 선택에 대한 전망을 제시하게 될 것이다.전선 / 대학원
광범위한 산림자원과 경관의 관리를 위해서 공간정보를 이용할 수 있다. 디지털화된 공간정보는 기초 지형정보, 인문사회적정보, 원격탐사 등과 관계형 데이터베이스로 연결할 수 있으며, 정보의 조합과 분석을 통해 산림경관의 관리에 필요한 정보를 생성할 수 있다. 이 강의에서는 프로그래밍을 기반으로 산림 분야의 공간분석 능력을 기르고, 대량 생산되고 있는 모바일과 원격탐사 데이터 등의 산림 분야 적용 가능성과 방향을 고찰한다.전필 / 학사
데이터 과학이란 급격히 증가하는 대량의 빅 데이터를 체계적으로 분석하여 이전에는 불가능했던 새로운 통찰력을 얻거나 의사결정에 직접적인 도움을 줄 수 있는 학문을 말한다. 컴퓨터 과학이 프로그램과 관련된 이론에 비중을 둔 것에 비교하면 데이터 과학은 데이터에 중심을 두고 데이터를 처리하는 과정에 생기는 문제를 다룬다. 본 강의에서는 데이터 수집, 데이터 마이닝, 데이터 비주얼라이제이션 등 데이터의 수집부터 결과를 얻기까지의 모든 내용을 다룬다.전선 / 대학원
세계적으로 정부나 연구 기관에서 제공하는 공공 데이터는 매년 증가 추세에 있으며, 다양한 데이터들을 활용하는 것은 연구나 정책 결정 등의 활용에 있어 점점 더 중요해지고 있다. 본 교과목에서는 공공 데이터 수집과 정제 기술, 데이터 분석 및 시각화 방법을 학습한다. 이를 통해 과학적 분석력을 강화하고, 사회적 문제를 해결하기 위한 데이터 기반 탐구 능력을 습득하는 것을 목표로 한다.전선 / 대학원
의료정보시스템은 일반적인 정보시스템에 비교하여 매우 복잡한 데이터의 흐름을 관리하여야 한다. 또한 데이터의 용량이 많을 뿐만 아니라 전체시스템은 빠른 응답속도를 유지해야 하는 조건을 만족시킬 수 있어야 한다. 본 강좌에서는 병원에서 발생되는 업무의 흐름을 분석하고 이를 객체 관계형 모델 (entity relationship diagram)로 표현하는 기법을 배운다. 또한 객체관계모델을 토대로 관계형 데이터베이스를 설계하는 과정을 배우게 되며, 관계형 데이터베이스 설계에 사용되는 제약조건들의 의미와 구현방법들을 배운다. 또한 구축된 toy system을 이용하여 대용량 데이터베이스 평가 및 시스템의 성능 평가를 위한 평가모델의 설계 및 구현방법을 배운다.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.전필 / 학사
데이터과학은 디지털 사회에서 점차 중요해지는 데이터의 역할을 이해하고 분석하여 데이터의 의미를 찾고자 하는 학문이다. 본 과목에서는 그동안 여러 교과목을 통해 학습한 데이터 과학의 방법론을 실제 프로젝트에 적용하여 실무에 활용할 수 있도록 한다. 이를 위해 본 과목에서는 데이터 과학의 실제 적용 사례의 조사를 통해 데이터 과학의 가능성을 확인하고, 프로젝트의 수행을 통해 데이터 과학에 대한 포괄적 경험을 구축하고자 한다.전선 / 대학원
이 과목은 지식정보사회로의 성숙 단계에서 사회정보화를 위한 제도적 개선을 위한 정부의 역할과 정부 스스로의 정보화 즉 전자정부에 관한 이론과 실천적 과제에 대하여 공부한다. 지식정보사회의 변화방향, 유기적 네트워크 환경에서의 행정변화, 네트워크 표준화와 정보보호, 전자정부의 지향가치, 전자정부의 기획, 정부조직과 예산운영의 변화, 조직간 수평적·협력적 관계설정, 민영화와 아웃소싱, 온라인 시민참여, 논스톱서비스, 정보공개와 정보서비스, 정보화 성과평가, 미래 지식정보사회와 사이버 정부 등의 주제를 다룬다. 한국의 경험과 비전을 중심으로 공부하되 미국·유럽 사회와 정부의 정보화 사례도 공부한다.전선 / 학사
이 수업은 현대 사회에서 데이터화가 미치는 영향과 그에 따른 소통적 실천들의 변화에 대한 주요 쟁점들을 심도있게 고찰한다. 논의 주제로는 데이터 편향 및 윤리, 디지털 감시 기술, 미래 발전 담론, 스마트시티와 커뮤니티, 데이터 인프라와 도시 환경 문제 등이 포함되며, 이 주제들을 심층적으로 탐구하기 위해 미디어 연구, 문화 연구 및 과학기술학의 핵심 개념과 방법론들을 폭넓게 살펴본다. 이론적 학습과 참여형 실습 과제를 통해 학생들은 데이터에 관한 맥락적 이해를 높이고, 인문사회학적 접근법의 중요성을 성찰할 기회를 갖는다. 또한 실제 사례 분석과 토론을 통해 데이터 사회에 관한 총체적, 비판적 사고 능력을 배양한다.전선 / 학사
각종 정보를 효율적으로 관리하기 위한 데이터베이스 시스템에 대한 데이터 모델링 기법, 화일 시스템의 구성 및 인덱싱 기법, 해싱 기법,데이터베이스의 논리적 구조와 물리적 구조, 각 모델에 따른 각종 질의어(query language) 처리 및 최적화, 동시성 제어(concurrency control), 복구기법(recovery technique) 등의 데이터베이스 설계 기법에 대해서 배운다. 선수과목으로는 자료구조, 운영체제가 요구된다.전선 / 대학원
농림기상 분야의 정보에 공간정보의 비중이 크다. 디지털화된 공간정보는 기초 지형정보, 인문사회적정보, 원격탐사 등과 관계형 데이터베이스로 연결할 수 있으며, 정보의 조합과 분석을 통해 농림기상 분야의 관리에 필요한 정보를 생성할 수 있다. 이 강의에서는 프로그래밍을 기반으로 농림기상분야의 공간분석 능력을 기르고, 대량 생산되고 있는 모바일과 원격탐사 데이터 등의 적용 가능성과 방향을 고찰한다.전선 / 학사
데이터에 대한 탐색과 통계적 탐구를 수행하는 방법을 배운다. 데이터의 종류와 특성을 이해하고, 적절한 시각화와 분석을 통해 데이터에 숨은 정보를 찾아내고 근거에 기반을 둔 합리적인 의사결정을 하는 방법을 배운다. 데이터에 존재하는 관계성을 찾아 수학적으로 모델링하는 방법으로써 상관관계의 분석과 회귀분석, 클러스터링 기법 등을 배운다. 데이터를 이용한 통계적 탐구를 지도하는 방법을 배운다.전선 / 대학원
데이터 마이닝은 빅 데이터를 분석하기 위한 핵심 도구로서 많은 관심을 받고 있다. 특히 컴퓨터 공학 측면에서 고급 데이터 마이닝 알고리즘 및 분석 플랫폼을 설계하고 구현하는 기술을 학습하는 것은 최근 넘쳐나는 빅 데이터에서 실행 가능한 지식을 추출하는데 핵심적인 역할을 한다. 본 과목에서는 빅 데이터를 분석하기 위한 컴퓨터 공학 기반 고급 기술, 알고리즘, 핵심 플랫폼을 다룬다. 또한 초 대용량 데이터, 초고속 데이터 등을 효과적으로 분석하는 기법을 학습한다.전선 / 대학원
데이터 분석은 기술 예측 및 기술 전략과 같은 기술 경영 분야와 IT, 제조, 에너지, 헬스케어 등 다양한 산업 분야에서의 프로세스를 개선하거나 의사 결정을 지원하기 위한 필수적인 도구로서 자리매김하고 있다. 이 강의에서는 높은 수준의 데이터 분석을 위하여 필요한 데이터마이닝, 텍스트마이닝, 머신러닝, 딥러닝 분야의 여러 기법들에 대해 심도 있게 배우고, 이를 통해 산업과 경영의 문제를 해결한 사례들을 살펴본다. 강의를 통해 배운 내용을 바탕으로 학생들은 관심 분야에서의 문제 해결 및 나은 의사 결정을 위한 데이터 분석을 수행하며 데이터 분석을 기반으로 한 문제 해결 능력과 비즈니스 통찰력을 기른다.