최근 확인한 콘텐츠
데이터가 존재하지 않습니다.
Liu J.,Fang K.,Kou Y.,Xia R.,He H.,Zhao W.,Liu Q.
2023 / Science of the Total Environment
홍주영, 김성수, 한지수
2016 / Culinary Science & Hospitality Research
Zou Z.,Liu W.,Huang C.,Sun C.,Zhang J.
2020 / International Journal of Environmental Research and Public Health
김세영, 최지혜, 김수연
2021 / 한국학교·지역보건교육학회지
제갈영순, 진성호, 박종욱, 임권택
2017 / Macromolecular Research
노시재, 문유진, 황영호
2021 / 한국컴퓨터정보학회논문지
데이터가 존재하지 않습니다.
loading...
본 연구는 딥 뉴럴 네트워크 모델 시스템을 활용하여 리그 오브 레전드 경기 결과를 예측하는 방법을 제시합니다. 약 26,000개의 경기 데이터를 이용하여 93.75%의 정확도를 달성했으며, 드래곤 격차, 레벨 격차, 블루 리프트 헤럴드, 타워 킬 격차가 예측 정확도에 큰 영향을 미치는 것으로 나타났습니다.
메이저리그 야구 통계학 : 2e : 빅데이터 분석과 머신러닝의 시작 R
메이저리그 야구 통계학 : 빅데이터 분석의 시작 R
게임의 사회학 : 리니지와 WoW의 로그 데이터에서 찾은 현실 세계의 알고리즘
딥러닝과 바둑 : 알파고를 능가하는 바둑봇을 만들며 익히는 딥러닝, 강화학습
Advanced topics in artificial intelligence : 12th Australian Joint Conference on Artificial Intelligence, AI'99, Sydney, Australia, December 6-10, 1999 : proceedings
데이터가 뛰어노는 AI 놀이터, 캐글 : 상위 랭킹 진입을 위한 필살기
기계는 어떻게 생각하는가? : 알파고부터 자율 주행차까지! 기계 학습 구현 사례와 작동 원리
Advances in Big Data : Proceedings of the 2nd INNS Conference on Big Data, October 23-25, 2016, Thessaloniki, Greece
Game of edges : the analytics revolution and the future of professional sports
실전활용! 텐서플로 딥러닝 프로젝트 : 10가지 실무 프로젝트로 배우는 텐서플로와 딥러닝 알고리즘 100% 활용법
Deep learning with Keras : implement neural networks with Keras on Theano and TensorFlow
Net gains : inside the beautiful games analytics revolution
R을 활용한 머신러닝 : R로 머신러닝 알고리즘 작성, 데이터 준비, 데이터 예측 기법 깊이 파기
R을 활용한 머신 러닝 : R로 머신 러닝 알고리즘 작성, 데이터 준비, 데이터 예측 기법 깊이 파기
Networks of learning automata : techniques for online stochastic optimization
전쟁사의 수학적 분석과 평가 : 승리의 조건을 찾아서 =
빅데이터가 만드는 제4차 산업혁명 : 개인과 기업은 어떻게 대응할 것인가?
Learning theory and Kernel machines : 16th Annual Conference on Learning Theory and 7th Kernel Workshop, COLTKernel 2003, Washington, DC, USA, August 24-27, 2003 : proceedings
스포츠, AI와 동행하다
High-Performance Computing and Big Data Analysis : Second International Congress, TopHPC 2019, Tehran, Iran, April 23–25, 2019, Revised Selected Papers
정보처리학회논문지. 소프트웨어 및 데이터 공학
김철기, 이수원한국콘텐츠학회 논문지
한승혁; 이상엽Journal of Quantitative Analysis in Sports
Maymin, P.Z.IEEE Transactions on Games
Juan-Agustin Hitar-Garcia; Laura Moran-Fernandez; Veronica Bolon-CanedoIEEE Transactions on Games
Hitar-Garcia, Juan Agustin; Moran-Fernandez, Laura; Bolon-Canedo, VeronicaSN Computer Science
Bahrololloomi F.,Klonowski F.,Sauer S.,Horst R.,Dörner R.한국데이터정보과학회지
구지민; 김재희컴퓨터게임및콘텐츠논문지
김유철, 김재민, 김명영, 이원형한국게임학회 논문지
추형석IEEE Transactions on Games
Costa, Lincoln Magalhaes; Drachen, Anders; Souza, Francisco Carlos Monteiro; Xexeo, GeraldoThe International Journal of Internet, Broadcasting and Communication
변경원한국게임학회 논문지
김용우, 김영민한국빅데이터학회 학회지
오민지, 최은선, Som Akhamixay Oui, 조완섭한국게임학회 논문지
허민구; 박창훈Multimedia Tools and Applications
Kim S.,Kim D.,Ahn H.G.,Ahn B.IEEE Internet of Things Journal
Smerdov A.,Somov A.,Burnaev E.,Zhou B.,Lukowicz P.International Journal of Sports Science and Coaching
Novak A.R.,Bennett K.J.M.,Pluss M.A.,Fransen J.한국전자거래학회지
김신호; 금영정Journal of the Operational Research Society
Bai L.,Gedik R.,Egilmez G.PROCEEDINGS OF THE 35TH ANNUAL ACM SYMPOSIUM ON APPLIED COMPUTING (SAC'20)
Kang, Seok-Kyu; Lee, Jee-Hyong전선 / 대학원
본 교과목은 고급데이터마이닝 방법론(326.637) 과목에 이어 심층학습모형에 중점을 둔다. 교육 목표는 심층학습(deep learning)의 방법들을 공부하고 관련된 통계적 문제를 찾아내는 것이다. 다루는 내용은 다음과 같다. 심층학습 이전의 특징 추출 및 판별 분석 기법, 기계학습에서 사용되는 이론적인 도구들, 인공신경망의 기초, 다층 퍼셉트론, 역전파, 합성곱 신경망, 최적화와 정칙화, 가시화, 파이톤과 심층학습 프레임워크, 순환 신경망, 변분적 추론, 적대적 생성 네트워크, 영상 분할 및 검출, 자연어 처리 등이다.전선 / 대학원
본 교과목은 고급데이터마이닝 방법론(326.637) 과목에 이어 심층학습모형에 중점을 둔다. 교육 목표는 심층학습(deep learning)의 방법들을 공부하고 관련된 통계적 문제를 찾아내는 것이다. 다루는 내용은 다음과 같다. 심층학습 이전의 특징 추출 및 판별 분석 기법, 기계학습에서 사용되는 이론적인 도구들, 인공신경망의 기초, 다층 퍼셉트론, 역전파, 합성곱 신경망, 최적화와 정칙화, 가시화, 파이톤과 심층학습 프레임워크, 순환 신경망, 변분적 추론, 적대적 생성 네트워크, 영상 분할 및 검출, 자연어 처리 등이다.교양 / 학사
본 강좌는 AI와 머신러닝의 기초 개념을 이해하고, 이를 실제 데이터에 적용하여 예측 및 분류 문제를 해결하는 능력을 배양하는 것을 목표로 한다. 기초적인 데이터 처리 방법부터 머신러닝과 딥러닝 모델에 이르기까지 다양한 주제를 다루며, Pandas, Scikit-learn, PyTorch 등의 라이브러리를 사용하여 데이터를 처리하고 모델을 구현한다. 또한, TV 광고 데이터를 활용한 매출 예측, 신용카드 연체 예측 등 실생활 문제를 다루어 AI 기술이 실질적으로 활용되는 사례를 제공하며, 학생들이 데이터를 통해 실제로 문제를 해결하는 과정에서 얻는 성취감을 높이고자 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
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
인공 신경망을 기반으로 하는 심층 학습 (Deep Learning) 시스템들은 음성/이미지 인식, 번역, 자율 주행 등 다양한 인공지능 영역에서 광범위하게 확산되고 있으며, 관련 기술 또한 빠르게 발전하고 있는 바, 산업 전반에 걸친 시스템의 지능화를 위해, 심층 학습 모형에 대한 이해와 활용 능력이 점차 중요해지고 있다. 본 과목에서는 심층 학습의 주요 이론과 기법을 학습하는 것을 목적으로, 구체적으로 표현형 학습 (Representation Learning), 심층 피드포워드 신경망 (Deep Feedforward Networks), 합성곱 신경망 (Convolutional Neural Networks), 순환 신경망 (Recurrent Neural Networks), 심층 오토인코더 (Deep Autoencoders), 심층 생성 모형 (Deep Generative Models), 심층 강화학습 (Deep Reinforcement Learning) 기법들을 다루고, 이들을 이해하기 위한 기계학습 및 수리적 기초 이론들을 배운다. 또한, 본 과목은 심층 학습 모델을 활용하여 멀티미디어 데이터들을 대상으로 분류, 예측, 패턴 인식, 생성 모델을 구현하는 프로젝트들 및 심층 학습 응용 사례 연구들을 포함한다.전선 / 대학원
이 수업은 인공지능과 기계학습의 이론적 기초를 다루며, 특히 의료 데이터의 다양한 특징에 맞는 학습 및 추론 알고리즘을 디자인하기 위해 필요한 공학적 및 신호처리 원리를 이해하는 데 초점을 맞춘다. 수업에서는 전통적인 기계학습 기법부터 최신 인공지능 기법까지의 원리를 배우고, 이를 통해 수강자가 주어진 데이터를 바탕으로 알고리즘을 설계하고 공학적으로 해석할 수 있는 능력을 키우는 것을 목표로 한다. 의료 데이터는 단백질과 분자 (그래프), 유전체/전사체 (텍스트), 혈당/뇌파 (시계열 신호), 의료 영상 (다차원 영상), 환자 메타 정보 (테이블), 대사 상호 작용 정보 (다차원 행렬) 등 매우 다양한 형태를 가지고 있다. 이러한 다양한 데이터를 컴퓨터가 이해할 수 있는 형식으로 변환하는 과정에서 비선형 함수의 학습이 중요한 역할을 하며, 이는 의료 인공지능의 핵심 신호처리 원리 중 하나이다. 본 수업은 일반적인 기계학습 및 인공지능의 공학적 기초 외에도, 이처럼 의료 데이터의 특성을 반영한 대표적이고 특징적인 기계학습 및 인공지능 기술을 추가적으로 학습한다. 이를 통해 수강자는 일반 데이터 전문 분석가를 넘어선 의료 데이터 전문 분석가로 성장할 수 있는 역량을 갖추는 것을 목표로 한다.전선 / 학사
세계적으로 유명한 반도체 회사에 소속된전문가들의 지도 아래 인공지능 반도체 기술에 대한 깊은 탐구의 기회를 제공한다. 수업을 통해 인공지능 반도체 기술의 핵심 원리와 다양한 응용에 대한 종합적인 이해를 얻게 되고, LLM(Large Language Model), Biomedical 분야 등에 인공지능 반도체를 활용하는 방안에 대해 국내외 전문가들의 주관으로 강의가 진행될 예정이다. 이를 통해 인공지능 반도체 기술의 장점과 한계를 명확히 파악하며, 현실 세계에서 혁신적인 해결책과 응용 사례를 제안할 수 있는 능력을 갖추게 된다.전선 / 학사
본 교과목은 기계학습과 딥러닝 기술의 학문적 기반을 바탕으로 화학생물공학 분야의 복잡한 문제 해결을 위한 기법을 익히기 위한 과목이다. 이 과목에서 지도 및 비지도 학습, 의사결정트리, 선형 회귀, 로지스틱 회귀, 신경망, 재료 개발, 열역학, 반응공학, 이동현상, 그리고 공정 최적화의 응용을 다룬다. 또한 최종 프로젝트를 통해 실제 문제를 해결하는 데 필요한 이러한 기술을 적용하는 것을 강조하며, 도메인 지식을 활용하여 효과적인 모델을 개발하는 방법을 학습할 수 있도록 유도할 예정이다. 수업의 선행 조건으로 화학생물공학의 기본적인 지식과 Python 프로그래밍 경험이 필요하며. 강의 내용을 바탕으로 학생들이 화학생물공학에서 빠르게 진화하는 인공지능 분야의 선도자가 될 수 있는 역량 강화에 목표를 둔다.전선 / 대학원
시스템 성능평가의 주요 도구 중 하나인 stochastic process와 queueing theory를 배움으로써, 컴퓨터 및 통신공학자들이 시스템을 모델링하고 성능분석 하는데 잘 활용할 수 있도록 한다. 이 강의에서는 기본 확률이론과 다양한 종류의 Markov Process, 큐잉 시스템을 포함하고 게임이론과 최적화 이론의 기본 개념을 다룬다.전선 / 대학원
본 과목에서는 다양한 인공 지능 (특히 머신 러닝) 및 빅데이터 분석 시스템에 대해 공부한다. 자원을 관리하는 자원 관리자, 데이터를 저장하는 분산 스토리지, 데이터 처리의 핵심 모델인 데이터 플로우 모델, 배치 분석, 인메모리 처리, 스트림 처리, SQL, 머신 러닝/딥러닝 시스템, 그래프 처리에 대해서 공부한다. 특히, 대표적인 시스템인 Spark, Beam, TensorFlow, PyTorch 등을 활용하여 실제로 해당 시스템들이 어떻게 동작하는지 깊게 공부한다. 배운 이론을 바탕으로 프로그래밍 과제와 팀별 연구 프로젝트를 수행한다.전선 / 대학원
본 과목에서는 다양한 인공 지능 (특히 머신 러닝) 및 빅데이터 분석 시스템에 대해 공부한다. 자원을 관리하는 자원 관리자, 데이터를 저장하는 분산 스토리지, 데이터 처리의 핵심 모델인 데이터 플로우 모델, 배치 분석, 인메모리 처리, 스트림 처리, SQL, 머신 러닝/딥러닝 시스템, 그래프 처리에 대해서 공부한다. 특히, 대표적인 시스템인 Spark, Beam, TensorFlow, PyTorch 등을 활용하여 실제로 해당 시스템들이 어떻게 동작하는지 깊게 공부한다. 배운 이론을 바탕으로 프로그래밍 과제와 팀별 연구 프로젝트를 수행한다.전선 / 대학원
이 강의는 사회학의 주요 개념과 이론을 기초로 하여 스포츠의 이해를 돕고, 스포츠와 사회체계의 상호관련성을 규명함으로써 스포츠에 대한 사회학적 시각 및 관점을 높이며, 특히, 오늘날 여러 사회제도에 대하여 증대되는 스포츠의 영향력과 그에 수반되는 제반 문제점을 고찰함으로써 스포츠의 사회학적 사고력을 제고시키는데 그 목적이 있다. 이를 위하여 스포츠 사회학의 정의와 학문체계 및 연구목적, 그리고 스포츠의 사회학적 이론을 고찰하고 정치, 경제, 대중매체, 성, 일탈행동, 사회계층, 사회화, 교육적 측면에서 스포츠를 접근함으로써 급변하는 현대사회의 인간생활 및 사회체계 내에서 스포츠가 공헌하는 바를 규명한다전선 / 대학원
이 강좌는 실험심리학에서 최근의 중요 연구들을 소개하고 인간 마음의 기본 원리를 탐색 및 논의하는 세미나이다. 우선 강의 초에 인간의 생리, 지각 및 인지 수준에서 일반이론을 소개하고 그 문제점들을 알아본다. 이 이론들에 기초하여, 이 강좌에서는 시각, 주의, 언어, 문제 해결, 인간 추리 등의 세부 주세를 다룬다. 또한 이 강좌에서는 이런 주제들에 관해 실험 실습을 통해 학생들의 구체적인 이해의 증진을 시도한다.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
체육측정평가연구는 체육과 스포츠 현장에서 양적 분석과 관련된 검사도구나 측정치의 평가와 관련된 제반 이론이다. 신뢰도, 타당도, 타당도일반화, 고전검사이론, 문항반응이론 등에 대한 내용을 강의한다.전선 / 대학원
본 강좌에서는 시스템 구성원들간에 상호 작용을 하면서 영향을 주는 상황인 경쟁시스템에서의 의사결정 문제를 체계적으로 모형화하고 분석하는데 필요한 기본 개념과 분석 방법론을 학습하는 것을 목적으로 한다. 이를 위하여 경쟁적 상황에 관한 수리적이고 과학적인 분석 기법인 게임이론을 소개하며, 특히 산업공학 분야에서 존재하는 경쟁적 시스템에 대하여 게임이론적 분석을 응용할 수 있는 능력을 배양하기 위하여 응용중심의 학습에 강좌의 주안점을 둔다. 구체적으로 전략형 게임 모형과 전개적 게임 모형, 순수전략과 혼합전략, 내쉬균형, 불완전 정보 하에서의 베이지안 게임, 그리고 진화게임 등의 최근 논제도 응용 중심으로 학습한다.전선 / 대학원
본 교과목은 응용 데이터사이언스 전공자를 위한 머신러닝 (machine learning)과 딥러닝 (deep learning)의 기초를 다룬다. 구체적으로, 머신러닝의 기초가 되는 이론 (확률, MLE, gradient descent, overfitting, regularization 등)과 지도학습의 기초적인 모델을 중심으로 다룬다. 딥러닝 부분에서는 뉴럴넷의 기본, backpropagation을 다룬 후, 주로 convolutional neural network의 구조와 활용을 중점적으로 다룬다. 이를 바탕으로 적용 분야에 데이터사이언스를 응용할 기틀을 마련한다.전선 / 학사
본 과목은 자연과학대학 학부생을 대상으로 하여, 세부 학부/학과에 관계없이 자연과학대학 학부생이 함양해야 하는 프로그래밍 및 인공지능 지식을 갖추도록 돕는 것을 목표로 합니다. 특히 프로그래밍 및 인공지능과 관련된 방대한 내용 중 자연과학을 전공하는 데 실질적으로 필요한 전산학, 계산과학, 통계학, 심층신경망 분야의 기초지식을 습득하고, 그에 대한 실습을 직접 해보도록 하는 데 초점을 맞춥니다. 이는 자연과학대학의 기존 인공지능/계산과학/데이터과학 전공과목의 수강에 앞서, 학부생들이 프로그래밍 능력과 함께 이를 자연과학의 문제에 직접 적용할 수 있는 능력을 갖추도록 하기 위함입니다. 본 과목에서는 이론과 실습을 병행하여, 향후 자연과학 연구에서 맞닥뜨릴 수 있는 실제 문제와 데이터를 인공지능을 이용하여 다루고 해결해 볼 수 있는 기회를 학부생들에게 제공하고자 합니다. 기초 수준의 컴퓨팅/프로그래밍 능력을 갖춘 학생은 본 과목을 이수한 후, 자연과학의 세부 분야에서 인공지능과 프로그래밍이 어떻게 활용되는지 이해하고, 향후 연구에 직접 활용할 수 있는 능력을 함양하게 될 것입니다.전선 / 학사
농식품 산업에서는 영세 농가부터 식품 가공업체, 도매 및 소매업체, 물류 업체, 정부 등 다양한 의사결정 주체들이 밀접하게 상호작용을 하고 있다. 본 과목에서는 게임이론의 주요 이론을 습득하고 이것이 농식품 산업에서의 의사결정 및 상호작용을 이해하는 데 어떻게 적용될 수 있는지 살펴본다. 구체적으로 학생들은 농식품 산업에서의 스마트팜 및 블록체인 기술 도입, 콜드체인 전략, 협동조합 형성, 계약 농업, 농식품 산업의 정보 공유 등의 다양한 주제에 대해 게임이론적 접근방법을 이해하게 된다. 그리고 학생들이 실제 농식품 산업에서 관심 있는 이슈나 사례를 선정하여 게임이론 방법론을 적용해보는 기회를 가지게 된다.