최근 확인한 콘텐츠
loading...
본 연구는 스마트 그리드 환경에서 전력 수요 패턴을 파악하기 위해 시계열 군집 분석을 수행하였다. 5가지 거리 측도와 3가지 군집화 방법을 적용하고, 군집 유효성 평가 지표를 통해 결과를 비교 분석하였다. 모의 실험과 실제 전력 수요 데이터 분석을 통해 군집 분석의 효과성을 검증하였다.
Smart meter data analytics : electricity consumer behavior modeling, aggregation, and forecasting
German-Japanese interchange of data analysis results
Electrical energy in agriculture
Finding Groups in Data : An Introduction to Cluster Analysis (99th ed.)
Estimation of simultaneous equation models with error components structure
Modeling and forecasting electricity loads and prices : a statistical approach
예측 결합과 밀도 함수를 이용한 단기 전력 수요 예측
다변량 분석 =
A survey on coordinated power management in multi-tenant data centers
시계열 애널리스트를 위한 Eviews 솔루션
Finding groups in data : an introduction to cluster analysis
사물인터넷을 위한 인공지능 : 더 스마트한 IoT 시스템을 개발하기 위한 고급 머신러닝딥러닝 기법
R을 활용한 비즈니스 인텔리전스 : 마케팅 분석, 운영 과학, 데이터 시각화 등 따라 하며 배우는 R
Classification pattern recognition and reduction of dimensionality
Electric energy generation : economics, reliability, and rates
Mathematical submodels in water quality systems
재해에 강한 전력 네트워크 : 스마트 그리드 기초 지식
머하웃 완벽 가이드 : 하둡에 딱 맞는 빅데이터를 활용한 기계학습
윤상후, 최영진 · 2015
한국데이터정보과학회지
윤상후; 최영진 · 2015
한국데이터정보과학회지
손흥구; 정상욱; 김삼용 · 2016
응용통계연구
박다인, 윤상후 · 2017
한국데이터정보과학회지
이헌규, 신용호 · 2013
한국산업정보학회논문지
이진영, 김삼용 · 2020
응용통계연구
박다인; 윤상후 · 2017
한국데이터정보과학회지
손흥구, 정상욱, 김삼용 · 2016
응용통계연구
전선 / 학사
에너지 수요 급증, 탄소중립, 환경 문제 등으로 인해 에너지 생산 및 사용의 효율성이 보다 중요해지고 있다. 본 교과목에서는 에너지 생산 및 사용의 효율성을 향상시킬 수 있는 데이터 사이언스 기법을 학습한다. 데이터 사이언스는 자료에 숨겨진 유의미한 패턴을 여러 분야의 기법을 사용하여 찾아내는 분야이다. 본 교과목에서는 대표적인 데이터 사이언스 기법인 주성분 분석, 다차원 척도법 등의 차원축소 기법, k-means 클러스터링, 밀도기반 클러스터링 등의 클러스터링 기법, 딥러닝, Support Vector Machine 등의 기계학습 기법을 학습한다. 학습한 데이터 사이언스 기법들을 에너지 데이터에 대해 특성 추출 및 분류, 이상현상 탐지 및 분류, 수요 및 가격 예측, 개발 계획의 신속한 최적화 등 다양한 문제에 적용하는 실습을 수행한다.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 / 대학원
본 과목에서는 전력 소비자를 중심으로 연구되고 있는 에너지-ICT 융합기술의 이론과 응용방법을 학습한다. 우선 전력시스템과 전력 소비자와의 인터페이스가 되는 가정/빌딩/공장의 에너지관리시스템 기술을 살펴보고, 에너지관리시스템의 주요 기능인 수요반응에 대하여 학습한다. 또한 센서와 통신기술을 이용하여 전력사용량과 같은 전력 소비자 데이터를 수집하는 사물인터넷 융합기술을 살펴본다. 그리고 빅데이터 융합기술로서 많은 양의 전력 소비자 데이터를 효과적으로 처리/분석하고 응용하기 위한 전력 빅데이터 기술을 학습한다. 마지막으로 에너지-ICT 융합기술의 응용 사례를 통해 실제 전력시스템 적용시의 효과 및 이슈에 대하여 살펴본다.전선 / 대학원
이 강의는 스마트 시티 계획과정 및 도시에서 발생하는 문제와 현상을 이해하기 위해 정량화할 수 있는 데이터를 수집하고 통계적 또는 수학적 기법을 통하여 문제의 원인을 체계적이며 논리적으로 분석하고 탐구하는 방법을 훈련하는 것을 목표로 한다. 특히, 학생들은 가설 설정 및 검증법을 선정하고, 다양한 종류의 데이터를 수집 및 코딩하며(e.g. 설문, 관찰, 샘플링 등), 기술 및 추론 통계(e.g, 회귀, 공간회귀, 머신러닝 등) 방법론을 학습하여 실제 데이터를 활용하여 연구 문제 및 가설에 적합한 계량적 분석 기법을 선택하여 도시 연구를 위한 논문을 작성하는 능력을 키울 수 있다. 또한, 이를 기반으로 기 출판된 양적 논문을 해석하고 이해하여 올바른 지식 소비자로서의 소양을 갖추는 것을 목표로 한다.전선 / 대학원
이 강의는 스마트 시티 계획과정 및 도시에서 발생하는 문제와 현상을 이해하기 위해 정량화할 수 있는 데이터를 수집하고 통계적 또는 수학적 기법을 통하여 문제의 원인을 체계적이며 논리적으로 분석하고 탐구하는 방법을 훈련하는 것을 목표로 한다. 특히, 학생들은 가설 설정 및 검증법을 선정하고, 다양한 종류의 데이터를 수집 및 코딩하며(e.g. 설문, 관찰, 샘플링 등), 기술 및 추론 통계(e.g, 회귀, 공간회귀, 머신러닝 등) 방법론을 학습하여 실제 데이터를 활용하여 연구 문제 및 가설에 적합한 계량적 분석 기법을 선택하여 도시 연구를 위한 논문을 작성하는 능력을 키울 수 있다. 또한, 이를 기반으로 기 출판된 양적 논문을 해석하고 이해하여 올바른 지식 소비자로서의 소양을 갖추는 것을 목표로 한다.전선 / 대학원
국민생활과 산업발전에 없어서는 안될 전력에 대해 공학적·경제학적 통합분석을 수행한다. 주로 project evaluation, optimal plant mix, DSM(Demand Side Management), Forecasting Methods, IRP(Integrated Resource Planning), marginal cost pricing, peak-load pricing, time-of-use pricing, rate of return regulation, price cap regulation, econimies of scale, economies of scope, subadditivity, efficiency, privitization, emission control, environmental damage cost, environmental control cost, shadow price, internalization of social cost 등을 다룬다.전선 / 대학원
이 과목은 ‘도시통계분석’의 고급과정으로서 도시 연구에서 제기되는 문제들을 계량적으로 분석하는 데 사용되는 방법의 원리와 응용방법을 심도 있게 살펴보는 데 목적이 있다. 이 과목을 수강한 학생들은 계량분석을 이용한 최신의 도시 연구 논문들을 이해할 수 있고, 자신의 연구 질문에 맞는 자료와 분석방법을 이용하여 스스로 접근할 수 있는 능력을 갖추게 될 것이다. 세부적으로 고전적 선형회귀 모형, 일반화 선형모형(generalized linear models), 연립방정식모형(simultaneous equations models), 패널자료 모형(panel data models), 다수준 회귀모형(multi-level regression models), 이산선택모형(discrete choice models), 시계열분석(time series analysis), 공간계량분석(spatial econometrics) 등을 학습하게 된다. 수업시간을 통해 기본 원리를 습득할 뿐만 아니라, 과제를 통해 Stata 등 통계 패키지(학생선택에 따라 R, Python, MATLAB 등을 이용할 수도 있음)를 이용하여 실제 자료에 분석방법을 적용하는 실습을 할 기회를 갖는다.전선 / 대학원
이 과목은 ‘도시통계분석’의 고급과정으로서 도시 연구에서 제기되는 문제들을 계량적으로 분석하는 데 사용되는 방법의 원리와 응용방법을 심도 있게 살펴보는 데 목적이 있다. 이 과목을 수강한 학생들은 계량분석을 이용한 최신의 도시 연구 논문들을 이해할 수 있고, 자신의 연구 질문에 맞는 자료와 분석방법을 이용하여 스스로 접근할 수 있는 능력을 갖추게 될 것이다. 세부적으로 고전적 선형회귀 모형, 일반화 선형모형(generalized linear models), 연립방정식모형(simultaneous equations models), 패널자료 모형(panel data models), 다수준 회귀모형(multi-level regression models), 이산선택모형(discrete choice models), 시계열분석(time series analysis), 공간계량분석(spatial econometrics) 등을 학습하게 된다. 수업시간을 통해 기본 원리를 습득할 뿐만 아니라, 과제를 통해 Stata 등 통계 패키지(학생선택에 따라 R, Python, MATLAB 등을 이용할 수도 있음)를 이용하여 실제 자료에 분석방법을 적용하는 실습을 할 기회를 갖는다.전선 / 학사
시계열자료의 분석법 및 여러가지 종류의 시계열자료 분석용 패키지의 사용법에 대해 공부한다. 주로 다루어지는 내용은 ARIMA모형, 계절 ARIMA 모형, 이분산성 (GARCH) 모형, 이산형 시계열 모형 등이며, 이들 모형에서 모수 추론 방법론 및 변화점 탐지 이론 등을 다룬다.전선 / 대학원
이 과목은 ‘도시통계분석’의 고급과정으로서 도시 연구에서 제기되는 문제들을 계량적으로 분석하는 데 사용되는 방법의 원리와 응용방법을 심도 있게 살펴보는 데 목적이 있다. 이 과목을 수강한 학생들은 계량분석을 이용한 최신의 도시 연구 논문들을 이해할 수 있고, 자신의 연구 질문에 맞는 자료와 분석방법을 이용하여 스스로 접근할 수 있는 능력을 갖추게 될 것이다. 세부적으로 고전적 선형회귀 모형, 일반화 선형모형(generalized linear models), 연립방정식모형(simultaneous equations models), 패널자료 모형(panel data models), 다수준 회귀모형(multi-level regression models), 이산선택모형(discrete choice models), 시계열분석(time series analysis), 공간계량분석(spatial econometrics) 등을 학습하게 된다. 수업시간을 통해 기본 원리를 습득할 뿐만 아니라, 과제를 통해 Stata 등 통계 패키지(학생선택에 따라 R, Python, MATLAB 등을 이용할 수도 있음)를 이용하여 실제 자료에 분석방법을 적용하는 실습을 할 기회를 갖는다.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
본 과목에서는 높은 불확실성과 다양한 리스크 요인으로 인하여 불안정, 불규칙 시계열 특성을 가지는 에너지 및 자원분야 경영데이터의 고급계량분석기법을 학습한다. 수업에서는 실물옵션분석, 확률과정분석 등의 계량분석방법의 학습과 함께 에너지·광물 등 자원분야의 생산, 재고, 수요, 가격, 주가, 금융 등 경영데이터를 대상으로 사례분석을 수행하여 본다.전선 / 대학원
질적 연구의 설계, 질적 데이터의 수집, 체계적인 질적 데이터의 분석, 질적 데이터를 활용한 텍스트마이닝 방법에 대해 이론과 실습을 통해 학습한다.전선 / 대학원
본 강좌에서는 계통 운영과 계획, 시장 연계, 성능평가와 신뢰도 평가 등을 위한 전력계통 분석기법을 소개한다. 전력 계통 예제를 통하여 convex optimization, 동적 최적화, 최적 제어 등에 대한 주요 알고리즘을 소개한다. 본 강의에서는 convex optimization에 대한 interior-point methods, decision theoretic planning, Markov decision processes, 선형 계획법, 동적 계획법, 최적 제어 기법과 비선형 최적화에 대한 최적화 조건과 같은 주제들을 다룬다.전선 / 대학원
전력 계통을 대형 시스템의 관점에서 시스템 이론과 기법을 적용하여 전자계산기로 해석하는 기법을 다루며, 주로 회로 토포로지 및 그래프 이론, 행렬 이론, 수리 계획법의 개념, 전력 계통의 수리 모형, 전력 조류계산, 고장 계산 과정 및 동적 안정도 해석, 써어지 해석, 전압 안정도 해석 등의 내용을 포함한다.전선 / 대학원
건축과 도시환경을 설계, 시공, 운영하는 과정은 항상 인간 활동을 중심으로 수행되어왔지만, 인간 활동에 관한 실시간의 정량적 데이터를 수집 및 분석하는 데에 기술적 한계가 있었으며, 이로 인해 건축과 도시공간의 기능과 편의를 향상시키는데 많은 어려움이 있음. 본 강의에서는 건축환경에서 실시간으로 사람과 환경의 데이터를 자동으로 수집, 분석, 활용하는 ICT기반 센싱 및 데이터 처리기술에 대해서 학습하고, 스마트홈, 스마트빌딩, 스마트건설의 계획과 각 요소기술의 적용방안에 대해서 논의함. 본 강의를 성공적으로 이수함으로써 학생들이 다음과 같은 역량을 계발하는 것이 가능함. (1) 건축과 도시환경의 설계, 시공, 운영 과정에서 데이터 수집 및 활용 현황, 그리고 내재되어있는 문제점에 대해서 이해하고 논의할 수 있음 (2) 영상, 소리, Lidar 등 센서를 활용한 데이터 수집 기법와 인공신경망 등 기계학습을 활용하여 필요한 정보를 추출하는 과정에 대해서 이해하고, 프로그래밍을 통해 직접 구현할 수 있음 (3) 스마트홈, 스마트빌딩, 스마트건설을 구성원리를 이해하고, 계획에 요구되는 요소기술의 적용에 있어 장/단점과 기회/장벽에 대해서 설명할 수 있음전선 / 대학원
시계열분석은 경제학 및 인접 학문분야의 실증분석에 매우 유용한 방법론이다. 본 강좌에서는 대학원 과정 학생들이나 학부의 필요고급과목(계량경제학과 수리통계학 또는 경제통계학연구)을 이수한 학생들을 대상으로 최근 30여년동안 개발된 시계열분석기법을 학습한다. 전체 강좌의 내용은 크게 2부분으로 구성되어 있다. 전체 강좌의 3/4정도는 기본 내용인 시계열분석기초(시계열변수의 주요성격, AR, MA, ARMA 등)와 VAR, GMM, Unit Root and Cointeration, VECM, ARCH, Switching Regime, Structural Change, Long Memory, Spectral Analysis, Bayesian Methods 등으로 이루어져 있으며, 학기의 나머지 1/4은 Dynamic Stochastic General Equilibrium Model을 중심으로 경제학의 구조모형(structural model)을 실증분석하는데 적용되는 분석기법을 배운다. 본 강좌를 이수하는 동안 학생들은 한 가지 정도의 프로그래밍 소프트웨어를 배우고 익숙하게 사용할 수 있어야 한다.전선 / 대학원
대상지의 환경 상태를 과학적으로 진단하고 정확하게 평가하는 것은 더 나은 환경계획 수립을 위한 선결조건이다. 최근에는 다양한 환경모니터링 기술의 발전과 함께, 보다 높은 시공간적 스케일에서 양질의 환경자료를 보다 효율적으로 취득하는 것이 가능해지고 있다. 또한 다양한 환경분야에서 서로 다른 목적과 강도로 수집된 자료들 또한 빅데이터 기술을 통해 융합, 분석됨으로써 환경평가에 활용하는 것이 기대되고 있다. 본 수업에서는 이러한 생태환경을 구성하는 다양한 생물적, 비생물적 인자들에 대한 모니터링 방법론과 기술들을 소개하고, 워크숍을 통해 그 효용성과 한계를 토론하는 시간을 가진다. 이를 통해 수강자들은 환경자료에 대한 이해를 높이며, 이를 바탕으로 보다 합리적인 환경평가방법을 고민하게 된다.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.교양 / 학사
현대 사회에서는 데이터를 올바르게 분석하고 해석하는 능력, 그리고 이를 통해 유의미한 정보를 도출하는 방법이 매우 중요해지고 있다. 본 교과목을 수강하는 학생들은 인문사회과학 분야에서 실제로 사용되는 다양한 데이터를 바탕으로 문제를 해결하기 위한 형태로 데이터를 가공하고 분석하는 방법을 배우게 된다. 주요 내용으로는 설문조사, 실험연구, 데이터 전처리 및 시각화, 선형회귀, 인과효과 분석, 통계적 추론 등이 있으며, 실제 연구에서 어떻게 적용되는지 다양한 예제를 통해 통계 이론의 적용 과정을 이해한다. 또한, 사회적 문제와 인간 행동 양식에 관한 문제를 분석하고 해결하는 데 필요한 ‘인과관계’와 ‘표본조사’에 대한 이해를 높이는 기회를 제공한다. 실습 과정도 포함되어 있어서 실제 연구 데이터를 R 프로그램을 이용하여 분석할 수 있도록 한다.