최근 확인한 콘텐츠
데이터가 존재하지 않습니다.
데이터가 존재하지 않습니다.
loading...
본 연구는 IoT 센서의 시계열 데이터 특성을 고려하여 시간 가중치 및 사용자 상태값 기반의 인공지능 처리 기법을 제안한다. 제안하는 기법은 기존 인공지능 학습보다 높은 센서 정확도를 확보하며, 다양한 분야에 인공지능 학습 적용 방안을 제시한다.
디지털 변화 속 광고PR 산업 : 현재와 미래
사물인터넷을 위한 인공지능 : 더 스마트한 IoT 시스템을 개발하기 위한 고급 머신러닝딥러닝 기법
Deep learning, machine learning and IoT in biomedical and health informatics : techniques and applications
AIoT technologies and applications for smart environments
Internet of everything : smart sensing technologies
(4차 산업혁명의 핵심기술인) AI, 빅데이터 사업화 동향과 기술개발 전략
Chemical, gas, and biosensors for internet of things and related applications
Circuits and systems for the Internet of Things : CAS4IoT
글로벌 커뮤니케이션 : 다문화적 관점
Hydrological data driven modelling : a case study approach
빅데이터가 만드는 제4차 산업혁명 : 개인과 기업은 어떻게 대응할 것인가?
Smart IoT for research and industry
Security and privacy in internet of things (IoTs) : models, algorithms, and implementations
(2018)한국을 바꾸는 10가지 ICT 트렌드
4차 산업혁명 시대의 인공지능과 기하급수 기술의 융합
스마트 IoT 프로젝트 : 스마트 온도 조절기, 머신 비전, 자율 주행 자동차 로봇 포함 다양한 사물 인터넷 구현
시계열 분석 및 응용
산업인터넷 애플리케이션 개발 : 퍼블릭 클라우드와 네이티브 클라우드 서비스를 활용한 쉬운 IIoT 개발
Effective statistical learning methods for actuaries.
PEERJ COMPUTER SCIENCE
Rahmani, Amir Masoud; Azhir, Elham; Ali, Saqib; Mohammadi, Mokhtar; Ahmed, Omed Hassan; Ghafour, Marwan Yassin; Ahmed, Sarkar Hasan; Hosseinzadeh, MehdiThe International Journal of Advanced Smart Convergence
Vadim Li, 마리아판 비나야감한국산업융합학회논문집
차지민; 윤석찬; 박미영예술인문사회 융합 멀티미디어 논문지
지효상, 김재성, 김리원, 김정준, 한익주, 박정민IEEE INTERNET OF THINGS JOURNAL
Zhang, Jing; Tao, DachengExpert Systems
Djenouri Y.,Belhadi A.,Srivastava G.,Houssein E.H.,Lin J.C.W.한국차세대컴퓨팅학회 논문지
이종은, 임승호Journal of Supercomputing
Veeramakali T.,Siva R.,Sivakumar B.,Senthil Mahesh P.C.,Krishnaraj N.International Journal of Data Science and Analytics
Čulić Gambiroža J.,Mastelić T.,Nižetić Kosović I.,Čagalj M.방송공학회 논문지
황지수, 문재원IEEE ACCESS
Yang, Rui; Feng, Lin; Wang, Huibing; Yao, Jianing; Luo, SenApplied Sciences (Switzerland)
Kawakami T.산업융합연구
정윤수, 김용태Journal of Ambient Intelligence and Humanized Computing
Bhatia M.,Sood S.,Sood V.National Academy Science Letters
Afizudeen, S.; Pavithra, R.정보과학회논문지
유상록, 이건명, 윤영선, 홍지만IEEE Internet of Things Journal
Yang L.,Li Y.,Wang J.,Xiong N.N.COMPUTER NETWORKS
Farrokhi, Alireza; Farahbakhsh, Reza; Rezazadeh, Javad; Minerva, RobertoIEEE Internet of Things Journal
Liang S.D.IEEE Communications Magazine, Communications Magazine, IEEE, IEEE Commun. Mag.
Andreev, Sergey; Dao, Ngoc Dung; Misra, Prasant전선 / 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
인공지능 알고리즘은 현재 물체인식, 음성인식, 번역 등 많은 분야에서 그 응용을 넓혀가고 있다. 최근 가장 우수한 성능을 보이는 신경망 알고리즘은 매우 많은 계산을 필요로 한다. 본 과목에서는 인공지능 알고리즘을 실제 시스템에서 구현하는 방법을 다룬다. 이를 위해서는 인공지능 알고리즘 수준에서의 최적화와 더불어 시스템 구현에 대한 이해가 필요하다. 대상 시스템으로 고성능 GPU 뿐만 아니라 내장형 시스템 또는 하드웨어를 이용한 구현을 다룬다. 본 과목에서는 전반부에서 인공지능 알고리즘을 다루고 후반부에서 시스템 구현 및 최적화를 다룬다.전선 / 대학원
본 강좌는 학교 내에서 강의 또는 자기학습을 통해 습득한 IoT, 인공지능, 빅데이터 이론 지식을 활용한 실습강좌이다. IoT·인공지능·빅데이터 개론 및 실습을 수강하였거나 이와 동등한 이론 지식과 코딩 능력을 갖춘 대학원생들을 대상으로 IoT, 인공지능, 빅데이터의 지식을 활용한 실습 및 프로젝트를 진행한다. 실제 데이터를 바탕으로 산업과 사회에서 겪는 소프트웨어 문제를 과제로 선정하게 하며 수강생은 이를 코딩을 통해 해결한다. 소프트웨어 문제를 해결해가는 과정에서 자기 주도적이고 동료 학습이 가능하도록 설계한다. 결과물과 협업을 근거로 담당교수가 S/U 학점을 부여한다.전선 / 대학원
의료 분야는 인공지능(AI) 기술의 빠른 발전에 따라 진단, 수술 계획, 예후 예측, 환자 맞춤 치료 등 다양한 영역에서 혁신적인 변화를 겪고 있다. 본 강의는 정형외과 질환과 치료 과정에 있어 AI의 적용 가능성과 실제 임상 연구, 데이터 과학적 접근, 윤리적·법적 쟁점 등을 다룬다. ◆ 정형외과 영역에서의 AI 적용 분야와 현황 이해 ◆ 영상분석, 예측모델, 로봇수술 등 최신 기술 습득 ◆ 의료데이터 기반 AI 연구 방법론 이해 ◆ 임상 적용에서의 윤리·법적 이슈 탐구 ◆ 학문적 연구 및 정책 제안 능력 강화전선 / 대학원
본 과목은 빠른 속도로 발전하고 있는 인공지능 분야에서 최근 중요 기술 및 논문들 중 선별하여 강의를 제공한다. 주요 논문과 최신기술에 관한 학습 및 논의, 팀별로 국제적 발표가 가능한 수준의 연구 프로젝트의 진행, 등을 목표로 한다. 주제는 알고리즘 분야(active learning, classification, clustering, multitask and transfer learning, stochastic methods, unsupervised learning, self-supervised learning) 및 딥러닝 분야 (adversarial networks, deep autoencoderes, generative models, optimization for deep networks, recurrent networks, supervised deep networks)를 중심으로 다루며, 각 학기마다 중점 내용이 조정된다.전선 / 대학원
본 과목은 데이터 과학의 방법론을 배우고 교육 관련 데이터, 다양한 인문 사회 분야의 데이터를 활용하여 인문학과 사회학 분야의 주제를 융합적으로 해결하는 역량을 기르는 교수 지식과 교육 역량을 갖추는 것을 목적으로 한다. 데이터 과학, 기계학습의 다양한 방법을 배우고 데이터 기반 교육을 실제 교실 환경에서 구현하는 방안을 연구하고 모색한다. 인공지능이 데이터를 사용하여 인문 사회 분야에 어떻게 기여할 수 있는지 동향과 가능성을 파악하고, 그 기반이 되는 분석 방법을 배운다. 인문 사회 분야의 다양한 주제와 관련된 데이터를 수집하고, 인문 사회 분야의 문제 해결을 위해 관련 데이터를 전통적 통계 분석과 최근의 기계학습, 다양한 인문 사회 맞춤형 분석 방법 등으로 분석하는 융합교육을 수행하는 구체적 아이디어를 개발한다. 또한 인문 사회 분야의 연구와 문제 해결을 위해 과학과 수학, 정보 분야의 문제 해결 방식을 융합하는 다양한 방안을 교육적으로 활용하는 방법을 연구한다.전선 / 대학원
본 과목은 빠른 속도로 발전하고 있는 인공지능 분야에서 최근 중요 기술 및 논문들 중 선별하여 강의를 제공한다. 주요 논문과 최신기술에 관한 학습 및 논의, 팀별로 국제적 발표가 가능한 수준의 연구 프로젝트의 진행, 등을 목표로 한다. 주제는 알고리즘 분야 (active learning, classification, clustering, multitask and transfer learning, stochastic methods, unsupervised learning, self-supervised learning) 및 딥러닝 분야 (adversarial networks, deep autoencoderes, generative models, optimization for deep networks, recurrent networks, supervised deep networks)를 중심으로 다루며, 각 학기마다 중점 내용이 조정된다.전선 / 학사
인공지능은 사람의 생각과 행동을 모사하고, 이성적인 행위를 통하여, 주어진 목적을 달성하는 시스템을 연구하는 학문 분야이다. 본 수업에서는 인공지능 시스템을 구성하기 위한 다양한 방법론을 논한다. 이는 효율적인 탐색, 지식의 표현, 불확실성에 대한 이해, 상관관계와 인과관계에 대한 이해, 시각, 음성, 자연어 등의 처리, 학습 등을 포함한다. 이를 통해 학생은 인공지능의 핵심 원리와 기술에 대해 수학적, 논리적, 정성적, 정량적, 확률 통계적, 학습적 관점 등으로 종합적인 이해를 한다.전선 / 대학원
인공지능 기술이 빠르게 진화하고 우리 사회에 미치는 영향력이 점차 커지고 있다. 따라서, 기존의 인공지능 관련 과목에서는 다루기 힘든 최신 주제에 관하여 특강 형태의 강의를 개설함으로써 인공지능 연구 및 사회적 영향력에 관한 최진 연구 경향을 파악할 수 있는 수업을 제공하고자 한다. 이 교과목에서는 기계학습, 컴퓨터 비전, 자연어 처리, 로보틱스, 컴퓨터 통신, 컴퓨터 시스템 등과 같은 컴퓨터 과학 분야뿐만 아니라, 공학, 자연과학, 사회과학 등과 같은 다양한 분야를 다루는 수업을 개설할 수 있다.전선 / 학사
인공지능과 데이터 과학이 급속히 발전하면서 인류와 사회에 커다란 영향을 끼치고 있다. 빅데이터를 기반으로 학습된 인공지능 알고리듬이 다양한 선택과 의사결정에 폭넓게 사용되기 시작하고, 인간의 개입과 통제가 감소하면서 공정성, 책임, 신뢰성, 투명성, 프라이버시 등의 문제가 제기되고 있다. 이 강의는 인공지능과 데이터 과학이 작동하는 방식에 대한 개념적인 수준의 이해에서 출발하여, 데이터의 수집, 생성, 분석, 유통 과정에서 제기될 수 있는 여러 윤리적 문제들과 어느 정도의 자율성을 가지는 인공지능 알고리듬의 책임성 있는 설계 및 사용과 관련된 여러 윤리적 쟁점들을 살펴본다. 이를 통해, 이 수업은 인공지능과 빅데이터의 시대를 살아가야할 지성인에게 비판적인 디지털 문해력을 제공할 것이다.전선 / 학사
데이터와 인공지능에 대한 이해를 바탕으로 디자인 과정의 효율과 창의성에 대한 실험을 진행한다. 인공지능을 기반으로 하는 생성적 디자인을 비롯하여, 디자인과정에서 인공지능을 활용하는 방법을 탐구한다.전선 / 대학원
AI 기술은 빠른 속도로 발전하고 있으며 핵심기술의 적용 가능 분야 또한 대단히 빠른 속도로 넓어지고 있다. 본 강의의 학습목표는 일반적 창업 지식의 학습이 아니라, 빠르게 변하는 AI 분야의 기술기반 창업 동향 전반에 대한 이해를 높이는 것이다. 이는 AI 분야 창업 뿐 아니라 AI를 전공하는 연구자들에게 어떠한 연구 문제들이 미래에 중요할지 판단하는데 도움이 될 수도 있다. 따라서, 수강 대상은 AI를 전공하거나 AI 기술을 사용할 수 있는 학생들로 한다. 강의는 최근 인공지능기술의 변화에 대한 이해를 바탕으로 새로운 AI 기술이 출현할 때마다 어떤 창업 트랜드가 생겼는지, 어떤 분야가 영향을 받았는지, 관련 스타트업들은 현재 어떻게 되었는지등에 대해 학생 참여 방식으로 학습한다.전선 / 대학원
AI 기술은 빠른 속도로 발전하고 있으며 핵심기술의 적용 가능 분야 또한 대단히 빠른 속도로 넓어지고 있다. 본 강의의 학습목표는 일반적 창업 지식의 학습이 아니라, 빠르게 변하는 AI 분야의 기술기반 창업 동향 전반에 대한 이해를 높이는 것이다. 이는 AI 분야 창업 뿐 아니라 AI를 전공하는 연구자들에게 어떠한 연구 문제들이 미래에 중요할지 판단하는데 도움이 될 수도 있다. 따라서, 수강 대상은 AI를 전공하거나 AI 기술을 사용할 수 있는 학생들로 한다. 강의는 최근 인공지능기술의 변화에 대한 이해를 바탕으로 새로운 AI 기술이 출현할 때마다 어떤 창업 트랜드가 생겼는지, 어떤 분야가 영향을 받았는지, 관련 스타트업들은 현재 어떻게 되었는지, 등에 대해 학생 참여 방식으로 학습한다.전선 / 학사
이 교과목은 다양한 학습 데이터를 분석하여 학습자의 흥미와 필요를 고려한 맞춤형 학습을 설계하는 방법을 소개한다. 인공지능을 활용하여 학습활동을 자동으로 분석하고 학습결과를 예측하며, 그 결과를 바탕으로 교수자와 인공지능이 적응적으로 학습을 지원하는 방안을 탐색한다. 학습 상황과 학습자의 특성에 따라 최적의 학습경험을 어떻게 설계하고 지원할 수 있는지 논의한다. 그리고 디지털 테크놀로지를 활용하여 공교육에서 학습 데이터를 수집, 분석, 활용하는 과정에서 발생하는 사회적 문제를 비판적으로 검토하고 창의적인 해결방안을 모색한다.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
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 있음공통 / 대학원
21세기에 들어와 기계학습과 딥러닝 등의 AI 기술의 급격한 발전이 빅데이터와 고성능 컴퓨터와 결합되며 이전과는 다른 차원의 활용 가능성을 보여주면서 급속도로 산업과 생활에 보급되고 있다. 그러나, 현재의 빅데이터 기반 기계학습 위주 AI의 한계는 분명하며 AI 개념의 창시자와 개발자들이 꿈꾸던 기술에 못 미친다는 것이 전문가들의 한결같은 견해이다. 차세대 AI 기술의 핵심 중 하나는 뇌의 자연지능을 닮은 AI(Brain-like AI)의 구현이다. 본 교과목은 뇌의 인지기능에 기반을 둔 자연지능과 컴퓨터 기반 인공지능의 공통점과 차이점에 대한 체계적 고찰을 통해 학생들이 인공지능과 자연지능 연구 및 기술 개발을 위한 미래지향적 안목을 기를 수 있도록 돕는 것을 목표로 한다. 인간의 인지 및 행동에 관심이 있는 다양한 분야의 학생은 인공지능과 자연지능의 비교를 통해 인간의 고유성에 대한 통찰 및 인공지능 기술의 활용에 대해 배울 수 있으며, 반대로 인공지능에 관심이 있는 학생은 진정한 인공지능을 구현하기 위해 필요한 뇌인지과학적 배경을 함양할 수 있을 것으로 기대한다.전선 / 학사
학부과정을 총정리하는 의미에서 지금까지 학습한 철학, 정책, 실천 등을 우리나라의 실제 분야에 적용해 보기 위한 기반을 구축하려는 목적을 지니는 과목이다. 소득구조, 근로조건, 주택, 의료 등의 문제들을 검토하고, 학생들의 공통적인 관심사도 연구과제로 삼게 된다.전선 / 대학원
기존의 클라우드 의존적 AI 컴퓨팅이 사용자 프라이버시, 네트워크 과부하, 인터넷 단절에 대한 취약성 등 다양한 이슈를 야기함에 따라 AI 컴퓨팅을 클라우드뿐만 아니라 사용자 근처의 소형/저비용 컴퓨터에서도 수행하려는 흐름이 전개되며 앰비언트 인공지능 혹은 엣지 인공지능이라는 개념이 탄생했다. 의료 데이터는 개인의 민감정보를 다량 포함하고 있어 특히 프라이버시가 중요하므로, 앰비언트 인공지능과 결합하였을 때 시너지 창출이 가능하다. 본 강좌는 앰비언트 인공지능의 최신 기술과 플랫폼 익히고 의료 도메인에 응용하는 것을 목표로 하며 구체적인 주제는 다음과 같다. ▪ 딥러닝 모델 경량화 (양자화, 가지치기, 지식 증류) ▪ 연합 학습 ▪ 딥러닝과 경량 신호처리 기법의 하이브리드 운용 ▪ 클라우드와 자원 제한적 엣지 기기의 통합 운용 ▪ 앰비언트 인공지능 소프트웨어 플랫폼 (TensorFlow, TensorFlow Lite) ▪ 앰비언트 인공지능 하드웨어 플랫폼 (Google Coral) ▪ 의료 도메인 데이터의 이해 (일례로, 수면 의학 데이터)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.