최근 확인한 콘텐츠
데이터가 존재하지 않습니다.
Min Jin Lee, Hye
2019 / Journal of Neurogastroenterology and Motility (JNM)
데이터가 존재하지 않습니다.
loading...
(이공학적 설계를 위한) 인공지능 최적화 =
(으뜸) 머신러닝
Machine learning applications in subsurface energy resource management : state of the art and future prognosis
자원개발 머신러닝 입문
어서와~ 머신러닝은 처음이지?
Artificial intelligence in highway location and alignment optimization : applications of genetic algorithms in searching, evaluating, and optimizing highway location and alignments
머신러닝 엔지니어링 : 데이터 수집부터 특징 공학, 모델 평가, 배포, 유지보수까지
핸즈온 머신러닝 : 사이킷런, 케라스, 텐서플로 2로 완벽 이해하는 머신러닝, 딥러닝 이론&실무
Learning, networks and statistics
Reservoir simulations : machine learning and modeling
수소·연료전지 인프라 구축을 위한 기초연구
Facility location : concepts, models, algorithms and case studies
(AI 엔지니어를 위한) 머신러닝 시스템 디자인 패턴
Computational intelligence in wireless sensor networks
Deep learning for hydrometerology and environmental science
Handbook of neural computation
폐기물매립장 사업의 수환경 평가분야 개선방안 연구
(머신러닝을 위한) 수학 길잡이 : 머신러닝을 좀 더 깊이 있게 이해하기 위해 알아야 할 선형대수, 최적화, 확률 및 통계
A primer on machine learning in subsurface geosciences
차세대 에너지공급시스템 기반 구축 연구 : 미래수소경제 경쟁력 확보를 위한 수소 공급가격 및 공급방안 연구
Korean Chemical Engineering Research
Kim, S.H.; Ryu, J.-H.Korean Chemical Engineering Research(HWAHAK KONGHAK)
김수환; 류준형한국콘텐츠학회 논문지
류연경, 김희정, 박민철, 최도진International Journal of Hydrogen Energy
Wang Y.,Decès-Petit C.인터넷정보학회논문지
황민우, 하예림, 박상욱경영연구
조재혁, 김세인, 김성수eTransportation
Elomiya, A.; Křupka, J.; Švadlenka, L.; Průša, P.; Jovčić, S.; Simic, V.International Journal of Hydrogen Energy
Ryu H.,Lee D.,Shin J.,Song M.,Lee S.,Kim H.,Kim B.I.International Journal of Hydrogen Energy
Wang Y.,Wang S.,Decès-Petit C.Journal of Physics: Conference Series
Jiejie Guo; Zhenkun Qin; Lingting ZhangEnergy Conversion and Management
Sun Y.,Zhu D.,Li Y.,Wang R.,Ma R.대한산업공학회지
류현영; 김병인; 송민석; 김현준; 이덕상; 이승엽; 신재민; 유영돈; 김수현; 이혜진한국경영공학회지
이윤표, 황승준International Journal of Green Energy
Gao, Z.; Si, Y.; Wu, W.; Ma, H.; Li, S.부동산법학
임윤수; 한주옥SUSTAINABLE CITIES AND SOCIETY
Elomiya, Akram; Krupka, Jiri; Jovcic, Stefan; Simic, Vladimir; Svadlenka, Libor; Pamucar, DraganArabian Journal for Science and Engineering
Ahmed M. Ghaithan; Awsan Mohammed; Ahmad Al Hanbali; Adel AlshibaniTransportation Research Record
Zhao, M.; Qi, F.; Zhou, Y.; Yuan, Q.; Liu, D.Journal of the Operational Research Society
Searle, K.D.; Kalcsics, J.; Searle, C.International Journal of Hydrogen Energy
Yang G.,Kong D.,He X.,Yu X.,Jiang K.전선 / 학사
“공간정보분석1: 통계모형”의 심화과정으로 해석모형과 달리 예측모형에 초점을 둔다. 공간 패턴의 학습과 예측에 접목할 수 있는 머신러닝과 인공지능의 주요 이론과 알고리즘을 소개하며 R/Python 코딩과 사례연구를 통해 실천적 공간데이터 사이언스의 기초를 제공한다. 이 강의는 머신러닝의 학습이론, 감독학습, 무감독학습, 신경망, 앙상블 학습을 주 내용으로 하며 공간 헤도닉 모형, 공간 클러스터와 아웃라이어 패턴, 가우시언 프로세스와 공간 크리깅 내삽, 공간의사결정 등 지리학적 활용을 연습한다.전선 / 대학원
본 과목은 유한 차원 및 무한 차원 벡터 공간에서의 최적화를 통합적으로 다루며, 최적화와 머신러닝 사이의 상호작용에 중점을 둔다. 최적화 알고리즘은 머신러닝의 핵심 역할을 하며 (예: 주어진 데이터셋으로부터 모델을 학습시킬 때) 동시에 고차원 최적화 문제를 풀기 위해 머신러닝 모델이 최근 많이 활용되고 있다 (예: 물리 시스템의 지배 방정식을 무한 차원 최적화 문제의 해로 재구성한 다음, 머신러닝 알고리즘을 사용하여 이에 수반되는 고차원 최적화 문제를 해결하려는 시도). 본 과목에서는 머신러닝 분야에서 필요로 하는 최적화 이론 및 알고리즘과 동시에, 복잡한 최적화 문제를 풀 수 있는 머신러닝 기법들에 대해 심도있게 다룬다.전선 / 학사
통상적으로 교통운영은 교통류에 대한 충분한 이해를 바탕으로 적절한 운영 방안을 도입하여 도로교통시설의 효율을 높이는 것을 의미한다. 이를 위해 교통류에 대한 미시적‧거시적 관점, 교통량‧속도‧밀도 등 교통류 특성 간의 관계, 교통정체의 발생 및 해소 과정 등을 이해하는 것이 중요하다. 한편, 교통수단의 다변화로 인해 기존 교통운영의 대상이었던 도로교통이 교통시스템의 한 요소로써의 역할을 맡게 되었으며, 자연스럽게 교통운영의 범위도 확대되었다. 또한, 정보통신기술의 발달이 수집 가능한 정보의 질적‧양적 성장을 촉진하였지만, 불완전한 정보가 수집되거나 교통시스템 내‧외적 요인으로 인해 불확실한 예측이 이뤄지는 경우도 발생하였다. 최근 들어 이를 해결하기 위해 인공지능(Artificial Intelligence, AI)을 활용한 사례들이 등장하고 있다. 따라서 이 과목에서는 교통류분석, 교통신호제어 등의 배경이 되는 교통 관련 이론에 대해 학습함과 더불어 교통운영 분야 내 다양한 AI 적용 사례들을 소개하면서 기계학습(Machine Learning), 딥러닝(Deep Learning), 생성형 AI(Generative AI) 등 연관된 AI 기법을 살펴본다. 아울러 자율주행차량 제어, 대중교통 및 모빌리티 시스템 운영 등 교통운영의 확대된 범주 내에 포함되는 교통시스템에 대해서도 다룸으로써 폭넓은 지적 기반을 제공할 수 있을 것으로 기대된다.전선 / 학사
본 과목은 빅데이터를 활용하는 ML/AI/인지과학의 서비스를 개발할 때, 특히 많이 접하면서 까다로운 시계열 데이터 처리와, 파이썬 등으로 서비스를 개발을 효과적으로 할 수 있는 MLOps/DevOps 실전 가이드를 다루고자 한다. 연구 성과를 검증/공유하기 위해 패키지로 deploy하기 위한 도커/쿠버네티스 기술과 마이크로서비스 구축에 필요한 방법을 학습한다.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 / 학사
기후변화로 인한 재난(홍수, 폭염 등)을 그린인프라를 활용하여 저감하는 기초이론 및 설계기법을 학습한다. 도시홍소와 관련된 수문학적 개념을 이해하고, SWMM(Storm Water Management Model)을 이용한 근거기반의 그린인프라계획 및 설계법을 학습한다. 또한 도시열섬의 개념과 대응 방안을 학습하고, 전산유체역학을 활용한 그린인프라와 그레이인프라의 상호작용 분석 및 도시에 최적화된 인프라설계를 실습한다.전선 / 대학원
본 교과목은 막대한 시공간적 데이터를 바탕으로 예측기법을 발전시킬 수 있는 머신 러닝 기법을 중심으로, 이에 대한 이론적 기반과 사례 연구를 계량지리학적 관점에서 이해하는 것을 목표로 한다. 통계학적 머신 러닝, 최적화, 사회 및 정보 네트워크 분석, 베이지안 모델링 등 관련된 다양한 분야에 대한 지리학 분야의 방법론과 적용 방안에 대해서 학습한다.전선 / 학사
본 과정에서는 머신러닝의 기초를 수업한다. 수업 초반에는 머신러닝의 기초가 되는 확률, 선형대수, 최적화, 신호처리를 간단히 리뷰한다. 중반부에서는 대표적인 머신러닝 문제인 Classification, regression, clustering을 소개하고 예시를 통하여 개념을 학습한다. 후반부에서는 스마트 제조를 위한 센싱, 공간정보구축, 로보틱스 적용의 실습을 조별로 진행한다. 독립전원으로 구동가능한 미니PC 상에 리눅스를 운용하고, ROS SLAM 등 로보틱스와 공간지능 관련 소프트웨어를 배운다. 마지막으로는 실제 센서를 함께 구동하고 직접 데이터를 취득한 후, 수업에서 학습한 머신러닝 알고리즘을 적용해보기 위한 실습을 수행한다.전선 / 대학원
센서 정보를 통하여 공간 정보를 획득하고 구성하는 기술은 스마트 팩토리나 생산 설계에 있어 중요한 요소 기술이다. 이 강의는 동시적 위치 추정 및 지도 작성법으로 알려진, 센서 기반 위치 정보 추정과 공간 정보 구성에 대한 내용을 다룬다. 특히 센서가 탑재된 대상이 고정적이지 않은 무인이동체의 센싱을 학습하여, 위치 추정과 공간 정보 추정의 연결성을 배우고, 이를 통하여 스마트 팩토리나 자율 주행에 관심이 있는 학생들에게 관련 기초 지식과 활용 사례를 제공한다.교양 / 학사
이 교과목은 과학기술과 사회의 다면적인 경계를 허물고 이를 통해 펼쳐질 미래의 지평을 조망하는 것을 목적으로 한다. 이를 위해 과학기술과 인문, 사회과학을 넘나드는 고도로 융합적인 접근을 시도한다. 과학기술을 통해 미래를 엿보는 각종 접근방법을 리뷰하고 예측의 한계를 이해함으로써 과학기술과 미래의 상호작용에 대한 관점을 형성하며, 사례로서 인공지능과 데이터과학의 과거와 현재를 돌아본다. 바람직한 미래를 만들어가기 위한 과학기술의 역할과 사회적 고려들은 무엇인지 생각해본다. 이 교과목은 주제별 강의와 토론으로 구성된다.전필 / 학사
농촌과 농경지에서의 수문순환과 물질순환의 기초이론을 이해하고, 유출과 함께 발생하는 토립자와 비점오염물질의 운송과정을 학습한다. 농지에서의 토양유실량의 추정기술을 배우고, 토양과 수분의 보전을 위한 영농법과 테라스계획과 시공 및 관리방법, 농지배수조절방법 등에 대한 공학적 원리와 이론을 학습한다. 농지로부터 비료 및 농약 등 농업화학물질 부하량과 배출량의 추정법을 학습한다. 비점오염의 관리를 위한 영농법, 공학적 방법, 그리고 최적관리기법의 특징과 효과, 계획방법 등을 학습한다. 또한, 농업기반조성사업에서 다루어지고 있는 논, 밭의 공학적 기술에 대하여 살펴본다. 본 강좌에서는 강의--토론과 과제 중심의 실습이 이루어지며, 실습과제의 해결을 통해 공학적인 비점오염 관리방법에 대하여 학습한다.전선 / 학사
본 강의에서는 통계적 추론에 기반한 기계학습의 기초에 대하여 학습하고 조선해양공학의 응용문제에 대한 프로젝트를 수행한다. 기계학습에 관련된 확률, 선형대수, 최적화의 기초에 대하여 학습한다. 확률에 기반한 최우추정법에 대하여 학습한다. 비지도 학습 분류 방법 및 선형 회귀법에 대하여 학습한다. Hidden Markov 모델과 Bayesian Inference의 개념, 이론 및 알고리즘에 대한 개요를 학습한다. Neural Network에 기반한 학습모델로 이미지 인식을 위한 Convolutional Neural Network, 음성과 같은 time series 데이터의 학습을 위한 Recurrent Neural Network의 개요에 대하여 학습한다. 그리고 보상에 따라 학습하는 Reinforcement Learning에 대하여 익힌다. 마지막으로 조선해양공학 응용의 기계학습 프로젝트를 수행하도록 한다.전선 / 대학원
본 강좌는 다양한 머신러닝기법을 활용한 기후환경데이터 분석 방법을 소개한다. Linear regression, Logistic regression, Support Vector Machine (SVM), Random Forest, XGBoost, LightGBM 등과 같은 지도 학습 기법에 더불어,K-mean clustering, Principal Component Analysis, Singular Value Decomposition,Self-Organizing Map (SOM) 등의 비지도 학습 머신러닝 기법들의 구동 원리를 파악할 수 있는 이론 강의와, 이 중 일부를 활용한 실습 과정으로 구성된다. 다양한 머신러닝 기법 기반의 데이터 분석 방법을 비교함으로서 머신러닝 기법들의 장단점을 파악할 수 있도록 한다.전선 / 대학원
대학원생을 대상으로 한 세미나로, 교통과 정보통신기술이 가지는 지리적 함의에 관한 이론 및 방법론과 관련된 핵심연구와 최근의 연구동향을 다루는 것을 목표로 한다. 주요 주제로는 교통과 정보통신네트워크, 공간적 상호작용 및 입지-배분모형, 교통 및 정보통신기술과 도시발달, 도시내 통행, 정보도시, 사이버공간, 접근성, 이동성, 교통 및 정보통신정책 등이 포함된다.전선 / 대학원
본 과정은 선형 시스템, 전달 함수, 라플라스 변환에 대하여 소개한다. 안정성과 피드백을 다루고 과도 응답 사양을 위한 기본 설계 도구를 제공한다. 또한 주파수 영역 기술도 간략하게 다룬다. 이 과정에는 컴퓨터 프로그래밍 실습 및 제어 설계 프로젝트가 포함된다. 실습 프로젝트에 관련된 전공은 조선해양공학은 물론 로봇공학, 기계공학, 전자공학, 전기공학, 산업응용수학 등이다.전선 / 대학원
석유, 석탄, 천연가스, 신재생에너지를 비롯한 에너지 및 광물자원을 개발하기 위한 플랜트 및 운송망, 부지 설계에 필요한 GIS의 최신기술을 다룬다. GIS 분석 알고리즘 및 최근 연구사례를 분석한다.전선 / 대학원
표준적 도시교통계획과정의 이론적 구조와 문제점 그리고 실천모형의 장단점을 비교검토하고, 보다 일반적인 교통계획모형의 구성을 위한 여러 방법론과 고급이론을 소개함과 아울러 새로운 연구방향에 관해 연구한다.전선 / 대학원
이 과목은 기계 학습 알고리즘의 수학적 이론을 이해하고 이를 통해 더 나은 기계 학습 방법을 설계하는 데 초점을 맞춘다. 재생핵 힐베르트 공간과 커널 방법, Rademacher 복잡도, 경사 하강법, 뉴턴 방법, 확률적 경사 하강법, 경사 하강의 연속 시간 모델 등을 다룬다.전선 / 대학원
본 강의는 농식품 공급망에서의 레질리언스 역량 강화에 대한 이론 및 모형을 다루고 농식품 공급망 레질리언스와 관련된 주요 이슈 및 연구 동향을 살펴보며 이를 통해 공급망 레질리언스 구축 방안에 대해 심층적으로 논의하는데 그 목표를 두고 있다. 구체적으로 농식품 공급망에서의 다양한 리스크 요인들을 살펴보고 이에 대해 공급망 입지 및 공급망 설계, 구매 및 공급자 관리, 생산 및 운영 등의 전략적 접근 방안을 다루게 된다.전선 / 학사
머신러닝과 인공지능 분야가 보여주고 있는 놀라운 발전의 근간에는 자연 현상을 수학 문제로 기술한 뒤 수많은 현대 수학의 도구를 이용해서 풀어낸 수학의 틀이 존재한다. 따라서 이같은 수학의 핵심 원리를 모른 채 이미 라이브러리화된 것을 단순하게 사용하여 학습하는 것으로는 한계에 봉착할 수 있다. 본 강의의 목적은 수강생이 머신러닝을 이해하는데 있어 필요한 수학을 프로그래밍과 연계하여 학습하는데 있다. 이를 위해 본 강의는, 수학의 단위 주제 강의 후 즉시 프로그래밍 실습을 통해 익히는 마이크로러닝 방식으로 운영한다. 머신러닝 알고리즘을 직접 다루지 않으나, 대수학, 미적분학, 선형대수, 기하학과 같이 머신러닝 학습 및 강좌에 필수적으로 요구되는 내용을 다루며, 수업에서 사용하는 프로그래밍 언어는 파이썬이다. 본 강의는 이공계 고교 수학 이상의 지식을 갖추고 있으나 프로그래밍 지식을 갖추고 있지 않은 학생을 주 대상으로 한다.