최근 확인한 콘텐츠
데이터가 존재하지 않습니다.
김경희, 성진용, 최승배, 강창완
2021 / Journal of The Korean Data Analysis Society
데이터가 존재하지 않습니다.
loading...
본 연구는 서술형 강의평가 자료에 텍스트 마이닝 기법을 적용하여 수업 질 개선에 유용한 정보를 도출하는 것을 목표로 한다. 나이브 베이즈 방법, 감성 분석, 토픽 분석 등 다양한 기법을 활용하여 강의평가를 긍정적/부정적으로 분류하고 분석한 결과, 나이브 베이즈 방법이 84%의 정확도로 가장 우수한 성능을 보였다.
Building machine learning systems with Python : scikit-learn 라이브러리로 구현하는 기계 학습 시스템
Qualitative text analysis : a guide to methods, practice & using software
Mining the Web : discovering knowledge from hypertext data
감정 분석의 이론과 실제
Sentiment analysis and opinion mining
Statistical analysis techniques in particle physics : fits, density estimation and supervised learning
국어 교육과 비평 경험
파이썬 텍스트 마이닝 완벽 가이드 : 자연어 처리 기초부터 딥러닝 기반 BERT와 트랜스포머까지
문화다양성 시대의 문화콘텐츠
Introduction to research methods and data analysis in the health sciences
Building machine learning systems with Python : scikit-learn 라이브러리로 구현하는 기계 학습 시스템
Psychology : a student's handbook
(R로 배우는) 텍스트 마이닝 : tidytext 라이브러리를 활용하는 방법
수업분석 : 수업을 꿰뚫어 보는 힘!
Machine learning : ECML-98 : 10th European Conference on Machine Learning, Chemnitz, Germany, April 1998 : proceedings
(SAS Text Miner를 활용한) 텍스트 마이닝 방법론
텍스트와 담론 분석 방법
Mining text data
Data analysis & decision making with Microsoft Excel
한국유아교육연구
이해듬, 남민우Journal of Digital Convergence
최정웅; 안동규교육연구논총
하정윤, 나민주International Journal of Software Engineering and Its Applications
Eun-Soon Cho; Min-Woo Nam학습자중심교과교육연구
김정민, 정진성, 정하보학습자중심교과교육연구
신종호, 최재원글로벌교육연구
이하얀International Journal of Contents
남민우, 조은순교양교육연구
이지연, 이영주학습자중심교과교육연구
오선아; 나은창; 김진영교육연구논총
신종호한국산학기술학회논문지
박금주한국콘텐츠학회 논문지
김혜정; 김민서; 문성민Computer Applications in Engineering Education
Lin Q.,Zhu Y.,Zhang S.,Shi P.,Guo Q.,Niu Z.Applied Computational Intelligence and Soft Computing
Quratulain Rajput; Sajjad Haider; Sayeed Ghani교육행정학연구
한신일한국교육문제연구
김경언, 우혜정, 김지영, 김우철인문사회과학연구
임병학, 강현주, 엄성원, SRIJAN KUMAR교육문화연구
권효진, 채수진Journal of The Korean Data Analysis Society
최동욱, 김영준, 정현주전선 / 학사
본 과목에서는 대용량의 텍스트를 분석하여 유의미한 결론을 도출하는 텍스트마이닝 기법에 대해 강의한다. Natural language processing, probabilistic topic model, text clustering, text categorization, contextual text mining 등, 텍스트마이닝 분야의 핵심 Keyword 및 기법에 대해 다룬다.전필 / 학사
본 과목에서는 정형 데이터와 비정형 데이터를 효과적으로 관리하고 분석하는 데에 필요한 제반 이론 및 기법을 배운다. 구체적으로, 본 과목의 전반부에서는 데이터베이스 (DB)를 기반으로 한 정보 시스템의 설계 및 구현, 그리고 DB 마이닝과 DB 기반 추천 시스템과 관련된 모형과 기법을 다루고, 후반부에서는 텍스트 데이터를 대상으로 정보 검색, 문서 분류 및 군집화를 위한 주요 이론과 방법론들을 소개한다. 아울러, 본 과목은 소개된 모형 및 기법들을 구현하여 다양한 형태의 데이터에 실적용해보는 프로젝트들을 포함하는 바, 이를 통해 실제 문제에 대한 해결 능력을 기르고, 관련된 기술적 이슈들을 경험해보는 것을 목표로 한다.전선 / 학사
본 강의에서는 다양한 산업에서 발생하는 텍스트 데이터에 대한 이해와 함께, 이에 대한 분석 기법들을 학습하는 것을 목적으로 한다. 크게 텍스트 데이터의 이해, 텍스트 데이터의 전처리 및 표상화, 언어 모델의 구조 이해, 그리고 텍스트 데이터의 응용 과업 등의 네 가지 파트로 구성하여 강의를 진행한다. 텍스트 데이터의 이해 파트에서는 제조업, 마케팅, 금융 등의 비즈니스에서 발생하는 텍스트 데이터의 특징과 이에 대한 활용 사례를 주로 다룬다. 텍스트 데이터의 전처리 및 표상화 파트에서는 전통적인 bag-of-words 방식을 포함하여, word2vec, GloVe, Fasttext와 같은 신경망 기반의 텍스트 표상화 방법을 강의한다. 언어모델의 구조 이해 파트에서는 Seqence-to-sequence Learning과 Transformer 구조에 대한 이해를 바탕으로 BERT 및 GPT 등의 대표적인 언어모델 구조를 강의한다. 마지막으로 텍스트 데이터의 응용 과업 파트에서는 감성 분석, 문서 요약, 질의 응답 등의 실제 비즈니스에서 자주 사용되는 텍스트 데이터 분석 과업을 소개하고 이를 해결하기 위한 적절한 방법론을 강의한다.전선 / 대학원
산업공학의 새로운 기법들을 소개하고 이의 응용실태를 알아본다.전선 / 대학원
질적 연구의 설계, 질적 데이터의 수집, 체계적인 질적 데이터의 분석, 질적 데이터를 활용한 텍스트마이닝 방법에 대해 이론과 실습을 통해 학습한다.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
이 강의는 양적연구방법을 활용하여 교육학 및 사회과학 분야 논문을 작성하고자 하는 연구자들에게 유용한 실제적 지식과 경험을 제공하는 것을 그 목표로 한다. 최신 소프트웨어를 활용한 데이터 관리 및 분석, 효과적인 연구결과 제시를 위한 그래픽 기능의 활용 등과 같은 양적연구 수행 및 논문 작성과 관련된 실용적인 지식을 주 내용으로 한다.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.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.전선 / 학사
이 강의에서는 실질적 문제해결을 위한 다양한 자료 분석 방법론의 이해와 적용을 경험한다. 해결하고자 하는 문제의 구체화를 포함하여, 데이터의 수집 및 정리, 탐색적 데이터분석, 시각화, 통계적 추론 및 예측 그리고 의사결정의 핵심 원리를 배운다. 정형 데이터뿐만 아니라 비정형 데이터(텍스트 데이터, 공간 데이터, 네트워크 데이터) 분석 방법도 다루며, 이러한 데이터에 적합한 시각화 및 분석 기법을 학습한다. 학생들은 다양한 데이터의 구조를 이해하고 적절한 자료 분석 방법을 선택하며, 실습을 통해 배운 내용을 실제 문제에 적용하여 해결하는 전 과정을 경험한다. 이를 통해 문제해결 능력과 실무에서 활용 가능한 분석 역량을 효과적으로 향상시킨다.전선 / 대학원
본 교과목은 데이터를 분석하여 유용한 정보를 추출하고 모델을 만들어 예측에 사용하는 데이터 마이닝에 대해 보다 깊이 있게 소개한다. 데이터마이닝의 중요한 알고리즘, 기반 기술, 대용량 데이터를 효과적으로 처리하는 마이닝 기술 등을 학습한다. 그리고 분산 시스템과 다수의 머신을 이용하여 빠르고 확장성 있게 대용량 데이터를 처리하는 방법을 논의한다. 또한 여러 실제 세계 응용에 어떻게 데이터마이닝을 적용하는지에 대해서도 논의한다. 주요 주제로 그래프 데이터 분석, 행렬/텐서 데이터 분석, 비정상 이벤트 탐지 등이 있다.전선 / 대학원
기계학습의 기초, AI 시스템의 평가, 윤리적 /법적 측면과 함의를 교육분야의 적용 사례를 통해 살펴보고, 전통적 과학교수학습이론과 평가이론과의 접목을 논의하면서 인공지능 및 언택트 시대의 과학교수학습과 평가에 대한 조망 및 새로운 연구분야에 대한 이해를 높인다.전선 / 대학원
주어진 지식과 경험을 바탕으로 앞으로 주어질 작업을 효율적이고 체계적으로 수행할 수 있는 컴퓨터 프로그램 개발에 많은 연구가 계속되어 오고 있다. 이러한 연구의 핵심 분야인 기계 학습(Machine Learning)에 관한 강의로써 현재까지 발표된 대표적인 연구 논문들을 중심으로 이론 및 알고리즘, 응용 분야 등을 설명한다.전선 / 대학원
다른 과목에서 배운 계량적 분석방법을 현실 농업문제에 응용한다. 비교정학(comparative statics)에 의한 모형분석, 칼만 필터(Kalman filter), 뉴럴 네트워크(neural network), 유전자 알고리즘(genetic algorithm), 부트 스트랩핑(boot strapping), 커널 추정(kernel estimation) 등을 다룬다.전선 / 대학원
통계적 기계학습 방법은 데이터과학 및 인공지능 분야에서 핵심 방법론으로 사용되고 있다. 본 강의에서는 통계적 기계학습 방법론을 소개하고 기본 이론을 배운다. 주로 지도학습방법론을 위주로 다루며, 의사결정론, 고차원 선형모형, 비모수 함수추정, 의사결정나무와 앙상블, Support vector machine 그리고 딥러닝에 대한 이론 및 알고리즘을 가르친다. 그리고 지도학습 알고리즘을 관통하는 통계학적 원리인 M-추정량에 대해서 논의한다.전선 / 대학원
데이터와 컴퓨팅 역량의 폭발적인 증가로 인해, 비즈니스 의사결정에서 데이터 분석과 정량적 모델링의 활용은 필수적인 요소가 되었다. 이 과목은 데이터 과학과 고급 경영과학을 결합하여, 다양한 비즈니스 환경에서 데이터의 활용을 통한 효율적 의사결정 시스템을 구축하기 위한 기술과 도구들을 다룬다. 전통적인 데이터 처리 및 분석을 넘어, 데이터를 스마트하고 해석 가능하며 실행 가능한 비즈니스 의사결정으로 변환하는 '처방적 분석' 방법론에 중점을 둔다. 구체적으로는 머신러닝 알고리즘, 고급 의사결정 모델링, 최적화와 같은 기술을 결합하여 자원 배분, 공급망 관리, 불확실성 대응, 경제성 분석 등 다양한 문제들을 데이터와 정량적 근거에 기반하여 해결하는 능력을 배양하는 것을 목표로 한다. 고급 엑셀 기능과 기본적이고 쉽게 이용 가능한 파이썬 모델링 기법 등 실무적인 도구들을 익히며, 코딩 기술이 요구되지 않는 상황에서도 이 도구들의 메커니즘을 이해하고 활용할 수 있는 매니저로서의 역량을 기르게 될 것이다. 이 과목은 처방적 분석 방법론의 실무적 유용성에 초점을 맞추어, 다양한 분야에서 해석 가능하고 실행 가능한 의사결정 시스템을 구축하려는 경영 매니저들에게 유용할 것이다.전선 / 대학원
딥러닝은 주어진 입력 데이터를 심층인공신경망으로 가공하여 원하는 테스크에 대해 좋은 성능을 달성하는 것을 목표로 한다. 이 과정에서 입력 데이터는 입력이 표현된 방식과는 확연히 다른 방식으로 표현되게 되고, 이러한 표현 방식의 변화를 통하여 원하는 정보를 잘 활용할 수 있게 된다. 본 강의는 딥러닝의 중요 연구주제 중 비지도학습의 기본 방식으로 자리 잡은 self-supervised learning 및 contrastive learning을 중심으로 진행한다. 특히 information theoretic approach를 비롯한 metric 관점의 representation learning에 대해 고찰하고 domain generalization, meta learning, 등과 같은 학습기법들에 대해 논의하며 이를 통하여 표현학습에 대해 심화된 이해를 하는 것을 목표로 한다.전선 / 대학원
본 교과목은 질적자료 분석에 초점을 맞추고 있다. 학생들은 참여관찰과 면담 등을 통하여 수집한 자료를 민속학적 방법, 현상학적 방법, 근거이론방법 등의 원리에 따라 분석을 실제로 수행하여 각 분석의 특성과 절차를 익히도록 한다. 구체적인 분석에서는 케이스내 분석, 케이스간 분석과 검증 등에 관한 내용들이 포함될 것이다. 또한 체계적인 질적자료 관리를 위하여 NUDIST 등과 같은 소프트웨어를 도입하고자 한다. 본 교과목을 통하여 학생들은 실제 질적연구 수행을 위해 필요한 다양한 기술과 절차와 지식을 함양할 것이다.전선 / 대학원
전선 / 대학원
본 강좌는 고급 자료분석을 위한 모형기반 통계분석방법론에 대해 다룬다. 자료의 특징과 분석의 목적에 따라 적합한 통계모형을 제시하고, 자료를 적합, 적합된 통계모형의 해석을 통한 인사이트 제시등에 대해 다룬다. 프로젝트를 통해서 배운 방법들을 실제 데이터에 적용하고 발표한다. ● Linear model and linear mixed model ● Generalized linear model ● Shrinkage method and variable selection ● Graphical methods and causal Inference ● Bayesian methods