최근 확인한 콘텐츠
데이터가 존재하지 않습니다.
데이터가 존재하지 않습니다.
loading...
본 연구는 2022 FIBA 남자농구 아시안컵 경기 기록을 활용하여 머신러닝, 데이터 마이닝, 통계적 방법을 통해 경기 결과를 예측하는 성능을 비교했습니다. SVM 모델이 가장 높은 예측 정확도(86.67%)를 보였으며, Random Forest 모델은 데이터 부족으로 과적합이 발생했습니다. 향후 데이터 양을 늘리고 딥러닝 연구를 통해 예측 정확도를 높일 수 있을 것으로 기대됩니다.
메이저리그 야구 통계학 : 2e : 빅데이터 분석과 머신러닝의 시작 R
R을 활용한 머신 러닝 : R로 머신 러닝 알고리즘 작성, 데이터 준비, 데이터 예측 기법 깊이 파기
Advanced topics in artificial intelligence : 12th Australian Joint Conference on Artificial Intelligence, AI'99, Sydney, Australia, December 6-10, 1999 : proceedings
R을 활용한 머신러닝 : R로 머신러닝 알고리즘 작성, 데이터 준비, 데이터 예측 기법 깊이 파기
데이콘 경진대회 1등 솔루션 : 다양한 분야의 데이터를 분석하면서 발견하는 데이터 인사이트와 분석 노하우
득점기계 신동파 : 우리 아버지 시대의 마이클 조던
(누구나 쉽고 재미있게 만드는) 예측모형 : 쉽게 따라하는 예측·진단모형 만들기
메이저리그 야구 통계학 : 빅데이터 분석의 시작 R
파이썬을 이용한 통계적 머신러닝
Research and development in knowledge discovery and data mining : Second Pacific-Asia Conference, PAKDD-98, Melbourne, Australia, April 15-17, 1998 : proceedings
(기본 알고리즘 및 적용 예제, 사례 연구로 살펴보는) 데이터 예측을 위한 머신 러닝
해석 가능한 AI : 설명 가능한 머신러닝 시스템 구축
카카오 아레나 데이터 경진대회 1등 노하우 : 상품 카테고리 분류와 브런치 글 개인화 추천으로 배우는 데이터 분석 실무
R을 활용한 기계 학습 : 데이터 분석을 위한 머신 러닝 이론과 적용
(머신러닝을 위한) 수학 길잡이 : 머신러닝을 좀 더 깊이 있게 이해하기 위해 알아야 할 선형대수, 최적화, 확률 및 통계
An elementary introduction to statistical learning theory
데이터가 뛰어노는 AI 놀이터, 캐글 : 상위 랭킹 진입을 위한 필살기
Mathletics : 수학으로 풀어보는 스포츠
머신 러닝
Advances in intelligent data analysis : third international symposium, IDA-99, Amsterdam, The Netherlands, August 1999 : proceedings
한국체육과학회지
범쟁쟁, 이성노한국체육과학회지
예원진, 이성노스포츠사이언스
김지응; 박재명; 박종철한국체육학회지
김필수; 이상현한국체육과학회지
예원진; 이성노; 유덕수한국체육측정평가학회지
김필수, 이상현Managerial and Decision Economics
Kim, Jun WooManagerial and Decision Economics
Jun Woo Kim; Mar Magnusen; Seunghoon Jeong한국체육학회지
김필수한국체육학회지
김필수; 전성삼; 이상현한국융합과학회지
김필수; 이상현; 전성삼코칭능력개발지
하광삼; 이성노한국빅데이터학회 학회지
김태훈, 임성원, 고진광, 이재학응용통계연구
김희숙; 이나경; 이지윤; 송종우The Korean Journal of Physical Education
스포츠사이언스
윤효준, 이상용, 윤지운, 박재현한국체육학회지
김필수; 이상현; 전성삼Entropy
Li S.F.,Huang M.L.,Li Y.Z.Journal of Ambient Intelligence and Humanized Computing
Sharma M.,Monika ,Kumar N.,Kumar P.한국체육측정평가학회지
최형준전선 / 대학원
체육측정평가연구는 체육과 스포츠 현장에서 양적 분석과 관련된 검사도구나 측정치의 평가와 관련된 제반 이론이다. 신뢰도, 타당도, 타당도일반화, 고전검사이론, 문항반응이론 등에 대한 내용을 강의한다.전선 / 학사
통계분석 결과를 정확히 이해·해석하기 위한 확률과 기술통계, 가설검정, F 분포와 분산분석, 회귀·상관, 범주형·빈도 분석을 다룬 뒤, 머신러닝의 핵심 개념을 가볍게 소개한다. 간단한 분류·회귀·군집 알고리즘 및 기초적 모델 해석 가능성과 윤리·편향 이슈를 실습 중심으로 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.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.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 / 대학원
인간의 다양한 운동기술을 주의깊게 관찰하고 효과적으로 연구하는 방법뿐만 아니라 이러한 복잡한 기술들을 정성적으로 분석하는 여러 가지 운동역학적 접근 방법에 대해 배운다. 특히, 인간의 효율적인 운동동작 수행을 위한 주요 원리와 함께 각종 운동상해 원인에 대한 규명 및 예방방법, 그리고 더 나아가 운동 기술의 수행력을 최대로 하기 위한 기술개발 등에 대한 내용을 중심으로 구성된다.전선 / 학사
정규곡선, 관리도, 샘플링 검사(sampling inspection), 확률이론, 속성에 따른 표본 채택여부, 측정단위 표본추출(single sampling of measurement)작업에 응용되는 통계적 방법 등 품질관리 이론과 이에 필요한 통계이론을 다룬다. 선수과목으로는 <통계학 및 실습>, <수리통계1·2>, <표본설계 및 조사실습> 등이 요구된다.전선 / 대학원
정보과학분야의 첨단 기법인 데이터마이닝과 머신러닝에 대한 이론을 학습하고 상업용패키지를 이용하여 농업분야응용에 대해 실습하며, 농업분야의 필요한 알고리즘을 개발하는 학습기회를 제공한다. Decision Tree, Probabilistic Machine Learning, Baysian Classifier, Neural Nets, Support Vector Machine, K--NN, Boosting, K--Means and Hierarchical Clustering, Reenforcement Learning 등에 대한 이론적 연구와 농업분야의 응용을 상업적 패키지를 이용하여 학습하고, 농업분야를 위한 알고리즘의 개발에 대해 실습한다.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
기계학습은 다양한 분야에서 점차 큰 관심을 받고 있으나, 막상 실제 데이터에 적용하여 성공적인 결과를 도출하는 데에는 많은 어려움이 따른다. 본 과목은 기계학습 기법들을 실제 문제에 적용할 때에 중요한 데이터 전처리, 피쳐 추출, 차원 축소, 클래스 불균형, 모델 앙상블 등의 주제들을 다루고, 데이터로부터 모형과 종속성을 학습하는 원리와 기법들을 소개하는 바, 특히 확률, 통계 및 최적화 이론에 기반하여 신경망 (Neural Networks), 서포트 벡터 머신 (Support Vector Machines), 은닉 마르코프 모형 (Hidden Markov Models) 및 강화 학습 (Reinforcement Learning) 기법들을 공부한다. 또한, 이들 기법을 활용하여, 다양한 시계열 데이터들을 대상으로 예측 및 분류 모델을 구현하는 프로젝트들과 데이터 기반 학습의 사례 연구들이 포함된다.전선 / 학사
과학연구와 산업응용에서의 과정개선, 비용절감 및 복잡한 시스템에 대한 이해를 위한 효과적인 데이터 수집과 분석의 방법을 배운다. 하나의 요인에 대한 완전확률화법, 라틴방격법, 요인배치법, 블록계획, 일부실시법, 반응표면분석 등의 이론을 소개하고 각 계획법에 따라 수집된 자료의 분석 방법을 배운다. 선수과목으로서는 <회귀분석 및 실습>이 요구된다.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
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 / 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 / 학사
본 과목의 목적은 [창의융합세미나]를 성공적으로 수강한 학생들에게, 다시 한 번 공동으로 연구계획을 디자인하고 협동 연구를 수행하는 기회를 부여하는 동시에, 한층 진전된 수준의 탐구를 실행함으로써 실제적인 공동 결과물들을 창출할 수 있도록 하려는 것이다. 학생들은 [창의융합세미나]에서 수행한 공동 연구를 더욱 발전시킬 수도 있으며, 다른 구성원들과 다른 창의적 주제를 발굴하여 더 깊이 있는 융합적 연구 성과물을 낼 수도 있다. 이런 과정을 통해 학생들은 집단 창의성과 융합적 문제 해결 능력의 실제를 깊이 있게 경험하게 될 것이다.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
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.전선 / 대학원
본 코스에서는 선형, 비선형, 정수, 동적, 확률적인 최적화 기법에 대해 강의한다. 각 기법에서 어떻게 바람직한 측면을 최대화 하고 부적적인 측면을 최소화 할 수 있는가를 보여 줄 수 있는 예제들을 제시하게 될 것이다. 특히 산업 뿐 아니라 컴퓨터 프로그램에서 선형, 비선형 문제를 풀기위한 응용문제를 강조하게 될 것이다.전선 / 대학원
아시아 연구 데이터 분석은 아시아 전역의 사회문화적 역학 연구를 위해 데이터 집약적 기법과 인문학적 해석을 연결하는 학제적 방법으로서 문화 분석을 소개한다. 이 강의는 문화 분석을 단순한 방법론적 틀이 아닌, 컴퓨터적 접근 방식과 해석적 실천을 연결하는 구체적인 방식으로 다룬다. 이를 통해 인문학과 사회과학을 특징짓는 상호텍스트성, 심층적인 역사적 맥락, 그리고 상황적 발화를 전면에 부각시킨다. 경험적으로, 이 과정은 텍스트, 시각, 청각의 세 가지 탐구 영역을 아우르며, 컴퓨터 도구를 활용하여 민족주의, 카스트와 같은 사회적 응집력, 그리고 언어, 지역, 젠더, 계급 등 사회학적 지표 전반에 걸친 다양한 변이와 같은 강력한 사상의 궤적을 추적한다.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.