최근 확인한 콘텐츠
데이터가 존재하지 않습니다.
데이터가 존재하지 않습니다.
loading...
본 연구는 텍스트 요약 기술이 가짜 뉴스 탐지에 기여할 수 있음을 제시하며, 추출 요약 및 추상 요약 기법을 활용하여 뉴스 콘텐츠에서 핵심 정보를 추출하는 방법을 보여준다. 실험 결과, 요약된 텍스트는 가짜 뉴스 탐지 성능을 향상시키고 추론 시간을 단축하며, 모델의 설명 가능성을 높이는 데 도움이 된다.
뉴스 프레임과 의제의 자동 추출과 해석 모형
가짜뉴스, 무엇이 문제일까? : 진실을 압도하는 가짜뉴스, 그 실태와 극복 방안
Machine learning methods for stylometry : authorship attribution and author profiling
Semantic search for novel information
데이터 저널리즘
Python machine learning by example : 예제로 배우는 머신 러닝 알고리즘
Fake news : what do we know and what should we do about it ... ?
Mining text data
Survey of text mining : clustering, classification, and retrieval
뉴스, 믿어도 될까? : 가짜와 진짜를 거르는 미디어 리터러시의 힘
(결코 아니라고 생각하지만 나 또한 믿기 쉬운) 가짜뉴스의 심리학
R을 이용한 웹 크롤링과 텍스트 분석 : 웹 크롤링을 통한 텍스트 분석 처리기법과 시각화를 R 프로그래밍 코드와 실행결과로 제시
자료 찾기가 어렵습니다 : 제대로 된 자료 찾는 법
미디어 리터러시 교육 어떻게 할 것인가? : 미디어 교육을 궁금해하는 사람들을 위한 모든 것
당신이 믿었던 페이크 : MBC 신개념 팩트 체크 프로그램
Misinformation and disinformation : detecting fakes with the eye and AI
(CIA 분석가가 알려 주는) 가짜 뉴스의 모든 것
가짜 뉴스
웹 데이터 수집의 기술 : 입문편
Intelligent text categorization and clustering
지능정보연구
심재승, 원하람, 안현철Pattern Recognition Letters
Kim G.,Ko Y.디지털융복합연구
박성수, 이건창Applied intelligence (Dordrecht, Netherlands)
Cui B; Ma K; Li L; Zhang W; Ji K; Chen Z; Abraham AThe Journal of Supercomputing
Joy Gorai; Dilip Kumar ShawMATHEMATICS
Truica, Ciprian-Octavian; Apostol, Elena-SimonaSocial Network Analysis and Mining
Yavary A.,Sajedi H.,Saniee Abadeh M.한국전자거래학회지
현윤진, 김남규정보처리학회논문지. 소프트웨어 및 데이터 공학
한윤진, 김근형NEUROCOMPUTING
Capuano, Nicola; Fenza, Giuseppe; Loia, Vincenzo; Nota, Francesco DavidWIRELESS COMMUNICATIONS & MOBILE COMPUTING
Mishra, Shubha; Shukla, Piyush; Agarwal, RatishIEEE ACCESS
Umer, Muhammad; Imtiaz, Zainab; Ullah, Saleem; Mehmood, Arif; Choi, Gyu Sang; On, Byung-WonExpert Systems with Applications
Shim J.S.,Lee Y.,Ahn H.IEEE Transactions on Computational Social Systems
Jamshidi B.,Hakak S.,Lu R.IEEE Transactions on Knowledge and Data Engineering
Wu, Lianwei; Liu, Pusheng; Zhao, Yongqiang; Wang, Peng; Zhang, YangningIEEE Transactions on Computational Social Systems
Guo Z.,Zhang Q.,Ding F.,Zhu X.,Yu K.IEEE Transactions on Big Data
Zhang, W.; Wang, H.; Fu, H.; Gong, Z.; Zhou, P.; Wang, D.Engineering Applications of Artificial Intelligence
Shah A.,Shah H.,Bafna V.,Khandor C.,Nair S.Procedia Computer Science
Li, Jia; Lei, MinglongJournal of King Saud University - Computer and Information Sciences
Yan, F.; Zhang, M.; Wei, B.; Ren, K.; Jiang, W.전선 / 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.전선 / 학사
미래뉴스실습II는 심화된 데이터 저널리즘을 다룬다. 데이터 저널리즘은 디지털 사회에서 정보의 생산과 확산과정에서 점차 중요해지는 데이터의 역할을 다루는 학문 분야로 공개된 데이터에서 숨겨진 의미를 찾아내고 데이터에서 발견한 통찰력을 바탕으로 독자들의 의사결정에 도움을 주는 과정을 말한다. 본 강좌에서는 데이터 저널리즘에 필요한 기술적인 방법론을 학습하고 새로운 저널리즘 환경에서의 정보의 전달 방법을 경험하고자 한다. 이를 위해 팀별 프로젝트를 통해 실전적인 데이터 저널리즘과 이를 기반으로 한 미래뉴스 시스템의 구현 과정을 경험할 것이다.전선 / 대학원
산업공학의 새로운 기법들을 소개하고 이의 응용실태를 알아본다.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 / 학사
21세기 들어서 거대 망원경을 이용한 서베이사이언스가 천문학의 주류가 되었다. 방대한 천문 데이터로부터 시그널 프로세싱 및 탐지, 가설 검정, 모델 선택, 노이즈 제거 및 최소화, 비선형 상관관계 파악, 피셔 정보에 바탕을 둔 서베이 설계에 대한 수학적/통계학적인 배경 및 근본적인 원리 그리고 최신 알고리즘을 철저히 학습하고 그 천문학적 응용법을 터득하는 것이 절실히 요구된다. 새롭게 개설되는 “천문정보론” 강좌에서 천문학전공 학부생들은 이러한 심화 교육을 철저히 받아 천문통계의 기초를 다지고 장래 세계를 선도하는 천문학자로서 성장하여 서베이 사이언스를 수행하는 발판을 마련하게 될 것이다.전선 / 대학원
소셜 컴퓨팅과 라지데이터 분석 등이 커뮤니케이션 분야에서도 중요한 이슈로 부상함에 따라 컴퓨터공학을 전공하지 않은 연구자들도 소셜 네트웍 시스템의 기술적, 구조적 특성을 이해할 필요가 있다. 이 수업에서는 Ruby나 Python 등을 사용한 기초 프로그래밍 학습과, 웹 기반 기술(web technology), 데이터베이스 등의 관련 기술에 대한 학습을 통해 실제로 소셜 네트웍을 개발하고 분석하는 방법을 배운다. 또한, 이 과정에서 트위터 등의 소셜 네트웍의 데이터 마이닝 기법을 배우고 소셜 네트웍 분석을 실습을 통해 학습한다.전선 / 대학원
이 과목은 보건의료 영역에서 컴퓨터를 활용한 텍스트 분석을 다룬다. 보건의료 영역에는 여러 종류의 언어 자료가 존재한다. 사람들이 온라인 공간에서 여러 질병에 대해 던지는 질문들, 보건의료 전문가들의 연구들, 질병과 건강에 대한 신문기사들이 그 예다. 이들로부터 정보를 체계적이고 과학적으로 추출할 수 있다면, 보건의료에서 다양한 방식으로 활용할 수 있다. 최근 많이 사용되고 있는 컴퓨터를 활용한 텍스트 분석은 이런 작업에 새로운 가능성을 제시한다. 본 과목에서는 여러 가지 컴퓨터를 활용한 텍스트 분석 방법을 학습하고, 보건의료 영역 자료에 적용하는 것을 실습한다.전선 / 대학원
이 강좌는 실험심리학에서 최근의 중요 연구들을 소개하고 인간 마음의 기본 원리를 탐색 및 논의하는 세미나이다. 우선 강의 초에 인간의 생리, 지각 및 인지 수준에서 일반이론을 소개하고 그 문제점들을 알아본다. 이 이론들에 기초하여, 이 강좌에서는 시각, 주의, 언어, 문제 해결, 인간 추리 등의 세부 주세를 다룬다. 또한 이 강좌에서는 이런 주제들에 관해 실험 실습을 통해 학생들의 구체적인 이해의 증진을 시도한다.전선 / 학사
언론 및 기술환경의 변화로 데이터를 수집, 분석하여 작성하는 데이터 저널리즘 기사에 대한 수요가 증가하고 있다. 본 수업에서는 주요 언론사들과 협업으로 데이터 저널리즘 기획 기사 프로젝트를 수행한다. 학생들은 약 3~4개의 팀으로 나뉘어 학기말까지 정치, 경제/사회, 문화/스포츠 등의 주제에 대해 기획 기사를 작성한다. 학생들은 데이터를 활용한 기획 기사에 적합한 주제를 발굴하고 기사 작성을 위한 데이터 수집, 데이터 분석, 기사 작성 등의 작업을 수행한다. 이를 위해 다양한 데이터 저널리즘 사례들을 공부하고 데이터 수집 및 분석을 위한 통계 모형과 도구들을 학습한다. 최종 성과물은 협업 언론사들의 정식 기사로 게재될 예정이다. 매주 강의는 데이터 저널리즘 사례 분석 및 기획 (주 2~3시간), 데이터 분석 연습(주 1~2시간)으로 구성된다.전선 / 대학원
이 과목은 신문과 방송뉴스의 생산과 수용과정을 언론의 사회적 조건과 관련해서 이론적으로 검토하고 그것을 한국언론의 현상에 적용하는 분석과 비판능력의 함양을 목적으로 한다. 학부과목들을 통해 습득된 매스 커뮤니케이션이론과 분석방법을 활용해서 언론과 국가, 언론과 자본의 관계를 알아보고 우리나라의 현실을 살펴본다. 나아가 뉴스생산 조직으로서 신문사와 통신사의 역할, 메시지로서 뉴스의 사회적 성격, 전문직으로서의 기자와 게이트키핑 과정, 기자들의 직업사회화 등의 이론적 문제들을 검토한다.전선 / 대학원
인지과학 연습 1의 내용을 보다 확장하여 인지과학의 연구사, 연구주제등을 다각도로 검토하여 과정에 진입한 학생들에게 인지과학의 기초적 지식배경을 제공하는데 목적이 있다.전선 / 대학원
본 교과목은 단순한 질의응답을 넘어, 스스로 목표를 설정하고, 도구를 사용하며, 복잡한 과업을 자율적으로 수행하는 ‘에이전트(Agentic)' AI의 설계 원리와 구현 방법론을 심층적으로 다룬다. 기존의 LLM(Large Language Model)이 가진 한계를 극복하고, LLM을 ‘추론 엔진'으로 활용하여 실제 세계와 상호작용하는 지능형 시스템을 구축하는 데 초점을 둔다. 수강생들은 단일 에이전트의 핵심 구성 요소인 사고-행동-관찰(Reasoning-Acting-Observation) 루프, 동적 도구 사용(Tool Use), 장단기 기억(Memory) 메커니즘을 학습한다. 나아가 여러 에이전트가 협력하여 인간의 개입을 최소화하면서 복잡한 문제를 해결하는 멀티 에이전트 시스템(Multi-Agent System)의 설계 패턴(예: 계층적, 협력적)과 통신 프로토콜을 배운다. LangChain, AutoGen, CrewAI와 같은 최신 프레임 워크를 활용한 실습을 통해, 에이전트 아키텍처 설계부터 정교한 프롬프트 체이닝, 실행 루프 구현까지의 전 과정을 경험하며, 차세대 AI 애플리케이션을 개발할 수 있는 실전 역량을 배양하는 것을 목표로 한다.교양 / 학사
이 과목의 목적은 데이터 문해력에 대한 기본지식을 함양하고 이를 통하여 데이터 기반 의사결정능력과 올바른 정보를 취사선택하는 방법을 익히는 데 있다. 이 과목을 통하여 다양한 통계의 오용사례를 살펴보고 데이터를 전달하는 미디어를 올바르게 이해하고 데이터를 기반으로 효율적으로 본인의 주장을 제시하는 방법에 대해 배운다.전선 / 대학원
본 강좌는 통계모형을 이용한 고급 자료 분석의 전 단계로 자료에 대한 충분한 이해와 인사이트를 발견하는데 필요한 탐색적 자료 분석 방법들과 이에 도움을 주는 효과적인 시각화 방법에 대한 이론과 응용을 배운다. ▪ 요약통계 ▪ 그래프 문법 원리 ▪ 데이터 랭글링 ▪ 상관성 그래프 요약 (상관관계, 시계열, 인과관계) ▪ 다변량 자료의 시각화 ▪ 시계열 동적 자료의 시각화 ▪ 비정형 자료 시각화 ▪ 인터랙티브 그래프의 이론과 응용(shiny)전선 / 학사
이 수업은 현대 사회에서 데이터화가 미치는 영향과 그에 따른 소통적 실천들의 변화에 대한 주요 쟁점들을 심도있게 고찰한다. 논의 주제로는 데이터 편향 및 윤리, 디지털 감시 기술, 미래 발전 담론, 스마트시티와 커뮤니티, 데이터 인프라와 도시 환경 문제 등이 포함되며, 이 주제들을 심층적으로 탐구하기 위해 미디어 연구, 문화 연구 및 과학기술학의 핵심 개념과 방법론들을 폭넓게 살펴본다. 이론적 학습과 참여형 실습 과제를 통해 학생들은 데이터에 관한 맥락적 이해를 높이고, 인문사회학적 접근법의 중요성을 성찰할 기회를 갖는다. 또한 실제 사례 분석과 토론을 통해 데이터 사회에 관한 총체적, 비판적 사고 능력을 배양한다.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 단순한 질의응답을 넘어, 스스로 목표를 설정하고, 도구를 사용하며, 복잡한 과업을 자율적으로 수행하는 ‘에이전트(Agentic)' AI의 설계 원리와 구현 방법론을 심층적으로 다룬다. 기존의 LLM(Large Language Model)이 가진 한계를 극복하고, LLM을 ‘추론 엔진'으로 활용하여 실제 세계와 상호작용하는 지능형 시스템을 구축하는 데 초점을 둔다. 수강생들은 단일 에이전트의 핵심 구성 요소인 사고-행동-관찰(Reasoning-Acting-Observation) 루프, 동적 도구 사용(Tool Use), 장단기 기억(Memory) 메커니즘을 학습한다. 나아가 여러 에이전트가 협력하여 인간의 개입을 최소화하면서 복잡한 문제를 해결하는 멀티 에이전트 시스템(Multi-Agent System)의 설계 패턴(예: 계층적, 협력적)과 통신 프로토콜을 배운다. LangChain, AutoGen, CrewAI와 같은 최신 프레임 워크를 활용한 실습을 통해, 에이전트 아키텍처 설계부터 정교한 프롬프트 체이닝, 실행 루프 구현까지의 전 과정을 경험하며, 차세대 AI 애플리케이션을 개발할 수 있는 실전 역량을 배양하는 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
본 교과목은 고급데이터마이닝 방법론(326.637) 과목에 이어 심층학습모형에 중점을 둔다. 교육 목표는 심층학습(deep learning)의 방법들을 공부하고 관련된 통계적 문제를 찾아내는 것이다. 다루는 내용은 다음과 같다. 심층학습 이전의 특징 추출 및 판별 분석 기법, 기계학습에서 사용되는 이론적인 도구들, 인공신경망의 기초, 다층 퍼셉트론, 역전파, 합성곱 신경망, 최적화와 정칙화, 가시화, 파이톤과 심층학습 프레임워크, 순환 신경망, 변분적 추론, 적대적 생성 네트워크, 영상 분할 및 검출, 자연어 처리 등이다.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.