loading...
사용자와 인터액션이 있는 시스템을 평가하기 위해서는 정확하며 효율적인 사용자실험 설계 및 수행이 요구 된다. 본 강의를 통해 학생들은 사용자실험을 설계 및 수행하기 위한 기초통계를 배울 뿐만 아니라 각자의 연구주제에 적합한 실습도 수행하게 된다. 본 강의는 사용자연구기획, 사용자실험의 설계, 사용자실험의 수행방법, 결과의 분석 및 보고방법에 대하여 다룰 것이다.
R&Excel 사례와 예제로 보는 통계분석
(경영을 위한)정보시스템
Modeling and simulation in industrial engineering
Trends in interactive visualization : state-of-the-art survey
(디자이너를 위한) 인터페이스 디자인
프로 리액트 : React.js를 이용한 모던 프런트엔드 구축
시스템 분석 및 설계
Environmental software systems : Infrastructures, services and applications : 11th IFIP WG 5.11 International Symposium, ISESS 2015, Melbourne, VIC, Australia, March 25-27, 2015: Proceedings
디자인과 인간공학 : UIUX design과 인적오류 예방
사회복지통계분석
Innovations for Community Services : 19th International Conference, I4CS 2019, Wolfsburg, Germany, June 24-26, 2019, Proceedings
Computing with mathematica
(쉽게 배우는) 신호 및 시스템 : 기본 원리를 다져주는 150여 개 예제와 MATLAB실습
메카트로닉스
Statistics for analytical chemistry
GAN 인 액션 : 텐서플로 2.x와 케라스로 구축하는 생성적 적대 신경망
(알기 쉬운) 디지털 논리회로 설계 : 이론, 예제와 실습
(한글SPSS12K로 쉽고 정확하게)의학·보건학 통계분석
이승우 · 2014
한국데이터정보과학회지
Budner, D.; Simpson, B. · 2018
Journal of Chemical Education
Freeman P.E. · 2021
American Statistician
박경선; 유지선 · 2025
학습자중심교과교육연구
김유아 · 2025
교육평가연구
이승우 · 2019
예술인문사회 융합 멀티미디어 논문지
潘东东; 张理; 唐年胜 · 2016
统计与管理 / Statistics and Management
吴珺; 叶志伟; WU Jun; YE Zhi-wei · 2019
湖北第二师范学院学报 / Journal of Hubei University of Education
叶海江; 国冰; 张志国; 侯方博; 杜宇静 · 2014
统计与管理 / Statistics and Management
Sommerhoff, Daniel; Szameitat, Andrea; Vogel, Freydis; Chernikova, Olga; Loderer, Kristina; Fischer, Frank · 2018
Journal of the Learning Sciences
MacDougall M.,Cameron H.S.,Maxwell S.R.J. · 2019
BMC Medical Education
Syahrul Mauluddin; Rangga Sidik · 2019
IOP Conference Series: Materials Science and Engineering
王晓燕; 王印松; 韩璞 · 2012
中国电力教育 / China Electric Power Education
齐金峰; 马琳 · 2018
当代教育实践与教学研究(电子刊) / Contemporary Education Research and Teaching Practice
Ariawan, R.; Wahyuni, A. · 2020
Journal of Physics: Conference Series
冯振; 张冰洁 · 2023
产业与科技论坛 / Industrial & Science Tribune
Mauluddin, S.; Sidik, R. · 2019
IOP Conference Series: Materials Science and Engineering
Mark Chignell; Bella Zhang · 2021
Proceedings of the Human Factors and Ergonomics Society Annual Meeting
Klein G.,Hoffman R.R.,Clancey W.J.,Mueller S.T.,Jentsch F.,Jalaeian M. · 2023
AI Magazine
임철일, 이다연, 정예일, 임민희, 변규리 · 2025
교육공학연구
전선 / 대학원
사용자와 인터액션이 있는 시스템을 평가하기 위해서는 정확하며 효율적인 사용자실험 설계 및 수행이 요구 된다. 본 강의를 통해 학생들은 사용자실험을 설계 및 수행하기 위한 기초통계를 배울 뿐만 아니라 각자의 연구주제에 적합한 실습도 수행하게 된다. 본 강의는 사용자연구기획, 사용자실험의 설계, 사용자실험의 수행방법, 결과의 분석 및 보고방법에 대하여 다룰 것이다.전선 / 대학원
본 과목에서는 다양한 인공 지능 (특히 머신 러닝) 및 빅데이터 분석 시스템에 대해 공부한다. 자원을 관리하는 자원 관리자, 데이터를 저장하는 분산 스토리지, 데이터 처리의 핵심 모델인 데이터 플로우 모델, 배치 분석, 인메모리 처리, 스트림 처리, SQL, 머신 러닝/딥러닝 시스템, 그래프 처리에 대해서 공부한다. 특히, 대표적인 시스템인 Spark, Beam, TensorFlow, PyTorch 등을 활용하여 실제로 해당 시스템들이 어떻게 동작하는지 깊게 공부한다. 배운 이론을 바탕으로 프로그래밍 과제와 팀별 연구 프로젝트를 수행한다.전선 / 대학원
CPU를 중심으로 I/O System, Memory System, Cache, Virtual Memory 등의 구조 및 설계 방법을 다루며, 이를 바탕으로 전체적인 컴퓨터의 조직을 이해한다.전선 / 대학원
본 강좌는 인지과학의 과학적 연구방법론으로서, 실험적 연구방법론에 대한 이해를 높이고, 다양한 연구 주제를 실험적 방법에 의거하여 연구 및 분석을 행할 수 있는 과학적 연구능력을 배양하는 것을 목적으로 한다. 이를 위해 실험적 방법론의 기본원리 및 다양한 실험설계 기법과 실험결과에 대한 통계분석 기법을 소개하고 이를 응용하여 자신이 구상한 실험을 설계하고 이의 결과를 분석 및 해석하는 연습을 하게 한다.전선 / 대학원
스마트폰, 사물인터넷, 웨어러블, AR/VR 기기 등 컨슈머 디바이스의 발전과, 클라우드/에지 컴퓨팅 등 백앤드 컴퓨팅 기술의 발전으로, 컴퓨팅 서비스의 영역이 다양한 산업 분야와 사람들 삶 속으로 빠르게 확장되고 있다. 이로 인해 마크 와이저가 제안한 유비쿼터스 컴퓨팅 비전의 실현이 한층 눈앞에 다가오게 되었다. 모바일 컴퓨팅 시스템은 유비쿼터스 컴퓨팅을 실현하는 첫 단계로서, 기존의 컴퓨팅 시스템과는 매우 다른 특성을 지닌다. 많은 경우, 모바일 컴퓨팅 시스템은 물리 공간에 분산되어 사용자 및 환경을 관찰하는 이기종의 센싱 장치, 이를 처리, 분석하기 위한 다계층의 분산 추론 시스템, 추론을 기반으로 자동화된 피드백을 주기 위한 엑추에이터등 복잡한 시스템 요소가 유기적으로 엮어 동작하게 된다. 또한 시스템의 높은 사용성을 위해서, 사용자와 상황의 다양성을 고려한 고도로 개인화된 적응형 서비스 인터페이스의 설계가 필수적이다. 본 과목에서는, 스마트폰, 사물인터넷, 웨어러블, AR/VR 기기를 위한 소프트웨어 시스템, 센서 데이터 분석 및 추론을 위한 분산 기계 학습 기법, 효율적 모바일 서비스 구현을 위한 분산 시스템 구조, 새로운 사용자 인터페이스 및 응용 설계 등, 성공적인 모바일 컴퓨팅 시스템의 디자인 및 개발을 위해 필요한 핵심 기술을 살펴보고, 이를 적용 발전시킬 수 있는 능력을 키우고자 한다.전선 / 대학원
본 과목에서는 지능형시스템의 이론 및 구현의 바탕이 되는 수학을 다룬다. 컴퓨터 시스템, 로보틱스, 시스템 이론 등의 필수가 되는 대학원 수준의 선형대수를 비롯한 여러 주제의 응용수학을 배우며, 엄밀한 증명보다는 개념의 이해와 실제 응용을 목표로 한다.전선 / 대학원
본 교과목에서는 AI가 매스 커뮤니케이션을 포함한 인간 커뮤니케이션 전 영역에 걸쳐 메시지 작성, 확산, 큐레이션(curation) 등 보다 다양하고 적극적인 역할(agency)을 수행하게 됨에 따라 대두되는 질문들을 (a) 인간-AI 커뮤니케이션(human-AI communication)과 (b) AI 매개 커뮤니케이션(AI-mediated communication)의 하위 분야로 나누어 심층적으로 고찰한다. 먼저 인간-컴퓨터 상호작용(human-computer interaction), 컴퓨터 매개 커뮤니케이션(computer-mediated communication) 분야의 대표적 이론 및 관련 실증연구들을 학습하고, AI 발전에 따른 최신 연구동향을 검토한다. 실제 AI 활용 사례(예; AI 스피커, AI 뉴스 추천 시스템. 챗봇)를 대상으로 기술적 속성, 이용자들의 속성, 커뮤니케이션 맥락 등에 따라 기존 이론 및 모델을 어떻게 수정, 보완, 확장해야 하는지 논의한다. 이를 통해 커뮤니케이션학에서 AI의 문제를 어떻게 정의하고 연구할 것인가에 대한 이해를 증진시킬 것이다.전선 / 대학원
기계학습은 환경으로부터 데이터 관찰과 경험을 통해 성능을 계속적으로 향상시킬 수 있는 문제해결 시스템을 연구하는 인공지능의 한 분야이다. 본 과목에서는 기계학습에 관한 이론 및 실제적인 연구 주제들에 관해 학습한다. 감독 학습과 무감독 학습 및 강화학습에 관한 기본 원리와 이론적인 배경을 공부하며 이들에 대한 구체적인 알고리즘을 학습한다. 기호규칙 학습, 결정트리, 메모리기반 학습, 신경망, 유전자알고리즘, 베이지안 망, 은닉 마코프 모델, 커널방법 및 기타 최근 기계학습 알고리즘을 다룬다.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 / 대학원
본 수업은 실제 운용되고 있는 SNS상에서 사용할 수 있는 도구들의 제작과 이를 통해 얻은 자료를 분석하는 기법을 익히는 것을 목표로 한다. SNS의 사용이 크게 증가함에 따라, 사용자들이 방대한 양의 자료를 웹상에서 제작, 공유하고 있다. 이러한 자료를 분석하면 기존의 방법으로는 알기 힘들었던 사용자의 취향이나 성향을 비교적 쉽게 파악할 수 있다는 연구 결과가 나오고 있다. 하지만 자료의 양이 방대할 뿐만아니라 자료의 형태도 다양해 여러가지 제한점이 있는 것도 사실이다. 본 강의는 SNS 상의 자료를 사용하여 어떻게 사용자에게 유용한 정보를 제공할 수 있는 지에 대해서 알아보고자 한다. 학생들은 Python을 이용하여 여러가지 SNS의 자료를 수집하고 분석하는 것을 배울 것이다. 단순한 수집뿐만아니라 수학적인 분석 기법에 대해서도 자세하게 다룰 예정이다.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
인공신경망 시스템은 인간 두뇌의 구조를 모방한 생물학적 정보처리시스템으로서 비교적 단순한 기능을 가진 다수의 연산소자들로 구성되어 있다. 이 과목에서는 신경망의 수학적 이론과 실제 응용에 관해 학습한다. 최신 신경망 모델의 다양한 구조를 살펴보며 감독학습, 무감독 학습, 강화 학습을 수행하기 위한 연결론적 또는 확률적 학습 알고리즘에 대하여 공부한다.전선 / 대학원
분자 수준 (DNA, RNA, proteins, epigenome) 생물정보 데이터 분석에 사용된 기계학습 기법을 구체적 문제와 함께 학습하는 과목이다. 생물정보학에 거의 모든 기계학습 기법이 사용 되고 있는데, 본 과목에서 다루는 기법은 dynamic programming, ML, MAP, (generalized) hidden Markov model (HMM), Gibbs sampling, Dirichlet mixture, expectation maximization, (graph) convolutional neural network, (graph) embedding, (Baysian) autoencoder 등이다.전선 / 대학원
본 강좌에서는 네트워크 위상, 전달 경로, 패킷 흐름의 조절, 라우터 디자인, 교착상태의 탐지 및 회피, 혼잡 제어 등 상호연결 네트워크의 구조와 설계에 관한 주제를 다룬다. 이와 함께 on-chip 네트워크, 병렬 컴퓨터, 공유 메모리의 상호연결, 데이터 센터 네트워크와 인터넷 라우터의 스위칭 조직 등 상호연결 네트워크의 이론이 활용될 수 있는 예를 살펴본다.전선 / 대학원
이 과목은 통신 연구의 방법론 과목으로 통신기술의 가격분석 및 모형화에 관한 기본지식과 실질적 실습제공을 목표로 한다. 학생들은 통신 기술정책연구에 있어서의 각기 다른 상황에 따라 새롭게 개발 및 사용될 통신 기술의 모형화 및 분석 기술을 비용분석을 중심으로 학습하게 된다. 수업과정에서 실제사례를 제시하며, 학생들이 참여하는 과제를 통해 비용분석의 틀을 적용하는 과정을 가진다.전선 / 대학원
본 교과목에서는 기술정책 분석과정에 사용되는 계량경제 분석이론을 소개하고 그 응용사례를 다룬다. 시계열분석방법과 연립체계모형분석방법을 기본으로 하여 생산에 있어서의 기술의 역할과 그 파급효과의 분석에 대하여 살펴본다. 또한 산업간 생산기술의 대체 보완관계 및 수요예측의 사례분석을 포함한 응용사례 연구를 시행하여 본다전선 / 대학원
현재 인공지능 처리를 담당하는 프로세서의 병렬처리 능력이 인공지능 성능을 결정하는 핵심 요건으로 부상하였다. 그러나 이런 특성은 현재 널리 사용되는 범용 CPU의 구조에 적합하지 않다. 따라서 인공지능 전용 프로세서의 개발 및 활용을 위한 다양한 접근이 이루어지고 있다. GPU는 인공지능 알고리즘을 효율적으로 처리할 수 있기 때문에 현재 가장 주목받는 인공지능 프로세서이다. 또 ASIC을 활용하거나 용도에 맞게 하드웨어를 재구성할 수 있는 FPGA을 기반으로 맞춤형 인공지능 프로세서를 만들려는 움직임도 늘고 있다. 본 과목은 이러한 인공지능을 위한 프로세서의 구조를 다룬다. 범용 프로세서 구조를 기본으로 GPU의 구조, ASIC 및 FPGA을 활용한 인공지능 프로세서의 구조와 특성에 대하여 배운다.전선 / 대학원
최근 급속도로 증가하고 있는 수많은 인공위성에 탑재된 센서들은 무엇이며, 이러한 센서들로부터 생성되는 위성자료의 종류, 구조, 검보정 방법들에 대해 배우며 이러한 자료들을 이용하여 다양한 과학기술 분야에서 어떻게 활용할 수 있을지에 대해 이해한다. 이 수업에서 Sentinel-1/2, TerraSAR-X, Lansat과 같은 실제 인공위성 자료들을 이용하여 자료처리 및 활용개발에 대한 실습도 수행한다.전선 / 대학원
데이터센터 구조의 융합적 접근 (A Holistic Approach to Datacenter Architecture): 모바일, 클라우드 컴퓨팅이 보편화되면서 대부분의 대용량 자료들이 데이터센터에서 수집,처리,보관되고 있다. 본 강의에서는 융합적 시각에서 이러한 데이터센터를 하나의 컴퓨터로 접근하여, 전달, 연산, 저장 기능이 구현되는 원리와 예시를 학습하며, 보편적인 문제들인 소프트웨어와 하드웨어 구성요소, 확장성, 총소유비용 및 신뢰성 문제를 다룬다.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 강의에서는 딥러닝의 중요 연구주제 중 지도학습, 비지도학습, contrastive learning, domain generalization, meta learning, 등과 같은 학습기법들에 대해 논의하고 이를 통하여 표현학습에 대해 이해하는 것을 목표로 한다.