R 활용 빅데이터 분석

프로그램 소개

• 빅데이터 ROI
  • 강 사

    조성준 교수 (서울대학교)

  • 내 용

    빅데이터 분석을 인사이트 (BI, 연관분석, 클러스터링) 와 포사이트 (예측분류, 이상치 탐지) 도출 프레임워크로 소개하고, 빅데이터 분석을 통해 높은 ROI 를 확보할 수 있는 구체적인 응용 분야 및 적용 사례를 소개한다. 특히, 신제품 개발, 마케팅, 영업, 제조, 품질, AS, 인사 등의 분야에서 오퍼레이션을 혁신하고, 새로운 비즈니스를 창출할 수 있다는 것을 보인다.

  • 약 력

    (현) 서울대학교 산업공학과 교수, 정부 3.0 추진위원회 위원, International Journal of Operations Research and Information Systems(IJORIS) 및 International Journal of Cognitive Biometrics 편집위원
    (전) 한국BI데이터마이닝학회 회장

  • 연구 분야

    기계학습, 데이터마이닝, 텍스트마이닝, 제조 및 마케팅 응용

• What Trees Are For on the Complex Networks?
  • 강 사

    이우기 교수 (인하대학교)

  • 내 용

    Over the decade, the research on the complex networks has expanded across various scientific areas. Recent network approaches are beginning to find generic principles of Brain structure and function as well as the cognitive mechanisms, so that the networks of the Brain can be described how the integrative nature of brain function can be illuminated from a complex network perspective. One of the fundamental mechanisms for searching complex Networks and Graphs is to find a generic tree structure, since there have been polynomial algorithms so that the searching performance can effectively and efficiently be increased. In this talk, let me introduce some of the frequently used trees out of networks, for example, Minimum Spanning Tree, Shortest Path Tree, Steiner tree, etc. with which the basic unit of search and retrieval can be formulated in the complex network. When a tree searching query is issued that may include a set of specific keyword for which the graph results can be derived unless a magic node that includes all the query content do exist. These answering paradigm, in contrast to single node results conventionally listed by search engines, may bring forth a new challenges for searching, ranking, and presentation. We suggest the optimal approaches to find the trees out of complex networks so that a unit of Network node can be derived and compared from which the trees can be covered with respect to the content. Social Network can be node does not include all the keyword, the related nodes connected by the links are derived and displayed onto various devices including desk top, the mobile, smart phones. The integration of the Social Network nodes to display Top-k results synchronously, which will be convoyed by an optimal approach comparing with typical meta-heuristics, such kinds of issues will be covered.

  • 약 력

    (현) 인하대학교 산업공학과 교수/학과장, IEEE TCDE executive committee member, World Wide Web Journal Associate Editor, Journal of Information Technology and Architecture Editor-in-Chief, Journal of Big Data Service Editor-in-Chief
    (전) University of British Columbia: 방문교수

  • 연구 분야

    Graph Theory, Social Network, Mobile Web, 특허그래프 등

• R을 활용한 빅데이터 마이닝
  • 강 사

    이제근 박사 (가톨릭대학교)

  • 내 용

    최근 다양한 종류의 대규모 데이터를 생성, 수집, 분석, 표현하기 위한 빅데이터 관련 기술이 전 분야에 걸쳐 주요 이슈로 떠오르고 있다. 하지만, 빅데이터 분석의 중요성은 부각되고 있으나 실질적인 데이터 분석 방법과, 이를 통해 무엇을 얻을 것인지에 대해서는 많은 사람들에게 아직 불명확한 측면이 있다. 본 강의에서는 빅데이터의 개념에서부터 빅데이터를 어떻게 분석해야하는지, 그리고 빅데이터로 분석을 통해 어떤 정보를 얻을 수 있을지를 대표적인 통계 분석 도구인 R을 이용한 예시들을 통해 설명한다. 특히 빅데이터 분석을 위해 핵심적인 기술인 데이터마이닝과 기계학습 방법들을 R에서 어떻게 이용할 수 있으며, 이를 빅데이터마이닝의 목적을 달성하기 위해 어떻게 적용할 수 있는지 알아본다.

  • 약 력

    (현) 가톨릭대학교 의과대학 의료정보학교실 연구계약교원
    (전) 서울대학교 생물정보학 박사, Indiana University, School of Informatics and Computing (SoIC), Visiting Scholar

  • 연구 분야

    생물정보학, 기계학습, 데이터마이닝, 의료정보학

• 상상하지 말라. 관찰하라
  • 강 사

    송길영 부사장 ((주)다음소프트)

  • 내 용

    인간의 행동은 특정한 컨텍스트에서 이루어지고, 습관화된 일상 속에는 욕망이 내재되어 있다. 이를 위해 수많은 데이터를 수집하고 수치화하는 기법을 통해, 오랜 기간 대량으로 축적 되어 온 자료들을 분석하여 보다 설득력있게 변화를 묘사하고, 이를 토대로 앞으로의 경향을 예측하는 시도와 사례를 공유한다. 또한 인간의 기득지는 지난 경험을 기반으로 하기에 태생적으로 restrospective한 기준으로 세상을 바라보게 되므로, 계속 변화하는 세상 속 상식의 유효기간을 집단화된 데이터 속에서 확인하며 갱신하는 방안에 대해 공유한다.

  • 약 력

    (주)다음소프트 부사장, 한국BI데이터마이닝학회 이사, 이화여자대학교 경영학과 겸임교수, 오피니언 마이닝 워킹그룹(Opinion Mining Working Group)개설
    (전) 고려대학교 컴퓨터학과 박사

  • 연구 분야

    Mining Minds - 자연어 처리 기반 텍스트 마이닝 기술로 소셜 빅데이를 분석해 인간의 욕망을 이해

• Clouds, Big Data & IoT
  • 강 사

    이준섭 박사 (KT Software 개발센터)

  • 내 용

    지난 10년 동안 Software 플랫폼 학계와 업계의 buzz words 였던 Cloud, Big Data, IoT를 주제로 하여 한국 업계의 history와 주요 기술에 대하여 설명한다. 또한 big data 기술을 활용한 사업의 성공과 실패 사례들을 설명하고 성공과 실패의 요인들과 앞으로의 전망에 대하여 논의한다.

  • 약 력

    (현) KT Software 개발센터 센터장, Leading IoT platform projects
    (전) University of Southern Cal. 컴퓨터과학 박사, Information Sciences Instit. scientist, SK Telecom Leading data platform projects, SK Planet Leading data platform projects

  • 연구 분야

    Big Data Platforms, Cluster computing, Grid computing, Data analytics, algorithms, IoT Platforms & Services

• R을 이용한 Data Munging의 세계
  • 강 사

    최대우 교수 (한국외국어대학교)

  • 내 용

    데이터 분석 그리고 데이터 시각화에 있어 데이터의 가공작업인 data munging은 매우 중요하다. R은 다양한 패키지를 통해 data munging를 지원하고 있다. 본 튜토리얼에서는 data munging의 필요성을 소개하고 사례별 패키지 활용법에 대한 소개를 하고자 한다.

  • 약 력

    (현) 한국외국어대학교 통계학과 교수 및 데이터시각화연구센터(Advice) 센터장
    (전) 서울대학교 계산통계학과 졸업, 미국 Rutgers Univ. 통계학박사

  • 연구 분야

    통확률부등식, 분류(classification) 알고리즘, 비정형 데이터 시각화

맨 위로

---

참가신청 안내

• 등록비
  • 무료 등록 대상

    한국인지과학산업협회 유료 가입 회원사(2명까지) ☞ 협회 가입방법

    무료 등록 예정자 (2명 까지)의 참가신청서를 작성하여 event.nacsi@gmail.com로 보내주시기 바랍니다. (참가신청서 파일 다운로드 )

  • 사전 등록

    개인 등록 30만원(일반/대학원생 구분 없음),
    단체 등록 100만원 (기업체/대학연구실 5명까지)

    4/14(화) 17:00까지 참가신청서 작성 후 이메일 접수

  • 일반 등록

    개인 등록 40만원 (일반/대학원생 구분 없음). 단체등록 혜택 없음.
    (4/14(화) 17:00 이후 적용. 행사 당일 현장 등록 시에도 적용)

• 사전등록 안내
  • 사전등록 기간

    3월 30일(월) 10:00 ~ 4월 10일(금) 17:00 => 14일(화)로 연장됨

  • 등록 방법

    카드 결제 또는 온라인 입금 후 확인 메일 발송

  • 카드 결제

    카드 결제 사이트 (클릭)에서 결제 후 참가신청서를 작성하여 event.nacsi@gmail.com로 보내주시기 바랍니다. (참가신청서 파일 다운로드 )
    

  • 온라인 입금

    아래의 계좌에 등록비를 입금하신 후 참가신청서를 작성하여 event.nacsi@gmail.com로 보내주시기 바랍니다. (참가신청서 파일 다운로드 )
    

    • 은행: 농협은행
    • 계좌번호: (사)한국인지과학산업협회
    • 예금주: 301-0157-1285-21
  • 등록 관련 문의

    한국인지과학산업협회 사무국
    T. 070-4106-1005, event.nacsi@gmail.com

• 등록 혜택 안내
  • 모든 등록자분들께 "인지기술튜토리얼 참가확인증"을 발급 해 드립니다.
  • 강의 자료는 등록자에 한하여 online (by e-mail)으로 배포 될 예정입니다.
맨 위로

---

오시는 길



자세히 PDF

151-744 서울특별시 관악구 관악로 1 서울대학교 관악캠퍼스 제1공학관 (301동)

TEL (02) 880-7287   

---

대중교통 이용

지하철

2호선 낙성대역 4번 출구 약 50미터 직진 왼쪽 주유소 끼고 좌회전 후 약 20미터 직진 관악02 마을버스 탑승 후 종점 서울대학교 제2공학관(302동) 하차 302동을 지나 길을 따라 조금 더 내려오면 301동 203호

2호선 서울대입구역 3번 출구 관악구청방향 5511, 5513 버스 탑승하여 신공학관 하차 후 서울대학교 제2공학관(302동) 하차 302동을 지나 길을 따라 조금 더 내려오면 301동 203호

주차 안내

- 평일에는 항상 주차 공간이 부족합니다. 가능하다면 대중교통을 이용해 주시기 바랍니다.


맨 위로

---

© 사단법인 한국인지과학산업협회 2015