2024년 2월 23일(금) 오후2시 신인수 교수

2024년 2월 23일(금) 오후2시 신인수 교수 "머신러닝 알고리즘 메타분석" 논문작성법 특강

작성자INSOO|작성시간23.12.04|조회수54 목록 댓글 0

주요 강의 내용:

인공지능 성능평가 메타분석 의의 및 필요성
성능평가 MA 의의 및 적용예 (오렌지3, R, 파이썬 코랩 실습)

● 강 사 : 신인수 교수 (동국대 교육대학원 인공지능 융합교육 전공, 동국대 서비스과학대학원 교육데이터사이언스 전공)

(Florida State University Ph. D, measurement and statistics, 메타분석 전공) 연세대학교 교육학과

Florida Department of Education Psychometrician. 행정고시 39회(교육행정직)

최근에
데이터 사이언스나
머신러닝 알고리즘을 활용한 논문들이 많이 작성되고 있습니다.

또한 기본적인 데이터 분석 이슈 중에서 많은 대학원생들 가설검정의 원리 등을 간과하고 있습니다.

머신러닝과 딥러닝의 차이,
딥러닝 기본개념
딥러닝 적용예도 소개하고 실습할 예정입니다.

기본적인 데이터분석, 머신러닝 알고리즘을 활용한 논문을 이해하고 싶거나
작성하고 싶은 대학원생, 유학생, 유학준비생
연구자, 교수님들을 위한 특강 입니다.

참가신청 및 등록방법

● 다음을 클릭하시거나 인터넷 주소창에 다음 주소를 복사해 신청해주시기 바랍니다.

https://naver.me/583MuT6H

“데이터 분석 및 머신러닝 알고리즘 적용 논문 작성법” 특강

신인수 교수 “데이터 분석 및 머신러닝 알고리즘 적용 논문 작성법” 특강 개최

● 강 사 : 신인수 교수

(Florida State University Ph. D, measurement and statistics, 메타분석 전공) 연세대학교 교육학과

Florida Department of Education Psychometrician. 행정고시 39회(교육행정직)

워크숍 프로그램

▶ 특강 일정1: 데이터 분석

요일	강의명	강의개요
1.8.(월)	가설검정 원리의 이해와 적용	가설검정의 개념 및 원리. (SPSS, R, JAMOVI 실습) P-value의 의미와 한계, 효과크기 개념 및 종류 Type I error, 표준오차 vs. 표준편차 다양한 분석 기법과 가설검정, 해석, 결과보고
1.15.(월)	중다회귀분석 매개효과/조절효과	중다회귀분석 dummy coding, k-1 코딩 중다회귀분석 매개효과 공분산분석, 조절효과, 상호작용 (SPSS, R, JAMOVI 실습)
1.22.(월)	ANOVA, 실험연구 상호작용	분산분석 기본 개념, TWO WAY ANOVA 반복측정(REPEATED MEASURE) 공분산 분석 및 효과크기, 결과보고. (SPSS, R, JAMOVI 실습)
1.29.(월)	로지스틱 회귀분석	로지스틱 회귀분석 의의 및 필요성 로지스틱 회귀분석 적용예 및 실습 (SPSS, R, JAMOVI 실습)
2.5.(월)	MPLUS 데이터분석 기초	MPLUS 기본 명령문 이해 (MPLUS, R, JAMOVI 실습) MPLUS 활용 기술통계, 회귀분석 MPLUS 활용 경로분석, 요인분석, 구조방정식
2.19.(월)	MPLUS 데이터분석 적용	구조방정식 다집단 분석 (MPLUS, R, JAMOVI 실습) 잠재성장모형 다층모형, 잠재계층분석 등
2.26.(월)	관련변인 메타분석	관련변인 메타분석 VS. 처치효과 메타분석 관련변인 메타분석 적용예 (CMA, R, REVMAN, JAMOVI 실습) 관련변인 메타분석 보고기준

▶시간: 오후 2시 ~ 오후5시 (각 3시간) (실시간 온라인 강의 + 3월 17일까지 녹화 링크 제공 예정)

▶ 특강 일정2: 머신러닝 알고리즘 적용

요일	강의명	강의개요
1.2.(화)	벌점회귀모형	벌점회귀모형의 의의 및 필요성 Lasso Regression, Ridge Regression, Elastic Net Regression 적용예 및 보고방법 (오렌지3, R, 파이썬 코랩 실습)
1.9.(화)	Stacking and Boosting 기법	Stacking and Boosting 기법의 의의 및 필요성 XGBoost, Gradient Boosting, ADABoost 등 적용예 및 보고방법 (오렌지3, R, 파이썬 코랩 실습)
1.19.(금)	Hierarchical Clustering, 비지도학습 상관분석, 이미지분석	군집분석의 의의 및 필요성 비지도 학습 이미지분석 의의 및 적용예 (오렌지3, R, 파이썬 코랩 실습)
1.26.(금)	텍스트 마이닝, 감성분석, 토픽모델링	텍스트 분석의 이해 및 필요성 감성분석, 토픽모델링 이미지분석 (오렌지3, R, 파이썬 코랩 실습)
2.2.(금)	머신러닝 알고리즘 비교 및 평가	머신러닝 알고리즘 성능평가의 의의 및 필요성 성능평가 의의 및 적용예 (오렌지3, R, 파이썬 코랩 실습)
2.16.(금)	머신러닝 알고리즘 체계적 문헌고찰	인공지능 성능평가 체계적 문헌고찰 의의 및 필요성 성능평가 SR 의의 및 적용예 (오렌지3, R, 파이썬 코랩 실습)
2.23.(금)	머신러닝 알고리즘 메타분석	인공지능 성능평가 메타분석 의의 및 필요성 성능평가 MA 의의 및 적용예 (오렌지3, R, 파이썬 코랩 실습)