참여기관 목록
강좌소개
강좌소개 COURSE INTRODUCTION
- 수강신청서 링크 :
- 수강신청서 작성 기간 : ~2025.09.14.(일) 23:59 까지
- 오프라인 팀프로젝트 실습 중심으로 운영하는 본 심화과정은,
반드시 위의 수강신청서를 작성하셔야 강좌 수강 및 이수가 가능합니다.
(※ KLAS로 수강신청을 완료한 광운대학교 학점인정 수강생 제외)
- <디지털 헬스케어 인공지능 분석 실무> 강좌는 인공지능 및 IoT 기반 웨어러블 디바이스 개발 직군에서 개발자와 프로젝트 관리자가 알아야 하는 이론과 실무를 학습한다. 온라인 수업을 통해 다양한 주파수 분석 방법과 머신러닝을 통한 생체신호를 분석 기술에 초점을 맞춰 웨어러블 디바이스를 통한 생체신호인식, 바이오센서를 통한 주파수 모니터링 등을 이해하며, 해당 기술 분야의 제품 개발 및 사업화 전략을 학습한다. 오프라인 실습은 IoT 센서 시스템 데이터를 분석하여 미래 예측 방법론을 습득하는데 중점을 둔다. 프로젝트 실습을 통해 학습자는 아래와 같은 역량을 배양할 수 있다.
- 머신러닝 원리 및 핵심기술을 이해하고, 바이오 헬스케어 분야의 문제 해결에 적용할 수 있다.
- 머신러닝 및 통계학적 패턴인식에 관한 지식을 통해 다채널 생체신호로부터 머신러닝의 주요 응용 방식에 대해 이해할 수 있다.
- 머신러닝 기술을 전반적으로 이해하고, 팀 프로젝트 수행을 통하여 실무 개발 및 연구 능력을 확보할 수 있다.
학습목표 LECTURE OBJECTIVES
학습목표
- 생체신호의 주파수 성분 추출 방법 및 특징을 설명할 수 있다.
- 다채널 데이터 분석을 활용하여 주요인 분석과 고유값 분해로 데이터를 정제할 수 있다.
- 다채널 데이터 분석을 활용하여 건강 상태 예측 모델을 생성할 수 있다.
홍보영상 INTRODUCTION VIDEO
온라인 주차별 학습 SYLLABUS
| 주차 | 주차명 | 학습목표 | 차시명 |
|---|---|---|---|
| 1 | 시주파수 방법론 | 의료데이터의 주파수 분석방법 분석 | 주파수 이해와 특징 |
| 주파수 세그먼트와 레졸루션 변환 | |||
| 경험적 모드 분해법과 주파수 분석 | |||
| 2 | 다채널 데이터 방법론 | 다채널 데이터의 분석방법 분석 | 다채널 생체신호 처리 방법의 이해 |
| 주성분 분석의 방법론 | |||
| 주성분 분석의 원리 | |||
| 3 | 머신러닝 방법론(1) | 머신러닝 분석방법 기초 활용 | 인공 신경망의 이해와 뉴런 네트워크 구조의 사례 |
| 인공 신경망의 선형 함수를 활용한 뉴럴 네트워크 구축 및 웨이트 설정 | |||
| 시각 처리 신호의 데이터를 처리하기 위한 합성곱 신경망과 패턴의 이해 | |||
| 4 | 머신러닝 방법론(2) | 의료데이터의 머신러닝 분석방법 활용 | 순환 신경망(Recurrent Neural Network)의 구조와 다층 순환 신경망의 이해 |
| 선형 회귀 분석과 예측 및 가설 선형 회귀 분석과 예측 및 가설 | |||
| 다변수 선형 회귀 모델과 로지스틱 회귀 분석 | |||
| 5 | 주성분 분석의 원리 | 의료데이터의 머신러닝 분석방법 활용 | 데이터 거리 계산법 |
| 클러스터링 알고리즘 | |||
| 계층적 클러스터링과 분할적 클러스터링 | |||
오프라인 학습활동 LEARNING ACTIVITIES BY WEEK
| 주차 | 주차명 | 학습목표 | 차시명 | 학습활동 |
|---|---|---|---|---|
| 6 | 시주파수 방법론 | 의료데이터의 주파수 분석방법 분석 | 주파수 이해와 특징 | 팀 구성, 개별 과제 |
| 주파수 세그먼트와 레졸루션 변환 | ||||
| 경험적 모드 분해법과 주파수 분석 | ||||
| 7 | 다채널 데이터 방법론 | 다채널 데이터의 분석방법 분석 | 다채널 생체신호 처리 방법의 이해 | 팀 프로젝트 (현직자 멘토링) |
| 주성분 분석의 방법론 | ||||
| 주성분 분석의 원리 | ||||
| 8 | 머신러닝 방법론(1) | 머신러닝 분석방법 기초 활용 | 인공 신경망의 이해와 뉴런 네트워크 구조의 사례 | 팀 프로젝트 (조교 멘토링) |
| 인공 신경망의 선형 함수를 활용한 뉴럴 네트워크 구축 및 웨이트 설정 | ||||
| 시각 처리 신호의 데이터를 처리하기 위한 합성곱 신경망과 패턴의 이해 | ||||
| 9 | 머신러닝 방법론(2) | 의료데이터의 머신러닝 분석방법 활용 | 순환 신경망(Recurrent Neural Network)의 구조와 다층 순환 신경망의 이해 | 팀 프로젝트 (현직자 멘토링) |
| 선형 회귀 분석과 예측 및 가설 선형 회귀 분석과 예측 및 가설 | ||||
| 다변수 선형 회귀 모델과 로지스틱 회귀 분석 | ||||
| 10 | 주성분 분석의 원리 | 의료데이터의 머신러닝 분석방법 활용 | 데이터 거리 계산법 | 팀 프로젝트 (조교 멘토링) |
| 클러스터링 알고리즘 | ||||
| 계층적 클러스터링과 분할적 클러스터링 | ||||
| 11 | 총괄 평가 | 팀 프로젝트 발표 및 교수자 평가 /동료평가 |
||
강좌운영기간 COURSE OPERATION PERIOD
2025.09.01. ~ 2025.12.05.
강좌수강정보 COURSE INFORMATION
평가기준
- 출석: 20%
- 개별과제: 10%
- 팀 토론: 30%
- 프로젝트형 결과물 제작: 40%
※총 60점 이상 점수 획득 시, 이수증을 발급받을 수
있습니다.
강좌운영진
-
박철수 교수University California, Sandiego, Bioengineering 포스닥 연구원 (2012~2013)
University California, Sandiego, Institute for Neural Computation포스닥 연구원 (2012~2012)
LS전선 초고압케이블 연구소 연구원 (2007~2007)
대한전자공학회 영문 학술지 간사 및 편집위원 (2014~현재) 등 학회 활동
대한의용생체공학회 영문 학술지 편집위원 (2016~현재) 등 학회 활동
-
강영신 TA소속 : 광운대학교 대학원 컴퓨터공학과 박사과정생
이메일 : ysin0414@gmail.com
자주묻는질문
Q 기초과정을 수강해야만 심화과정 신청이 가능한가요?
A 기초과정을 연계하여 수강하지 않아도 심화과정 신청이 가능합니다.
Q 일반(광운대 학점인정 수강생 외) 수강생은 심화과정을 어떻게 신청해야 하나요?
A 1) 희망하는 심화과정을 메이저 사이트사이트에서 수강신청 후, 2) 강좌 소개 상단에 탑재된 구글 신청폼 작성 및 제출까지 완료해주셔야 정상적으로 신청이 완료됩니다. 신청기간 종료 후, 선발대상자에게는 개별적으로 연락드릴 예정입니다.