http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
온라인평생교육원의 STEP 온라인 수강생들의 특성 분석
문철한 ( Cheolhan Moon ),최성준 ( Seong Jun Choe ),김미화 ( Mi Hwa Kim ),명재규 ( Jae Kyu Myung ),민준기 ( Jun-ki Min ) 한국실천공학교육학회 2021 실천공학교육논문지 Vol.13 No.1
본 논문에서는 온라인평생교육원에서 제공하는 STEP의 온라인 서비스 수강생 15.7만여 명 및 51만여 건의 수강 데이터를 대상으로 기술 통계적 분석을 수행했다. STEP의 교육과정 유형인 기업맞춤, 상시제, 기수제에 따라서 각 유형별 수강생의 성적 분포를 분석하여, 그 성적의 분포가 10점 미만과 90점 이상이 다수인 극단적인 분포임을 확인하였다. 추가적으로, 미수료 수강생의 데이터를 대상으로 한 K-평균 군집화를 수행하여 미수료 수강생들의 특성을 분석하였다. 그 결과, 30-40대, 여름에 수강한 수강생들의 미수료율이 높다고 확인하였다. 또한, 전체 수강생들의 수료 여부 정보에 대하여 의사결정나무 기법을 적용하여 분석한 결과 다수의 강좌를 수강하는 남성, 전문대졸 수강생들의 미수료율이 높다는 것을 알 수 있었다. 따라서, STEP 수강생들의 수료율을 높이기 위해 이러한 수강생들을 대상으로 학습을 더 독려할 필요가 있다. In this paper, we conducted a descriptive statistical analysis on the data of about 157 thousands of students and 510,000 enroll data of the STEP online service provided by the Online Lifelong Education Institute. According to the classification such as company adaptation, regular and cardinal, we analyzed the distributions of students’ grades for each classifications. As the result of analyzation, it was shown that the distribution of grades is extreme skewed such that there are large numbers of less than 10 points or more than 90 points. In addition, K-means clustering was performed on the data of uncompleted students to analyze the characteristics of them. As a result, it was confirmed that the non-completion rate of students in 30 s and 40 s ages who took the course in the summer, was high. Furthermore, as a result of applying the decision tree technique to the completion status information of all students, we found that the uncompleted rate of male and vocational college graduates taking a large number of courses was high. Consequently, we have to encourage learning to such STEP students in order to increase the completion rate.
문철한,연영모,김승희,민준기,Moon, Cheolhan,Yeon, Yeong-Mo,Kim, Seung-Hee,Min, Jun-Ki 국제문화기술진흥원 2022 The Journal of the Convergence on Culture Technolo Vol.8 No.6
Electricity is essential energy in modern society, such as being used in various industries. However, the rate of fires occurring on electric wiring to deal with it is very high. In this work, we implemented a system to predict the temperature change of an electric circuit through analysis using various regression models. To do so, we collected the temperature data of 27 types of magnetic switches which control electric circuits as well as trained the regression models by using the collected temperature data. In our experiments, we confirmed that the regression models can be trained at a sufficiently usable level since the difference between the actual temperature and predicted temperature is about 4℃. The results of our work will be useful to predict the temperature of electric circuits and preventing fires on them.
소고기 육질 등급 예측을 위한 분류 알고리즘의 성능 연구
김승희(Seung-Hee Kim),문철한(Cheolhan Moon),최성준(Sungjun Choe),민준기(Jun-Ki Min) 한국정보과학회 2020 정보과학회 컴퓨팅의 실제 논문지 Vol.26 No.6
축산물 등급제에도 불구하고 축산물 품질 공정 평가의 필요성과 명확성 제고가 지속적으로 대두되고 있다. 본 논문에서는 소가 도축되기 전의 이력 정보를 이용한 다양한 기계 학습 알고리즘에 적용하여 소고기의 육질 등급을 예측하였다. 이를 위하여, 피어슨 상관계수를 이용하여 소의 이력정보로부터 가장 관련 높은 속성들을 추출하였으며 나이브 베이즈, 인공 신경망, 랜덤 포레스트, 로지스틱 회귀, 의사결정나무, kNN, SVM 기법을 적용하였다. 예측 결과를 비교하고 측정의 정확도를 검증한 결과 kNN 기법에서 97.2%의 가장 우수한 예측 결과가 도출되었다. 기존의 연구가 초음파 화상 이미지에 SFTA 및 AdaBoost를 사용하는 예측 방법 등을 사용한 것과 달리 본 연구는 도축하기 전 소의 이력 정보만을 활용하여 육질 등급을 예측하였다는데 큰 의미가 있다. Despite the grading system used for livestock, the need for a livestock quality process assessment and increased clarity has continually been raised. In this paper, we predict beef quality grades by applying machine learning algorithms with the history information of the individual cows before slaughter. To do so, we first selected the most related features from the individual cows’ historical information by using the Pearson correlation and next applied Naïve Bayes, artificial neural networks, random forests, logistic regression, decision trees, kNN, and SVM methods. As the result of their accuracy by comparison with prediction results, the kNN method was demonstrated to have the highest accuracy at 97.2%. Unlike previous studies that used SFTA and AdaBoost on ultrasound imaging, this study has major significance in predicting meat grades using the historical information of cows only before slaughter.
Rule 기반의 필터링 및 딥러닝 LSTM을 결합한 이메일 스팸 분류
손한기(HanKi Son ),최성준(Seong Jun Choe),문철한(Cheolhan Moon),민준기(Jun-Ki Min) 한국정보과학회 2021 한국정보과학회 학술발표논문집 Vol.2021 No.6
전자우편(e-mail)은 가장 많이 사용되는 공식 커뮤니케이션 방법으로 컴퓨터 통신망을 통해 편지를 주고받을 수 있는 시스템과 해당 편지를 일컫는다. 전자우편(e-mail)은 다른 통신 방법에도 불구하고 사용량은 지속적으로 증가하고 있고, 전자우편(e-mail)의 사용량 증가와 함께 스팸메일도 함께 증가하고 있다. 스팸 또는 정크메일은 원치 않는 대량의 메시지를 배포하는 행위를 말한다. 반대로 의미 있는 전자우편(e-amil)은 햄이라고 한다. 최근에는 코로나19를 키워드로 앞세운 피싱 메일 또한 급증했다. 본 논문에서 Rule기반과 순환신경망인 LSTM(Long-Term Short Memory) 딥러닝 학습 알고리즘을 사용하여 스팸 분류의 정확도를 높이는데 새로운 스팸 차단 기법을 제안한다. Rule에 기반한 스팸차단 및 순환신경망을 결합한 스팸 분류 기법을 적용함으로써 이메일 스팸 분류의 우수성을 검증하였다.