KISTI 계산과학공학센터에서 2017년 4월에 발표한 자료입니다. 오픈사이언스와 연구데이터, 빅데이터, 과학데이터, 데이터과학자에 대한 내용을 담고 있습니다.
공학, 의료영상, 자연과학 및 산업분야에서 제기되는 문제를
수리모델링-시뮬레이션-시각화과정을 통하여 예측/분석, 사용자에게 효율적인 프로그램 개발, 산업화에 이르기까지
다단계 연구를 종합적으로 수행하는 센터에서 인사이트를 가져사겼길 바랍니다.
KISTI 계산과학공학센터에서 2017년 4월에 발표한 자료입니다. 오픈사이언스와 연구데이터, 빅데이터, 과학데이터, 데이터과학자에 대한 내용을 담고 있습니다.
공학, 의료영상, 자연과학 및 산업분야에서 제기되는 문제를
수리모델링-시뮬레이션-시각화과정을 통하여 예측/분석, 사용자에게 효율적인 프로그램 개발, 산업화에 이르기까지
다단계 연구를 종합적으로 수행하는 센터에서 인사이트를 가져사겼길 바랍니다.
[KERIS 이슈리포트] 요약 세미나 (Webinar) 자료
* 원문 링크: http://bit.ly/196LHBs
국내외 빅데이터 및 학습 분석 관련 기고서들과 동향 분석자료를 요약한 이슈리포트. UNESCO Policy Brief와 IMS Global의 백서를 중심으로 학습 분석 기술의 활용가능성과 쟁정들을 분석한 자료.
<주요>
1. 빅데이터 기술 및 산업 동향
2. 학습 분석 기술에 대한 이해
3. 학습 분석 기술 표준화 동향
4. 시사점
본 자료는 빅데이터를 분석하는 전반적인 과정에 대해 정리한 자료로써 사회과학을 포함한 다양한 영역(컴퓨터 공학, 통계학, 수학 등)이 분석 과정에 참여할 수 있는지를 정리한 자료이다. 분석 과정 세부 영역에 있어선 주로 사회과학의 관점에서 기술하였다. 현재 자료는 2010년부터 사회과학의 관점에서 데이터 분석을 계속 해오면서 경험한 부분과 문헌 및 발표 자료 등을 통해 정리한 자료이다. 앞으로 여러 영역을 공부하면서 빅데이터 분석 프로세스를 더욱 발전시켜 나갈 예정이다.
서울시 빅데이터 캠퍼스 안내 및 데이터 설명
안녕하십니까.
서울시 빅데이터 캠퍼스입니다.
데이터기반 사회혁신 모델을 만들어가고자 하는 서울시 빅데이터 캠퍼스의 지향과 서비스에 대한 안내 드립니다.
더불어, 캠퍼스 입주에 필요한 절차와 입주 후 제공되는 데이터, 인프라 서비스에 대한 상세한 설명을 보실 수 있습니다.
감사합니다.
[SNU UX Lab] An Overview and Research Cases of Log-based User Behavior Analysis (presented at the 3rd Conference on Pioneering Convergence Technologies, 2013/01/25)
[KERIS 이슈리포트] 요약 세미나 (Webinar) 자료
* 원문 링크: http://bit.ly/196LHBs
국내외 빅데이터 및 학습 분석 관련 기고서들과 동향 분석자료를 요약한 이슈리포트. UNESCO Policy Brief와 IMS Global의 백서를 중심으로 학습 분석 기술의 활용가능성과 쟁정들을 분석한 자료.
<주요>
1. 빅데이터 기술 및 산업 동향
2. 학습 분석 기술에 대한 이해
3. 학습 분석 기술 표준화 동향
4. 시사점
본 자료는 빅데이터를 분석하는 전반적인 과정에 대해 정리한 자료로써 사회과학을 포함한 다양한 영역(컴퓨터 공학, 통계학, 수학 등)이 분석 과정에 참여할 수 있는지를 정리한 자료이다. 분석 과정 세부 영역에 있어선 주로 사회과학의 관점에서 기술하였다. 현재 자료는 2010년부터 사회과학의 관점에서 데이터 분석을 계속 해오면서 경험한 부분과 문헌 및 발표 자료 등을 통해 정리한 자료이다. 앞으로 여러 영역을 공부하면서 빅데이터 분석 프로세스를 더욱 발전시켜 나갈 예정이다.
서울시 빅데이터 캠퍼스 안내 및 데이터 설명
안녕하십니까.
서울시 빅데이터 캠퍼스입니다.
데이터기반 사회혁신 모델을 만들어가고자 하는 서울시 빅데이터 캠퍼스의 지향과 서비스에 대한 안내 드립니다.
더불어, 캠퍼스 입주에 필요한 절차와 입주 후 제공되는 데이터, 인프라 서비스에 대한 상세한 설명을 보실 수 있습니다.
감사합니다.
[SNU UX Lab] An Overview and Research Cases of Log-based User Behavior Analysis (presented at the 3rd Conference on Pioneering Convergence Technologies, 2013/01/25)
8. ResearchInterest(1/2):SensorDatabase
• Sensor Network Query Language (SNQL) and Processor (SNQP)
[ON EVENT <event-predicate> | <event-name>]
SELECT <select_item_expressions_list>
FROM <list_of_table_references (table or inline view) >
[WHERE <condition>]
[GROUP BY <expression_list>]
[SAMPLE PERIOD <time_unit> FOR <time_unit> |
CASE
[WHEN <condition>
THEN SAMPLE PERIOD <time_unit>]+
ELSE SAMPLE PERIOD <time_unit> FOR <time_unit>
END]
[WITHIN <participation-percentage>]
10. IoT 전력량 관리 모듈을
통한 전력 계측
일상 기기의
스마트 오브젝트화
액츄에이터
설치
객체 별 보드 설치
스마트 홈 커뮤니티
서비스 프레임워크
스마트 홈 커뮤니티
테스트베드 구축
10
N1 테스트베드구축(회의실,휴게실)
웹캠
제습기로봇 청소기
환경 센서
통합 제어 모듈
도어 센서
스마트 TV & XBOX 서비스
환경 센서
통합 제어 모듈
가습기
사용자 인식 카메라
스크린
화분
프로젝터
12. ResearchInterest (2/2): Context-aware Computing
[NearbyPeopleRecommendation]
“우리 대학 연구소
Data Mining
Position에 누구
초청할 사람 없나?
“같은 학교”
다닌 애가
있지 않을까?”
“애가 왜 이렇게
자주 아프지?
뭐를 좀 먹어야
하나?”
“나랑 고향이
같은 사람
있나?”
“이번주 부산
가려는데
어디가
맛집이지?”
“부산 집에
내려가서
맛있는 집밥
먹어야지”
학
회
장
신
입
생
환
영
회
장
사
내
카
페
병
원
Realization of serendipitous interaction opportunity in a place
Mobile opportunistic social matching [Terveen 2005][Mayer 2015]
“소셜 그래프
마이닝에
관심있는 사람
어디 없나?”
13. ResearchInterest (2/2): Context-aware Computing
[NearbyPeopleRecommendation]
ENTER
Conference Venue Shopping Mall Hospital
Interaction
Opportunity
Interaction
Opportunity
Serendipitous
Interaction
Opportunity
LEAVE
Willingness to interact with
others
Can a machine predict the degree of willingness to interact
with nearby people encountered in a public place?
15. ResearchInterest (2/2): Context-aware Computing
[PlaceAmbiencePrediction&PlaceRecommendation]
Can a machine predict the ambience of place?
Hyper-local, ambiance-driven place search and discovery
• E.g., a trendy place for a night-out or a romantic place for the wedding anniversary
Data-driven recommendations for place owners to improve the presentation of their
venues (e.g., architecture design and style)
16. ResearchInterest(2/2):Context-awareComputing
• Research Challenge
– 사용자의 Context를 알아내면 무엇을 할 수 있을까?
– 어떤 데이터를 어떻게 수집하고, 수집된 데이터로 어떻게 사용자
Context를 알아내지?
– 사용자의 Context를 알았으면 어떤 서비스를 어떤 방식으로
제공/추천하는 것이 좋을까?
Web / Mobile
Data (Text,
Image, Sensor)
Social /
Environmental
Psychology
Theory
Data Mining /
Machine
Learning
User
Satisfaction /
Experience
그렇다면, 센서 네트워크를 하나의 가상 데이터베이스로 간주하고,
이 네트워크에 application의 사용자가 작성한 SQL과 비슷한 쿼리를 배포하는 것으로 쿼리의 결과를 수집할 수 있는
이른바 ‘센서 데이터베이스’ 를 생각해 볼 수 있습니다.
이에 대해 센서 네트워크에서 센서 데이터베이스와 관련된 쿼리 프로세싱에 대한 연구가 이뤄지고 있습니다.