본문 바로가기
K-MOOC 강좌 무료 수강신청 마감

디지털 헬스케어 인공지능 분석 실무

COURSE INTRODUCTION - 수강신청서 링크 : https://forms.gle/jcd7SsQVWuMWkMoT8 - 수강신청서 작성 기간 : ~2026.09.14.(월) 23:59 까지 - 오프라인 팀프로젝트 실습 중심으로 운영하는 본 심화과정은, 반드시 위의 수강신청서를 작성하셔야 강좌 수강 및 이수가 가능합니다.

첫 평가를 남겨 주세요 · 조회 0

제공
광운대학교(매치업)
가르치는 분
박철수
대상 · 수준
누구나
학습 분량
18시간 6분 · 6주차
언어
한국어
수강신청
2026-08-13 ~ 2026-09-14
학습 기간
2026-09-01 ~ 2026-12-04
수료증
🏅 받을 수 있어요
수강 전에 공식 안내를 확인하세요. 일부 정보는 갱신 주기가 지났거나 다시 확인이 필요합니다.

자세한 소개

강좌소개 COURSE INTRODUCTION - 수강신청서 링크 : https://forms.gle/jcd7SsQVWuMWkMoT8 - 수강신청서 작성 기간 : ~2026.09.14.(월) 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 https://lms.kmooc.kr/pluginfile.php/4217734/course/summary/%EB%A7%A4%EC%B9%98%EC%97%85_%ED%95%B5%EC%8B%AC%EC%A7%81%EB%AC%B44_%ED%99%8D%EB%B3%B4%EC%98%81%EC%83%81_v1.4_240221.mp4 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 2026.09.01. ~ 2026.12.04. 강좌수강정보 COURSE INFORMATION 평가기준 출석: 2 0% 개별과제: 10% 팀 토론: 30% 프로젝트형 결과물 제작: 40% ※총 60점 이상 점수 획득 시, 이수증을 발급받을 수 있습니다.

정보 업데이트 현황

K-MOOC · 공공데이터포털: 국가평생교육진흥원_K-MOOC_강좌정보 (apis.data.go.kr/B552881/kmooc_v2_0) 연계
내용이 새로 갱신되었습니다.
정보 항목갱신 주기마지막 확인유효기간상태
K-MOOC 강좌 정보강좌명, 운영 대학, 교수, 수강신청 기간, 학습 기간, 신설·종료 여부, 강좌 소개·분류(새 강좌만) 매일 2026-11-22 12:40 2026-11-29 최신
수강신청 가능 여부수강신청 시작일·마감일, 접수 중 / 마감 / 상시 상태 매일 2026-11-22 15:23 2026-11-23 최신

평가와 의견 0

이 교육이 어땠는지 알려 주세요. 로그인하면 별점과 의견을 남길 수 있습니다.

아직 평가가 없습니다.