Go to login Go to sub menu Go to text
KAIST 건설및환경공학과 여화수 교수
KAIST 건설및환경공학과 여화수 교수
  • Type MOOC course
  • Period Always open
  • Learning Time Study freely
  • Course approval method Automatic approval
  • Certificate Issue Online

Instructor Introduction

  • KAIST 건설및환경공학과 여화수 교수

    ∙ 서울대학교 토목공학과 학사 (1996)
    ∙ UC Berkeley 토목환경공학과 석사 (2004)
    ∙ UC Berkeley 토목환경공학과 박사 (2008)

    1997~1999 청오지앤지(주) 연구원
    ∙ 2000~2000 e-HD.com 위성영상 사업팀
    ∙ 2001~2002 Lockheed Martin Global ,매니저 
    ∙ 2004~2009 UC Berkeley 연구조교 및 연구원 
    ∙ 2009~2009 UC Berkeley, California PATH, 박사후 연구원 
    ∙ 2009~현재 카이스트 건설 및 환경공학과 

    연구 분야 
    (1) Transportation Systems Engineering
    (2) ITS (Intelligent Transportation Systems)
    (3) Traffic Safety
    (4) Transportation Infrastructure Engineering

Lecture plan

강의 & 퀴즈
  1. CHAPTER 1. 지능형 교통체계에 대한 이해
    1. 1. 교통 시스템이란 무엇인가?
    1. 2. 교통 시스템에 대한 이해
    1. 3. 교통 시스템의 평가
    1. 4. 교통 분야의 주요 문제들
    1. Chapter 1 Quiz
  2. CHAPTER 2. 교통 시스템의 현재와 미래
    1. 1. 지능형 교통 시스템이란?
    1. 2. 스마트시티
    1. 3. 스마트시티와 미래 모빌리티
    1. Chapter 2 Quiz
  3. CHAPTER 3. 교통 데이터의 이해
    1. 1. 교통 데이터의 관측
    1. 2. 교통 검지 장치
    1. 3. 새로운 종류의 교통 검지 장치
    1. 4. 교통데이터의 관리와 분석
    1. 5. 교통 변수
    1. 6. 기본 교통변수와 교통기본도
    1. Chapter 3 Quiz
  4. CHAPTER 4. 교통류 해석 기초 이론
    1. 1. 교통류 이론
    1. 2. 1st order model
    1. 3. 2nd order model
    1. Chapter 4 Quiz
  5. CHAPTER 5. 머신러닝과 회귀분석
    1. 1. 머신러닝 개요와 종류
    1. 2. 회귀분석
    1. 3. 머신러닝을 통한 회귀분석
    1. Chapter 5 Quiz
  6. CHAPTER 6. 데이터의 분류와 활용
    1. 1. 데이터의 분류
    1. 2. 이진분류
    1. 3. 다중분류
    1. 4. SVM 클래스 분류
    1. 5. 활용 예: 뉴욕 택시 수요 예측
    1. 6. 데이터 전처리 및 예측
    1. Chapter 6 Quiz
  7. CHAPTER 7. 교통데이터와 딥러닝 1: 딥러닝의 기초
    1. 1. 퍼셉트론과 활성함수
    1. 2. 다층 퍼셉트론 학습
    1. 3. Back Propagation
    1. 4. Loss Function and Batch Learning
    1. 5. Momentum Method
    1. Chapter 7 Quiz
  8. CHAPTER 8. 교통데이터와 딥러닝 2: CNN, RNN, LSTM
    1. 1. Convolution Neural Network (CNN)
    1. 2. 교통 분야 CNN의 활용 예: 보행자 감지 및 추적
    1. 3. Recurrent Neural Network (RNN)
    1. 4. Long Short-Term Memory (LSTM)
    1. 5. 교통 분야 RNN의 활용 예: 이동경로 예측
    1. Chapter 8 Quiz
  9. CHAPTER 9. 교통데이터와 딥러닝 3: 지능형 교통체계
    1. 1. 강화 학습
    1. 2. Q-Learning
    1. 3. Deep Q-Network
    1. 4. DQN의 활용 예: Atari Game
    1. 5. 교통신호제어의 이해
    1. 6. 강화학습을 이용한 교통신호 제어
    1. Chapter 9 Quiz
  10. ★강의 수강 후 의견을 부탁드리겠습니다.★
    1. 교수님 강의에 대한 별점을 매겨주세요. 여러분의 의견이 많은 도움이 됩니다:D

Additional Info

[수강 대상]
교통공학과에 대한 기초지식이 있는 사람

[선수 지식 (필수적인 것은 아님)]
교통공학개론, 지능형교통체계, 기초통계학