|
및 답변
8. 디지털 신호 처리 관련 5 문제 및 답변
9. 임베디드 시스템과 마이크로컨트롤러 관련 5 문제 및 답변
10. 로봇공학 관련 5 문제 및 답변
11. 영상 및 비전 시스템 관련 5 문제 및 답변
12. 인공지능과 머신러닝 관련 5 문제 및 답변
|
|
|
러닝, 딥러닝 등 관련 기술 이해. AI 편향성 및 설명 가능한 AI(XAI)의 중요성. 금융 분야에서의 AI 활용 사례(챗봇, 로보어드바이저, 신용평가) 및 AI 가이드라인의 핵심 가치 분석.
? 빅데이터: 빅데이터의 정의 및 공통적 속성(3V: Volume, Velocity, Var
|
|
|
교육방법의 일부
미국 캠브리지에서 열린 미디어 인 트랜지션(Media in Transition) 컨퍼런스에서 발표된 연구논문에 의해 정의되고 사용됨 1. 마이크로러닝 정의와 특징
2. 마이크로러닝 콘텐츠 개발 방법
3. 마이크로러닝 개발 사례 분석
|
|
|
교육공학 강의록
- 최고의 원격수업 만들기,권정민,사회평론아카데미,2020
- 플립드 러닝(Flipped Learning) 수업 운영을 위한교사 역량 지표 탐색/김규식, 이동훈, 송해덕, 한국교원교육연구,2016 1.
서론
2.
본론
3.
결론
4.
참고문헌
|
|
|
|
높아질 것이다.
또한 모바일을 주로 활용하는 환경의 변화와 더불어 바쁜 현대인들이 컨텐츠에 집중할 수 있는 시간이 점차 짧아지면서 교육 또한 핵심 메시지 1~2개만을 제공하는 마이크로러닝이 확산될 것으로 예측된다. 몇 시간 교육을
|
|
 |
마이크로티칭 기법을 활용한 수업 운영방식 문헌고찰
2) 본 연구에서의 마이크로티칭 기법을 활용한 수업 운영방식 구성
3) 사전검사
4) 마이크로티칭 기법을 활용한 수업 교육과정 적용
5) 사후검사
6. 자료 분석
Ⅲ.
|
|
|
Microteaching as meta-learning opportunity for lectures in teaching. Dissertation abstracts international, 51(6), 1920.
Lincoln, Y. S., & Guba, E. G. (1985). Naturalistic inquiry. Newbury Park, CA: Sage Publications.
MacLeod, G. R., & McIntyre, D. I. (1977). Toward a model for microteaching. In McIn
|
|
|
신용장거래관행의 변화.
1 .전자무역으로 인한 무역거래관행의 변화.
2. 전자신용장제도와 eUCP.
3. 전자신용장의 향후 과제는 무엇인가?
제 4절 전자무역 결제시스템의 의의와 유형.
1. 전자무역 결제시스템의 의의.
2. 전자결제시스템의 특
|
|
|
신용회계, 연금, 우편, 봉급, 건강보험 등을 관할하는 이곳은 유연한 시간근무제를 실시하였다. 각자의 생리적 리듬이나 가정환경에 맞추어 근무시간을 정한다.
Hochschild의 결론: 시간운동은 사회적인 여건이 변하지 않고는 성공하기 힘들다.
|
|
 |
(주)마이크로러닝에 대한 재무제표 및 기업정보를 중심으로 분석한 상세보고서(종합신용등급, 현금흐름등급, Watch등급, 기업개요, 주요재무상황, 주요재무비율, 재무신용평정, 신용도 분석의견, 기업현황, 주요 주주현황, 경영진현황, 관계사
|
|
 |
(주)마이크로러닝에 대한 재무제표 및 기업정보를 중심으로 분석한 상세보고서(종합신용등급, 현금흐름등급, Watch등급, 기업개요, 주요재무상황, 주요재무비율, 재무신용평정, 신용도 분석의견, 기업현황, 주요 주주현황, 경영진현황, 관계사
|
|
|
(주)마이크로러닝에 대한 재무제표 및 기업정보를 중심으로 분석한 상세보고서(종합신용등급, 현금흐름등급, Watch등급, 기업개요, 주요재무상황, 주요재무비율, 재무신용평정, 신용도 분석의견, 기업현황, 주요 주주현황, 경영진현황, 관계사
|
|
|
(주)마이크로러닝에 대한 재무제표 및 기업정보를 중심으로 분석한 상세보고서(종합신용등급, 현금흐름등급, Watch등급, 기업개요, 주요재무상황, 주요재무비율, 재무신용평정, 신용도 분석의견, 기업현황, 주요 주주현황, 경영진현황, 관계사
|
|
|
마이크로러닝 형태의 온라인 교육 콘텐츠를 제작하였습니다. 짧고 반복 가능한 학습 구조를 통해 실제 직무 수행력 향상을 목표로 설계한 점이 높게 평가받아, 해당 과제는 우수 프로젝트로 선정되기도 했습니다.
또한 OOOO 기관에서의 HRD 인
|
|
 |
마이크로러닝, AI 튜터 기반 학습, 실시간 피드백 기반 프로그램 등을 접목시켜 교육의 효율성과 몰입도를 높이는 방안도 제시할 수 있습니다. 결국 기술의 시대일수록 ‘사람을 위한 교육’이 더욱 절실해진다고 믿으며, DRB에서 이러한 관점
|
|
 |
신용평가 모형 개발’이라는 주제로 금융 관련 공모전에 참가한 경험이 있습니다. 이 프로젝트에서 저는 팀의 데이터 수집과 모델링을 담당하며, 머신러닝 기법을 활용하여 신용평가 모델을 개발하려 했습니다. 그러나 초기에는 신용평가에
|
|
 |
신용 리스크 관리 역량을 더욱 발전시킬 기회를 얻었습니다. 인턴 기간 동안 금융 데이터의 정제, 고객 신용평가 보조, 리스크 모델링 등을 수행하며 실무에서 요구되는 분석 능력과 비즈니스적 사고를 익힐 수 있었습니다. 또한, 데이터를 단
|
|
 |
신용평가 시장에서도 경쟁력을 갖출 수 있도록 기여하고자 합니다.
입사 후에는 지속적인 학습과 연구를 통해 신용평가 모델의 정확도를 높이고, 한국평가데이터의 신뢰도를 향상시키는 데 기여하겠습니다. 데이터 분석과 머신러닝을 활용
|
|
메뉴펼치기
