건국대학교 동물자원과학과
- 주교재: 축사건축 핸드북 2 (돼지, 닭, 오리): download @농협축산정보센터
- 부교재: R for Data Science; R Graphics Cookbook; Practical Data Science with R; Deep learning with R
- 강의(Lecture)
- 실습(Practice)
- 발표(Presentation)
- 프로젝트(Project)
- 출석 16%
- 중간고사 20%
- 기말고사 20%
- 개인 과제 18%
- 팀 프레젠테이션 10%
- 팀 프로젝트 16%
1st: 강의소개
- CAUTION!!
- 2번의 시험과
- 9번의 개인 레포트와
- 1번의 팀 프레젠테이션과
- 1번의 팀 프로젝트가 있습니다
2nd: 돼지의 환경과 시설 1 & Data Sci. introduction
- 가축사육에 영향을 미치는 환경요인
- 양돈 환기의 효과와 필요성
- 환기량 결정
- AI, ML, and Deep learning
- Data exploration
- Open Source와 GNU 선언문
- R & R Studio
- REPORT 1: R과 RStudio 설치하기
3rd: 돼지의 환경과 시설 2 & 데이터 탐색하기
- 공기풍속
- 공기의 흐름도
- 환기방식의 작용
- 축사에 맞는 환기시설
- 데이터 탐색하기
- 데이터 시각화의 기초:
ggplot2 - 구글님은 모든 것을 알려주실 것이다:
* in R - REPORT 2:
ggplot2로 그래프 그려보기
4th: 조별 발표
- "축산 기자재 판매 영업왕이 되어보자!"
- https://youtu.be/PNqRI42NPKM
- 미션: 축산 기자재를 하나 선택하고 특징과 장단점을 조사해 마케팅을 한다.
5th: 돈사 시설 및 기구관리 & R 기초/데이터 변형
- 사료급여시설
- 급수시설
- 단열
- R 기초
- 데이터 변형:
dplyr - REPORT 3:
dplyr로 데이터 변형하기
6th: Mid-term exam
7th: 양돈장의 ICT 시설 및 운영 & 탐색적 데이터 분석(EDA)
- ICT 시설장비
- 양돈장 ICT 시설 운영현황
- 동물복지형 사육시설의 변화
- 탐색적 데이터 분석(Exploratory Data Analysis)
- REPORT 4: 탐색적 데이터 분석해보기
8th: 돈사의 설계 & 데이터 길들이기
- 돈방수 산출
- 돈사 설계: 번식돈사, 분만돈사, 자돈사, 비육돈사
- 데이터 불러오기:
readr - 타이디 데이터:
tidyr - 관계형 데이터:
dplyr - REPORT 5: 데이터 길들이기
9th: 양계사 환경과 시설 1 & 데이터 시각화 1: ggplot2
- 닭의 환경관리
- 닭사육에 영향을 미치는 환경요인과 요인별 관리방법
ggplot2Cheat Sheet- 막대그래프
- 선 그래프
- 산점도
- 데이터 분포 요약
- REPORT 6: 데이터 시각화
10th: 양계사 환경과 시설 2 & 데이터 시각화 2: ggplot2
- 혹서기 사양관리
- 환기관리
- 고온스트레스 감소 방법
- 계사화재 예방대책
- 그래프의 외형 조절하기
- 그래프에 색상 사용하기
- 동적 그래프 그리기:
plotly::ggplotly() - REPORT 7: 그래프 변형하기
11th: 양계사 설계 & 의사소통 1
- 규모산정
- 설계적용
- 단열
- 전등설비
- R Markdown을 이용한 의사소통
- 재현가능한 문서작성
- REPORT 8: 마크다운 문서 작성하기
12th: 의사소통 2 & 웹의 이해 & 반응형 웹애플리케이션
- 대시보드:
flexdashboard - 서버와 클라이언트
- 웹호스팅과 웹서버
- 반응형 웹 애플리케이션:
shiny - REPORT 9: 대시보드 만들기
13-14th: 천하제일 축산 데이터 대회 🐮 💻 🏃
"People power sparks great ideas!"
15th: Final exam
"Animal Science with Data Science!"
16th: R Programming (6 hours)
- 함수:
function - 조건부 실행:
if - 벡터: 원자벡터와 리스트
for루프- 반복작업:
purrr
17th: Modeling (6 hours)
- Modeling 기초
- Machine learning and AI
- 분류: 최근접 이웃 분류(kNN)
- 수치 데이터 예측: 회귀
- 신경망과 서포트 벡터 머신
- 클러스터링: k-평균 군집화
- Deep Learning with
keras