회귀분석은 해석이 명확하지만, 비선형 관계나 변수 간 상호작용, 개별 케이스를 설명하기엔 한계가 있습니다. SHAP는 설명 가능한 AI(XAI) 기법 중 하나로, 각 변수가 결과에 얼마나 기여하는지 방향과 크기로 확인할 수 있어 회귀분석을 보완하는 방법으로 인문사회 연구에서 점점 활용이 늘고 있습니다. 이번 웨비나는 XAI와 SHAP를 처음 접하는 분도 이해할 수 있도록, 회귀분석과의 비교를 중심으로 개념부터 실제 논문 사례까지 함께 살펴봅니다. [주요 목차] 00:17 XAI가 필요한 이유 05:03 머신러닝(지도학습)의 정의와 절차 11:34 XAI 개념 13:31 SHAP 개념 19:31 회귀계수와 SHAP 비교 23:29 SHAP 활용 연구 사례 36:40 데모: NetMiner로 SHAP 분석하기 43:17 데모: 분석 결과 이해 55:25 아웃트로: 핵심 정리 [어떤 내용을 다루나요?] ✔️ XAI·SHAP란 무엇인가 ✔️ 회귀분석과의 차이 및 활용 목적 비교 ✔️ 국내외 활용 연구 사례 ✔️ NetMiner Demo: SHAP로 변수 기여도 분석하기 ​[이런 분들에게 추천합니다] ✅ 회귀분석만으로 변수 간 관계를 충분히 설명하기 어려웠던 연구자 ✅ 머신러닝을 연구에 써보고 싶지만 해석 문제로 망설였던 연구자 ✅ XAI는 처음이지만 새로운 분석 방법을 찾고 있는 대학원생·연구자 [발표 자료] https://www.slideshare.net/slideshow/... [지난 웨비나 보기]    • [사이람 커넥트] 미니 웨비나   NetMiner에 대해 궁금하시다면, 아래 링크를 클릭하세요!

• 공식 홈페이지 : https://www.netminer.com
• 네이버 블로그 : https://blog.naver.com/cyramnetminer
• 네이버 카페: https://cafe.naver.com/netminer3
• X:   / cyraminc  
• Meta:   / cyraminc