전공교과소개
인공지능학과 전공 교과목 소개입니다. ※ 출처: 학사 DB
| 과목명 | 소개 |
|---|---|
| 파이썬기초및실습 (Python Programming and Practice) | 이 과목에서는 컴퓨터 프로그래밍에 대한 기본 개념을 이해하고 이를 기반으로 기본적인 파이썬 프로그래밍의 습득을 통해 컴퓨터프로그래밍에 대한 이해와 컴퓨터적 사고능력을 가질 수 있도록 한다. |
| 확률통계개론 (Introduction to Probability and Statistics) | 이 강의에서는 인공 지능 영역에 자주 사용되는 기본 확률 및 통계 개념을 소개합니다. 특히, 학생들은 응용 프로그램으로 기계 / 딥 러닝 모델을 만드는 데 유용한 확률과 통계의 입문 부분을 학습 합니다. |
| 논리적문제해결 (Logical problem solving) | 본 과목은 문제해결능력 향상을 목적으로 한다. 교육 내용으로는 문제분석 및 해결을 위한 logic tree와 다양한 framework등을 학습한다. |
| 영상이해 (Image Processing) | 본 강의에서는 Digital Signal Processing의 전반인 이론과 디지털 필터를 포함한 디지털 시스템을 이해한다. 간단한 이미지 및 소리에 대한 디지털 신호처리를 위한 여러 필터, 푸리에 변환의 고속계산 방법 (Fast Fourier Transform)을 학습하고 디지털 신호가 가지는 주요특성을 추출하는 방법에 대해 학습한다. |
| 인공지능기초와활용 (Foundation and utilization of artificial intelligence) | 인공지능의 역사 기초 지식을 비롯하여 다양한 분야의 활용을 배운다. |
| 인공지능수학기초 (Artificial Intelligence Early Semester) | 이 강의에서는 인공지능 영역에 자주 사용되는 선형대수의 기본 개념을 소개합니다. 특히, 선형 대수학의 일부 입문 부분은 통계 선형 모형 및 최적화 이론을 이해하는 데 유용합니다. |
| 과목명 | 소개 |
|---|---|
| 기계학습 (Machine learning) | 이 과정에서, 학생들이 현재 인공 지능의 기본 및 핵심 기술인 기계 학습을 위한 다양한 알고리즘에 대해 배우게 됩니다.이 과정은 기계 학습,지도 학습 방법 (회귀 및 분류), 비지도 학습 방법 (클러스터링 및 차원 축소), 앙상블 모델, 베이지안 접근 및 모델의 기본 이론을 다룹니다. |
| 딥러닝 (Deep learning) | 4차 산업혁명의 핵심기술인 인공지능 (딥러닝)의 배경지식과 활용 방법을 습득하며, Convolutional Neural Networks 와 Recurrent Neural Networks 에 관한 지식과 활용법을 실습합니다. 딥러닝 기본개념, Stochastic Gradient Descent, backpropagation기법, 초기화기법, regularization기법, 콘볼류션 신경망 (CNN), CNN 구조, 복신경망(RNN), RNN의 응용을 다룹니다. |
| AI알고리즘 (AI Algorithm) | 인공지능 영역에 자주 사용되는 기본 최적화 개념을 학습하고 최적의 솔루션을 찾기 위한 최적화 관련 알고리즘을 학습한다. |
| 데이터분석기초 (Data analysis basics) | 인공지능 분야에 활용 가능한 핵심 오픈소스인 numpy, matplotlib 및 pandas를 포함한 주요 오픈소스의 활용능력을 키운다. |
| 리눅스운영체제 (Linux operating System) | 이 과목은 Linux 운영체제가 무엇이며, 그것이 수행하는 역할은 무엇이며, 또 운영체제가 어떻게 설계되고 만들어지는지를 소개한다. 주요한 주제들로는 프로세스 관리, 저장장치 관리, 입출력 시스템, 분산처리 및 보안 등이다. |
| 문제해결과알고리즘 (Problem solving algorithm) | 문제해결을 위해 단순히 프로그램을 코딩하는 것이 아니라, 스토리로 제시된 문제를 해결하기 위해 자신의 선수 지식과 경험, 사고를 바탕으로 문제를 하결해 나가는 과정을 절차화 시킬 수 있는 인재를 양성한다. |
| 서비스러닝 (Service learning) | 창의적인 문제해결능력을 갖춘 산업체 선호 인력 양성을 위해 대학 주변 관련기관으로부터 소규모 프로젝트를 요청받아 교과목에서 학습한 이론적 내용을 실제 기업 프로젝트에 적용 경험을 통하여 성취감 및 전공, 실무경험을 획득한다. |
| 인공지능수학심화 (Advanced Artificial Intelligence Mathematics) | 본 교과목에서는 확률 및 통계를 중심으로 인공지능 기술의 개발을 위해 필요한 수학 이론과 기법을 학습함 |
| 프로그래밍기초와실습 (Basic programming and practice) | 이 과목은 자바를 이용하여 객체지향 프로그램의 개념을 이해하고 관련 소프트웨어를 개발하는 능력을 배양하는 것을 목적으로 한다. 이를 위해 데이터타입, 변수, 제어구조, 함수, 데이터구조, 그리고 구조적 프로그램설계를 학습하며, 객체지향 설계 및 프로그래밍에 대해서도 다룬다. |
| 과목명 | 소개 |
|---|---|
| AI리빙랩Ⅰ (AI Living LabⅠ) | 리빙 랩에서는 그동안 학습한 전공지식을 지역사회의 문제 해결에 적용하여 실제 문제 해결능력을 키우고, 이론 중심의 전공지식을 현장에 적용하는 과정 속에서 발생하는 한계와 어려움을 극복하는 과정을 통해 학습하고 지역사회에 기여하는 것을 목적으로 합니다. |
| 강화학습 (einforced Learning) | 이 과정은 기계 학습 및 인공지능의 핵심 연구 분야 중 하나인 강화학습을 다룹니다. 강화학습에는 지능적인 의사결정 및 제어가 필요한 다양한 응용 프로그램이 있으며 다양한 기계 학습 모델의 교육 방법으로 사용할 수 있습니다. |
| 데이터베이스 (Database) | 데이터베이스의 개념관, DBMS, Data Model, 데이터베이스의 구조 연산 질의어 정규화 과정 및 데이터베이스 설계에 대해 공부하고 고급과정인 질의어 처리 회복 병행, 제어 객체지향 데이터베이스 등에 대해서도 공부합니다. |
| 로봇프로그래밍기초 (Basic robot programming) | 본 수업은 인공지능을 활용한 로봇 프로그래밍 입문자들을 위한 과정이다. 로봇 제어에 필요한 인공지능의 개념, 각종 센서 데이터 수집 및 처리, 통신 메커니즘, 영상처리 그리고 로봇 운영체제인 ROS에 이르기까지 로봇 제어에 필요한 다양한 기본지식을 습득하고 실습한다. |
| 비지도학습 (unsupervised learning) | 비지도학습(Unsupervised Learning)은 기계 학습의 일종으로, 목표값(label)이 없는 데이터의 숨겨진 구조(hidden structure)를 찾아내는 학습방법에 대해 학습한다. 학습내용으로는 차원축소, 군집화방법, 이상치탐지방 및 생성학습을 다룬다. |
| 웹프로그래밍 (Web Programming) | 웹 프로그래밍 서비스의 기본 처리 과정에 대한 이해을 통해 기본적인 웹 문서의 작성 기법들에 대해 공부한다. HTML5, CSS3, Javascript와 같은 클라이언트 프로그래밍 기술과 파이썬 언어를 사용하여 서버 프로그래밍 기술을 학습한다. 웹프로그램으로 웹사이트에서 인공지능 알고리즘을 테스트할 수 있는 환경을 만들어본다. |
| 유전 알고리즘 (Genetic Algorithm) | 최적화와 관련된 휴리스틱 접근법을 다룹니다. 유전알고리즘과 타부서치의 이론적 연구와 알고리즘의 개선 방법을 검토합니다. 유전알고리즘에서는 해의 coding 방법, 유전인자의 교배 및 돌연변이, 개체의 선택방법을 다루며, 타부서치에서는 search의 심화 및 다양화를 다룹니다. 최적화 문제 해결을 위한 응용도 포함합니다. |
| 자연어처리 (Natural language processing) | 이 과정은 NLP 분야에 대한 개론 교과목입니다. Python 언어와 NLTK (Natural Language Toolkit)라는 오픈소스 라이브러리를 기반으로 합니다. 구체적인 학습내용은 다음과 같다: NLP의 핵심개념, NLP의 자료구조 및 알고리즘들과 NLP 기법들의 성능측정 방법 |
| 첨단신경망 (Advanced Neural Network) | 이 과정은 딥 러닝 분야의 최근 발전을 다룹니다. 신경망은 30 년 이상 인공 지능의 많은 응용 분야에 사용되었습니다. 그러나 오늘날 강력한 컴퓨팅 성능과 대규모 데이터 세트로 인해이 분야는 특히 지난 5 년간 새로운 기술을 통해 획기적인 발전을 이루었습니다. 이 과정은 고급 신경망 모델과 응용 프로그램을 소개합니다. |
| 클라우드컴퓨팅 (Cloud Computing) | 클라우드 컴퓨팅이란 사용자의 관리 없이 컴퓨터 시스템 리소스를 필요시 제공하는 것을 말하며, 커다란 의미로 인터넷 기반 컴퓨팅 기술의 일종이다. 클라우드 컴퓨팅의 주된 기술은 가상화로 가상화 소프트웨어는 물리적 컴퓨팅 장치를 하나 이상의 가상 장치로 분리시켜 작업을 위해 손쉽게 사용, 관리할 수 있다. 발전을 거듭하는 인공지능분야에서는 하드웨어나 소프트웨어적으로 대용량의 데이터를 기반으로 고속의 처리가 필요하여 클라우드 컴퓨팅의 필요성이 증가할 것이고, 이를 위해 SaaS, PaaS, IaaS 등 다양한 클라우드 형태의 운영시스템을 이해하고, 사례를 기반으로 직접 활용해 보도록 한다. |
| 과목명 | 소개 |
|---|---|
| AI리빙랩Ⅱ (AI Living LabⅡ) | 리빙랩에서는 그동안 학습한 전공지식을 지역사회의 문제 해결에 적용하여 실제 문제 해결능력을 키우고, 이론 중심의 전공지식을 현장에 적용하는 과정 속에서 발생하는 한계와 어려움을 극복하는 과정을 통해 학습하고 지역사회에 기여하는 것을 목적으로 합니다. |
| 음성인식 (Voice Recognition) | AI 음성인식의 개념과 트랜드를 이해하고 음성인식의 기반인 통계와 디지털 신호처리에 대한 개념을 학습한다. 음성 데이터를 이해하기 위한 음성학의 기초와 음성 데이터 처리과정을 학습한다. |
| 인공지능세미나 (Artificial Intelligence Seminar ) | 이 과정은 인공지능에서 선택한 특수 주제와 다른 과정을 다루기 어려운 관련 분야를 다룹니다. AI 및 기타 분야의 다양한 주제를 다루고 최신 개발 및 동향을 소개합니다. |
| 인공지능시스템 (Artificial Intelligence System) | 인공지능에 대한 이론적 이해를 넘어 실제 인공지능 시스템 전체를 구현함으로써 수강하는 학생들이 인공지능 학문에 대해 심층적으로 학습한다. |
| 지능HCI (Intelligence HCI) | HCI는 인간과 컴퓨터 간의 상호작용에 대해 연구하는 학문으로 컴퓨터를 좀 더 인간에게 쉽고 쓸모 있도록 인간과 컴퓨터 간의 상호작용을 개선하는 것을 학습한다. |
| 지식표현과추론 (Knowledge Expression and Reasoning) | 컴퓨터와 인간이 동시에 이해할 수 있는 지식의 논리적 표현법과 인공지능 활용을 위한 추론 기법을 학습한다. |