전공 교과목명 | 개요 | |
---|---|---|
국문 | 영문 | |
인공지능입문 | Introduction to AI | 본 교과목에서는 인공지능을 이해하기 위한 수학적 기초와 컴퓨터의 하드웨어 및 소프트웨어, 데이터 구성 등의 주제를 다루며, 학생들은 관련 과제를 수행한다. 이론 강의와 함께 컴퓨터를 활용한 인공지능 기술 개발에 기본적 활용 방법에 관한 실습을 포함한다. |
인공지능프로그래밍 | Computer Programming for AI | 본 교과목에서는 AI 프로그래밍 환경 이해, Python을 이용한 인공지능 모델링, 학습, 추론 기법에 대한 기초 실습을 수행한다. |
인공지능창의설계 | Creative AI Design | 인공지능 분야의 기초가 되는 지식을 바탕으로 실생활에 응용이 가능한 창의적 설계능력을 키운다. 공학적인 설계방법을 교육하며, 스스로 공학적 문제를 제기하고 문제해결하기 위하여 창의적으로 설계 하고 제작하는 공학적인 설계과정을 익힌다. 설계팀을 구성하여 팀별로 문제 해결방법을 제시한다. 수행가능한 조별 프로젝트 주제로는 라즈베리파이를 이용한 시각지능(인공지능 CCTV 등), 음성지능기술(음성인식 등), 지능제어기술(지능형 로봇 등) 등이 있다. |
객체지향프로그래밍1 | Object-Oriented Programming 1 |
|
객체지향프로그래밍2 | Object-Oriented Programming 2 | C++ 언어를 바탕으로 객체지향 프로그래밍의 데이터 추상화, 클래스, 연산자 중복, 함수 중복, 계승, 스트림 입출력 등을 배우고 Visual C++ 언어로 실습한다. |
자료구조 | Data structure | 기본 자료구조(스택, 큐, 트리, 그래프 등)의 개념 및 필요성과 응용 분야 학습하고, 정렬, 균형이진트리, 깊이우선탐색, 너비우선탐색 등 기본적인 알고리즘들을 구현한다. |
알고리즘 | Algorithm | 본 교과목에서는 다음과 같은 주제들을 학습한다.
|
문제해결기법 | Problem Solving | 소프트웨어와 관련된 문제들을 창의적으로 해결하는 방법을 학습하고 프로그램 개발 능력과 아이디어 발표 및 토론 기술을 습득한다. 본 강의에서는 C, C++ 등의 고급 프로그래밍 언어를 이용하여 다양한 함수와 기초적인 자료구조, 기초적인 알고리즘 설계 기법 등을 학습하고 효율적인 프로그래밍 기술 능력을 개발한다. |
자바기반응용 프로그래밍 |
Application Programming in Java | 본 강좌에서는 자바문법에 관한 강의는 최소한으로 하되, 자바에 특화된 기능 및 설계기법을 주로 다룬다. 주별 강의내용은 (1) 자바문법 요약, (2) 객체지향형 프로그래밍 실습, (3) 자바에 특화된 기능 소개 및 적용. (4) 자바 언어를 이용한 고난이도의 프로그래밍 실습 등을 포함한다. |
인공지능확률론 | Probability for AI | 본 강의는 인공지능 기술개발을 위한 확률론을 다루며 어플리케이션 개발을 통하여 실생활에 응용에 적용하는 방법을 다룬다. 본 과목에서 다루는 본 개념들은 communication systems and networks, signal processing, and control systems, Image and Video Processing 등의 연구분야에서 널리 활용될 수 있다. 세부적으로는 확률의 모델링 방법과 연산, Random Variable의 이해와 응용 등의 개념을 다루며, 확률분포 모델링 및 학습, 추론방법을 학습한다. |
기계학습 | Machine Learning | 본 강의에서는 학습 시스템이 데이터로부터 모델을 자동적으로 생성하고, 생성된 모델을 가지고 사용자가 원하는 결과를 추론할 수하는 기계학습을 배운다. 지도학습, 비지도학습, Dimensionality reduction, Ensemble learning등 기계학습의 기본 개념과 원리, 모델 구조, 학습 알고리즘 및 관련 수학 지식을 학습 한다. 나아가, 딥러닝(deep learning), 적대적 학습(generative advesrial learning)기술을 공부 한다. |
인공신경망 | Artificial Neural Network | 인공신경망의 이론적인 배경 이해를 위하여 필수적으로 요구되는 수학적 지식 및 기계학습 이론을 리뷰한다. 간단한 인공신경망의 학습원리 및 적용방법을 소개하고, 심층신경망으로의 확장 및 응용을 위한 기법을 학습 및 실습한다. 관련 세부 주제는 DNN, regulerization, 학습 최적화 기법, CNN 및 RNN을 비롯한 응용 네트워크 등이 있다. |
인공지능보안 | AI and Security | 본 강좌에서는 다음과 같은 내용을 다룬다.
|
인공지능종합설계1 | AI Capstone Project 1 |
|
인공지능종합설계2 | AI Capstone Project 2 |
|
멀티미디어컴퓨팅 | Multimedia Computing | 멀티미디어의 기본이 되는 정보 단위는 Text, Audio, Image, Vector graphics, Video 등으로 요약할 수 있다. 본 강의는 이와 같은 데이터의 특성을 이해하고, 이러한 데이터를 활용한 인공지능 소프트웨어 개발을 위한 기초지식을 제공한다. 학기 후반부에는 지능형 Multimedia information retrieval에 관련하여 심화된 내용을 다룬다. 학기 프로젝트를 통하여 습득한 지식을 종합적으로 응용한 어플리케이션 개발을 수행한다. |
컴퓨터비전 | Computer Vision | 컴퓨터비전은 시각 인공지능의 주요 기술로, 본 강의에서는 컴퓨터 비전의 대표적인 주제인 영상 처리 및 분할, 특징점 검출, 3차원 복원, 객체 및 영상 인식 기술을 배운다. 또한 컴퓨터 비전에 자주 사용되는 머신러닝, 딥러닝 기술을 이해한다. |
인공지능 융합프로젝트 |
AI Convergence Project | 실생활에 인공지능 기술이 활용될 수 있는 융합 분야를 선정하고, 분야의 특성을 분석 및 해당 데이터를 수집한다. 수요자 중심의 어플리케이션을 설계 및 개발한다. 이는 제조, 물류, 의료기술과의 융합 프로젝트를 포함할 수 있다. 본 교과목은 팀 프로젝트로 구성이 되며 지속적인 수요자의 피드백을 통하여 완성도를 높인다. |
심화전공탐색 | Research Topics in AI | 인공지능의 세부 분야인 컴퓨터비전, 음성 및 자연어 처리, 통신 및 보안, 바이오 인공지능, 지능형 HCI, 데이터인텔리전스 등 다양한 분야의 연구실에 직접 참여하여 소주제의 연구를 수행하고 성과물을 발표한다. |