교육

커리큘럼

1학년

학기 학정번호-분반-실습 과목명 학점 분류
1 CAC1100 컴퓨터프로그래밍 3 전공선택

강의설명

본 과목은 컴퓨터과학을 활용한 문제해결에 필요한 기술과 방법, 사고를 학생들에게 소개하는 것을 목적으로 한다. 특히 현실에 존재하는 문제점을 해결하는 도구로써의 컴퓨팅의 역할이 중점적으로 다뤄질 예정이다. 학생들은 알고리즘과 데이터구조라는 두 가지 주요한 추상적 원리에 대해 학습하게 될 것이며, 이 두가지 추상적 원리는 정보 시각화, 시뮬레이션, 데이터 사이언스를 위한 계산기술 및 간단한 최적화 문제들에 적용되어 다뤄진다. 수업 내용은 파이썬(Python)언어로 구현 및 진행될 예정이다.

2 CSI2102 객체지향프로그래밍 3 전공필수

강의설명

Structured 프로그래밍을 기반으로 객체지향언어의 개념을 습득하고 이를 통해 실제의 객체지향 언어를 배우고, 응용문제를 위한 프로그램을 객체지향 언어를 사용하여 작성한다. ADT, Classes, Inheritance, Polymorphism, Virtual Functions, Control Structures, I/O 등을 다룬다.

2학년

학기 학정번호-분반-실습 과목명 학점 분류
1 CSI2103 자료구조 3 전공필수

강의설명

Space and Time Complexity, Asymptotic Notation, Data Abstraction(ADT), Arrays, Stacks, Queues, Linked Lists, Trees(binary trees, heaps, binary search trees), Graphs (DFS, BFS, MST, shortest paths), Sorting, Hashing, Heap structures, Search Structures(AVL, trees, Red-Black trees, B_trees) 등을 다룬다.

1 CSI2101 이산구조 3 전공기초

강의설명

Sets, Propositional/Predicate Calculus, Induction, Recursion, Permutation과 Combination, Inclusion, Recurrence Relation, Graphs, Random Number Generation 등을 다룬다.

1 MAT2013 확률통계 3 전공기초

강의설명

불확실한 현상을 모형화하기 위해 이산형 및 연속형 확률 변수들의 특성을 다루며 실험데이터를 이용한 모형의 분석을 위해 기초적인 통계기법과 가설의 검증 및 단순 회귀분석 기법 등을 다룬다.

2 - 인공지능개론 3 전공필수

강의설명

본 강의는 인공지능의 정의와 모델에 대한 개념을 시작으로 공학적 관점과 과학적 관점 등 인공지능을 다양한 관점으로 소개한다. 인공지능에 대한 기본 지식 표현과 문제해결방법, 지능형 시스템 개발론, 탐색(Search) 방법과 학습(Learning) 방법 등 인공지능 모델의 전반적인 이론에 대해 학습한다.

2 MAT2011 선형대수와그응용 - 전공기초

강의설명

행렬과 연립방정식계, vector 공간, 일차 변화와 행렬표현, vector 공간의 구조, 겹선형 형식과 내적 공간, 행렬식, 고유벡터와 고유 값 등을 다룬다.

2 CSI3108 알고리즘분석 3 전공선택

강의설명

컴퓨터 알고리즘 개발을 위한 다양한 tool들 (Divide-and-Conquer, Greedy Methods, Dynamic Programming, Backtracking, Branch-and-Bound, Approximation등)을 배우고, 이러한 tool을 이용한 기본적인 알고리즘을 분석하는 방법을 배운다.

2 - 확률그래프모델 3 전공선택

강의설명

확률 그래프 모델은 서로 상호작용하는 다수의 확률 변수에 대하여 이들의 결합확률분포를 나타내는 강력한 수학적 도구이다. 확률 그래프 모델은 미디어 신호 처리, 자연어 처리, 기계학습 등 인공지능의 다양한 분야에서 널리 응용되며, 확률론 및 그래프 이론에 대한 이해를 기반으로 전개되는 모델이다. 본 강의에서는 기본적인 확률 그래프 모델 표현들을 다루고, 이들의 이론적 성질, 실제 응용, 관련된 알고리즘을 다룬다.

3학년

학기 학정번호-분반-실습 과목명 학점 분류
1 - 기계학습 3 전공필수

강의설명

본 과목은 인공지능의 핵심기술인 기계학습에 대한 전반을 강의한다. 선형대수와 확률론의 기초 수학적 지식을 시작으로 regression, classification의 핵심 내용들과 더불어 unsupervised, transductive, graphical inference에 대해서 강의한다. 후반부에서는 딥러닝의 기초 내용 및 최신 내용들을 강의한다.

1 - 분산학습시스템 3 전공선택

강의설명

학습에 활용되는 근간 데이터 관리 프레임워크 및 기계학습 및 데이터분석 알고리즘 수행 프레임워크에 대해서 학습한다. 빅데이터 플랫폼과 더불어 최근 추세는 클라우드 및 기계학습 플랫폼으로 진화하고 있다. 이와 관련한 기본 지식을 습득하고 실제 프로젝트를 실습한다.

1 - 빅데이터분석및모델링 3 전공선택

강의설명

본 강의는 최근 사회 전 영역에 걸쳐서 화두가 되고 있는 빅데이터 분석을 심층적으로 살펴본다. 디지털 기술의 발달로 자료의 생산, 수집, 처리 과정이 체계화되면서, 우리 주변에 산재되어 있는 다양한 자료를 활용하여 의미있는 결과를 도출해내는 기술은 빅데이터 분석 솔루션의 발달과 함께 매우 중요해지고 있다. 이런 시대 환경의 변화 속에서 본 강의는 빅데이터 분석 방법을 광범위하면서도 체계적으로 이해하기 위해 인문사회과학적 패러다임뿐만 아니라 관련된 다양한 이슈와 기술적 개념을 배우는 기회로 진행될 예정이다.

1 - 멀티모덜데이터처리 3 전공선택

강의설명

멀티모덜 데이터는 분석 및 학습하기가 까다로운 특성이 있는 만큼 관련 기술을 습득한다. 시계열, 텍스트, 이미지, 음성 등의 이종 데이터를 종합적으로 처리하여 분석 결과를 도출하고 기계학습 모델을 훈련하는 내용 등을 습득하고 실제 프로젝트를 수행한다.

2 - 텍스트마이닝 3 전공선택

강의설명

텍스트 자료를 분석하여 문서 속의 유의미한 패턴 또는 유용한 지식을 추출하기 위해서는 기계학습, 통계학뿐만 아니라 언어학을 기반으로 한 자연어 처리 기술 (Natural Language Processing: NLP)에 대한 이해가 필수적이다. 본 강의에서는 자연어처리 기법을 활용한 텍스트 분석과 시각화 방법론에 대해 학습한다.

2 - 데이터마이닝 3 전공선택

강의설명

본 강좌는 컴퓨터의 발전과 더불어 쏟아지는 엄청난 양의 데이터로부터 의미 있는 패턴이나 규칙을 추출하는 데이터마이닝의 배경과 기법, 사례를 다룬다. 연관규칙, 분류, 예측, 군집화 등의 대표적인 방법을 익히고, 이를 바이오, 모바일, 비즈니스 데이터에 적용하는 실습과 프로젝트를 통해 데이터마이너로서의 소양을 함양한다.

2 - 딥러닝 3 전공선택

강의설명

본 강의에서는 deep neural networks, convolutional neural networks, recurrent neural networks, generative adversarial learning, deep reinforcement learning 등의 최신 기계학습 기법들의 이론을 학습하며, Tensorflow/PyTorch와 같은 딥러닝 툴을 활용한 실습을 통해 인공지능 문제를 해결하는 모델링 기법을 습득한다.

2 - GPGPU프로그래밍 3 전공선택

강의설명

본 과목에서는 GPGPU에서의 프로그래밍을 위한 프로그래밍 모델, 병렬 아키텍처, 최적화 테크닉 등에 대해 학습한다. Std thread, OpenMP 및 Cuda 를 활용하여 matrix연산, reduction, DNN 등의 다양한 애플리케이션의 병렬 프로그래밍 및 최적화를 실제로 경험하는 것을 목표로 한다.

4학년

학기 학정번호-분반-실습 과목명 학점 분류
1 - 정보검색및추천시스템 3 전공선택

강의설명

본 강의는 정보 검색 및 추천 시스템의 기본적인 이론과 최근의 연구 동향에 대해 설명하고 웹기반 새로운 미래 정보 검색 기술에 대해 배우는 것을 목적으로 한다. 본 강의의 수강자는 사용자의 입장보다 시스템 개발자 관점에서 정보검색모델, 색인 및 시스템 성능 평가에 관한 기본적인 이론을 습득할 수 있다. 최근 딥러닝이 적용된 정보검색 기술인 Neural IR에 대해서도 심층적으로 학습한다.

1 - 로봇인공지능 3 전공선택

강의설명

로봇의 운용을 위해서는 비전, 모션 플래닝, 역학, 제어, 센서 등등 많은 분야의 지식이 함께 조화를 이루어야 한다. 본 강의에서는 로봇의 기초를 이루는 이론 및 기본원리에 대해 학습하고, 강화학습 등 AI의 발전에 따라 새로이 도입되는 기술을 소개한다. 간단한 로봇 플랫폼을 대상으로 산업 및 실생활 등에 적용될 수 있는 애플리케이션을 개발해 본다.

1 - 컴퓨터비전 3 전공선택

강의설명

컴퓨터비전은 인공지능 분야 중에서 시각인지를 다루는 분야로서, 영상 데이터로부터 유용한 정보를 추출하고 영상을 이해하고자 하는 분야이다. 본 과목에서는 카메라의 원리부터 시작하여 컬러비전, 3차원 세계와 2차원 이미지간의 관계 정립, 영상 속의 사물을 인식하고 검출하는 방법, 딥러닝을 활용한 시각 인식 등 컴퓨터비전의 다양한 이론적 기초를 습득하는 것을 목표로 한다.

1 - 강화학습 3 전공선택

강의설명

본 강의는 강화학습 이론과 알고리즘을 다룬다. 강화학습은 인공지능의 핵심기술 중의 하나로 갈수록 그 비중이 높아지고 있다. 특히 인간의 경험으로부터 학습하는 방법을 모사한 기술로 자율주행부터 다양한 산업에의 응용까지 그 중요도가 큰 기술이다. 강화학습의 대표적인 학습 패러다임과 딥러닝 기반의 강화학습 등에 대한 최신 이론과 응용을 습득하는 것을 목표로 한다.

1 - 인공지능종합설계(1) 3 전공필수

강의설명

산업체나 학계에서 진행되고 있거나 요구되는 최신 연구 주제를 설정하여 심도 있는 연구 및 새로운 개념/방법의 설계와 그 실험 결과 분석 등의 체계적인 연구를 수행할 수 있도록 인공지능종합설계(1)과 인공지능종합설계(2)를 전공 필수 교과목으로 연계 운영한다.

2 - HCI&AI 3 전공선택

강의설명

본 교과목은 HCI분야의 정의와 전반적인 이론, 각종 요소를 구현하기 위한 프로그래밍을 학습한다. HCI에서 활용되는 반복적인 설계, 입/출력 기술의 개요, 상호작용 기술 설계 및 평가에 대해 학습한뒤, 향후 HCI분야에서 인공지능과 융합하는 방법론을 습득하는 것을 목표로 한다.

2 - 예측및의사결정시스템 3 전공선택

강의설명

본 강의는 예측 기반으로 최적의 의사결정을 하는 방법에 대해서 학습한다. 인공지능에서 예측은 기본이 되는 기술이다. 하지만 예측만으로 의미가 있다기보다는 이를 기반으로 의사결정이 내려서 행하여 졌을 때 비로소 예측이 가치를 가지게 된다. 기계학습이나 딥러닝 기반의 예측 모델을 기반으로 의사결정을 내리는 다양한 최적화 및 게임이론 등의 기법을 습득하는 것을 목표로 한다.

2 - 자연어처리 3 전공선택

강의설명

자연 언어 처리(혹은 자연어 처리: Natural language processing)는 인간이 발화하는 언어 현상을 기계적으로 분석해서 컴퓨터가 이해할 수 있는 형태로 만드는 자연 언어 이해 혹은 그러한 형태를 다시 인간이 이해할 수 있는 언어로 표현하는 제반 기술을 의미한다. 본 강의에서는 머신러닝을 기반으로 기계번역, 챗봇 등 자연어처리 분야에 활용되는 기술을 소개한다.

2 - AI보안 3 전공선택

강의설명

AI는 수많은 분야에 높은 성능을 보여 주며 각광받고 있으나, 기존과는 다른 새로운 보안 이슈를 일으킨다. 본 강의는 AI기술이 내재하는 보안 이슈 및 이들을 완화하는 기법에 대해 익힌다. Adversarial attack, Membership inference attack 등에 사용되는 이론 및 이들을 방어하기 위한 최신 기법을 습득하는 것을 목표로 한다.

2 - 데이터모델및시각화 3 전공선택

강의설명

본 강의는 주어진 데이터로부터 그것을 잘 설명하는 모델을 만들고 데이터를 시각화하는 다양한 기법을 학습한다. 데이터의 이론적 모델을 만듦으로 인해서 데이터를 더 잘 이해할 수 있고 필요할 경우 모델로부터 비슷한 데이터를 합성해 낼 수도 있다. 시각화는 데이터를 탐험하기 위한 기본적인 도구로서 시각화 방법에 따라 데이터의 특정 속성을 잘 보여 주기도 한다. 이러한 내용들은 추후 인공지능 학습에 기반이 되는 내용들로써 이론 및 실제 응용 기술을 소개한다.

2 - AI윤리 3 전공선택

강의설명

인공지능은 단순한 신기술이 아니라 사회 구조의 광범위한 변화를 수반하는 4차산업혁명 핵심기술이다. 인공지능의 발전뿐만 아니라 악용을 막고, 기술의 도덕적·윤리적 활용을 보장하기 위해서는 인공지능 기술뿐 아니라 관련된 윤리를 이해할 필요가 있다. 본 강의에서는 AI와 관련된 윤리를 다양한 사례를 통해 살핀다.

2 - 인공지능종합설계(2) 3 전공필수

강의설명

산업체나 학계에서 진행되고 있거나 요구되는 최신 연구 주제를 설정하여 심도 있는 연구 및 새로운 개념/방법의 설계와 그 실험 결과 분석 등의 체계적인 연구를 수행할 수 있도록 인공지능종합설계(1)과 인공지능종합설계(2)를 전공 필수 교과목으로 연계 운영한다.