성균관대학교 소프트웨어융합대학 | 대학원과정 | 인공지능학과

교과목명을 클릭하시면 과정 설명을 볼 수 있습니다.

교육과정
학수번호	교과목명	학점	자기 학습 시간	영역	학위	언어	개설 여부
AIM5026	로봇지능개론	3	6	전공	석사/박사	-	No
로봇은 센서와 액츄에이터를 연결하는 지능시스템으로 정의되며 이러한 지능시스템은 로봇이 자율적으로 물체를 조작하거나 실내외를 주행하면서 인간에 필요한 서비스를 제공하는 핵심역할을 수행한다. 구체적으로 로봇은 서비스 수행에 필요한 자율 주행 및 조작 행위를 위하여 환경 및 물체를 인식하고 이해하여 하여야 하며 이를 기반으로 스스로 행위를 추론하고 계획할 수 있는 능력이 요구된다. 특히, 이러한 환경 및 물체의 인식과 이해 그리고 행위의 추론 및 계획 능력이 학습을 통하여 스스로 배양될 수 있도록 하는 로봇의 학습능력은 매우 중요한 의미를 가진다. 본 과목은 학습을 통하여 로봇이 자율 주행 및 조작 행위에 필요한 환경 및 물체 인식과 이해, 그리고 행위 추론 및 계획 능력을 스스로 배양하는 로봇 지능 핵심의 기초를 다룬다.
AIM5027	고급AI로봇컴퓨팅	3	6	전공	석사/박사	-	No
이과목은AI알고리즘과RobotControl을구현하기위한기본적인컴퓨터프로그램언어와OS환경을학습하는과정으로Window와Linux환경에서고급c++과Python프로그램언어를학습하고이를사용하여AI와비전에널리쓰이는library인OpenCV,OpenGL,Boost와학습알고리즘구현많이쓰이는Numpy,Matplotlib,Pillow등의사용법을학습후Project를통하여다양한분야에서응용되는학습알고리즘의동작원리를이해하고필요한요건들을정의하여연구를위해필요한기초지식을경험한다. 수업은 영어로 진행 예정입니다.
AIM5028	SW-HW통합설계론	3	6	전공	석사/박사	-	No
SW-HW통합 설계론에서는 다양한 응용 분야에 맞는 효율적인 인공지능 시스템을 설계하기 위한 SW와 HW의 통합 설계 방법에 대해서 다룬다. 데이터 처리 속도, 전력 소모 및 복잡도를 고려해서 SW와 HW 로 구현될 수 있는 블록들에 대한 최적 파티션이 필요하며, Co-Design 을 통해서 최적의 성능을 달성할 수 있다. 본 과목에서는 이와 같은 목표를 달성하기 위한 인공지능 SW 설계 방법론, 인공지능 HW 설계 방법론을 다루고, 이를 기반으로 AI SW-HW 설계방법론에 대해서 다룬다.
AIM5029	AI기술세미나	1	2	전공	석사/박사	-	No
본과목은최근정보통신분야에서활발히연구되고있는다양한영역의주제를선정하여교내외의전문가들을초청,세미나또는토론을진행하여인공지능분야의최신흐름을제공하고자하는과목이다.
AIM5030	지적재산권과AI윤리	2	4	전공	석사/박사	-	No
이과목은크게 두가지 토픽으로 운영된다. 지적재산권의 이해와 AI 윤리이다. 지적재산,지적재산권의 이해에서는 저작권,특허,등록상표,라이센스등의전반적인소개를제시한다.세부내용으로는,지식재산권정의,지적재산을규정하는여러가지법규구분및이해,지적재산법에영향을주는기술여파의이해및분석,지적재산법의사회적,문화적,경제적충격의이해,정보와지식의생산,관리,조직,분배에미치는지적재산의영향분석,지식정보찾기및활용등이포함된다. AI윤리는 AI가 활용될 때 발생할 수 있는 예측 불가능한 비극을 방지하기 위한 공정성, 투명성, 안전성, 안정성, 책임성 등의 여러 윤리 원칙들에 대하여 공부한다.
AIM5031	AI석사논문연구	3	6	전공	석사	한	Yes
본과목은석사과정학생을대상으로하는대학원과정의개별연구과목으로,수강생은지도교수와의협의하에연구주제를선정한후,한학기동안해당연구주제에대해심도깊은연구를진행한후결과물을제출해야한다.
AIM5032	AI박사논문연구	3	6	전공	석사/박사	한	Yes
본과목은박사과정학생을대상으로하는대학원과정의개별연구과목으로,수강생은지도교수와의협의하에연구주제를선정한후,한학기동안해당연구주제에대해심도깊은연구를진행한후결과물을제출해야한다.
AIM5033	다형데이터학습	3	6	전공	석사/박사	-	No
실 데이터는 대게의 경우에 여러 다양한 형태의 정보를 담고 있다. 예를 들어, 이미지의 경우에 그 이미지를 설명하는 텍스트를 동반할 수 있고, 문서 안의 대부분의 정보는 텍스트로 되어 있지만 이미지로 핵심 아이디어를 표현하기도 한다. 본 과목에서는 이와 같이 다형의 데이터를 통합하여 활용하는 머신 러닝 기법에 대해 다룬다.
AIM5035	설명가능한인공지능	3	6	전공	석사/박사	-	No
최근 많은 각광을 받는 딥러닝 기반 알고리즘들은 높은 예측 정확도를 보이고 있으나, 그 예측 결과의 이유를 명확하게 설명하기 어려운 단점을 가지고 있다. 이러한 문제점들로 인해서, 최근 설명가능한 인공지능 기술에 대한 활발한 연구가 진행되고 있다. 본 과목에서는 딥러닝 모델들이 학습한 representation들의 visualization, saliency-map 기반의 설명방법(예: Grad-CAM, LRP 등), 그리고 black-box 설명방법 (예: LIME, SHAP) 등에 대해서 알아보고, 그러한 방법들의 robustness 등에 대해서 살펴본다. 또한, 의료영상 등에서의 주요 응용 분야에 대해 살펴보고 term-project를 수행한다.
AIM5036	심층생성모델	3	6	전공	석사/박사	한	Yes
최근 많은 각광을 받는 심층 생성 모델에 대해 학습한다. 전반부에는 Autoregressive model과 bayesian에 기반한 variational autoencoder (VAE), normalized flow 등에 대해 학습하고, 후반부에는 generative adversarial net (GAN)과 그 다양한 변종들에 대해 학습한다. (예: W-GAN, CGAN, Cycle GAN 등) 또한 생성모델을 활용하는 다양한 응용 분야에 대해 survey하고 학습한다.
AIM5038	상황기반행동학습	3	6	전공	석사/박사	-	No
상황 인식에 의한 학습법이란, 컴퓨터(혹은 프로그램이 가능한 장치)가 자신의 환경을 감지하고 반응할 수 있게 하는 기계학습 방법을 말한다. 시시각각 변화하는 환경에 반응하여 기계가 적절한 판단을 내릴 수 있도록 하는 것이 핵심이다. 본 과목에서는 지능형 디바이스가 상황인식 기반 학습을 통해 스스로 상황을 인지하고, 상황에 따른 적절한 판단을 내릴 수 있도록 하는 학습법에 대해 논의한다.
AIM5039	지능적스토리텔링	3	6	전공	석사/박사	-	No
본 과목의 목표는 인터랙티브 스토리를 이론적으로 이해하고 계산적으로 모델링하는 것이다. 학습 내용은 서사 이론에 기반한 스토리 분석, 인공지능 알고리즘을 적용한 다양한 계산적 모델, 인터랙티브 스토리를 만드는 저작 도구, 지능적 스토리를 적용한 VR, 게임등의 구현 사례를 포함한다. 본 과목을 수강한 학생은 해결하고자 하는 문제에 스토리 요소를 추가하여 사용자 경험이 증대되도록 시스템을 설계하고 구현할 수 있을 것으로 기대된다.
AIM5040	비지도학습	3	6	전공	석사/박사	-	No
정답 레이블이 없이 데이터로부터 학습하는 비지도학습 (Unsupervised learning)의 기초부터 최신 기법까지 학습한다. K-means clustering, PCA, ICA, expectation-maximization (EM), hidden Markov Model (HMM) 등 전통적인 비지도학습 모델부터 restricted Boltzmann machine, deep Boltzmann machine 등 최신 비지도학습 알고리즘에 대해 학습한다.
AIM5041	계산감성모델	3	6	전공	석사/박사	-	No
본 과목의 목표는 인공지능의 이론 및 알고리즘을 이용하여 인간의 감정을 계산적으로 모델링하는 것이다. 학습 내용은 감정의 계산적 정의, 기계 학습 알고리즘을 이용한 인간 감정의 분류, 감정을 처리하여 생성하는 인지적 모델 및 다양한 미디어에서 감정을 표현하는 것을 포함한다. 본 과목을 이수한 학생은 계산적 모델을 적용하여 다양한 문제를 해결하고 시스템을 설계할 수 있을 것으로 기대된다.
AIM5042	게임AI	3	6	전공	석사/박사	-	No
인공지능은 컴퓨터 게임에 있어 필수적인 요소 가운데 하나이며, 컴퓨터 게임은 인간 수준의 인공지능을 시험 해 볼 수 있는 좋은 시험장이라 생각할 수 있다. 본 강의에서는 상태 머신, 현실감과 즐거움을 모두 고려한 의사 결정, 경로 탐색, 게임 전략 수립 알고리즘을 포함한 다양한 컴퓨터 게임을 위한 인공지능 기술들에 대해서 다루고자 한다. 선수과목: 인공지능 혹은 이에 준하는 교과목
AIM5043	인공지능가속기	3	6	전공	석사/박사	-	No
현재의 인공지능 하드웨어는 인공 심층 신경망 모델에 기반하고 있으나 인간의 두뇌 및 신경계와 좀더 유사한 혁신적인 구조가 요구되고 있다. 행렬 연산 계산에 최적화된 현재의 AI 가속기 구조를 기반으로 아날로그 방식 신경망 회로기술과 Processing-in-memory 등을 포괄하며 폰 노이만 아키텍처를 넘어서는 다양한 차세대 아키텍처를 탐색해본다.
AIM5044	신경망모사프로세서	3	6	전공	석사/박사	-	No
본 교과목은 생물학적 브레인의 구조 및 동작을 모사하기 위한 다양한 뉴로모픽 설계 기법을 다룬다. 먼저, 생물학적 브레인의 실제 구조 및 동작 상의 특징을 이해하고, 이를 구현하기 위한 CMOS 회로 및 Memristive 소자에 대한 기본 사항을 공부하고, 이들을 사용하여 구현된 뉴로모픽 시스템의 다양한 구조 및 동작을 이해하고 저전력 고성능의 뉴로모픽 프로세서를 설계하기 위한 다양한 기법을 공부하게 된다.
AIM5045	엣지컴퓨팅	3	6	전공	석사/박사	-	No
본 과목에서는 클라우드 컴퓨팅의 개념이 오늘날의 엣지 컴퓨팅으로 확장되고 이 결합된 엣지-클라우드 컴퓨팅 환경이 어떻게 활용될 수 있는지 알아본다. 기존 클라우드 컴퓨팅 환경과 데이터 센터의 작동 구조를 리뷰하고 엣지 컴퓨팅의 정의, 클라우드 컴퓨팅과 엣지 컴퓨팅의 상호 보완성에 대해 알아본다. 또한, 컴퓨팅 리소스의 위치, 네트워크 인프라, 단말의 성능에 따른 디바이스 엣지와 클라우드 엣지 차이점과 장단점에 대해 학습한다. 엣지 컴퓨팅 환경 구축과 어플리케이션을 위한 엣지 아키텍쳐, 클라우드 서비스의 코디네이션, Apache Edgent, Geo-distributed 컴퓨팅, 엣지 컴퓨팅에서의 머신 러닝 및 분산된 빅데이타 분석 알고리즘 등을 다룬다
AIM5046	SW-HW통합설계프로젝트	3	6	전공	석사/박사	-	No
SW-HW통합설계프로젝트에서는 SW-HW통합설계론을 포함한 학과 과정을 이수하며 학습한 이론을 응용하여 실제 설계 프로젝트를 수행하기 위한 과목이다. 본 과목에서는 데이터 처리 속도, 전력 소모 및 복잡도를 고려한 인공지능 관련 설계 프로젝트 주제를 정하고, SW와 HW의 최적의 파티션과 Co-Design을 통해서 최적의 성능을 가지는 인공지능 시스템을 설계하는 것을 목표로 한다. SW-HW 통합 설계 결과와 SW 단독 설계방법및 HW 단독 설계 방법과의 성능비교를 한다.
AIM5047	문제해결형R&D프로젝트	3	6	전공	석사/박사	-	No
본 과목은 학생들이 AI 관련 산업에 대한 이해도 증대와 현업에서 풀고 있는 문제에 친숙해질 수 있는 기회를 부여하고 해당 과제에 참여함으로써 스스로 문제를 해결하는 능력을 키우고자 한다. 수업내용은 현업에서 발생하는 문제 및 새로운 아이디어가 요구되는 것들을 프로젝트로 선별하여 이를 수행한다.
AIM5048	창업연계캡스톤프로젝트	3	6	전공	석사/박사	-	No
창업연계 캡스톤프로젝트는학과과정을이수하며학습한이론을응용하여창업과 연계하여 실제데이터로문제를해결하기위한과목이다.본교과목은지금까지배운지식을토대로창업 시 현업에서발생할 수 있는문제를해결하는프로젝트의 형태로진행한다.프로젝트주제는모두실제도메인에서발생할 수 있는문제들을 다루게 되며,학생들은프로젝트를진행하기위한도메인을충분히이해하고창업과 연계된 데이터과학적프로젝트를수행하는방법을훈련한다.학생들은 또한 창업연계 캡스톤 프로젝트 수행을 통해문제정의,데이터수집,데이터정제,그리고과학적분석에이르는데이터과학적문제해결과정을이해한다.
AIM5049	AI헬스케어시스템	3	6	전공	석사/박사	-	No
현대의 헬스케어 시스템은 여러 구성요소가 복잡하게 얽혀 있으며 이를 효과적으로 운영하여야 환자가 받는 케어의 수준이 높아진다. 본 과목에서는 헬스케어의 구성요소들을 설명하고 이를 인공지능 기술을 사용하여 효과적으로 전달하기 위한 운영관리에 대하여 학습한다. 주요 주제로 병원용량설계, 헬스케어 시설물 위치설정, 혈액 공급사슬 관리, 의료정보시스템, 장기배분 모델등이 포함된다.
AIM5050	의료영상분석	3	6	전공	석사/박사	-	No
현대의료에서 의료영상의 사용이 늘어나고 이를 효과적으로 분석하는 것이 중요하다. 본 과목에서는 다양한 의료영상 종류에 대하여 설명하고 인공지능 기반의 영상처리/컴퓨터 비전 기술을 사용하여 의료영상으로부터 임상적으로 유의미한 정보를 추출하는 것에 대하여 학습한다. 주요 주제로 자기공명영상/컴퓨터단층 영상의 원리, 필터기반 특징추출기법, 신경망 기반 특징추출 기법등이 포함된다.
AIM5051	AI비즈니스플랫폼	3	6	전공	석사/박사	-	No
본 과목은 AI를 기반으로 한 다양한 비즈니스 모델을 연구하고, 이를 통한 AI 비즈니스 생태계 구성을 위한 플랫폼을 공부한다. 즉, AI 기술 개발을 통한 비즈니스, 서비스, 혹은 기술들의 생태계에 여러 상호 보완적인 상호작용이 일어날 수 있는 시스템(환경)을 연구한다. 이를 통하여 AI 개발자, 분석가, 제공자, 사용자가 선순환적으로 공존할 수 있는 플랫폼이 구축될 수 있다.
AIM5052	제조빅데이터분석	3	6	전공	석사/박사	-	No
본 과목은 제조 도메인의 빅데이터 특성을 이해하고, 이를 제조 현장에 융합하여 적용할 수 있는 빅데이터 분석 역량을 학습한다. 비즈니스적 관점에서 접근하여 제조빅데이터의 중요성을 학습하고, 제조빅데이터를 다루는 다양한 컴퓨팅 기술 및 소프트웨어 플랫폼에 대하여 알아본다. 통계언어 R에 대한 이해와 기초 통계를 이해하고, 데이터 탐색적 자료 분석 및 데이터 시각화를 학습한다. 제조 빅데이터의 분석을 위해 로지스틱 회귀분석, LDA, 군집분석, 시계열 분석, SVM/KNN 등 고급 데이터분석 기법을 다룬다. 최근 빅데이터 처리를 위한 플랫폼으로 각광을 받고 있는 하둡(Hadoop)이나 스파크(Spark) 등을 이용한 빅데이터를 다루는 기술을 알아본다. 또한, 제조 분야 생산 프로세스 이해와 공정 최적화, 생산리드타임 개선 등 빅데이터기반 생산 효율화 및 품질관리에 관하여 학습한다.
AIM5053	인공지능과윤리	3	6	전공	석사/박사	-	No
이 과목은 현재 인공지능 모델이 가지는 윤리적 한계점 및 문제점에 대한 분석 및 해결 방안에 대해 토론 및 연구하는 과목이다. 어느 과학기술이든 사용함에 있어 이중성은 존재한다. 예를 들어 핵분열 기술은 발전소와 핵폭탄을 만들어냈다. 인공지능 역시 의도하든 의도하지않든 이러한 점이 존재한다. 이 과목에서는 그러한 양날의 검과 같은 인공지능 모델 및 알고리즘에 대해 분석하며 그 해결법에 대해 배워나갈 것이다.
AIM5054	전산사회과학	3	6	전공	석사/박사	-	No
이 과목은 전산사회과학 분야에 대한 것을 탐구하는 과목이다. 전산사회과학이란 사회과학분야의 여러 연구 문제를 전산학 기법으로 풀어가는 것을 뜻한다. 예를 들어 자기 자신을 드러내는 행동을 대용량 대화 데이터에서 추출하는 인공지능 모델을 만들어 그 행동이 사람들을 더욱 친근하게 만든다는 것을 나타낸 연구가 있다. 이 과목에서는 이러한 전산사회과학 분야의 연구 문제와 그 해결법인 인공지능 모델 및 알고리즘에 대해 배워나갈 것이다.
AIM5055	베이지안학습론	3	6	전공	석사/박사	-	No
이 과목은 베이지안 학습론에 대한 것을 배우는 과목이다. 베이지안 학습은 불확실성을 추론할 때 데이터에서뿐만 아니라 그에 대한 믿음도 같이 살피는 방법론이다. 특히 최근 대용량 데이터에서 높은 성능을 내는 딥러닝과의 결합인 베이지안 딥러닝이 각광을 받고 있다. 이 과목에서는 먼저 베이지안에 대해 학습한 후 베이지안 딥러닝에 대하여 배워나갈 것이다.
AIM5056	그래프기계학습방법론	3	6	전공	석사/박사	영	Yes
그래프 기계학습은 기계학습의 한 분야로 그래프 데이터를 처리하여 현상을 모델링하고 학습하는 최신 방법론 중에 하나이다. 신약을 디자인하고 소셜 네트워크에서 새로운 친구를 추천해주는 등 그래프 데이터를 학습하는 기계학습은 인공지능 시대에서 풀어야할 중요한 문제를 다루고 있다. 이 코스에서는 Matrix factorization-based methods, random-walk based algorithms, and graph neural networks를 포함한 Graph representation learning을 공부하게 된다. 이를 통해 이론적 동기를 학습하고 실질적인 응용을 경험하며, 프로젝트를 통해 자신만의 기계학습 모델을 만들어볼수 있다.
AIM5057	지식그래프생성및활용방법론	3	6	전공	석사/박사	-	No
이 과목은 지식 그래프를 생성하고 활용하는 방법론을 배우는 것에 목적을 두고 있다. 학생들은 대용량의 지식 그래프를 만들고 이에 질의를 하기위한 이론과 응용들을 배우게 된다. 그 토픽으로 crawling web sites, wrapper learning, information extraction, source alignment, string matching, entity linking, graph databases, querying knowledge graphs, data cleaning, Semantic Web, linked data, graph analytics, and intellectual property를 포함한다.