성균관대학교 소프트웨어융합대학 | 대학원과정 | 실감미디어공학과

교과목명을 클릭하시면 과정 설명을 볼 수 있습니다.

교육과정
학수번호	교과목명	학점	자기 학습 시간	영역	학위	이수 학년	비고	언어	개설 여부
AIM4001	빅데이터분석특론	3	6	전공	학사/석사		인공지능학과	-	No
빅데이터 분석에 중추적인 역할을 하는 주요한 데이터 마이닝 기법 및 기계학습 방법론에 대해 학습한다. 빅데이터의 종류 및 성격을 파악하여 그 데이터 안에서 의미 있는 정보를 추출하기 위해 어떤 빅데이터 처리 기법을 적용해야 하는지에 대해 습득한다. 더 나아가 빅데이터 분석에 활용할 수 있는 확장성 높은 데이터 마이닝 알고리즘을 설계하고, 다양한 빅데이터를 수집 및 분석하는 소프트웨어를 개발하는 것을 목표로 한다. 강의 중반부까지는 빅데이터 분석에 필요한 주요 지도학습 및 비지도학습 방법론에 대한 이론적 분석 및 실제 적용 예에 대해 소개한다. 강의 중반 이후에는 빅데이터의 대표적인 예 중 하나인 거대 소셜 네트워크를 분석하기 위한 다양한 그래프 마이닝 기법들에 대해 공부한다. 한 번의 중간시험과 세 번의 과제, 최종 설계 프로젝트를 통해 평가한다. 학기말 설계 프로젝트를 통해서 실제 빅데이터를 수집하거나 기존에 존재하는 빅데이터를 분석하는 소프트웨어를 개발하는 것을 목표로 한다.
AIM4003	자연어처리개론	3	6	전공	학사/석사	1-4	인공지능학과	한	Yes
본 과목에서는 자연어를 분석하고 생성하는 이론과 기술에 대한 전반적인 내용을 다룬다. 구체적으로 텍스트 수집, 텍스트 전처리, 문서 통계 분석, 문서 분류 및 성능 평가, 구문 분석, 파싱, 개체명 인식, 텍스트 벡터화, 텍스트 클러스터링, 텍스트 생성, 토픽 모델링, 유사문서, 요약, 단어 임베딩, 언어 모델 등의 주제를 다루며, 다양한 실전 문제를 해결하는 방식을 이해한다. 본 과목의 목표는 실전 자연어처리 문제를 해결하는 프로그램을 작성하는 것이다. 본 과목을 수강하기 위해서 파이썬 프로그래밍, 기계 학습 및 딥러닝 모델을 이해하고 구현할 수 있어야 한다.
AIM5001	인공지능론	3	6	전공	석사/박사		인공지능학과	한	Yes
이 과목의 목표는 인공지능의 기본이 되는 알고리즘을 이해하여 구현할 수 있도록 한다. 학습 내용은 문제 해결 및 탐색, 논리와 지식 표현, 추론, 계획을 포함한다.
AIM5002	기계학습론	3	6	전공	석사/박사	1-4	인공지능학과	한	Yes
기계학습은어떻게경험으로부터학습하는컴퓨터시스템을만드는가에관한연구분야이다.이과목에서는현재의기계학습분야에서사용되는알고리즘과모델들에대해서설명한다.학습할주요내용은일반화된선형모델,다층인공신경망,서포트벡터머신,베이지안네트워크,클러스터링,차원축소 등이다.
AIM5004	심층신경망	3	6	전공	석사/박사		인공지능학과	-	No
본 과목에서는 최근의 심층 인공신경망과 관련된 다양한 방법론을 배운다. 구체적으로, 심층신경망, 최적화 기법, 합성곱 인공신경망, 순환 인공신경망, 집중 메커니즘, 심층생성모델, 시각화 및 설명가능성을 포함한다.
AIM5006	영상처리론	3	6	전공	석사/박사	1-4	인공지능학과	-	No
디지털영상신호의획득,처리,출력및응용에관계되는제반기초지식을얻기위하여영상신호의수학적모델링,샘플링,공간및시간해상도,인간시각체계,양자화이론,2차원신호처리기초,이차원변환,주파수분석기법,필터링,화질향상,컬러공간및컬러변환,컬러처리,압축및복원기술을소개하고,이러한기술들이어떻게사용되는가를다양한실제예들의분석을통해학습한다.
AIM5010	강화학습특론	3	6	전공	석사/박사	1-4	인공지능학과	한	Yes
강화 학습은 로봇공학, 게임, 소비자 모델링 등 광범위한 문제에 적용될 수 있는 대표적인 기계 학습 기법 중 하나이다. 본 수업에서는 강화 학습의 방법론으로 마르코프 의사결정 과정, 동적 프로그래밍에 의한 계획, 모델 프리 예측, 모델 프리 제어, 가치 함수 근사, 정책 그레디언트, 학습과 계획, 탐구 및 탐사 등을 다루고자 한다.
AIM5012	최적화이론및응용	3	6	전공	석사/박사	1-4	인공지능학과	-	No
선형및비선형프로그래밍,반복기법및다이내믹프로그래밍등을소개한다.다이내믹프로그래밍방법으로부터이산및연속최적조절기를유도하는방법을소개한다.다이내믹프로그래밍방법은Hamilton-Jacobi-Bellman방정식,최소법칙등을유도할수있다.또한최소에너지문제,선형추종문제,출력조절기및최소시간문제등을다룬다.
AIM5015	임베디드시스템론	3	6	전공	석사/박사	1-4	인공지능학과	-	No
임베디드시스템을제어하는소프트웨어개발에요구되는프로그래밍기법과소프트웨어개념을학습하는것을주목표로한다.자료구조와임베디드소프트웨어개발도구와기법,실시간운영체제,Linux운영체제와디바이스드라이버프로그래밍에대하여학습한다.
AIM5019	음성인식론	3	6	전공	석사/박사	1-4	인공지능학과	-	No
패턴인식에기초한음성인식에대하여고찰한다.주요내용으로는음성의성질,음성분석의원리,음성인식의기초,DTW(dynamictimewarping),HMM(hiddenmarkovmodel),신경망,음성인식에서의강인성,그리고음성합성에대하여다룬다.
AIM5020	컴퓨터비전론	3	6	전공	석사/박사	1-4	인공지능학과	한	Yes
시각정보를컴퓨터를이용하여처리하는기법에관하여다룬다.주요내용으로는이미지처리대수,이미지질개선,경계선검출,문턱치설정,세선화및골격추출,음운적변환,선형변환,패턴매칭및형상검출,이미지특징및기술,심층신경망등이있다.
AIM5021	자연어처리이론및응용	3	6	전공	석사/박사	1-4	인공지능학과	한	Yes
자연어처리(NLP)는정보화시대의가장중요한기술중하나다.복잡한대화를이해하는것도인공지능의중요한분야다.이과정에서는학생들이자신의신경망모델을구현,학습,디버깅,시각화및개발하는방법을학습한다.이과정은NLP에적용되는심층학습의최첨단연구에대한철저한소개를제공한다.이과목은vectorrepresentations,window-basedneuralnetworks,recurrentneuralnetworks,long-short-term-memorymodels,recursiveneuralnetworks,convolutionalneuralnetworks포함한최근모델을다룬다.
AIM5022	정보검색	3	6	전공	석사/박사	1-4	인공지능학과	-	No
정보 검색은 대량의 문서 데이터에서 사용자가 입력한 질의와 관련있는 문서를 찾기 위한 기법으로, 검색 엔진에 대한 이론과 실제 구현에 관한 방법을 포함한다. 본 과목에서는 문서를 표현하는 방법, 색인화, 검색, 검색 엔진 및 요약하는 모델과 방법을 다룰 것이다. 또한, 최근의 심층 인공신경망을 활용한 검색 모델에 대해서도 다루고자 한다.
AIM5023	데이터마이닝이론및응용	3	6	전공	석사/박사	1-4	인공지능학과	-	No
데이터 마이닝은 데이터 내에서 의미 있는 패턴과 관계를 찾아내는 학문으로, 본 교과목에서는 데이터 마이닝 고급 기술에 대해 논의하기로 한다. 데이터 마이닝 최신 논문들을 토의하며 최신 데이터 마이닝 기술들에 대해 익힌다. 정형 데이터에 대한 마이닝 기법과 더불어 그래프, 이미지, 텍스트 등 비정형 데이터에 대한 고급 데이터 마이닝 기법에 대해서도 논의하도록 한다. 선형대수학을 선수 과목으로 수강할 것을 권장함.
AIM5024	추천시스템	3	6	전공	석사/박사	1-4	인공지능학과	-	No
추천 시스템은 사용자가 대상 항목에 부여할 등급이나 선호도를 예측하고자 하는 정보 필터링 기법이다. 본 과목에서는 비개인화된 추천 시스템, 콘텐츠 기반 및 협업 기법 추천시스템 및 이를 위한 최근접 이웃 기반 추천 방법과 행렬 분해 기반 방법에 대해서 다룬다. 마지막으로, 심층 인공 신경망을 이용한 추천 시스템 모델에 대해서도 다루고자 한다.
AIM5029	AI기술세미나	1	2	전공	석사/박사		인공지능학과	-	No
본과목은최근정보통신분야에서활발히연구되고있는다양한영역의주제를선정하여교내외의전문가들을초청,세미나또는토론을진행하여인공지능분야의최신흐름을제공하고자하는과목이다.
AIM5033	다형데이터학습	3	6	전공	석사/박사		인공지능학과	-	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.
AIM5053	인공지능과윤리	3	6	전공	석사/박사		인공지능학과	-	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.
AIM5056	그래프기계학습방법론	3	6	전공	석사/박사		인공지능학과	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.
COV7001	논문작성법및연구윤리1	1	2	전공	석사/박사		일반대학원 성균융합원	한	Yes
1) 논문작성의 전반을 소개하고, 논문작성의 필수적인 교양을 습득한다. 2) 연구 결과를 영어로 표현하는 효과적인 방법을 공부함으로써 향후 국내외학술지에 효율적으로 논문을 개제할 수 있도록 한다. 3) 연구 윤리를 습득한다.
DMC5007	온디바이스딥러닝	3	6	전공	석사/박사	1-4	DMC공학과	-	No
본 과목에서는 연산량과 메모리 소모가 큰 딥러닝 알고리즘을 스마트폰이나 IoT 장치에서 실행하는 온-디바이스 딥러닝을 위해 필요한 다양한 뉴럴 네트워크 압축 기법에 대해서 학습한다. 뉴럴 네트워크의 일부 연결을 제거하는 네트워크 프루닝 기법과 낮은 정밀도의 bit를 사용하는 양자화 기법 및 자원제약을 고려한 네트워크 구조를 탐색하는 뉴럴 아키텍쳐 탐색 기법을 다룬다.
ECE4249	컴퓨터비전	3	6	전공	학사/석사	1-4	전자전기컴퓨터공학과	한	Yes
본 과목은 컴퓨터에 의한 영상해석을 위한 이론을 정의한다. 영상 형성의 모델, 초기처리과정, 경계선의 검출, 영역의 확장과 분할, 움직임검출, 정합, Morphology 등의 알고리즘 소개와, 도형인식을 위한 통계적 모델, 분별함수, 결정 경계 및 법칙, 신경망 등의 이론을 강의한다
ECE4270	영상처리	3	6	전공	학사/석사	1-4	전자전기컴퓨터공학과	영	Yes
디지털 영상신호의 획득, 처리, 출력 및 응용에 관계되는 제반 기초지식을 얻기 위하여 영상신호의 수학적 모델링, 샘플링, 공간 및 시간해상도, 인간 시각체계, 양자화 이론, 2차원 신호처리기초, 이차원변환, 주파수 분석기법, 필터링, 화질향상, 컬러공간 및 컬러변환, 컬러처리, 압축 및 복원기술을 소개하고, 이러한 기술들이 어떻게 사용되는 가를 다양한 실제 예들의 분석을 통해 학습한다.
ECE5247	지속가능IT기술세미나	1	2	전공	석사/박사	1-4	전자전기컴퓨터공학과	영	Yes
본 과목은 최근 정보 통신 분야에서 활발히 연구되고 있는 다양한 영역의 주제를 선정하여 교내외의 전문가들을 초청, 세미나 또는 토론을 진행하여 정보 통신 분야의 최신 흐름을 제공하고자 하는 과목이다.
ECE5756	실시간시스템응용	3	6	전공	석사/박사	1-4	전자전기컴퓨터공학과	-	No
현재 진행되고 있는 실시간 시스템에서의 연구 분야중 최근에 발표되는 논문들을 중심으로 관심 분야들을 선택하여 심도 있게 연구 분석한다. 각 연구 분야를 대별하면, 실시간 시스템 언어, 실시간 시스템 분석, 실시간 운영체제, 실시간 데이터베이스, 실시간 통신, 실시간 응용 시스템들로 분류할 수 있으며, 매 학기마다 하나 혹은 두 분야를 선택하여 수업을 진행한다.
ECE5910	고급확률및랜덤프로세스	3	6	전공	석사/박사	1-5	전자전기컴퓨터공학과	-	No
이 과목에서는 랜덤프로세스에 관한 철저한 이해와 그를 바탕으로 전자공학과 관련된 문제에 랜덤프로세스 이론들을 응용할 수 있는 능력을 습득하도록 한다. 먼저 다변수 Gaussian 밀도 함수를 중심으로 한 확률 및 랜덤프로세스의 기초 이론들을 배운 뒤, 자기상관 및 파워스펙트럼 밀도 함수를 이용하여 다양한 랜덤프로세스 및 그들의 특성에 관해 살펴본다. 지금까지 배운 이론들을 최적 선형 시스템 설계에 응용해본다.
ECE5913	고급디지털신호처리	3	6	전공	석사/박사	1-5	전자전기컴퓨터공학과	-	No
신호처리를 위한 기본적이고 고전적인 방법인 푸리에 변환법의 범위를 넘어선 월쉬 및 하다마드와 같은 직교변환에 대해 알아보고 호모몰픽 기법과 일반화된 위-너 필터 등에 대해 공부한다. 그리고 대상시스템의 모델에 따라 독립적으로 적용할 수 있는 신호처리 기법으로 자동회귀(回歸)법 및 최대엔트로피법 등에 대해 살펴본다. 아울러 신호분석 영역을 다차원 공간에서 동시에 적용하는 방법으로 시간-주파수 및 공간-시간 분석법에 대한 개념과 장단점 등에 대해 알아보며, 학기 중에 개별적으로 프로젝트를 수행하게 된다.
ECE5920	최적화기법	3	6	전공	석사/박사	1-5	전자전기컴퓨터공학과	영	Yes
선형 및 비선형 프로그래밍, 반복기법 및 다이내믹 프로그래밍 등을 소개한다. 다이내믹 프로그래밍 방법으로부터 이산 및 연속 최적 조절기를 유도하는 방법을 소개한다. 다이내믹 프로그래밍 방법은 Hamilton-Jacobi -Bellman 방정식, 최소법칙 등을 유도할 수 있다. 또한 최소 에너지 문제, 선형 추종 문제, 출력 조절기 및 최소 시간 문제 등을 다룬다.
ECE5984	기계학습코너스톤	3	6	전공	석사/박사	1-4	전자전기컴퓨터공학과	영	Yes
기계 학습은 어떻게 경험으로부터 학습하는 컴퓨터 시스템을 만드는가에 관한 연구분야이다. 이 과목에서는 현재의 기계학습 분야에서 사용되는 알고리즘과 모델들에 대해서 설명한다. 학습할 주요 내용은 일반화된 선형 모델, 다층인공신경망, 서포트벡터머신, 베이지안 네트워크, 클러스터링, 강화학습 등이다.
ESW4001	가상현실론	3	6	전공	학사/석사		소프트웨어학과	-	No
가상현실은 컴퓨터공학을 기반으로 다양한 분야를 융합하는 차세대 미디어이다. 본 과목은 가상현실에 대한 기술적인 측면에 초점을 맞추어 이론적인 기초, 하드웨어/소프트웨어와 그 응용에 대해서 다룬다. 주요한 주제는 가상현실 시스템, 컴퓨터그래픽스 기초와 3D 입체 렌더링, 시각/청각/촉각 지각, 3D 상호작용과 실용적인 구현 기법을 다룬다.