발전기금
교과목명을 클릭하시면 과정 설명을 볼 수 있습니다.
| 학수번호 | 교과목명 | 학점 |
자기 학습 시간 |
영역 | 학위 |
이수 학년 |
비고 | 언어 |
개설 여부 |
|---|---|---|---|---|---|---|---|---|---|
| ADS5021 | 정보보안특론 | 3 | 6 | 전공 | 석사/박사 | 1-8 | 데이터사이언스융합학과 | - | No |
| 이 과정은 컴퓨터 저장 장치에있는 정보와 컴퓨터 네트워크를 통해 이동하는 정보를 보호하는 데 사용되는 정보 보안의 기본 사항에 중점을 둔다. 이 과정에서는 정보 보안, 컴퓨터 보안 기술 및 원리, 액세스 제어 메커니즘, 암호화 알고리즘, 소프트웨어 보안, 물리적 보안, 보안 관리 및 위험 평가 등의 기본 사항을 살펴본다. | |||||||||
| ADS5032 | 데이터사이언스응용 | 3 | 6 | 전공 | 석사/박사 | 1-8 | 데이터사이언스융합학과 | - | No |
| 데이터사이언스가 실제 환경에 어떻게 적용 및 활용되는지를 이해하는 것은 매우 중요하다. 이 과목은 데이터사이언스의 기초를 습득한 후 다양한 분야에서 데이터사이언스가 어떻게 적용 및 응용 될 수 있는지를 배운다. 또한 현재 사용되는 다양한 데이터사이언스 활용 및 분석 기법들도 소개된다. | |||||||||
| ADS5035 | 데이터기반보안과프라이버시 | 3 | 6 | 전공 | 석사/박사 | 1-8 | 데이터사이언스융합학과 | 한 | Yes |
| 해당 과목은 보안과 프라이버시 문제들에 있어서 데이터 및 빅데이터 분석 기법들이 어떤 역할을 하는지를 소개한다. 특히 난해한 보안 및 프라이버시 문제를 해결을 하는데 다양한 기계학습, 인공지능 및 빅데이터 분석 방법들이 어떻게 활용 되는지 소개한다. | |||||||||
| 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. | |||||||||
| AIM4002 | 바이오인공지능 | 3 | 6 | 전공 | 학사/석사 | 1-4 | 인공지능학과 | - | No |
| 인공지능이 가져올 의료 혁신은 우리의 상상을 뛰어넘을 것으로 예상됩니다. 본 과목은 바이오 헬스 연구에 인공지능을 적용하는 데 기초가 되는 개념과 방법론을 익히고, 새로운 문제에 스스로 도전을 해보는데 목적을 두고 있습니다. 학생들은 수업을 통해 딥러닝, 바이오인포메틱스, 계산모델, 데이터 사이언스 등의 기초와 최신 이론을 익히고, 팀 프로젝트를 통해 실제 인공지능을 이용한 바이오 헬스 연구에 참여할 수 있습니다.본 과목은 컴퓨터 관련 과목을 전공하지 않는 학생들에게 열려있으나 프로그래밍 경험을 필요로 합니다. | |||||||||
| 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. | |||||||||
| 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. | |||||||||
| 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. | |||||||||
| 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. | |||||||||
| AIM5025 | 지능형로봇및시스템 | 3 | 6 | 전공 | 석사/박사 | 1-4 | 인공지능학과 | - | No |
| 로보트를효율적으로사용하기위해서는인간이할수있는거의모든작업을수행할수있도록해야한다.이를위해여러가지센서를이용하여로보트가지능적인행동을하도록하는여러가지기법에관해다루기로한다. 수업은 영어로 진행 예정입니다. | |||||||||
| AIM5026 | 로봇지능개론 | 3 | 6 | 전공 | 석사/박사 | 인공지능학과 | - | 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. | |||||||||
| AIM5036 | 심층생성모델 | 3 | 6 | 전공 | 석사/박사 | 인공지능학과 | 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. | |||||||||
| AIM5039 | 지능적스토리텔링 | 3 | 6 | 전공 | 석사/박사 | 인공지능학과 | - | 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. | |||||||||
| AIM5042 | 게임AI | 3 | 6 | 전공 | 석사/박사 | 인공지능학과 | - | 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 | |||||||||
| AIM5044 | 신경망모사프로세서 | 3 | 6 | 전공 | 석사/박사 | 인공지능학과 | - | 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. | |||||||||
| 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. | |||||||||
| AIM5054 | 전산사회과학 | 3 | 6 | 전공 | 석사/박사 | 인공지능학과 | - | 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 | 인공지능학과 | - | 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 | 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. | |||||||||
| AIM5057 | 지식그래프생성및활용방법론 | 3 | 6 | 전공 | 석사/박사 | 인공지능학과 | - | 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. | |||||||||
| AIM5058 | 변분추론 | 3 | 6 | 전공 | 석사/박사 | 1-4 | 인공지능학과 | 한 | Yes |
| 추론 문제의 목표는 주어진 데이터에 숨겨진 구조를 찾는 것으로 많은 경우 사후 확률 분포를 구하여 해결할 수 있다. 변분 추론은 쉽게 구할 수 없는 사후 확률 분포를 근사 분포와 최적화 방법을 이용해 해결한다. 본 수업에서는 변분 추론을 이해하기 위한 확률 이론과 몬테-카를로 방법에 대해 학습한 후 변분 추론과 확률 변분 추론을 다룬다. 또한 변분 추론과 VAE의 관계에 대해 알아본다. | |||||||||
| AIM5065 | 오픈AI네트워킹 | 3 | 6 | 전공 | 석사/박사 | 1-4 | 인공지능학과 | 영 | Yes |
| 모바일/무선 네트워크는 초연결, 초저지연 통신 및 연결된 거대한 개체에 대한 대규모 데이터 orchestration이라는 과제에 필요한 AI 혁명을 겪고 있습니다. 이에 따라, Beyond 5G와 6G연구는 성장과 혁신의 측면에서 가장 활발한 분야 중 하나입니다. 오픈AI네트워킹에서는 5G/6G 모바일 네트워크의 기본 지식과 네트워크 성능 및 자원 관리 효율성을 개선하는데 사용가능한 AI 모델을 다룹니다. 본 과목은 총 세 부분으로 구성되어 있습니다. 첫 번째, 기본적인 5G 아키텍처와 cloud-native computing, AI-native communication, deterministic networking 등의 새로운 기술들이 어떻게 6G 아키텍처를 형성하는지 설명합니다. 두 번째, 5G/6G 모바일 네트워크와 관련된 최신 딥러닝 방법론으로 순환모델, 생성적 적대 네트워크, 트랜스포머, 심층 강화학습 등을 다룹니다. 마지막으로 트래픽 변화, 위치 추적, 이동성, 사용자 상황 등 다양한 매개변수를 활용한 네트워크 동작의 AI 기반 dynamic orchestration에 대한 최신 사례 연구들을 소개합니다. 교과목을 수강한 학생들은 5G/6G 모바일 네트워크와 관련된 다양한 산업, 관리, 연구 분야에서 활용 가능한 최신 AI 기술에 대한 깊은 이해를 할 수 있습니다. | |||||||||
| AIM5066 | 거대언어모델론 | 3 | 6 | 전공 | 석사/박사 | 1-4 | 인공지능학과 | 한 | Yes |
| 거대 언어 모델(Large Language Models, LLM)s은 자연어 처리 분야에서 혁신적인 변화를 주도하고 있습니다. 최첨단 시스템의 초석 역할을 하는 이러한 거대 언어 모델은 자연어 이해 및 생성과 관련된 다양한 작업을 처리하는 데 널리 사용되고 있으며, 전례 없는 잠재력과 역량을 보여주지만, 윤리 및 확장성 영역에서 새로운 문제를 야기하기고 있습니다. 본 수업에서는 거대 언어 모델에 대한 최근 연구 동향을 탐구하도록 설계되었습니다. 구체적으로, (1) BERT, GPT, T5, 전문가 혼합 모델, 검색 기반 모델 등의 모델을 포함하여 거대 언어 모델의 기술적 토대를 살펴볼 것입니다. (2) 지식 통합, 추론 능력, 소수 학습, 맥락 내 학습과 같은 새로운 기능에 대해서도 함께 탐구할 것입니다. (3) 마지막으로, 미세 조정 및 효율적인 학습 방법과 보안 및 윤리에 대한 언어 모델의 야기시키는 문제에 대해서도 살펴볼 예정입니다. 주차 별 연구 주제는 영향력 있는 논문에 대해서 학생들의 논문 발표 및 토론으로 진행할 예정으로, 논문 중심 수업으로 진행될 계획입니다. | |||||||||
| 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. | |||||||||