주메뉴 바로가기 본문내용 바로가기 사이트정보 바로가기

학과 및 교과소개

인공지능학과 Department of  Artificial Intelligence

현대사회는 AI의 급속한 발전으로 인해 산업과 사회 전반에 걸친 거대한 문명사적 변화를 맞이하고 있다. 인공지능학과에서는 산학협력 과정을 통한 인공지능 기반의 4차 산업혁명 구조에 대응할 수 있는 융합 인재를 양성하며,  급변하고 있는 상황에 계속해서 대응할 수 있도록 지능형 컴퓨팅, 데이터과학, 인공지능 학문의 최신 이론 기반의 학습을 통해 디지털 기술을 이해하고, 기업을 근원적으로 변화시킴으로써 혁신과 전환을 가져옴을 목표로 한다.

교과목 소개 교과목 개요
Artificial Intelligence 인공지능의 개념 및 기본 기법에 관하여 연구하고 응용 분야를 살펴본다. 탐색 기법, 지식표현 및 응용 방법, 생성 시스템의 원리에 관하여 연구하고, 전문가 시스템, 자연어 처리 및 컴퓨터 비전 등과 같은 응용 분야를 연구한다.
Machine Learning 기계학습을 위한 알고리즘 및 추론 설계기법과 데이터 분석을 위한 확률 이론, 패턴 인식 학습, 레이블이 없는 빅데이터 처리를 위한 머신러닝 방법 등을 학습한다.
Deep Learning Network Design Application 기계학습의 원리와 종류를 살펴보고 그 동작을 이해한다. 이를 기반으로 기계학습의 일종인 딥러닝 네트워크의 원리를 공부하고 설계하여 그 동작을 이론과 실습을 통해 이해한다. 또한 응용 분야에 따른 다양한 딥러닝 네트워크를 알아보고 학습과 검증과 정을 통해 설계 및 응용분야에 적용하는 예제를 공부한다.
Pattern Recognition 패턴인식의 기본개념, 확률분포와 무관한 패턴분류, 구별함수, 지도학습 및 자율학습 알고리즘, 통계적 패턴분류, 특징추출, 군집화(clusting), 파라미터적 및 비파라미터적 기법, Bayesian 결정이론에 관하여 강의한다.
Neural Network 신경회로망은 고등동물의 두뇌 구조를 모방한 계산 방식으로서 특히 신경회로망의 병렬처리 및 학습기능은 기존의 기호주의적 인공지능 방법의 문제점을 보완할 수 있는 새로운 방법으로서 그 응용가능성이 매우 크다. Hopfield Network, Multi-layer Perceptron, Self- Organizing Feature Map 등, 다양한 망구조와 EBP 등과 같은 학습 방법 등에 대하여 학습하고 이와 같은 신경회로망을 실제적인 문제에 효율적으로 응용하는 방법 및 사례에 대하여 학습한다.
Big Data Analysis 빅데이터 분석과 연관된 기초이론, 분석방법론 및 기반 기술을 학습한다. 아울러 빅데이터 수집, 가공, 분석, 그리고 시각화를 위한 다양한 프로그래밍을 학습한다.
Natural Language Processing 자연어 처리의 배경과 발전과정을 조사, 분석한다. 영어의 구문 분석을 위한 특성, Transition Network, Bottom Up 그리고 Top Down 분석 연구 사례를 통하여 그 기술들의 장단점을 분석하고, 지식의 표현방법 및 연구, 한국어의 처리를 위한 기술들을 연구한다.
Knowledge-based System 지식기반 시스템 개발절차, 문제의 특성과 개발 배경, 지식표현, 개발도구의 선택, 현장설치 절차, 문제별 사례연구, 효과분석, Prolog를 이용한 시스템 구축을 각각 연구한다.
BIO Artificial Intelligence 바이오헬스 영역에서 데이터의 규모는 방대해지고 그 가치도 중요해지고 있다. 바이오헬스 빅데이터를 둘러싸고 있는 국내·외 이슈와 동향을 살펴보고 대규모로 저장된 바이오헬스 정보 안에서 체계적이고 자동적인 통계적 규칙이나 패턴을 찾는 이론과 실제를 학습한다.
Intelligent IoT 인터넷에 연결되는 모든 것을 말하는 사물인터넷(IOT)에 대해 전체적인 모습과 개요를 학습하며, 인공지능 시대에 사물인터넷의 개념을 적용한 비즈니스 모델을 발굴하며, 사물인터넷의 구현기술의 지식과 실무를 적용한다.
Intelligent Robotics 본 과목은 지능로봇의 개념 및 시스템을 이해하고, 지능로봇을 구성하기 위해 필요한 알고리즘에 대하여 학습한다. 또한, 지능로봇에 대한 기초 이론과 실제에 대하여 알아본다.
Autonomous Driving 자율주행 차량의 위치추정, 3차원지도, 장애물탐지, 경로계획, 경로추정, 차량제어 이론들에 대해서 학습하고 자율주행차량 시스템의 구현 사례들에 대해서 학습한다.
Computer Vision 물체나 장면을 컴퓨터가 감지 장치(Sensing Device)를 사용하여 영상 평면(Image Plane) 위에 나타나고 해석하는 기법에 관하여 연구한다. 영상 분할, 동작 이해, Stereopsis 등이 이 과목에서 다루는 주요 내용이며, 사례 연구로서 ACRONYM, SPAM, VISION 등을 통하여 비전 시스템의 응용분야를 연구한다.
Automatic Speech Recognition 음성 정보 처리 분야의 기초 이론 및 응용 분야를 고찰하고, hidden Markov models (HMM)과 deep neural networks (DNN)을 이용한 음성 인식 방법을 학습한다. 프로젝트를 통하여 기본 알고리즘을 구현하고, 논문 세미나를 통하여 최근 연구 동향을 살펴본다.
Agent Artificial Intelligence 본 과목은 지능형 에이전트 분야의 전문 지식과 결합된 인공지능 시스템에 대하여 학습하며, 해당 분야에서의 복잡한 문제를 해결한 연구사례와 이론 및 실제에 대해 설명한다.
HCI 인간과 컴퓨터간의 다양한 상호작용에 관한 동작시스템을 설계 및 구현, 그리고 평가하는 과정을 다루며 인간상호작용의 중요 현상들을 학습한다.
Cultural Content Artificial Intelligence 본 과목은 문화콘텐츠 분야의 전문 지식과 결합된 인공지능 시스템에 대하여 학습하며, 해당 분야에서의 복잡한 문제를 해결한 연구사례와 이론 및 실제에 대해 설명한다.
상단으로 이동