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. |