| 구분 | 내용 |
|---|---|
| 인공지능 |
본 과목에서는 인공지능 분야를 전반적으로 소개하고, 지식 표현과 추론, 기계 학습 등을 중점적으로 배운다. 전반부에서는 문제해결을 위한 탐색 기법과, 지식 표현과 추론을 위해서는 서술 논리와 추론 방법, 불확실성 지식 표현을 확률 기반 언어 특히 베이지안 네트워크를 활용한 지식 표현과 추론을 배운다. 후반부에서는 기계학습을 중점적으로 배운다. 기계 학습에서는 분류(Classification)와 군집화(Clustering)를 위한 기본적인 알고리즘과 데이터 마이닝 기법을 배우고, 신경망 학습 방법을 배우며, 이를 위한 기본적인 빅데이터 분석 방법도 살펴본다. 신경망 기반 기계 학습으로 심화된 딥러닝 모델로 CNN, LSTM 등과 그 응용들을 배운다. 또한 최근 ChatGPT 등과 같은 초거대 생성 AI 기술 전반과 기반이 되는 Transformer 모델에 대하여 공부하고 이를 활용하여 사용하는 프로토콜 엔지니어링에 대하여 공부한다. |
| 기계학습 및 데이터마이닝 |
본 과목은 기계학습 및 데이터마이닝 개론 과목으로 이 분야의 주요 이론과 알고리즘, 실제 응용에 대해 배운다. 예측 모델링을 위한 지도학습(Supervised learning) 기법들, 패턴 추출, 차원축소, 데이터 표현 등을 위한 비지도학습(unsupervised learning) 기법들에 대해 배우며, 특히 인공신경망과 이에 기반한 CNN, RNN, Transformer 등 딥러닝 모델 및 최신 응용에 대해 학습한다. 또한 추천시스템, 강화학습, 생성모델 등에 관해서도 소개한다. |
| 컴퓨터비전 | Computer Vision has become ubiquitous in our society, a well-known method for the latest AI society, with applications in search, image understanding, apps, mapping, medicine, drones, and self-driving cars. Core to many of these applications are visual recognition tasks such as image classification, localization and detection. Recent developments in neural network (aka, "deep learning" approaches have greatly advanced performance of these state-of-the-art visual recognition systems. This course is a deep dive into details of the deep learning architectures with a focus on learning end-to-end models for these tasks, particularly image classification. |
| 인간 컴퓨터 상호작용 | 보완중 |
| 빅데이터분석 |
o (목표) 공공 민간 조직에서 데이터를 수집 생산하여 가공-분석-유통-활용하는 전 과정에서 지식의 이해와 활용이 필요한 빅데이터 기술 및 정책, 표준화, 기획 및 분석 방법론, 빅데이터 플랫폼 구축 운영 및 활용 방안 등 데이터 실무 활용 방법을 배운다.
o (강의 내용) 빅데이터 가치, 국내외 우수 활용 사례, 빅데이터 활용 기술, Hadoop 에코시스템 운영 방법, 빅데이터 플랫폼 구축 방법, 빅데이터 거버넌스 구성방안, 데이터 유통기술 및 가격정책, 데이터 익명화 방법론, 빅데이터 분석기술 및 예제를 활용한 실무, 인공지능 학습에 필요한 학습용데이터 구축 기술 등 빅데이터 분석 활용 전반에 필요한 기술 정책에 대한 이론과 예제 기반 실무를 강의한다. |
| 클라우드 컴퓨팅 |
클라우드 컴퓨팅은 인터넷을 통해 컴퓨팅 자원과 서비스를 필요할 때 즉시 확보 및 반납할 수 있도록 하는 탄력적 분산 컴퓨팅 패러다임이다. 오늘날 대규모 웹 서비스, 빅데이터 분석, 인공지능 플랫폼의 핵심 아키텍처는 대부분 클라우드 인프라 위에서 구축되며, 이를 통해 기업과 조직은 초기 투자 비용을 줄이면서도 글로벌 규모의 확장성과 가용성을 확보한다. 본 교과목은 먼저 클라우드 컴퓨팅의 기본 개념, 서비스 모델(IaaS/PaaS/SaaS)과 배포 모델(Public/Private/Hybrid/Multi Cloud)을 체계적으로 다룬다. 이어서 가상화, 컨테이너, 클러스터링, 데이터센터 운영 등 기반 인프라 기술과, REST와 웹 서비스(WS) 같은 인터페이스 기술의 원리와 구현 방법을 학습한다. 더 나아가 마이크로서비스 아키텍처, DevOps, 서버리스 컴퓨팅 등 클라우드 네이티브 개발 및 운영 기법과 맵리듀스, 하둡, 스파크 등 고성능 분산병렬 프레임워크를 활용한 빅데이터 처리 방법도 함께 다룬다. 강의 난이도는 중급 수준으로, 기본적인 운영체제 및 프로그래밍 지식이 요구된다. |
| 지능형소프트웨어 특강 I |
4차 산업혁명, 챗 지피티(ChatGPT), 오픈 에이아이(OpenAI), 마이크로소프트(Microfoft), 구글(Google), 아마존(Amzon)... 이게 다 무엇일까요? 주변에서 인공지능, 빅데이터 등 말은 많이 들을 수 있는데요, 어느덧 생성형 AI 시대가 되었습니다. 하지만 실제 비지니스에서 적용한 사례는 많지 않습니다. 수업에서, 지능형 서비스를 활용한 사업에 대한 계획과, 필요한 소프트웨어 특징을 이해하고 적용하는 과정을 살펴볼 수 있습니다. 또한 디지털 기술에 대한 배경과 이론을 정리하여, 실제 지능형 서비스 구축 사업과 시스템을 구축하는 과정에 대한 통찰력을 제공합니다. 그리고 지능형 소프트웨어 특성과 사업성을 이해하고, 이를 실현하기 위해 필요한 관련된 기술 이론들을 이해하고 적용 과정을 살펴볼 수 있습니다. 처음 DX(Digital Transformation) 관련 기술들을 접하시는 분들을 위하여, 지능형 소프트웨어 구축에 필요한 관련 기술들을 연결하여 설명합니다. 이번 수업은 전공 선택 과목으로, 인공지능을 사업 또는 실 생활로써 이해하는데 필요한 기술 원리와 적용 방향을 논의하며, 지능형 서비스를 준비하고 설계/적용하는 과정을 직접 이해할 수 있도록 제공합니다. 수업에서 디지털 기술에 대한 전반적인 이해와 특징적인 설명이 포함되며, 특히 다음과 같은 주제들에 대한 통찰력을 갖추게 됩니다. 1. 지능형 서비스 사업 개발 및 비즈니스 모델 구조 이해 2. 지능형 서비스 사업화에 필요한 사업 관리와 기술 특성 이해 3. 대표적인 머신러닝/딥러닝 이론에 대한 이해와 설명 4. 데이터에 대한 이해와 설명, 구조적 데이터 vs 비구조적 데이터 5. 지능형 서비스 (Teacher AI) 구축 사례 이해 6. 사용자 반응형 서비스 모델 이해 7. 지능형 소프트웨어 사업화 인사이트 수업에서는, 수강생들이 기술 원리를 설명하고 지능형 서비스 사업을 이해할 수 있도록 필요한 피드백을 제공합니다. 본 과정은 주로 온라인 수업으로 이루어나, 본교에 방문하여 특강을 들을 수 있는 병행 수업을 포함합니다. (학기 중 주말 4회) 출석 수업 시에는 다음 주제에 대한 특강을 제공할 예정입니다. 1. 생성형 AI와 예측형 AI에 대한 비교 및 이해, 활용을 위한 실습 예시 2. LLM (Large Language Model) 세부 원리 이해 및 생성형 AI 서비스 연계 활용 3. RAG (Retrieval Augmented Generation) 및 벡터 DB (Vector DB)에 대한 이해 4. AI Agent에 대한 이해 및 AI 서비스 구축 가이드 |
