대학원 교과과정

인공지능 연구의 최신 인공지능 연구 동향 파악, 주제 선정, 설계, 분석, 해석 방법에 관한 능력을 배양하고 학습한다.

인공지능융합분야에서 사용되는 실제 데이터를 가지고 와서 이를 시각화하여 3차원 모델링 및 상호작용에 관한 최근의 연구동향에 관하여 공부한다.

대규모 데이터를 분석하는 분산 시스템, 플랫폼, 알고리즘은 어떻게 설계할 수 있을까? 소셜 네트워크, 웹, 통신, 생물학 등 다양한 분야에서 대규모 데이터가 생성되고 있으며 대규모 데이터를 분석하여 중요한 정보를 추출하는 것은 다양한 응용에 활용될 수 있는 매우 중요한 일이다. 본 과목에서는 대규모 데이터를 분석하기 위한 분석 시스템 설계 기법, 기반 기술과 핵심 알고리즘을 다룬다. 또한 설계한 시스템과 알고리즘을 이용하여 데이터에서 유용한 패턴과 이상 신호를 찾는 기법을 학습한다.

기계학습은 환경으로부터 데이터 관찰과 경험을 통해 성능을 계속적으로 향상시킬 수 있는 문제해결 시스템을 연구하는 인공지능의 한 분야를 다루도록 한다. 고급기계학습의 선수과목이다.

본 교과는 기계학습에 관한 이론 및 실제적인 연구 주제들에 관해 학습한다. 감독 학습과 무감독 학습 및 강화학습에 관한 기본 원리와 이론적인 배경을 공부하며 이들에 대한 구체적인 알고리즘을 학습한다. 기호규칙 학습, 결정트리, 메모리기반 학습, 신경망, 유전자알고리즘, 베이지안 망, 은닉 마코프 모델, 커널방법 및 기타 최근 기계학습 알고리즘을 다룬다. 기계학습의 후속과목이다.

본 과목을 통해 신규 개설되는 일반대학원 인공지능융합학과의 “AI리터러시의 이해”는 중급이상 대학원 수준의 석박사 공통으로 수강하여 보다 폭넑은 AI분야의 이해를 돕고자 한다.

의료 인공지능시스템의 기반이 되는 주제로서 질의어 처리, 데이터베이스 회복, 병행제어, 데이터베이스 보안 및 무결성, 그리고 의료 분산 데이터와 데이터베이스를 다룬다. 또한 현재 제기되고 있는 문제로서 의료의사결정지원 시스템, 웹 데이터베이스, 의료 데이터베이스, 그리고 이동 데이터베이스도 다뤄질 것이다. 교과목을 통해 관련 연구논문들이 논의될 것이다

의료도메인에서 대용량 변수들의 복잡한 상호관계도 조밀하게 표현할 수 있다. 근래 컴퓨터 비전, 자연어 처리, 로봇공학, 컴퓨터 시스템, 계산 생물학 등 인공지능과 연관된 다양한 실제 문제들에 성공적으로 활용되고 있다. 본 과목에서는 확률 그래프 모델에 필요한 이론, 원리, 알고리즘 등을 폭넓게 배우며, 특히 주요 주제로는, 베이지안 그래프와 마코프 랜덤 필드의 표현, 합-곱 알고리즘과 신뢰 전파 알고리즘 등을 통한 그래프 모델의 학습과 추론, 변분 분석과 표본화를 통한 근사 방법, 최대 마진 방법과 깊은 신경망 등의 최신 기계학습 기법 등과 그들의 실제 적용 방법과 예시 등을 다룬다

인체를 기반으로하는 신호처리, 영상처리, 컴퓨터 비전, 전력, 에너지, 지능형 로봇, 제어, 브레인-IT, 의료영상, 브레인 분석/영상, 브레인 기반 로봇 등을 연구하며 크게 영상-신호처리-컴퓨터비전, 제어/전력, 브레인-IT로 구성 되어 있다. 본 교과는 3차원 영상처리, 의료영상, 영상 분할/검색, 물체추적 검출 인식, 비디오 압축, 3D 영상분석, 오디오합성, 지능형로봇, 전기자동차전력, 스마트기기전력공급, 브레인 모사 로봇 등의 개발을 주요 목표로 한다

기계학습 기반 멀티모달 정보 추출 및 추천기술 개발, 얼굴검출 알고리즘 개발, 복합기의 영상처리 시뮬레이터와 화질개선 방법 개발, 디지털 신호처리를 배우고 나서 시작되는 응용분야로서 지능형 Robot을 위한 음성인식/합성 Engine 및 플랫폼 개발, 자연 영상 인식을 기반으로 한 e-러닝 시스템 프로토타입 개발, 카메라 기반 차량 영상 처리 알고리즘 개발, 모바일 영상 통신을 위한 비디오 코딩의 전처리 방법 연구 개발, DSP(Digital Signal Processor)에 기반한 복합기 알고리즘 개발, 실사영상 기반 3차원 위치정보 추출 알고리즘 개발등을 다루게 된다.

본 교과는 의료영상처리와 연계된 다양한 방법론과 알고리즘에 대한 학습을 이루게 하며 이론과 더불어 실무 활용 능력을 습득할 수 있도록 한다. 이를 위해 영상처리 라이브러리 사용법에 대한 구체적인 사용법을 제공하고 이를 활용하여 의료 영상처리 기능을 직접 구현할 수 있는 다양한 기회를 갖도록 한다

본 교과는 다양한 영상신호처리기법을 소개한다. 선형처리(화질개선 및 영상재생), 비선형처리(분수계 변환, 형태론), 컬러영상처리(컬러 기울기에 의한 에지검출), 다차원영상처리 등을 다룬다. 기존의 주요 영상처리기법(영상분할, 다차원 영상 분류, 동영상물체추적)을 다루지만 이론보다 실험 실습적 컴퓨터 계산에 중점을 둔다.

딥러닝 이론의 기초부분은 매우 간단하게 강의하고, 주로 최신 이론을 다루도록 한다. Efficientnet과 같은 최신 CNN구조는 물론 Transformer, BERT, Vision Transformer 등 최근 3년 간 딥러닝 분야에서 활발히 연구되고 있는 딥러닝 아키텍쳐에 대해서 강의한다. 또한 Attention module, Augmentation 기술 들 최신 딥러닝 학습 알고리즘에 대해서도 다루도록 한다. 본 교과목에서는 이론강의에서 소개되는 딥러닝 구조와 알고리즘을 학생들이 직접 구현 할 수 있도록 효과적인 실습을 포함한다. 학생들이 먼저 Baseline이 될 수 있는 가장 기본적인 딥러닝 구조를 구현한 후, 이론 수업을 통해 배우게 되는 최신 딥러닝 구조와 학습 알고리즘을 적용하여 성능을 높이는 것을 확인하도록 하겠다. 이를 통해 학생들의 적극적인 참여를 유도하고 효과적인 이론 및 실습 학습이 될 수 있게 한다

본교과는 자연어로 표현되어 있는 다양한 정보들을 전처리하여 데이터화 하고, 이를 다양한 분석 방법을 적용하여 의미 있는 정보를 추출하기 위한 일련의 과정을 학습한다. 특히 최근 관련 분야의 연구 동향을 살펴보고 활용할 수 있는 능력을 함양한다.

사람과 의사소통하는 일반적이고 효과적인 수단은 언어이고, 음성은 인간의 가장 자연스러운 의사소통 방식이다. 컴퓨팅 기술과 데이터의 증가로 음성인식은 소리를 문자로 바꾸어주는 한정적인 역할에서 자연어처리를 포함한 사람과 기계간의 대화를 가능하게 하는 수준으로 발전을 배운다.

강화학습의 기초적 내용인 Multi-Armed Bandit, Markov Decision Process로부터 Monte-Carlo Method, Q-learning, Value Function Approximation, Policy Gradient, Deep Q-learning Network 등 이론적 내용을 다룬다. 그리고 다양한 분야의 응용 사례들을 살펴보고 학생들의 연구에 적용할 수 있도록 프로젝트를 수행한다.

본 과목에서는 컴퓨터 비젼의 일반적인 알고리즘들에 대해서 공부한다. 컴퓨터 비젼이란 정지영상이나 동영상으로부터 3차원 환경을 분석하고 모델링하는 것을 목표로 한다. 이 과정에서는 먼저 영상의 기본적인 filtering, sampling 등의 개념을 배우고 edge detection, projection, image matching, motion estimation, image segmentation 등 컴퓨터 비젼 각 분야의 대표적인 알고리즘들과 이들의 수학적 모델들에 대해 다룬다. 학기말에는 각자 컴퓨터 비젼 최신 논문에서 제안하는 알고리즘을 구현하고 개선하는 프로젝트를 수행하면서 컴퓨터 비젼의 노하우를 깨치게 된다.

급속도로 변화하는 과학기술 환경 속에서 기업들은 현존하는 기술의 발전을 모니터링 함과 동시에 새롭게 부상하는 유망기술을 찾아야만 경쟁력을 가질 수 있다. 국가 수준에서 또한 미래의 사회와 기술의 변화방향을 예측하고 미래를 선도할 유망연구 및 기술을 찾기 위한 노력을 지속하고 있다. 본 과목에서는 미래의 기술을 예측하는 다양한 방법론을 검토하고 각 방법론의 장단점과 적용실례를 연구한다.

오늘날 인공지능의 발전을 가능하게 해주는 기계학습을 실행하기 위하여 하드웨어 및 소프트웨어 시스템에 대해서 소개한다. 인공지능 학습의 관점에서 대량의 데이터 셋을 바탕으로 많은 양의 연산을 처리하기 위해서 기계학습이 어떻게 발전하고, 이를 인공지능 엔지니어들이 손쉽게 사용할 수 있도록 도와주는 기계학습 플랫폼에 대해서 다룬다. 또한 이렇게 개발된 인공지능 모델을 실제 응용서비스에 사용할 때 필요로 하는 기계학습 요소에 대해서 다룬다.

본 교과는 인공지능비즈니스 기술론으로서 기초인공지능 소개와 함께 해석가능한 인공지능 방법들을 소개한다. 기초인공지능에서는 인공지능 방법들의 전체적 관계와 형태와 Decision Making process - State Search 기반 방법, Constraint 기반 방법 Probabilistic Reasoning, 등 –을 다룬다. Data기반 Optimization 방법들은 해석가능성에 집중하여 여러 Tree기반 Classification/Regression solver들과 rule기반 방법들을 소개한다.

본 수업은 다음과 같은 내용으로 진행된다. (1) 기업가로서의 필요한 역량을 알아보고 관련된 기본 지식을 학습한다. (2) 스타트업, 특히 인공지능 스타트업 창업에 필요한 과정을 탐구한다. (3) 인공지능 분야의 대표적인 스타트업을 발굴하여 각 사례에 대해 학생들이 직접 수행한 조사를 바탕으로 발표와 토론을 한다. (4) 각 학생은 인공지능에 기반한 사업아이디어를 구상한 후 이의 개략적 사업계획을 수업시간을 통해 피칭(pitching)한다. (5) 아이디어의 구현 가능성을 공개된 AI 학습 데이터(AI 허브)를 활용하여 검증해 보고, 사업계획 발표와 함께 “데모”를 실시한다.

인공지능을 비즈니슬로 주로 하는 여러 기업과 산업에서 기계학습을 이용한 빅데이터 분석 연구들을 다룬다. 지식을 얻기 위한 데이터 마이닝의 원리, 개념, 방법론, 구현, 응용 기술들에 대해서 배운다. 이 수업에서는 기계학습을 활용한 지식 발견과 연관된 여러 주제들에 대해서 배우게 된다. Representation learning, 추천 시스템, 그래프 마이닝, 소셜 네트워크, 모달리티의 특성 파악, 멀티모달 데이터의 이해 등이 포함된다.

본 교과는 인공지능기술융합이 고객 니즈를 어떻게 충족시키고 있는지 분석하고 기업들이 어떤 비즈니스전략으로 대응해야 하는지 학습한다

딥러닝 심화는 기계학습에서 데이터에서 일반화된 패턴을 찾는 과정이다. 전체적으로는 "인간이 작성하는 코드"를 "인간이 제공하는 데이터"로 대체한 다음 시스템이 예제를 보고 사람이 원하는 것이 무엇인지 파악하도록 하는 것이다. 최근 몇 년 동안 사기성 신용 카드 거래를 감지하는 방법을 배우는 데이터 마이닝 프로그램부터 공공 고속도로에서 운전하는 방법을 배우는 자율 차량에 이르기까지 기계 학습의 많은 성공적인 응용 프로그램이 개발되었고 동시에 이 분야의 기초를 형성하는 이론과 알고리즘에 중요한 발전이 있었습니다. 이 수업의 목표는 기계 학습에 사용되는 최신 알고리즘과 다양한 관점에 대한 개요를 제공하고 다음 단계에 대한 이해를 얻는 것이다. 이러한 알고리즘의 이론적 속성과 실제 적용에 대해 교육한다.

자연언어처리는 인간의 언어를 컴퓨터가 자동으로 분석하고 생성하기 위한 소프트웨어를 연구하는 분야이다. 본 교과목에서는 자연언어를 이해하고 기계번역을 자동으로 수행하기 위한 기본적인 개념과 구체적인 언어 처리 기법을 공부한다. 특히, 형태소 분석, 구문분석, 의미분석, 화용론 및 언어생성에 대해 공부한다.

본 교과는 우선 사람 뇌의 구조 및 각 영역별 뇌기능의 이해를 통하여 사람 뇌에 대한 기본적이고 포괄적인 지식 습득의 기회를 제공한다. 또한 뇌 구조 및 기능의 영상화 기법 소개와 함께 다양한 학문분야에서의 뇌 연구 결과를 통하여 해부학, 심리학, 인지과학, 의공학 등 다양한 학제 간 융,복합 학문의 관점에서 사람 뇌의 이해가 가능하도록 한다

뉴로모픽 컴퓨팅은 진화하는 실제 데이터에 대한 지속적인 학습과 적응이 필요한 로봇공학, 스마트 시티 인프라 및 다른 애플리케이션에서 큰 발전을 가져올 수 있을 것으로 이를 준비하는 교과이다.

본 교과는 학부 인간컴퓨터상호작용(Introduction to Human-Computer Interaction) 과목의 상위 대학원 교과목으로서, HCI분야 연구 수행에 있어서 필수적인 HCI 모델, 이론, 프레임워크에 대해서 보다 깊이 있게 소개하고, HCI의 다양한 응용분야(Information Visualization, Mobile Interaction, Visual Analytics, Social Computing 등)에서 실제 문제 해결에 적용하는 방법론 및 기술을 숙지할 수 있는 기회를 제공한다.

인공지능 세미나는 수업 교재에 따라 Chapter를 나누고 발표 스케줄을 정해서 수업날 자기가 맡은 chapter 를 발표하는 형태로 진행한다.. 자기가 공부한 chapter 를 학생들과 교수님께 발표를 하고. 발표가 끝나면 질의 응답이 진행된다. 본 강좌를 통하여 획득한 지식과 경험은 인공지능융합 기술 수행능력을 향상시키기 위한 목적으로 사용되고자 한다. 강의를 성공적으로 이수 완료한 수강생들은 다양한 발전 동향을 이해하여 환경을 둘러싼 정보의 빠른 변화에 능동적으로 대처할 수 있게 되며, 본 강좌를 통하여 학습자의 기대효과를 충족시키고자 한다.

인공지능 디지털 리터러시는 디지털 시민의 필수 역량으로 미래 사회에서 요구되는 기초적인 역량으로 떠오르고 있다. 디지털 시대에 필수적으로 요구되는 정보 이해 및 표현 능력으로서. ‘읽고 쓸 수 있는 능력’이라는 리터러시(Literacy)가 디지털 플랫폼과 만나 다양한 미디어를 접하면서 명확한 정보를 찾고, 평가하며, 조합할 수 있는 개인의 능력을 배양하는 학습을 진행한다.

비즈니스 가치를 창조하고 전파하여 어떻게 수익으로 변환하는지를 체계적으로 묘사하는 것으로 돈을 버는 메커니즘(시스템)의 기술을 말하는 것으로서 인공지능 비즈니스의 모형을 수립하여 비즈니스의 형태를 만드는 이론과 실무를 깊게 학습한다.

인공지능 기술에 대한 개념 이해를 바탕으로 기술사업화의 특수성과 타당성 검토 방법에 대해 알아도록 한다. 특히 R&D투자의 결과물인 기술을 사업화하여, 궁극적인 기업성과를 창출한다.