발전기금
교과목명을 클릭하시면 과정 설명을 볼 수 있습니다.
| 학수번호 | 교과목명 | 학점 |
자기 학습 시간 |
영역 | 학위 |
이수 학년 |
비고 | 언어 |
개설 여부 |
|---|---|---|---|---|---|---|---|---|---|
| AIM5038 | 상황기반행동학습 | 3 | 6 | 전공 | 석사/박사 | 인공지능학과 | - | No | |
| 상황 인식에 의한 학습법이란, 컴퓨터(혹은 프로그램이 가능한 장치)가 자신의 환경을 감지하고 반응할 수 있게 하는 기계학습 방법을 말한다. 시시각각 변화하는 환경에 반응하여 기계가 적절한 판단을 내릴 수 있도록 하는 것이 핵심이다. 본 과목에서는 지능형 디바이스가 상황인식 기반 학습을 통해 스스로 상황을 인지하고, 상황에 따른 적절한 판단을 내릴 수 있도록 하는 학습법에 대해 논의한다. | |||||||||
| 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. | |||||||||
| AIM5040 | 비지도학습 | 3 | 6 | 전공 | 석사/박사 | 인공지능학과 | - | No | |
| 정답 레이블이 없이 데이터로부터 학습하는 비지도학습 (Unsupervised learning)의 기초부터 최신 기법까지 학습한다. K-means clustering, PCA, ICA, expectation-maximization (EM), hidden Markov Model (HMM) 등 전통적인 비지도학습 모델부터 restricted Boltzmann machine, deep Boltzmann machine 등 최신 비지도학습 알고리즘에 대해 학습한다. | |||||||||
| AIM5041 | 계산감성모델 | 3 | 6 | 전공 | 석사/박사 | 인공지능학과 | - | No | |
| 본 과목의 목표는 인공지능의 이론 및 알고리즘을 이용하여 인간의 감정을 계산적으로 모델링하는 것이다. 학습 내용은 감정의 계산적 정의, 기계 학습 알고리즘을 이용한 인간 감정의 분류, 감정을 처리하여 생성하는 인지적 모델 및 다양한 미디어에서 감정을 표현하는 것을 포함한다. 본 과목을 이수한 학생은 계산적 모델을 적용하여 다양한 문제를 해결하고 시스템을 설계할 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 | |||||||||
| AIM5043 | 인공지능가속기 | 3 | 6 | 전공 | 석사/박사 | 인공지능학과 | - | No | |
| 현재의 인공지능 하드웨어는 인공 심층 신경망 모델에 기반하고 있으나 인간의 두뇌 및 신경계와 좀더 유사한 혁신적인 구조가 요구되고 있다. 행렬 연산 계산에 최적화된 현재의 AI 가속기 구조를 기반으로 아날로그 방식 신경망 회로기술과 Processing-in-memory 등을 포괄하며 폰 노이만 아키텍처를 넘어서는 다양한 차세대 아키텍처를 탐색해본다. | |||||||||
| 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. | |||||||||
| AIM5045 | 엣지컴퓨팅 | 3 | 6 | 전공 | 석사/박사 | 인공지능학과 | - | No | |
| 본 과목에서는 클라우드 컴퓨팅의 개념이 오늘날의 엣지 컴퓨팅으로 확장되고 이 결합된 엣지-클라우드 컴퓨팅 환경이 어떻게 활용될 수 있는지 알아본다. 기존 클라우드 컴퓨팅 환경과 데이터 센터의 작동 구조를 리뷰하고 엣지 컴퓨팅의 정의, 클라우드 컴퓨팅과 엣지 컴퓨팅의 상호 보완성에 대해 알아본다. 또한, 컴퓨팅 리소스의 위치, 네트워크 인프라, 단말의 성능에 따른 디바이스 엣지와 클라우드 엣지 차이점과 장단점에 대해 학습한다. 엣지 컴퓨팅 환경 구축과 어플리케이션을 위한 엣지 아키텍쳐, 클라우드 서비스의 코디네이션, Apache Edgent, Geo-distributed 컴퓨팅, 엣지 컴퓨팅에서의 머신 러닝 및 분산된 빅데이타 분석 알고리즘 등을 다룬다 | |||||||||
| AIM5049 | AI헬스케어시스템 | 3 | 6 | 전공 | 석사/박사 | 인공지능학과 | - | No | |
| 현대의 헬스케어 시스템은 여러 구성요소가 복잡하게 얽혀 있으며 이를 효과적으로 운영하여야 환자가 받는 케어의 수준이 높아진다. 본 과목에서는 헬스케어의 구성요소들을 설명하고 이를 인공지능 기술을 사용하여 효과적으로 전달하기 위한 운영관리에 대하여 학습한다. 주요 주제로 병원용량설계, 헬스케어 시설물 위치설정, 혈액 공급사슬 관리, 의료정보시스템, 장기배분 모델등이 포함된다. | |||||||||
| AIM5050 | 의료영상분석 | 3 | 6 | 전공 | 석사/박사 | 인공지능학과 | - | No | |
| 현대의료에서 의료영상의 사용이 늘어나고 이를 효과적으로 분석하는 것이 중요하다. 본 과목에서는 다양한 의료영상 종류에 대하여 설명하고 인공지능 기반의 영상처리/컴퓨터 비전 기술을 사용하여 의료영상으로부터 임상적으로 유의미한 정보를 추출하는 것에 대하여 학습한다. 주요 주제로 자기공명영상/컴퓨터단층 영상의 원리, 필터기반 특징추출기법, 신경망 기반 특징추출 기법등이 포함된다. | |||||||||
| AIM5051 | AI비즈니스플랫폼 | 3 | 6 | 전공 | 석사/박사 | 인공지능학과 | - | No | |
| 본 과목은 AI를 기반으로 한 다양한 비즈니스 모델을 연구하고, 이를 통한 AI 비즈니스 생태계 구성을 위한 플랫폼을 공부한다. 즉, AI 기술 개발을 통한 비즈니스, 서비스, 혹은 기술들의 생태계에 여러 상호 보완적인 상호작용이 일어날 수 있는 시스템(환경)을 연구한다. 이를 통하여 AI 개발자, 분석가, 제공자, 사용자가 선순환적으로 공존할 수 있는 플랫폼이 구축될 수 있다. | |||||||||
| AIM5052 | 제조빅데이터분석 | 3 | 6 | 전공 | 석사/박사 | 인공지능학과 | - | No | |
| 본 과목은 제조 도메인의 빅데이터 특성을 이해하고, 이를 제조 현장에 융합하여 적용할 수 있는 빅데이터 분석 역량을 학습한다. 비즈니스적 관점에서 접근하여 제조빅데이터의 중요성을 학습하고, 제조빅데이터를 다루는 다양한 컴퓨팅 기술 및 소프트웨어 플랫폼에 대하여 알아본다. 통계언어 R에 대한 이해와 기초 통계를 이해하고, 데이터 탐색적 자료 분석 및 데이터 시각화를 학습한다. 제조 빅데이터의 분석을 위해 로지스틱 회귀분석, LDA, 군집분석, 시계열 분석, SVM/KNN 등 고급 데이터분석 기법을 다룬다. 최근 빅데이터 처리를 위한 플랫폼으로 각광을 받고 있는 하둡(Hadoop)이나 스파크(Spark) 등을 이용한 빅데이터를 다루는 기술을 알아본다. 또한, 제조 분야 생산 프로세스 이해와 공정 최적화, 생산리드타임 개선 등 빅데이터기반 생산 효율화 및 품질관리에 관하여 학습한다. | |||||||||
| 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. | |||||||||
| 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. | |||||||||
| DMC5005 | IT영어논문작성법 | 2 | 4 | 전공 | 석사/박사 | 1-4 | 영 | Yes | |
| 이 과목은 전자전기 및 컴퓨터 공학 분야의 영어 기술문서 작성을 위한 것이다. 기술개발 과정과 그 결과를 기술문서가 지녀야 하는 일정한 형식에 따라 정확하고 간결하게 영문으로 작성하는 일은 연구 활동의 중요한 한 부분이다. 본 강좌의 영어 기술문서의 효과적인 작성법 학습과 실제 영어 기술문서 작성을 통하여, 많은 사람들과 효과적으로 기술정보를 소통할 수 있는 능력을 배양할 수 있다. | |||||||||
| DMC5006 | 인문과기술 | 1 | 2 | 전공 | 석사/박사 | 한 | Yes | ||
| 전자전기 및 컴퓨터공학을 전공하는 학생을 위한 특화된 인문학 강좌로써, 학문적 인문학 교양 강의가 아닌, 인간을 위한 기술을 개발하기 위하여 머리에서 가슴으로, 가슴에서 발끝까지의 느끼는 기술과 인문학의 다양한 여정을 추구한다. 다양한 인문학적 사고와 사례를 통하여 순수 기술 중심적 테두리를 벋어나, 제품개발과 기술개발이 궁극적으로 인간을 위한 것을 인식하고 문제해결의 새로운 시야를 넓히도록 한다. 유학대학, 경영대학, 정보통신대학 교수가 공동으로 강의를 진행 한다. | |||||||||
| DMC5007 | 온디바이스딥러닝 | 3 | 6 | 전공 | 석사/박사 | 1-4 | - | 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. | |||||||||
| DMC5008 | DMC세미나1 | 1 | 2 | 전공 | 석사/박사 | - | No | ||
| 본 과목은 전자, 전기 및 컴퓨터공학 전 분야에서 활발히 개발되거나 연구되고 있는 다양한 영역의 주제를 선정하여 교내외 전문가들을 초청하여, 세미나 또는 토론을 수행하여 해당 분야의 최신 기술동향을 학습한다 | |||||||||
| ECE4237 | 로봇공학 | 3 | 6 | 전공 | 학사/석사 | 1-4 | 전자전기컴퓨터공학과 | - | No |
| 로보트에 관한 정역학과 동역학을 상세히 다루며, 각 관절에 대한 경로계획과 로봇을 제어하기 위한 여러 가지 방법에 관해서도 다룰 것이다. | |||||||||
| ECE4238 | 선형시스템 | 3 | 6 | 전공 | 학사/석사 | 1-4 | 전자전기컴퓨터공학과 | 영 | Yes |
| 연속시간 및 이산시간 선형시스템의 해석방법을 고찰한다. 컨벌루션, 동적 방정식의 해, 변환식, 그리고 선형대수에 대한 고찰을 한다. 상태공간상에서 시스템 기술에 중점을 둔다. 선형공간, 상태변수의 개념, 모드, 제어성, 관측성, 상태전이행렬, 상태궤환제어, 보상기 설계, 디커플링 등을 다룬다. | |||||||||
| ECE4246 | 디지털제어 | 3 | 6 | 전공 | 학사/석사 | 1-4 | 전자전기컴퓨터공학과 | - | No |
| 산업현장의 많은 제어시스템에서 디지털 컴퓨터는 핵심적인 역할을 담당하고 있다. 최근의 가히 혁명적이라도 할 수 있는 컴퓨터의 발달과 이로 인한 디지털 신호처리의 수월성의 제고 등으로 말미암아, 아날로그 제어보다는 디지털 제어가 산업계에서 더욱 활용되고 있다. 게다가 저가의 마이크로 프로세서나 마이크로 컴퓨터의 활용으로 인하여, 디지털 컴퓨터를 장착한 소형의 제어시스템을 구축하여 최적의 성능을 얻는 것이 보편화되었다. 본 강좌의 목적은 디지털 제어시스템의 해석과 설계에 대한 포괄적인 이해를 도모하는 것이다. 특히, 디지털 제어시스템을 학습하는데 관계있는 개념에 대해 명확하고도 이해하기 쉽게 설명한다 | |||||||||
| ECE4247 | 전력전자시스템해석 | 3 | 6 | 전공 | 학사/석사 | 1-4 | 전자전기컴퓨터공학과 | - | No |
| 인버터와 컨버터 등의 전력변환회로는 연료전지나 하이브리드 전기자동차 등의 시스템을 구동하는데 필수적인 부분을 차지한다. 본 과목에서는 여러 산업용 시스템의 구동조건에 따른 전력변환회로의 설계 및 제어에 관해서 다룬다. 이를 통하여 전력변환회로의 실장에서 요구되는 하드웨어와 소프트웨어를 습득하고 활용할 수 있는 능력을 함양시키고자 한다 | |||||||||
| ECE4248 | 제어네트워크시스템 | 3 | 6 | 전공 | 학사/석사 | 1-4 | 전자전기컴퓨터공학과 | - | No |
| 네트워크로 연결된 제어 시스템의 특징 및 설계의 고려사항들에 대해 학습한다. 네트워크 지연에 의한 제어시스템의 안정도 분석, 강인 제어기 설계 및 제어시스템의 성능을 높일 수 있는 스케쥴링 기법 등을 배우고 CAN(Controller Area Network)으로 연결된 실제 제어 시스템의 응용 사례에 대하여 살펴본다. | |||||||||
| ECE4249 | 컴퓨터비전 | 3 | 6 | 전공 | 학사/석사 | 1-4 | 전자전기컴퓨터공학과 | 한 | Yes |
| 본 과목은 컴퓨터에 의한 영상해석을 위한 이론을 정의한다. 영상 형성의 모델, 초기처리과정, 경계선의 검출, 영역의 확장과 분할, 움직임검출, 정합, Morphology 등의 알고리즘 소개와, 도형인식을 위한 통계적 모델, 분별함수, 결정 경계 및 법칙, 신경망 등의 이론을 강의한다 | |||||||||
| ECE4268 | 전기기기설계론 | 3 | 6 | 전공 | 학사/석사 | 1-4 | 전자전기컴퓨터공학과 | - | No |
| 본 교과목은 에너지응용분야의 핵심인 전기기기의 설계이론 및 설계프로젝트 수행을 다루고 있다. 전기기기 설계법에 대한 체계화된 기본이론을 학습하며, 정밀설계를 수행하기 위한 수치해석 기반의 설계프로그램 사용법을 숙지한다. 변압기, 유도기, 동기기, 직류기, 특수기 등의 전기기기 특성별 설계이론과 설계프로세스를 정립한다. 체계화된 설계법과 설계프로세스를 바탕으로, 최근 각광받고 있는 친환경에너지형 전기기기에 실응용될 수 있는 팀 단위의 전기기기설계 프로젝트를 수행한다. | |||||||||
| ECE4269 | 고급디스플레이공학 | 3 | 6 | 전공 | 학사/석사 | 1-4 | 전자전기컴퓨터공학과 | 한 | Yes |
| 본 강의는 박막 트랜지스터 소자 및 공정을 응용하는 다양한 display 기술을 다루며 소자의 기본 이론은 물론 제조공정, 재룔를 포함한 다양한 지식을 다룬다. | |||||||||