전주대학교

전공교과소개

인공지능학과 전공 교과목 소개입니다. ※ 출처: 인공지능학과 제공

과목명 소개
논리적문제해결(Logical Problem Solving) 본 과목은 문제해결능력 향상을 목적으로 한다. 교육 내용으로는 문제분석 및 해결을 위한 logic tree와 다양한 framework등을 학습한다.
오픈소스소프트웨어(Open Source Software) 인공지능 분야에 활용 가능한 핵심 오픈소스인 numpy, matplotlib 및 pandas를 포함한 주요 오픈소스의 활용능력을 키운다./td>
선형대수(Linear Algebra) 이 강의에서는 인공 지능 영역에 자주 사용되는 선형 대수의 기본 개념을 소개합니다. 특히, 선형 대수학의 일부 입문 부분은 통계 선형 모형 및 최적화 이론을 이해하는 데 유용합니다.
과목명 소개
최적화이론(Optimization Theory) 본 과목은 문제해결능력 향상을 목적으로 한다. 교육 내용으로는 문제분석 및 해결을 위한 logic tree와 다양한 framework등을 학습한다.
데이터베이스(Database) 인공지능 분야에 활용 가능한 핵심 오픈소스인 numpy, matplotlib 및 pandas를 포함한 주요 오픈소스의 활용능력을 키운다.
빅데이터개론(Introduction to Bigdata) 이 강의에서는 인공 지능 영역에 자주 사용되는 선형 대수의 기본 개념을 소개합니다. 특히, 선형 대수학의 일부 입문 부분은 통계 선형 모형 및 최적화 이론을 이해하는 데 유용합니다.
확률통계개론(Introduction to Probability and Statistics) 인공지능 분야에 활용 가능한 핵심 오픈소스인 numpy, matplotlib 및 pandas를 포함한 주요 오픈소스의 활용능력을 키운다.
디지털신호처리(Digital Signal Processing) 본 강의에서는 Digital Signal Processing의 전반인 이론과 디지털 필터를 포함한 디지털 시스템을 이해한다. 간단한 이미지 및 소리에 대한 디지털 신호처리를 위한 여러 필터, 푸리에 변환의 고속계산 방법 (Fast Fourier Transform)을 학습하고 디지털 신호가 가지는 주요특성을 추출하는 방법에 대해 학습한다.
IoT와통신(IoT and Communication) 다양한 센서 및 웹으로부터 데이터 수집방법의 설계, 수집된 데이터를 통신을 전송하는 방법 및 수집데이터를 프로그램 안에서 데이터를 효율적으로 저장하고 접근하도록 자료구조의 다양한 개념을 소개한다. 특히 같은 목적을 위해 작성된 코드 안에서 사용 가능한 여러 가지 자료구조들 중에서 어떤 자료구조가 어떤 상황에서 더 유리한지를 이해하고, 주어진 응용에 적합한 자료구조를 선택하고 새로운 자료구조를 디자인 할 수 있는 능력을 기른다.
뇌공학개론(Introduction to Brain Engineering) 인간 또는 동물의 뇌가 정보를 처리하고 데이터를 통해 학습하는 과정을 이해한다. 이미 잘 알려진 실험을 통해 동물의 뇌가 정보를 처리하는 과정을 이해하고 이러한 과정을 신경망으로 구성하여 본다.
분산처리시스템(Distributed Processing System) 연산그래프를 이용한 다양한 연산방법에 대해 학습한다. 여러 개의 연산처리기가 존재하는 경우의 분산처리와 여러 컴퓨터를 이용한 분산처리등에 학습한다. Tensorflow를 이용하여 연산그래프를 이용한 연산을 분산처리할 수 있는 방법에 대해 학습한다.
통계적기계학습(Probabilistic Machine Learning) 최근에 많이 사용되어지는 통계적 기계학습 방법들에 대한 이론적인 이해와 응용에 대한 내용들을 다룬다. 주요 논제로는 선형 회귀, 분류, 샘플링 방법, 모델 선택 및 제한 기법, 결정 트리, 서포트 벡터 머신, 비지도 학습법 등의 주제에서 통계 기반의 학습들에 대하여 다룬다.
알고리즘기반머신러닝(Algorithm Based Machine Learning) 이 과정에서, 학생들이 현재 인공 지능의 기본 및 핵심 기술인 기계 학습을 위한 다양한 알고리즘에 대해 배우게 됩니다. 이 과정은 기계 학습,지도 학습 방법 (회귀 및 분류), 비지도 학습 방법 (클러스터링 및 차원 축소), 앙상블 모델, 베이지안 접근 및 모델의 기본 이론을 다룹니다.
과목명 소개
리눅스운영체제(Linux Operating System) 이 과목은 Linux 운영체제가 무엇이며, 그것이 수행하는 역할은 무엇이며, 또 운영체제가 어떻게 설계되고 만들어지는지를 소개한다. 주요한 주제들로는 프로세스 관리, 저장장치 관리, 입출력 시스템, 분산처리 및 보안 등이다.
시각시스템과청각시스템의원리(Principles of Visual and Auditory Systems) 정보기반 시스템의 인지과학적 배경지식으로서 인간정보처리기능과 인간의사결정에 대한 현상적 이론을 다루고 그에 상응하는 모형론, 지원방법들을 학습하여, 인간과 컴퓨터로 이루어진 지능시스템의 분석과 설계에 응용할 수 있도록 한다. 특히 지능적 인터페이스와 인간-기계 협업적 시스템의 구축을 지향한 시스템적 응용 능력을 배양한다.
데이터시각화(Data Visualization) 다양한 대용량의 데이터를 분석하고 처리하기 위한 방법론 중의 하나인 데이터시각화에 대해 학습한다. python언어를 기반으로 matplotlib을 중심으로 원시데이터의 다양한 시각화 방법 뿐 아니라 인공지능 결과에 대한 이해를 돕기 위한 시각화 방법에 대해 학습한다.
신경망기반머신러닝(Neural Network Based Machine Learning) 4차 산업혁명의 핵심기술인 인공지능 (딥러닝)의 배경지식과 활용 방법을 습득하며, Convolutional Neural Networks 와 Recurrent Neural Networks 에 관한 지식과 활용법을 실습한다. 딥러닝 기본개념, Stochastic Gradient Descent, backpropagation 기법, 초기화기법, regularization 기법, 콘볼류션 신경망 (CNN), CNN 구조,복신경망 (RNN), RNN의 응용을 다룬다.
유전알고리즘(Genetic Algorithm) 최적화와 관련된 휴리스틱 접근법을 다룬다. 유전 알고리즘과 타부서치의 이론적 연구와 알고리즘의 개선 방법을 검토한다. 유전 알고리즘에서는 해의 coding 방법, 유전인자의 교배 및 돌연변이, 개체의 선택방법을 다루며, 타부서치에서는 search의 심화 및 다양화를 다룬다. 최적화 문제 해결을 위한 응용도 포함한다.
서비스러닝I(Service Learning I) 창의적인 문제해결능력을 갖춘 산업체 선호 인력 양성을 위해 대학 주변 관련기관으로 부터 소규모 프로젝트를 요청받아 교과목에서 학습한 이론적 내용을 실제 기업 프로젝트에 적용 경험을 통하여 성취감 및 전공 , 실무경험을 획득한다.
컴퓨터비젼(Computer Vision) 컴퓨터비전은 학계와 산업계 모두에서 가장 빠르게 발전하는 인공 지능 분야로, 3차원 세계를 기록한 사진 및 동영상과 같은 시각정보들을 획득, 처리, 분석, 이해하는 데에 그 목적이 있다. 컴퓨터비전과 관련한 기초적인 개념과 방법론 및 그 응용을 배운다. 아울러 프로그래밍으로 구성된 과제들과 학기 프로젝트를 통해 실제 영상을 다루는 경험을 쌓는데 주안점을 둔다. 본 수업에서 다루는 주제들은, 영상처리 및 분할, 특징점 검출, 영상 추적, 물체 인식과 검출 등을 포함한다.
자연어처리(Natural language processing) 이 과정은 NLP 분야에 대한 개론 교과목입니다. Python 언어와 NLTK (Natural Language Toolkit)라는 오픈 소스 라이브러리를 기반으로 합니다. 구체적인 학습내용은 다음과 같다: NLP의 핵심개념, NLP의 자료구조 및 알고리즘들과 NLP 기법들의 성능측정 방법
강화학습(Reinforced Learning) 이 과정은 기계 학습 및 인공 지능의 핵심 연구 분야 중 하나 인 강화 학습을 다룹니다. 강화 학습에는 지능적인 의사 결정 및 제어가 필요한 다양한 응용 프로그램이 있으며 다양한 기계 학습 모델의 교육 방법으로 사용할 수 있습니다.
첨단신경망(Advanced Neural Network) 이 과정은 딥 러닝 분야의 최근 발전을 다룹니다. 신경망은 30 년 이상 인공 지능의 많은 응용 분야에 사용되었습니다. 그러나 오늘날 강력한 컴퓨팅 성능과 대규모 데이터 세트로 인해이 분야는 특히 지난 5 년간 새로운 기술을 통해 획기적인 발전을 이루었습니다. 이 과정은 고급 신경망 모델과 응용 프로그램을 소개합니다.
과목명 소개
AI캡스톤디자인I(AICapstone design I) 기초이론을 바탕으로 일정한 목적과 기능을 가진 제품의 개발을 Concept – Engineering - Design의 순서로 작업하는 과정을 통하여 시스템화된 제품을 기획, 설계, 제작하고, 산학협력을 기본으로 종합적인 실무능력을 배양한다.
서비스러닝II(Service LearningII) 창의적인 문제해결능력을 갖춘 산업체 선호 인력 양성을 위해 대학 주변 관련기관으로부터 소규모 프로젝트를 요청받아 교과목에서 학습한 이론적 내용을 실제 기업 프로젝트에 적용 경험을 통하여 성취감 및 전공 , 실무경험을 획득한다.
의료영상분석(Medical Imaging Analysis) 우리는 대규모 전자 건강 기록을 처리하고 다양한 예측 작업을 수행하는 기계 학습 방법, 특히 딥 러닝 기술을 소개합니다. 또한 다양한 건강 관리 관련 주제 (예 : 해석 가능성, 인과 관계) 및 양식 (예 : 이미지, 텍스트, 지식 그래프)에 대해 논의합니다.
인공지능세미나I(Artificial Intelligence Seminar I) 이 과정은 인공 지능에서 선택한 특수 주제와 다른 과정을 다루기 어려운 관련 분야를 다룹니다. AI 및 기타 분야의 다양한 주제를 다루고 최신 개발 및 동향을 소개합니다.
인공지능과윤리문제(Artificial Intelligence and Ethical Issues) 빠르게 발전하는 인공지능 기술은 개발자에게 새로운 가치관의 정립을 요구하고 있다. 새로운 기술과 기존 가치관의 충돌문제을 이해하고 개발자가 갖추어야할 새로운 가치관 등에 대해 생각해 본다.
AI캡스톤디자인II(AICapstone designII) 기초이론을 바탕으로 일정한 목적과 기능을 가진 제품의 개발을 Concept – Engineering - Design의 순서로 작업하는 과정을 통하여 시스템화된 제품을 기획, 설계, 제작하고, 산학협력을 기본으로 종합적인 실무능력을 배양한다.
리빙랩(Living Lab) 리빙 랩에서는 그동안 학습한 전공지식을 지역사회의 문제 해결에 적용하여 실제 문제 해결능력을 키우고, 이론 중심의 전공지식을 현장에 적용하는 과정 속에서 발생하는 한계와 어려움을 극복하는 과정을 통해 학습하고 지역사회에 기여하는 것을 목작으로 한다.
인공지능세미나II(Artificial Intelligence SeminarII) 이 과정은 인공 지능에서 선택한 특수 주제와 다른 과정을 다루기 어려운 관련 분야를 다룹니다. AI 및 기타 분야의 다양한 주제를 다루고 최신 개발 및 동향을 소개합니다.