교과목소개

본문 바로가기
서브 배너 이미지
  • 교과과정
  • 교과목소개

교과목소개

교과목소개

인공지능소프트웨어학과 교과목 해설

 

통계분석과활용 (Statistical Analysis Application)

 

인공지능 활용을 위한 기초 선형대수와 통계의 기본 개념을 습득하는 과목으로, 인공지능학과생들이 재학하는 동안과 졸업 후 향후 인공지능을 자유롭게 활용하기 위한 통계적 토대가 되는 강좌이다.

 

□인공지능개론 (Introduction to Artificial Intelligence)

 

사람처럼 생각하고 사람처럼 행동하는 지능적인 머신을 연구하는 학문 분야이다. 강의뿐만 아니라 실습을 통해서 학생들이 인공지능 도구를 활용하여 문제를 해결하는 방법을 직접 경험할 기회를 제공한다.

 

□AI학습이론 (Artificial Intelligence Learning Theory)

 

본 과목은 정보통신기술의 하나인 AI산업에 속해있는 학습 이론을 알게 되어 이를 AI 기업들과 적용될 수 있는 연계 관계를 분석하고, AI 학습 이론들과 다양한 사례들을 통해 AI 학습이론을 바탕으로 기업과 산업의 요구사항을 도출해본다.

 

프로그램설계방법론 (Software Engineering)

 

프로그램 설계방법론은 우리가 생활 속에서 만나는 모든 활동을 프로그램적 사고방식에 의하여 체계적으로 설계하는 방법에 대하여 배우게 된다.

 

머신러닝기초 (Fundamental of Machine Learning)

 

본 교과목은 감독학습, 무감독학습, 강화학습, 등 기계학습의 기본 개념과 원리, 여러 가지 학습 방법에 대한 모델 구조와 학습 알고리즘 및 그 수학적인 기반을 제공하는 것을 목적으로 한다.

 

데이터분석과시각화 (Database and Visualization)

 

데이터를 분석하기 위하여 적정한 데이터베이스를 보일 수 있도록 하는데 기본 목표를 두고 있다.

 

자료구조 (Data Structure)

 

이 과목에서는 컴퓨터에 의한 문제해결을 위해 필요한 개념이나 대상물의 표현을 위한 자료 구조와 문제 해결을 위한 체계적 사고 방법을 학습한다.

 

텐서프로그래밍 (Tensorflow Programming)

 

본 과목은 파이선을 사용해서 구글 텐서플로 머신러닝 라이브러리를 딥러닝에 적용하는 과목이다.

 

데이터베이스 (Database)

 

본 과목의 목적은 데이터베이스 시스템의 디자인, 사용 그리고 구현에 필요한 개념들을 소개하는 것이다. 본 과목에서 다루는 주제들로는 데이터베이스 관리 시스템의 개념, ER 디자인, 관계형 모델, 정규화 기법, 계층형 모델, 망 모델, 그리고 파일조직 등으로 요약될 수 있다. 본 과목의 성공적인 이수를 위해서는 인공지능개론 등의 선수과목이 장려된다.

 

AI사고및응용 (Artificial Intelligence Logical Thinking and Application)

 

중앙처리 장치의 명령 실행 규칙을 지배하고 있는 계산 모델에 대하여 설명하고, 이와 관련된 컴퓨터 구성의 발전 과정에 대하여 살펴본다. 명령의 실행규칙이 순차처리 특성을 갖는 노이만 컴퓨터 구성을 중심으로, 중앙처리 장치의 종류와 특징 및 중앙처리장치와 다른 기능 모듈들을 접속하기 위한 연결 구성에 대하여 강의한다.

 

딥러닝 (Deep Learning)

 

4차 산업혁명의 핵심기술인 인공지능(딥러닝)의 배경지식과 활용방법을 습득하며, Convolutional Neural NetworksRecurrent Neural Networks에 관한 지식과 활용법을 실습한다.

 

인공지능과강화학습 (Artificial Intelligence Reinforced Learning)

 

본 과목에서는 수많은 시스템에서 생성되는 빅데이터를 어떻게 수집, 저장 및 처리할 수 있는지에 대해 학습한다.

 

컴퓨터비전 (Computer Vision)

 

본 과목은 학부 4학년생을 위한 과목으로서 컴퓨터비전과 관련한 기초적인 개념과 방법론 및 그 응용을 배운다. 본 강의에서 다루는 주제들은 영상처리 및 분할, 특징점 검출, 광학, 영상 추적, 사진기 모델, 3차원 복원, 인물 및 물체 인식과 검출 등을 포함한다.

 

머신러닝응용 (Machine Learning Application)

 

머신러닝 기초를 배운 학생들에게 본격적인 인공지능을 위한 예제를 보여주기로 한다. 이를 위하여 머신러닝의 응용분야를 집중적으로 이야기 하고 인공지능의 기본 개념인 사람의 지능과 인지 기능을 흉내 낼 수 있는 정보처리 모델을 연구하는 컴퓨터과학의 한 분야를 필수적인 예제로서 배우도록 한다.

 

자연어처리 (Natural Language Processing)

 

자연어처리에 대한 개념, 기술, 모델에 대해 논의한다. 자연어처리와 분석 기술, 특히 딥러닝 기반의 자연어처리에 대한 이론과 실습을 다룬다. 그리고 자연어처리와 관련된 프로젝트를 통해 창의적 설계와 개발 내용을 학습한다.

 

AI헬스케어응용 (Artificial Intelligence and Healthcare Application)

 

인공지능을 통한 헬스케어 분야와 유전자, 생물정보학 등을 연결하여 이루어 낼 수 있는 각종 학문과 응용에 대한 이야기를 다룬다.

 

AI캡스톤디자인(Artificial Intelligence Capstone Design )

 

본 수업에서는 인공지능의 활용과 ICT융합을 주제로 팀 프로젝트를 수행한다.

 

인공지능과글로벌창업 (Artificial Intelligence and Global Start-up)

 

본 과목의 교육목표는 시장분석, 자금조달, 성장관리, 리더십, 조직 내 역할 및 책임분장 등 IT 기업의 창업업과 운영에 수반되는 다양한 요소를 학습하는데 있다.

 

AI캡스톤디자인(Artificial Intelligence Capstone Design )

 

본 강의는 AI 캡스톤 디자인 의 연속 강의로, AI 캡스톤 디자인 에서 수행한 내용을 더욱 발전시킨다. 참여 학생과 멘토 등은 AI 캡스톤 디자인 에서 수행한 내용에 대한 확장 보완 작업을 AI 캡스톤 디자인 에서 진행하게 된다.

 

소셜네트워크분석 (Social Network Analysis)

 

본 과목에서는 대규모 소셜 네트워크에서 발생하는 상호작용을 이해하는데 필요한 그래프 이론 및 네트워크 이론을 살펴보고 이론을 바탕으로 대규모 온라인 소셜 네트워크 구조 및 특성, 역동성을 분석한다.

 

 


  • 당진캠퍼스 : 31746 충청남도 당진시 신평면 남산길 71-200
  • 학과사무실 : 041-359-6135
  • Copyright 2020 세한대학교 인공지능소프트웨어학과 RIGHTS RESERVED