Search
 
Close
Search
 
  • home
  • 교육과정
  • 인공지능융합전공

교육과정

인공지능융합전공

과정명을 클릭하시면 과정 설명을 볼 수 있습니다.

교육과정
과정코드 과정명 학점 개설여부
AAI2003 자료구조개론 3 Yes
본 과목의 목적은 컴퓨터 중심의 실제 문제들의 해결에 필요한 다양한 자료구조들의 사용법과 알고리즘 기술에 필요한 원칙과 기법에 대해서 소개하는 데 있다. 본 과목에서 다루는 주제들로는 배열, 스텍, 큐, 연결리스트, 트리, 그래프, 정렬, 해쉬, AVL 트리 등으로 요약될 수 있다. 본 과목의 성공적인 이수를 위해서는 이산 구조, C 언어 등의 선수 과목이 장려된다. 특히, 문제해결 능력 배양을 위해 실습을 동반하는 것을 권장한다.
AAI2004 인공지능통계론 3 Yes
이 과목은 인공지능 활용을 위한 기초 선형대수와 통계론을 습득하는 과목으로, 인공지능융합전공 학부생이 향후 인공지능을 자유롭게 활용하기 위한 통계적 토대가 되는 강좌이다. 선형시스템에서 Gaussian Elimination, Orthogonality, Vector Space, Least Squares Approximation등과 그 응용에 대해서 소개하며, 이와 연관된 공학 통계에 대해 다룬다.
AAI2005 컴퓨터구조및시스템 3 Yes
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. 또한, 프로세서의 파이프라인 구성에 대해서도 자세히 설명한다. 또한, 제어장치의 구현방법 자체가 명령축약형 컴퓨터 구조의 설계 기술로부터 얼마나 혜택을 볼 수 있는지에 대해서도 기존의 CISC구조의 제어 장치의 구현 방법과 비교해서 설명한다. 특히 인공지능과의 깊은 연관성을 가지고 있는 고성능 프로세서와 GPU와 같이 최신 컴퓨터 구조와 시스템 관점을 전달한다. 이와 함께 병렬처리 컴퓨터 시스템의 구조와 개념 및 목표, 기술적인 이슈에 대하여 학생들의 시야를 넓히기 위해서 학부 수준에 맞추어서 간단히 소개한다.
AAI2006 통계적데이터분석 3 No
이 과목은 통계 데이터 분석에 대한 실제적인 소개를 제공합니다. 기술통계, 확률 요소, 가설 검정, 비모수 분석 방법, 상관 분석, 선형 회귀 분석, 다중 회귀 분석 및 ANOVA를 포함한 기본적인 통계 기법을 다룹니다. 적절한 통계 테스트를 선택하는 방법과 통계적 유의성을 평가하는 방법에 중점을 둡니다. 이 과목에서는 R의 기초, 프로그래밍, 데이터 시각화 및 통계 계산 및 그래픽을 위한 강력한 프로그래밍 언어인 R의 기본 통계를 실행하는 방법을 소개합니다.
AAI2007 알고리즘개론 3 Yes
본 과목의 목적은 컴퓨터 응용에서의 문제들을 풀기 위한 다양한 알고리즘과 알고리즘분석에 필요한 기본 법칙과 기술을 소개하는데 있다. 본 과목에서 다루는 주제들은 알고리즘 분석기준, 탐색, 정렬, 그래프, 다항식, 문자열 매칭, 비다항식 문제들로 요약될 수 있다.
AAI2008 데이터베이스개론 3 Yes
본 과목의 목적은 데이터베이스 시스템의 디자인, 사용, 그리고 구현에 필요한 기본 개념들을 소개하는 데 있다. 본 과목에서 다루는 주제들로는 데이터베이스 관리 시스템의 개념, ER 디자인, 관계형 모델, 정규화기법, 계층형 모델, 망 모델, 그리고 파일조직 등으로 요약될 수 있다. 본 과목의 성공적인 이수를 위해서는 전산학개론, 이산구조, 자료구조 등의 선수과목이 장려된다.
AAI2009 인공지능개론 3 Yes
본 과목은 기초이론을 강의하고, 진보된 주제를 소개하고자 한다. 이론에서 다루는 세부 과제로서는 상태공간에서 문제의 표현, 넓이우선 탐색, 깊이우선 탐색과 경험적 탐색 등의 탐색방법, 그리고 술어 논리, 해결 방법, 법칙을 사용한 지식 표현 등이다. 계획 시스템, 훈련방법을 포함한 퍼셉트론과 홉필트 신경망 등과 같은 신경망과 퍼지 기술, 영상표현, 외각선 검출, 직선과 곡선의 검출 등과 같은 컴퓨터 시각 등의 진보 된 주제들을 소개한다.
AAI2011 시스템프로그래밍 3 Yes
운영체제, 디바이스 드라이버, 컴파일러 등과 같은 시스템 소프트웨어는 직접적으로 컴퓨터 하드웨어를 콘트롤하고 응용 소프트웨어를 실행할 수 있는 환경을 제공한다. 이러한 시스템 소프트웨어는 C언어로 구현되는 경우가 많다. 본 교과목에서는 C언어 기반의 시스템소프트웨어 이론 및 설계/구현 방법론에 대해 다룬다. 또한, 유닉스/리눅스 환경에 대한 이해 및 사용법에 대해 학습한다. 프로세스/쓰레드 관리, 네트워크 통신 등 다양한 시스템 자원 관리를 위한 시스템소프트웨어 개발에 대한 경험을 제공한다.
AAI2012 컴퓨팅사고및응용 3 Yes
본 과목에서는 컴퓨터를 처음 접하는 학생들을 대상으로 컴퓨터에 대한 일반적인 기초개념 등을 설명하고, 프로그램이 수행되는 과정과 프로그램 작성을 위한 논리적인 사고에 대하여 강의한다. 이와 같은 기초 지식을 바탕으로 파이썬 프로그래밍 언어를 사용하는 방법을 습득한다. 특히, 이론과 실습의 병행을 통하여 프로그램의 실사구시화를 수행할 수 있도록 한다.
AAI2013 확률론 3 Yes
본 과목에서는 확률의 성질과 확률변수 및 기대값, 분산, 여러 가지 확률 분포에 대해 배운다. 결합확률분포의 이론과 표본 및 평균, 분산의 정의와 특정을 배운다. 확률 수렴, 분포 등 확률과 관련된 수렴의 개념, 중심극한정리 등을 배운다.
AAI3002 데이터분석 3 No
빅 데이터를 이해하고 분석하여 결론을 도출하는 것은 이미 IT와 비즈니스에서는 없어서는 안될 기술이 되어가고 있다. 본 과목에서는 데이터 분석 및 해석을 위한 통계적 기법을 학습한다. 학생들은 분석 기법에 대한 이론적 이해와 함께, 데이터 분석 전 과정, 즉, 데이터 획득, 정제, 탐색, 가설 검증, 정보 가시화, 결론 도출을 대표적 오픈소스 통계 패키지인 R을 활용하여 배우게 된다.
AAI3003 디자인사고와창의설계 3 Yes
디자인사고와창의설계는 다학제간 융합을 기반으로 하는 프로젝트를 중심으로 진행됩니다. 기본적으로 필요한 기반지식에 대해서는 학생들이 이미 습득한 상태를 가정하여, 1~2학년 수준의 경험을 제공할 예정입니다. 디자인사고와창의설계는 학생들이 습득한 지식들을 제대로 활용할 수 있는 기회를 제공합니다. 학생들은 최소3명에서 최대 5명까지 그룹으로 지정되어서 타당성 검증인 초기단계부터 상세설계인 마지막 단계까지 진행하게 됩니다. 본 수업은 크게 2개의 파트(디자인사고(이론)+창의적설계(실습))로 이루어져 있습니다. 먼저 initial stage에서는 Design Thinking의 Ethnography를 통해 아이디어 도출과 개념설계를 진행하며, 학기 후반부에는 다양한 Tool (Iso-Pink, 3D Printing, Arduino, Lego, Raspberry Pi etc)를 통해서 도출한 아이디어를 프로토타이핑으로 진행합니다.
AAI3004 이산수학 3 Yes
컴퓨터를 이용하여 실세계의 여러 가지 문제를 해결하려면, 먼저 그 문제상황을 수학적 모델로 변형한 후 이것을 해결하는 알고리즘을 작성하여 프로그래밍하여야 한다. 이산수학은 실세계의 여러 가지 문제들을 수학적 모델로 변형하고 이것을 해결하는데 필요한 수학적 지식과 알고리즘을 이해하게 함으로써 컴퓨터의 활용에 필요한 도구적 지식을 갖추게 한다.
AAI3005 데이터마이닝 3 Yes
이 과목은 데이터마이닝의 기초 및 최신 데이터마이닝 방법론을 다룬다. 데이터마이닝의 기본 개념 및 통계, 기계학습, 추론, 그래프이론 등의 다양한 데이터마이닝 기법을 공부한다. 또한, 데이터 수집, 전처리, 저장 등의 빅데이터 처리 관련된 토픽도 다룬다. 빅데이터로부터 의미 있는 패턴을 발견하고 미래를 예측하는 실제적인 경험을 제공한다.
AAI3006 기계학습 3 Yes
기계학습은 컴퓨터가 특정 과업을 잘 해낼 수 있도록 데이터(혹은 경험)를 학습하는 것이다. 빅데이터로부터 의미 있는 정보와 지식을 추출해내는 것이 기계학습의 핵심 과제이다. 본 교과목은 기계학습에 관련된 다양한 개념, 방법론, 알고리즘을 다룬다. 또한, 분류, 예측, 군집 등과 관련된 다양한 기계학습 방법론들의 원리 및 응용에 대해 소개한다. 기계학습 알고리즘 및 응용을 구현 및 활용하는 경험을 통해 기계학습을 통한 문제 해결 능력을 갖게 된다.