|
기계학습
( 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.
|
|
딥러닝
( Deep learning )
|
4차 산업혁명의 핵심기술인 인공지능 (딥러닝)의 배경지식과 활용 방법을 습득하며, Convolutional Neural Networks 와 Recurrent Neural Networks 에 관한 지식과 활용법을 실습합니다. 딥러닝 기본개념, Stochastic Gradient Descent, backpropagation기법, 초기화기법, regularization기법, 콘볼류션 신경망 (CNN), CNN 구조, 복신경망(RNN), RNN의 응용을 다룹니다.
|
|
AI알고리즘
( AI Algorithm )
|
인공지능 영역에 자주 사용되는 기본 최적화 개념을 학습하고 최적의 솔루션을 찾기 위한 최적화 관련 알고리즘을 학습한다.
|
|
데이터분석기초
( Data analysis basics )
|
인공지능 분야에 활용 가능한 핵심 오픈소스인 numpy, matplotlib 및 pandas를 포함한 주요 오픈소스의 활용능력을 키운다.
|
|
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.
|
|
문제해결과알고리즘
( Problem solving algorithm )
|
문제해결을 위해 단순히 프로그램을 코딩하는 것이 아니라, 스토리로 제시된 문제를 해결하기 위해 자신의 선수 지식과 경험, 사고를 바탕으로 문제를 하결해 나가는 과정을 절차화 시킬 수 있는 인재를 양성한다.
|
|
서비스러닝
( Service learning )
|
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.
|
|
인공지능수학
( AI Mathematics )
|
본 교과목에서는 확률 및 통계를 중심으로 인공지능 기술의 개발을 위해 필요한 수학 이론과 기법을 학습함
|
|
프로그래밍기초와실습
( Basic programming and practice )
|
이 과목은 자바를 이용하여 객체지향 프로그램의 개념을 이해하고 관련 소프트웨어를 개발하는 능력을 배양하는 것을 목적으로 한다. 이를 위해 데이터타입, 변수, 제어구조, 함수, 데이터구조, 그리고 구조적 프로그램설계를 학습하며, 객체지향 설계 및 프로그래밍에 대해서도 다룬다.
|
