AI 융합형 인재양성과 기술확산의 허브 

산업 혁신형 AI 융합 특화인재 양성

융합대학원  
일반대학원  
교과목 개요  

교과목 개요 (전기컴퓨터공학과 인공지능전공)

교과목 구성 및 이수체계

교과목 소개

(1) 핵심 기초 과목

순번 교과목명 주요 학습 주제
1 인공지능 AI 전 분야에 대한 이해를 바탕으로 배경 지식 학습
2 기계학습 AI 기술 이해, 분석 등을 위한 필수적인 기계학습 기본개념 정립
3 AI 프로그래밍 제조/물류/포털 분야별 데이터를 획득, 생성, 처리 및 분석할 수 있는 실무 프로그래밍 능력 함양
4 고급선형대수 벡터기반 데이터 처리를 위한 선형대수 이론 및 알고리즘 이해
5 심층신경망 딥러닝에 대한 이론적 지식 이해와 딥러닝 프로그래밍 능력 함양
6 데이터마이닝 AI에서 획득, 축적된 대용량 데이터를 분석하기 위한 기술 습득
7 확률과정론 확률 기본 이론과 다양한 랜덤 프로세스 모델 및 응용 사례 소개
8 알고리즘특론 AI 분야의 이해와 응용의 기반이 되는 알고리즘 분석 방법 습득
9 영상처리 영상처리의 개념 및 이론을 이해하고, 실습을 통한 응용 방법 학습
10 데이터사이언스 데이터 사이언스 분야 중 추천 시스템에 심화/특화된 수업을 통하여 관련 프로그래밍 기술과 연구를 학습

(2) 심화 공통 과목

순번 교과목명 주요 학습 주제
1 고급수치해석 곡선접합, 수치적분 등 고급 수치해석 이론 학습
2 패턴인식 패턴인식 알고리즘에 대한 이론과 실습을 통한 패턴인식의 동작원리 이해
3 컴퓨터비젼 AI분야에서 가장 활발히 연구되는 컴퓨터 비전 분야에 대한 이해
4 디지털신호처리 디지털 신호처리의 대표적 기법들 및 최신 연구 동향 파악
5 강화학습 강화학습 분야에 대한 이해 및 관련 분야 연구 내용 파악
6 임베디드신경망 경량신경망에 대한 기본 개념과 최신 기술 동향 파악
7 최적화기법 다양한 목적함수를 최적화하기 위한 알고리즘 및 이론 지식 습득

(3) 제조 트랙(AI+Robot, 로봇인지지능) 심화 과목

- 제조 분야 AI의 핵심 분야인 산업용 로봇 및 스마트 팩토리 등에 활용되는 심화 과정 수업

- 로봇 인지지능 실현을 위한 컴퓨터 비전, 로봇 공학, 영상 및 음성 처리 분야 등으로 구성

순번 교과목명 주요 학습 주제
1 머신러닝 로봇 또는 자동화 시스템에서 카메라를 이용한 물체 인식
2 멀티미디어특론 멀티미디어 데이터 처리를 위한 기술 학습 및 실무 능력 함양
3 디지털음성처리 음성신호 모델링, 양자화 등 음성 인식에 대한 다양한 이론 습득
4 감성컴퓨팅 사람의 감정, 인지에 미치는 영향을 인지, 분석하는 기법을 학습
5 인간과컴퓨터상호작용 인간과 로봇의 상호작용을 위한 휴먼 인지, 모션 계획, 협업
6 컴퓨터제어 시스템제어이론 학습과 마이크로프로세서를 이용한 실습
7 지능제어시스템 디지털제어이론과 지능형 제어 시스템에 대한 최근 추세 파악
8 최적제어론 동적 시스템의 최적제어 이론 학습 및 최적제어기 설계 실습
9 로봇공학 로봇공학 이론 기본 개념과 휴머노이드 로봇에 접목한 사례 소개
10 비주얼SLAM Simultaneous Localization and Maping 기법에 대한 학습

(4) 물류 트랙(AI+Logistics, 시공간분석지능) 심화 과목

- 물류 분야 AI의 핵심 분야인 자율주행 드론, 운송 시스템 자동화 등을 위한 원천 기술 개발을 위한 심화 연구주도형 수업

- 시공간 분석 지능 실현을 위한 자율주행기법, 공급체인최적화 등 관련 분야 수업으로 구성

순번 교과목명 주요 학습 주제
1 물류자율주행시스템 물류와 관련된 이동체의 자율 주행 시스템 소개, 진행궤적 제어방법 학습
2 AI기반공급체인전략 공급사슬에 활용되는 전략과 AI 기술 응용 사례 분석
3 AI기반물류운영계획 물류운영에서 계획과 운영관련 이론 및 AI 기반 응용사례 소개
4 기계학습특론 온라인기계학습(스트림데이터를 위한 온라인러닝, 연속학습 등)과 분산기계학습(딥러닝 분산학습 기술에 대한 이슈와 최신 기법들)에 대한 학습
5 AI기반물류수요분석 AI 기술 기반 물류 수요 분석 기술 소개 및 응용 사례 분석
6 공급체인데이터분석 공급 사슬의 개념과 유통 정보화를 위한 공급체인데이터 분석 사례 소개
7 물류네트워크분석 물류시스템을 분석하는 기본적인 방법론과 네트워크에 대해 학습
8 물류최적화이론 AI 최적화 기법을 다양한 물류 데이터에 적용 및 실습
9 엣지및클라우드컴퓨팅 모바일 및 IoT 기기간 데이터 공유를 위한 분산 개방형 처리 기법 학습

(5) 포털 트랙 (AI+Prediction, 시계열예측지능) 심화 과목

- 포털 분야에서 항공, 항만 교통 관리 및 해양 기술을 위한 AI 원천 기술 개발을 위한 심화 연구주도형 수업

- 시계열 예측 지능 실현을 위한 확률 기반 분석 방법들과 순차 스트링 데이터 처리 방법들을 포함한 수업들로 구성

순번 교과목명 주요 학습 주제
1 데이터베이스특론 빅데이터 시스템 구현을 위한 데이터베이스처리 기본 기능들에 대한 이해
2 스트링알고리즘 추상화된 형태의 시계열 데이터를 다루기 위한 스트링 알고리즘 기법 이해
3 빅데이터컴퓨팅 대용량데이터 처리에 필요한 다양한 확률적 알고리즘과 자료구조학습
4 데이터인텔리전스 대용량데이터로부터 패턴과 규칙을 발견하기 위한 탐색과 분석 방법 이해
5 확률적추론법 최신 확률 기반 모델링, 학습 및 추론 기법 학습
6 항공운항빅데이터처리 항공분야의 방대한 데이터분석 및 항공운항 안전성, 효율성 증대기법 학습
7 AI기반항공교통관제 항공 교통 관제 업무의 기계학습, 인공지능 기반 자동화 기법 학습
8 해양예측모델링 해양특성을 알고리즘화하여 방대한 관측자료 비교분석 및 예측 방법 학습
9 해양기상AI응용 해양-기상의 지구물리 유체특성에 대한 이해 및 AI 적용사례 분석

(6) 인공지능융합프로젝트 과목

- 제조, 물류, 포털 산업 분야에서 필요한 AI 융합기술을 담당교수의 책임 하에 팀 단위로 개발

- AI 융합 교육위원회에서 연구센터 협력업체로부터 수요 기술을 발굴하고 관련 기술 보유 교수에게 전달

- 해당 교수는 인공지능융합프로젝트 과목을 설강하고 수요 기술을 개발할 팀원들을 선정

- 전공필수로 지정하여 석사과정은 3차 이후에 인공지능융합프로젝트 1, 2(2과목) 를 수강하고 박사과정은 3차 이후에 인공지능융합프로젝트 3, 4(2과목)를 수강

- 석박사통합과정은 3차 이후에 인공지능융합프로젝트 1, 2, 3, 4(4과목)를 수강

- 인공지능융합프로젝트 1은 인공지능융합프로젝트 2의 선수과목이며 인공지능융합 프로젝트 3은 인공지능융합프로젝트 4의 선수과목