강원지역 주력산업 분야에 투입가능한 혁신인재양성을 위한
KANGWON AX CENTER
교육과정
KANGWON AX CENTER
교육과정
엑셀다운로드| 교과코드 | 과목명 | 영문 과목명 | 내용 | 학점/시간 | 이수구분 |
|---|---|---|---|---|---|
| 262001 | 대학원논문연구 | Thesis Advising | 대학원 학생들에게 논문이 갖는 의미, 논문 작성방법, 좋은 논문이 되기 위해 준비해야 할 사항 등을 포괄적으로 소개함으로써 논문 작성의 토대를 쌓게 하는 데 목적이 있음 | 1-0-2 | 공통필수 |
| 262002 | 연구윤리와논문작성 | Research Ethics and Thesis |
대학원생의 논문 작성에 필요한 연구윤리에 대해 학습한다. 교육부 훈령 연구윤리지침 및 강원대학교 연구윤리규정을 토대로 연구윤리의 주요 내용을 학습한다. 구체적으로 표절, 위조, 변조, 기여 없는 저자표시, 부당한 중복게재, 자기표절에 대해 학습한다. |
1-1-0 | 공통필수 |
| 262003 | 인공지능론 | Artificial Intelligence Theory | 인공지능의 기본이 되는 알고리즘을 이해하여 구현할 수 있도록 한다. 학습 내용은 문제 해결 및 탐색, 논리와 지식 표현, 추론, 계획을 포함한다. | 3-3-0 | 전공선택 |
| 262004 | 기계학습론 | Machine Learning Theory | 현재의 기계학습 분야에서 사용되는 알고리즘과 모델들에 대해서 설명한다. 학습할 주요 내용은 일반화된 선형모델, 다층 인공신경망, 서포트 벡터머신, 베이지안 네트워크, 클러스터링, 차원축소 등이다. | 3-3-0 | 전공선택 |
| 262005 | 딥러닝개론 | Introduction to Deep Learning | 최근의 심층 인공신경망과 관련된 다양한 방법론을 배운다. 구체적으로 심층신경망, 최적화 기법, 합성곱 인공신경망, 순환 인공신경망, 집중 메커니즘, 심층생성모델, 시각화 및 설명가능성을 포함한다. | 3-3-0 | 전공선택 |
| 262006 | 심층신경망응용 | Deep Neural Network Application | 딥러닝과 관련된 핵심 요소들을 이해하고 다양한 데이터 도메인, 분야, 문제에 딥러닝 알고리즘을 확장할 수 있는 방법들에 대해 살펴본다. | 3-3-0 | 전공선택 |
| 262007 | 강화학습특론 | Special Topics in Reinforcement Learning | 강화 학습의 방법론으로 마르코프 의사결정 과정, 동적 프로그래밍에 의한 계획, 모델 프리 예측, 모델 프리 제어, 가치 함수 근사, 정책 그레디언트, 학습과 계획, 탐구 및 탐사 등을 다루고자 한다. | 3-3-0 | 전공선택 |
| 262008 | 컴퓨터비전론 | Computer Vision Theory | 시각정보를 컴퓨터를 이용하여 처리하는 기법에 관하여 다룬다. 주요 내용으로는 이미지 처리 대수, 이미지 질 개선, 경계선 검출, 문턱치 설정, 세선화 및 골격 추출, 이미지 특징 및 기술, 심층신경망 등이 있다. | 3-3-0 | 전공선택 |
| 262009 | 자연어처리이론및응용 | Natural Language Processing Theory and Application | 이 과정에서는 학생들이 자신의 신경망 모델을 구현, 학습, 디버깅, 시각화 및 개발하는 방법을 학습한다. 이 과정은 NLP에 적용되는 심층학습의 최첨단 연구에 대한 철저한 소개를 제공한다. | 3-3-0 | 전공선택 |
| 262010 | 정보검색 | Information Search | 문서를 표현하는 방법, 색인화, 검색, 검색 엔진 및 요약하는 모델과 방법을 다룰 것이다. 또한 최근의 심층 인공신경망을 활용한 검색 모델에 대해서도 다루고자 한다. | 3-3-0 | 전공선택 |
| 262011 | 추천시스템 | Recommendation System | 비개인화된 추천 시스템, 콘텐츠 기반 및 협업 기법 추천시스템과 이를 위한 최근접 이웃 기반 추천 방법 및 행렬 분해 기반 방법에 대해서 다룬다. 마지막으로 심층 인공신경망을 이용한 추천 시스템 모델에 대해서도 다루고자 한다. | 3-3-0 | 전공선택 |
| 262012 | 인공지능과윤리 | Artificial Intelligence and Ethics | 현재 인공지능 모델이 가지는 윤리적 한계점 및 문제점에 대한 분석 및 해결 방안에 대해 토론하고 연구하는 과목이다. | 3-3-0 | 전공선택 |
| 262013 | 베이지안학습론 | Bayesian Learning Theory | 최근 대용량 데이터에서 높은 성능을 내는 딥러닝과의 결합인 베이지안 딥러닝이 각광받고 있다. 이 과목에서는 먼저 베이지안에 대해 학습한 후 베이지안 딥러닝에 대하여 배워나갈 것이다. | 3-3-0 | 전공선택 |
| 262014 | 그래프기계학습방법론 | Graph Machine Learning Methodology | 그래프 기계학습은 기계학습의 한 분야로 그래프 데이터를 처리하여 현상을 모델링하고 학습하는 최신 방법론 중 하나이다. 이를 학습하고 실질적인 응용을 경험하며, 프로젝트를 통해 자신만의 기계학습 모델을 만들어 볼 수 있다. | 3-3-0 | 전공선택 |
| 262015 | 변분추론 | Variational Inference | 변분 추론은 쉽게 구할 수 없는 사후 확률 분포를 근사 분포와 최적화 방법을 이용해 해결한다. 본 수업에서는 변분 추론을 이해하기 위한 확률 이론과 몬테카를로 방법에 대해 학습한 후 변분 추론과 확률 변분 추론을 다룬다. 또한 변분 추론과 VAE의 관계에 대해 알아본다. | 3-3-0 | 전공선택 |
| 262016 | 인공지능기초 | Artificial Intelligence Basics | 논리 기반의 정리증명, 게임이론, 지능형 에이전트 등에 관해 다루며 신경망, 진화연산, 베이지안망의 기본 원리를 학습한다. 응용 사례로서 전문가시스템, 컴퓨터비전, 자연언어처리, 데이터마이닝, 정보검색, 바이오정보학 등의 분야에 대해 살펴본다. | 3-3-0 | 전공선택 |
| 262017 | AI프로그래밍 | AI Programming | 프로그래밍에 대한 지식이 없는 비전공자를 대상으로 인공지능 활용을 위한 프로그래밍 언어인 파이썬의 기본 개념을 이해하고 인공지능과 빅데이터 활용을 위한 패키지와 시각화, 실제 데이터 분석과 응용을 수행할 수 있는 능력을 함양한다. | 3-3-0 | 전공선택 |
| 262018 | 인공지능을위한수학 | Mathematics for Artificial Intelligence | 인공지능융합학과에 입학하는 신입생을 위해 인공지능을 이해하고 활용하는 데 필요한 기초 수학과 통계를 습득하는 과목으로, 향후 인공지능을 자유롭게 활용하기 위한 통계적 토대가 되는 강좌이다. | 3-3-0 | 전공선택 |
| 262019 | 고급머신러닝/딥러닝 | Advanced Machine Learning/Deep Learning | 머신러닝과 딥러닝, 그리고 이와 관련된 최적화 기법들을 배우고 기본적인 신경망에 대해서 학습한다. 영상 처리와 자연어 처리의 핵심 모델인 CNN과 RNN의 이론과 활용 및 적용에 대해 학습하고 실습을 수행한다. | 3-3-0 | 전공선택 |
| 262020 | 고급데이터마이닝 | Advanced Data Mining | 데이터과학을 위한 컴퓨터공학, 데이터과학 기반 고급 기술, 알고리즘, 핵심 플랫폼을 다룬다. 또한 초대용량 데이터, 초고속 데이터 등을 효과적으로 분석하는 기법을 학습한다. | 3-3-0 | 전공선택 |
| 262021 | 고급자연어처리 | Advanced Natural Language Processing | 기계학습 및 딥러닝에 기반한 자연어처리 분야의 전반적인 내용을 다룬다. 구체적으로 자연어처리에서 널리 활용되는 RNN, seq2seq, attention, Transformer 등의 모델을 파악하고, 이를 이용하여 word vector, language models와 같은 필수 요소를 구현하는 방법을 학습한다. | 3-3-0 | 전공선택 |
| 262022 | 융합서비스디자인프로세스 | Convergence Service Design Process | 경제적·환경적·경험적 관점의 인간 가치에 대한 분석 및 모델링, 서비스 소비자 심리 및 행동 분석 등을 기반으로 서비스 관련자의 가치 주제 및 요소를 정의하고, 관련자의 행위, 상호작용 및 터치포인트를 디자인한다. 인공지능과 데이터마이닝 지식을 기반으로 고객 데이터 분석과 서비스 디자인 수행 방법을 학습한다. | 3-3-0 | 전공선택 |
| 262023 | 고급강화학습 | Advanced Reinforcement Learning | 강화 학습의 방법론으로 마르코프 의사결정 과정, 동적 프로그래밍에 의한 계획, 모델 프리 예측, 모델 프리 제어, 가치 함수 근사, 정책 그레디언트, 학습과 계획, 탐구 및 탐사 등을 다루고자 한다. | 3-3-0 | 전공선택 |
| 262024 | 서비스마케팅과인공지능 | Service Marketing and Artificial Intelligence | 서비스 마케팅 이슈에 대한 이론적·실용적 이해를 제공함과 함께 인공지능 기술이 서비스 마케팅에 적용되는 방법을 다룬다. 서비스와 유형상품의 차이 및 전략적 방향을 이해하고, 고객 가치, 만족, 생산성 및 품질을 높일 수 있는 인공지능 기술의 기획을 경험한다. | 3-3-0 | 전공선택 |
| 262025 | 법과인공지능 | Law and Artificial Intelligence | 인공지능의 법인격 논쟁, 포스트휴먼으로서의 지능로봇, 로봇권, 로봇윤리, 인공지능 법률서비스, 자율주행자동차 등 인공지능 상용화에 따른 법정책의 현안 과제와 인공지능 시대의 사회보장 및 지식재산권 등을 다룬다. | 3-3-0 | 전공선택 |
| 262026 | 비즈니스인텔린전스 | Business Intelligence | 기업의 성공은 올바른 의사결정에 달려 있으나 의사결정에 필요한 정보자원은 한정적이다. 본 강좌에서는 올바른 의사결정을 위한 비즈니스 인텔리전스의 개념과 기법을 살펴보고 활용 능력을 키우는 데 목적이 있다. | 3-3-0 | 전공선택 |
| 262027 | 융합정보학이론 | Convergence Informatics Theory | AI와 IT 산업을 연구하기 위해 IT 기술 및 서비스의 기본 단위인 융합 정보의 특성을 이해한다. 이를 바탕으로 융합 정보의 가격, 디지털 정보와 지적재산권 등 융합 정보에 대해 다양하고 새로운 방향의 분석을 시도한다. | 3-3-0 | 전공선택 |
| 262028 | 데이터사이언스컴퓨팅 | Data Science Computing | 데이터사이언스와 인공지능 및 프로그래밍에 대한 지식이 없는 대학원 진입자를 대상으로 파이썬의 기본 개념을 이해하고, 인공지능과 빅데이터 활용을 위한 패키지와 시각화, 실제 데이터 분석 및 응용 능력을 함양한다. | 3-3-0 | 전공선택 |
| 262029 | 고급빅데이터처리 | Advanced Big Data Processing | 최근 빅데이터 처리 및 가시화가 활성화되면서 빅데이터를 효율적으로 처리하는 방법론에 대한 연구가 활발해지고 있다. 연합 분산처리, 하둡 및 스파크와 같은 분산 처리 플랫폼 등을 학습하며, R 언어를 활용한 빅데이터 처리, 가시화 및 분산처리 플랫폼 구현 능력을 함양한다. | 3-3-0 | 전공선택 |
| 262030 | 메타버스빅데이터분석 | Metaverse Big Data Analysis | 다양한 메타버스 환경에서 산출되는 데이터의 수집, 분석, 예측 및 함의 도출 방안을 다룬다. 데이터 분석 기초, 메타버스 관련 데이터 분석에 관한 기존 연구 분석, 새로운 연구의 디자인 등을 포함할 수 있다. | 3-3-0 | 전공선택 |
| 262031 | 인공지능보안 | Artificial Intelligence Security | 인공지능과 보안에 관련된 다양한 문제를 소개한다. 보안과 프라이버시 문제에서 인공지능, 데이터 및 빅데이터 분석 기법의 역할과 난해한 보안 및 프라이버시 문제 해결에 다양한 기계학습 방법이 활용되는 방식을 학습한다. | 3-3-0 | 전공선택 |
| 262032 | 빅데이터와사회과학 | Big Data and Social Science | 사회과학 분야에 데이터 분석 기법을 적용하고 사회적 함의를 도출한다. 데이터 수집 준비와 분석의 기본 기법을 배우고 빅데이터 분석을 채택한 여러 소셜 미디어 이론에 초점을 맞춘다. 이를 통해 파이썬을 활용한 사회과학 데이터 분석 전문성을 기른다. | 3-3-0 | 전공선택 |
| 262033 | 사용자행동데이터처리분석 | User Behavior Data Processing Analysis | 데이터 분석에 대한 사전 지식이 없는 학생을 대상으로 한다. 사용자 행동에 대한 빅데이터를 수집하고 사용자의 인지 의사결정 과정을 개선하는 패턴을 식별하는 방법을 학습한다. | 3-3-0 | 전공선택 |
| 262034 | 빅데이터기반사용자경험 | Big Data-based User Experience | 사용자 경험 연구는 인간과 정보통신기술의 상호작용을 개선하여 기술이 인간에게 더 유용해지도록 하는 것을 목적으로 한다. 이 수업에서는 빅데이터에 기반하여 사용자의 경험을 분석하고 정보통신기술의 발전 방향을 모색한다. | 3-3-0 | 전공선택 |
| 262035 | 소셜네트워크분석 | Social Network Analysis | 소셜네트워크의 분석 방법론 및 관련 응용 사례를 다룬다. 기본적인 그래프 이론, 네트워크 분석 방법론, 데이터 수집, 빅데이터 처리 등을 학습하고 실제 소셜네트워크 빅데이터 분석 프로젝트를 수행한다. | 3-3-0 | 전공선택 |
| 262036 | 인지감성과AI | Cognitive Emotion and AI | 사용자가 인공지능 제품 및 시스템과 상호작용하면서 보이는 인지적·감성적 특성을 다룬다. 인간정보처리과정, 의사결정모델, 감성디자인 등을 포함하며 상호작용 제품 사용에서의 인간의 인식과 판단, 인지적 성과와 실수 등을 이해한다. | 3-3-0 | 전공선택 |
| 262037 | 고급IT데이터분석 | Advanced IT Data Analysis | IT 기업의 재무데이터를 활용하여 기업의 효율성을 분석한다. 기업 효율성 분석에 널리 사용되는 Data Envelopment Analysis(DEA)와 Stochastic Frontier Analysis(SFA) 방법론을 공부하고 직접 기업의 재무데이터로 효율성을 비교·분석한다. | 3-3-0 | 전공선택 |
| 262038 | AI모델최적화 | AI Model Optimization | 최근 딥러닝 기반 인공지능 모델 학습의 바탕이 되는 비용함수와 최적화 기법을 심도 있게 다룬다. 확률 분포와 비용함수의 상관관계, cross entropy loss, mean squared error loss, weight decay 등을 분석하고 최적화 기법의 작동 원리와 장단점을 파악한다. | 3-3-0 | 전공선택 |
| 262039 | AI융합 캡스톤 I | AI Convergence Capstone Design I | 현장의 문제를 활용한 문제 해결 능력을 배양한다. | 3-3-0 | 전공선택 |
| 262040 | AI융합 캡스톤 II | AI Convergence Capstone Design II | 심화된 현장의 문제를 활용한 고도의 문제 해결 능력을 배양한다. | 3-3-0 | 전공선택 |
