발전기금
교과목명을 클릭하시면 과정 설명을 볼 수 있습니다.
| 학수번호 | 교과목명 | 학점 |
자기 학습 시간 |
영역 | 학위 |
이수 학년 |
비고 | 언어 |
개설 여부 |
|---|---|---|---|---|---|---|---|---|---|
| DAI5008 | 고급강화학습 | 3 | 6 | 전공 | 석사/박사 | 1-8 | - | No | |
| 강화 학습은 로봇공학, 게임, 소비자 모델링 등 광범위한 문제에 적용될 수 있는 대표적인 기계 학습 기법 중 하나이다. 본 수업에서는 강화 학습의 방법론으로 마르코프 의사결정 과정, 동적 프로그래밍에 의한 계획, 모델 프리예측, 모델 프리 제어, 가치 함수 근사, 정책 그레디언트, 학습과 계획, 탐구 및 탐사 등을 다루고자 한다. | |||||||||
| DAI5009 | 서비스마케팅과인공지능 | 3 | 6 | 전공 | 석사/박사 | 1-8 | 영 | Yes | |
| 서비스 마케팅 이슈에 대한 이론적, 실용적 이해를 제공함과 함께, 인공지능 기술의 마케팅 분야 활용이 서비스 마케팅에 어떠한 형태로 적용될 수 있는 지 다룬다. 특히, 서비스와 유형상품에 대한 차이를 이해하고 이 차이가 전략적 방향에서 어떠한 차이를 보이게 되는지를 알게 될 것이며, 서비스 마케팅의 역할을 정의하고, 그것의 핵심 개념을 토의하며, 고객 가치, 만족, 생산성, 그리고 질을 높일 수 있는 인공지능 기술의 기획을 경험한다. 그리고 이를 통해 서비스 비즈니스에서 경쟁적 우위를 가질 수 있게 해주는 요소가 무엇인지를 알게 되며, 그 요소를 바탕으로 인공지능 서비스를 디자인해본다. | |||||||||
| DAI5013 | 고급컴퓨터비전 | 3 | 6 | 전공 | 석사/박사 | 1-8 | 영 | Yes | |
| 컴퓨터비전은 최근 가장 빠르게 발전하는 인공지능의 한 분야로, 3차원 세계를 기록한 사진 및 동영상과 같은 시작정보들을 획득, 처리, 분석, 이해하는 데에 그 목적이 있다. 본 과목은 학부 컴퓨터비전과 관련한 기초적인 개념과 방법론 및 그 응용을 배운다. 본 과목에서 다루는 주제들은, 영상 처리 및 분할, 특징점 검출, 광학, 영상 추적, 사진기 모델, 3차원 복원, 인물 및 물체 인식과 검출 등을 포함한다. | |||||||||
| DAI5015 | 융합정보학이론 | 3 | 6 | 전공 | 석사/박사 | 1-4 | 영 | Yes | |
| 지금의 AI와 IT 산업을 연구하기 위해서는 IT 기술 및 서비스의 가장 기본 단위라 할 수 있는 “융합 정보”의 특성에 대한 정확한 이해가 필요하다. IT 연구를 위한 기본 강좌로서, 이 강좌에서는 융합 정보의 특성을 알아보고, 이를 바탕으로 융합 정보의 가격, 디지털 정보와 지적재산권 등 융합 정보에 대하여 다양하고 새로운 방향의 분석을 시도한다. | |||||||||
| DAI5016 | 전산사회과학 | 3 | 6 | 전공 | 석사/박사 | 1-8 | - | No | |
| 본 과목에서는 사회과학 문제를 computational한 방법으로 해결하기 위한 다양한 연구 주제에 대해 다룬다. 이를 위한 기계학습, 그래프 이론, 통계학 등 다양한 방법론에 대해 다루고, 각 방법론이 실제적인 문제에 어떻게 적용되는지에 대해 학습한다. 최신 연구들에 대한 리뷰를 통해 사회과학 문제에 대한 이해 및 해결을 위한 관련 소셜 데이터 수집, 분석, 모델링, 결과 분석 방법에 대한 실제에 대해 탐색한다. | |||||||||
| DAI5017 | 데이터사이언스컴퓨팅 | 3 | 6 | 전공 | 석사/박사 | 1-8 | 한 | Yes | |
| 본 강좌는 데이터사이언스와, 인공지능, 그리고 이를 위한 실제 프로그래밍에 대한 지식이 없는 대학원 진입자를 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. | |||||||||
| DAI5018 | 고급빅데이터처리 | 3 | 6 | 전공 | 석사/박사 | 1-8 | - | No | |
| 최근 빅 데이터처리 및 가시화가 활성화되면서 빅 데이터를 효율적으로 처리하는 방법론에 대한 연구가 활성화 되고 있다. 연합 분산처리(Federated Learning), 하둡(Hadoop) 및 스파크(Spark)와 같은 분산 처리 플랫폼 활용 등이 한 예가 된다. 본 수업에서는 빅 데이터처리에 적합한 R언어를 활용하여 기초를 다진 뒤, 개인 연구 주제로 빅 데이터를 처리, 가시화, 분산처리플랫폼에서 구현, 개인 논문작성 완성을 목표로 한다. | |||||||||
| DAI5019 | 그래프마이닝및학습 | 3 | 6 | 전공 | 석사/박사 | - | No | ||
| 그래프는 다양한 종류의 관계를 표현할 수 있는 구조이다. 소셜네트워크, WWW, 전력망 등이 그래프로 표현될 수 있다. 본 과목에서는 먼저 그래프에 대한 분석 방법을 다양한 사례를 바탕으로 학습한다. 또한 그래프 구조를 학습하는 그래프 기계학습 방법에 대해 공부한다. 최신 그래프 학습 응용 사례들에 대해 토의한다. | |||||||||
| DAI5020 | 이머징멀티미디어응용 | 3 | 6 | 전공 | 석사/박사 | 1-8 | 한 | Yes | |
| 본 강좌는 논문주제 결정에 어려움을 겪고 있는 석사과정, 박사과정 학생들을 위해 설계되었다. 강좌명과 같이, 다양한 분야와 여러 학과의 전공을 대상으로 인공지능, 컴퓨터 비전, 딥러닝의 최신 연구 분야를 다룰 예정이다. 본 강의에서 설계하는 연구를 통해 유의미한 논문 작성을 추구하며, 이 과정을 통해 연구 설계 능력 함양을 최종 목표로 한다. (지능형 비디오 요약 생성 / 화재 현장 분석 / 폭력 인식 및 분석 / 이상 감지 및 인식 / 동영상 데이터 분석(주요 인물 인식, 요약 등) / 다중 뷰 비디오 데이터 분석 / 연기 감지 및 분할 / 음성 감정 인식을 위한 다중 모드 기술 / 지능형 아기 모니터링 시스템 / LISTEN 프로젝트: 가짜 통화 탐지 및 분석 / 행동 및 활동 인식 / 사람 재식별 / 시각적 물체 추적 / 무선 캡슐 내시경) | |||||||||
| DAI5021 | 엔터테인먼트추천시스템 | 3 | 6 | 전공 | 석사/박사 | - | No | ||
| 엔터테인먼트 및 미디어, 게임 분야의 추천 시스템과 관련된 다양한 방법론을 학습함. 다양한 콘텐츠 추천 기술에 대한 알고리즘적인 이해를 돕고, 실습을 통해 실제 추천 시스템을 구현해보는 능력을 함양. 나아가 최근 추천의 편향 및 안전한 추천 시스템 모델 학습을 위한 주제를 다룸. | |||||||||
| DAI5022 | 엔터테인먼트사용자경험 | 3 | 6 | 전공 | 석사/박사 | 한 | Yes | ||
| 기존의 ICT제품 뿐만 아니라 엔터테인먼트 서비스, 게임/XR에서 나타나는 사용자 경험에 대한 학습을 수행. 특히, 엔터테인먼트 서비스 내 사용자 경험과 데이터 프라이버시 관점에서의 학습을 수행 | |||||||||
| DAI5023 | 고급연구논문작성1 | 3 | 6 | 전공 | 석사/박사 | - | No | ||
| Professional Writing and Communication 수업은 연구논문 작성 능력과 프레젠테이션 능력을 향상시키고자 하는 석사 및 박사 과정 학생들을 위해 설계되었습니다. 이 과정을 통해 학생들이 전문적인 수준에서 사용되는 학문적 용어 및 작문법을 학습하는데 큰 도움이 될 것 입니니다. 컴퓨터 과학 분야에 맞게 맞춤화되어 16주의 기초과정은 학술 논문에 맞는 글쓰기와 프레젠테이션 기술을 다루며, 후속 과정에서 다루고 있는 학술연구논문작성으로 이어집니다. | |||||||||
| DAI5024 | 고급연구논문작성2 | 3 | 6 | 전공 | 석사/박사 | 한 | Yes | ||
| Advanced Research Writing: From Ideation to Publication 수업은 연구논문 작성 능력을 향상시키고자 하는 석사 및 박사 과정 학생들을 위해 설계되었습니다. 이 과정은 학생들이 논문을 성공적으로 publication 하는데에 큰 도움이 될 것입니다. 16주의 과정은 컴퓨터 과학 분야에 맞게 맞춤화되어 학술 논문 에 맞는 글쓰기, 페이퍼 작성, 저널 선택, 제출과 수정, 프레젠테이션 기술, 게시승인 후의 절차 등을 다룹니다. | |||||||||
| DIM5002 | 메타버스빅데이터분석 | 3 | 6 | 전공 | 석사/박사 | 실감미디어공학과 | 영 | Yes | |
| 본 과목은 다양한 메타버스 환경에서 산출되는 데이터의 수집, 분석, 예측, 그리고 함의 도출방안을 다룬다. 데이터 분석 기초, 메타버스 관련 데이터 분석에 관한 기존 연구 분석, 새로운 연구의 디자인 등을 포함할 수 있다. 영어강의를 원칙으로 함. 학생 발표 중심으로 수업 진행하나, 일부 내용은 강좌형태로 진행 가능. | |||||||||
| DIM5003 | 실감미디어세미나1 | 2 | 4 | 전공 | 석사/박사 | 1-4 | 실감미디어공학과 | 한 | Yes |
| 본 과목은 실감미디어 처리 핵심 기반 및 응용 기술 동향에 대해 학습하고 토론한다. 영상처리, 그래픽스, 인공지능, 플랫폼, 인터랙션, 문화콘텐츠, 트랜스미디어, 디지털휴먼 및 치료제, NFT, XR스튜디오 등 첨단 실감미디어 분야의 최신 기술 조사 및 발표를 진행한다. | |||||||||
| DIM5005 | 실감미디어와디지털휴먼 | 3 | 6 | 전공 | 석사/박사 | 1-4 | 실감미디어공학과 | 한 | Yes |
| 본 과목은 디지털 휴먼 기술에 대한 개괄적인 이해와 전반적인 최신 동향에 대한 지식을 소개한다. 디지털 휴먼이 유망한 분야로 꼽히는 이유는 단순히 텍스트를 통한 소통을 넘어, 인간과 비슷한 외형을 구현하여 표정과 같은 비언어적 소통 수단으로도 사용자와 교감할 수 있다는 점이다. 이를 구현하는 과정에서 모델링, 상호작용 기술 구축 등에 인공지능 기술이 필수적이다. 본 과목을 통해 NLP, 이미지 딥러닝 등 다양한 AI 처리 기술을 직접 구상 및 구현해볼 수 있다. | |||||||||
| DIM5006 | 실감미디어콘텐츠워크샵1 | 3 | 6 | 전공 | 석사/박사 | 1-4 | 실감미디어공학과 | 한 | Yes |
| 본 과목은 실감미디어 콘텐츠의 실례들을 살펴보고 특히 예술과 접목된 실감미디어 콘텐츠의 기획 및 제작의 과정을 경험하도록 돕는다. | |||||||||
| DIM5009 | 실감미디어국제표준 | 3 | 6 | 전공 | 석사/박사 | 1-4 | 실감미디어공학과 | - | No |
| 본 과목은 실감미디어 영상 전/후처리, 압축, 전송을 다루는 최신 국제표준 및 요소기술을 소개한다. ISO/IEC SC 29/WG 4 (MPEG Video Coding) 산하 6자유도 영상 압축 표준인 MPEG immersive video (MIV, ISO/IEC 23090-12) 및 ISO/IEC SC 29/WG 3 (MPEG Systems) 산하 복호기 단에서의 타일/서브픽쳐 기반 압축 영상 처리 표준인 video decoding interfaces (VDI, ISO/IEC 23090-13) 표준 최신 동향 소개, 요소 기술 설명, 참조 SW 실습이 진행된다. | |||||||||
| DIM5011 | 실감미디어와컴퓨터비전 | 3 | 6 | 전공 | 석사/박사 | 실감미디어공학과 | 한 | Yes | |
| 본 강의는 실감미디어에서 활용되는 컴퓨터 비전의 기본 원리와 다양한 응용 방법을 중점적으로 다룬다. 강의에서는 컴퓨터 비전을 활용하여 실세계 이미지를 분석하고 해석하는 기본 원리와 최근 주목받고 있는 생성형 모델을 이용한 영상 생성 기술을 배운다. 또한, 실제 사례 연구와 프로젝트를 통해 실감미디어와 컴퓨터 비전의 응용 방법을 직접 실습해 볼 수 있는 기회도 제공된다. | |||||||||
| DIM5012 | 컴퓨터비전특론 | 3 | 6 | 전공 | 석사/박사 | 실감미디어공학과 | 한 | Yes | |
| 본 강의는 컴퓨터비전 분야의 최신 기술과 관련 연구 주제들을 심도있게 다룬다. 수강을 위해서는 파이썬 프로그래밍 및 딥러닝에 대한 기본적 이해와 선형대수, 확률 및 통계 등 필수 수학적 지식이 요구된다. 강의 내용에는 이미지 분류(Image Classification), 객체 탐지(Object Detection), 인스턴스/시맨틱 분할(Instance/Semantic Segmentation)과 같은 장면 인식 문제부터 GAN, Diffusion Model과 같은 생성형 모델까지 다양한 주제가 포함된다. 수강생들은 컴퓨터비전의 최신 연구를 배우고, 궁극적으로는 컴퓨터비전 또는 기계학습분야의 탑 티어 컨퍼런스 논문 제출을 목표로 하는 팀단위의 프로젝트를 수행하게 된다. | |||||||||
| ESW4008 | 인공지능보안 | 3 | 6 | 전공 | 학사/석사 | 소프트웨어학과 | - | No | |
| 해당 과목은 인공지능과 보안에 관련된 다양한 문제들에 대해 소개한다. 보안과 프라이버시 문제들에 있어서 인공지능, 데이터 및 빅데이터 분석 기법들이 어떤 역할을 하는지를 소개한다. 특히 난해한 보안 및 프라이버시 문제를 해결하는데 다양한 기계학습, 인공지능 및 빅데이터 분석 방법들이 어떻게 활용되는지 소개한다. | |||||||||
| ESW5049 | 고급기계학습주제 | 3 | 6 | 전공 | 석사/박사 | 소프트웨어학과 | 영 | Yes | |
| 이 과정은 기계 학습에 대한 기본적인 이해를 가진 대학원 학생들을 대상으로 하며, 고급 개념과 최근 ML 기반 응용 프로그램에 더 깊이 파고들고자 합니다. 이 과정은 최근 기계 학습의 발전에 중점을 두고 선택된 주제와 기계 학습 내의 방법들과 그 응용 분야, 포함하여 생성 모델, 확률 모델 및 베이지안 방법, 네트워크 최적화 알고리즘, 멀티모달 학습, 멀티태스크 학습, 앙상블 학습, 주의 메커니즘 및 변환기, 해석 가능한 모델, 그래프 신경망, 그리고 적대적 학습에 대해 심도 있게 다룹니다. 이러한 주제들을 다루면서, 이 과정은 컴퓨터 비전, 자연어 처리, 생물 의학 등의 분야에서의 응용도 함께 다룹니다. 이 과정을 마치면 학생은 기계 학습 문헌과 현재 연구 추세를 비판적으로 평가할 수 있어야 합니다. 이 과정은 실제 응용 프로그램을 위한 기계 학습 솔루션을 설계, 구현 및 평가하는 능력을 개발합니다. | |||||||||
| HAI5002 | 사용자행동데이터처리분석 | 3 | 6 | 전공 | 석사/박사 | 인간AI인터랙션융합전공 | - | No | |
| 이 과정은 데이터 분석에 대한 사전 지식이 없는 학생을 대상으로 한다. 이 학생들은 사용자행동에 대한 빅데이터를 수집하고 사용자의 인지 의사 결정 과정을 개선하는 패턴을 식별하는 방법을 배울 것이다. | |||||||||
| HAI5003 | 빅데이터기반사용자경험 | 3 | 6 | 전공 | 석사/박사 | 인간AI인터랙션융합전공 | - | No | |
| 사용자 경험과 관련된 연구의 기본 목적은 인간과 정보통신기술의 인터랙션을 개선함으로써 정보통신기술이 인간에게 더 유용해지도록 하는 것이다. 기존의 사용자 경험 연구는 연구의 목적에 맞추어 실험을 설계하고, 자료수집, 분석 및 통계적 추론의 절차를 거쳐 이루어져왔다. 그러나 인터넷의 확산과 함께 다양한 데이터가 사용 가능해졌고, 발전된 빅데이터 분석 기술은 실험 없이도 사용자 경험을 분석할 수 있는 기회를 열어주고 있다. 이 수업에서는 빅데이터에 기반하여 사용자의 경험을 분석하고, 정보통신기술의 발전 방향을 모색한다. | |||||||||
| HAI5004 | 언어빅데이터와사용자행동 | 3 | 6 | 전공 | 석사/박사 | 인간AI인터랙션융합전공 | - | No | |
| 사물인터넷의 등장과 함께 다양한 센싱 기술들이 등장하면서, 우리의 모든 행동은 SNS를 통해, 스마트스피커를 통해, 스마트홈을 통해 기록되고, 전달되고, 저장된다. 본 수업에서는 다양한 미디어를 통해 저장된 인간의 언어빅데이터를 분석하고, 온라인에 저장된 빅데이터와 오프라인 행동간의 상관관계를 공부한다. | |||||||||
| HAI5005 | 소셜네트워크분석 | 3 | 6 | 전공 | 석사/박사 | 인간AI인터랙션융합전공 | - | No | |
| 이 과목은 소셜네트워크의 분석 방법론 및 관련 응용 사례에 대해 다룬다. 이를 위해 기본적인 그래프 이론, 네트워크 분석 방법론, 데이터 수집, 빅데이터 처리 등의 관련 방법론에 대해 학습한다. 또한 실제 소셜네트워크 빅데이터를 분석하는 프로젝트를 통해 소셜네트워크 분석 경험을 갖게 된다. | |||||||||
| HAI5006 | 전산사회과학 | 3 | 6 | 전공 | 석사/박사 | 인간AI인터랙션융합전공 | - | No | |
| 본 과목은 최근 사회과학의 주요 흐름중 하나인 사회과학의 컴퓨터활용을 집중적으로 공부하는 과목이다. Python, R 등 프로그래밍 언어를 기술통계, 추론통계, 데이터시각화, 기계학습, 딥러닝과 어떻게 접목하는지를 중심으로 배운다. 본 과목은 프로그래밍 또는 통계학 기초를 가지고 있는 학생이 수강해야 한다. 다양한 예제, 시험과 코딩과제를 통해 학습한다. | |||||||||
| HAI5007 | 인공지능기반사용자연구 | 3 | 6 | 전공 | 석사/박사 | 인간AI인터랙션융합전공 | - | No | |
| 인공지능의 발달으로 엄청난 양의 데이터를 수집하고 분석하는 것이 가능해졌다. 이 수업에서는 이런 데이터 분석 결과를 AI가 어떻게 사용자에게 보다 효과적이고 설득적으로 소통하고 어떤 사용자 경험을 디자인할 것인지 배운다. | |||||||||
| HAI5008 | 인간중심기계학습 | 3 | 6 | 전공 | 석사/박사 | 인간AI인터랙션융합전공 | - | No | |
| 이 과목에서 학생들은 먼저 분류, 군집, 예측과 같은 기본적인 기계학습의 개념에 대해 배운다. 또한, 기계학습의 대표적인 알고리즘인 SVM, Random Forest, Neural Networks에 대해 다룬다. 학생들은 기계학습을 human-generated data 혹은 인간중심 시스템에 어떻게 적용할 수 있을 지 다양한 사례 중심으로 배운다. | |||||||||
| HAI5009 | 인터랙션빅데이터세미나 | 3 | 6 | 전공 | 석사/박사 | 인간AI인터랙션융합전공 | - | No | |
| 이 과목은 인터랙션빅데이터의 개념을 설명하고, 전통적 사용자분석, 데이터사이언스의 장점을 결합한 이 새로운 분야가 어떤 이론과 방법론을 사용하는지 배운다. 처리기술 중심의 데이터과학에서 이용자와 인터페이스 측면까지 고려되었을 때 얻을 수 있는 지식의 질적 개선과 더불어 다양한 사례를 학습하게 된다. | |||||||||