인공지능 알고리즘 (Artificial Intelligent Algorithm): |
석박 |
전공선택 |
3 |
3-0 |
인공지능 알고리즘 (Artificial Intelligent Algorithm):MATLAB 등을 이용한 전문가시스템의 개발, 인공신경망 응용 프로그램, 퍼지제어 구현 등의 프로그래밍과 자료 조사를 통하여 지능적 문제 해결 능력을 습득하게 한다. |
의료전문가시스템 |
석박 |
전공선택 |
3 |
3-0 |
생성시스템의 하나로서, 인공지능 기술의 응용분야 중에서 가장 활발하게 응용되고 있는 분야로서 인간이 특정분야에 대하여 가지고 있는 전문적인 지식을 정리하고 표한하여 컴퓨터에 학습시키는 방법을 이해한다. |
Autonomous 시스템 |
석박 |
전공선택 |
3 |
3-0 |
인공지능 시스템의 성능향상에 따라 더 다양한 영역에 걸쳐 높은 자율성을 수반하는 복잡한 목표성능(objective function)을 최적화하는 능력으로 자율적이고 지능적인 시스템 설계 및 개발 시 윤리적 중요성에 우선순위를 두도록 학습할 수 있는 시스템을이해한다. |
헬스케어 산업론 |
석박 |
전공선택 |
3 |
3-0 |
정보통신과 의료를 연결하여 언제 어디서나 예방·진단·치료·사후 관리를 할 수 있는 서비스로써 인공지능 기반의 헬스케어산업의 동향을 파악하고 분석하는 기법을 습득한다. |
인공지능을 위한 최적화 |
석박 |
전공선택 |
3 |
3-0 |
인공지능의 수많은 알고리즘은 주어진 데이터를 바탕으로 목적함수를 설정하고 해당 목적함수를 최적화하는 방법으로 학습한다. 본 과목에서는 인공지능 알고리즘들에서 많이 사용되는 최적화 방법들을 다양한 인공지능 알고리즘들을 기반으로 소개한다. |
의료관계법규 |
석박 |
전공선택 |
3 |
3-0 |
본과목은 인공지능 기술을 포함한 IT기술을 의료에 적용시키기 위하여 의료분야 법제도를 명확히 이해하여 법규를 위반하지 않도록 관련 법령에 대하여 이해한다. |
인공지능을 위한 고급 기계학습 |
석박 |
전공선택 |
3 |
3-0 |
기계학습은 인공지능의 핵심 요소로 최근 컴퓨터 비전, 자연어 처리, 헬스케어, 금융 등의 분야를 통하여 엄청난 주목을 받고 있다. 본 advanced machine learning for AI 과목에서는 알고리즘의 계산, 통계 특성 및 성능 보장 분석을 포함하는 보다 어드벤스 된 학습 알고리즘 설계 기술을 다룹니다. 또한 비모수 기반의 밀도 추정, 비모수 회귀 분석, 베이지안 추정과 같은 고급 기계 학습 방법과 개인 정보, 인과 관계 및 확률 기반 학습 알고리즘에 적용될 수 있는 고급 학습 프레임 워크를 이해안다. |
기계 학습 이론 |
석박 |
전공선택 |
3 |
3-0 |
본 과목에서는 기계학습이론을 전통적인 관점과 최근의 결과를 모두 포함하여 다룬다. 다양한 통계적 학습 이론, 실시간 학습 이론에 대한 내용을 다루며 이를 통하여 학생들이 해당 과목을 통하여 기계 학습 알고리즘의 복잡도를 이해하고 성능을 분석하는 능력을 키운다. |
인공지능을 위한 프로그래밍 |
석박 |
전공선택 |
3 |
3-0 |
인공지능 프로그래밍은 다양한 모델의 학습을 용이하게 하기 위해서 새롭게 대두된 딥러닝 및 혼합형 모델을 학습하고 추론하는 통합된 프레임워크이다. 본 과목에서는 딥러닝 모델 및 학습을 위한 프로그래밍 방법론과 딥러닝과 확률 모델을 통합적으로 프로그래밍 하는 방법론을 배운다. |
헬스케어 산업론 |
석박 |
전공선택 |
3 |
3-0 |
정보통신과 의료를 연결하여 언제 어디서나 예방·진단·치료·사후 관리를 할 수 있는 서비스로써 인공지능 기반의 헬스케어산업의 동향을 파악하고 분석하는 기법을 습득한다. |
데이터 마이닝 및 검색 |
석박 |
전공선택 |
3 |
3-0 |
데이터의 종류와 양이 폭발적으로 증가함에 따라, 데이터 기반 의사결정의 중요성이 증대되고 있다. 이 과목에서는 데이터 마이닝, 검색, 탐색, 그리고 전처리와 관련된 다양한 주제를 다룬다. 특히 효율적인 알고리즘 그리고 여러 문제에 응용 가능한 도구를 소개하는 것에 초점을 맞춘다. |
인공지능 기반 시계열 분석 |
석박 |
전공선택 |
3 |
3-0 |
시계열 데이터는 시간 간격으로 배치된 데이터들의 수열을 말한다. 본 과목은 시계열 데이터를 표현하는 이론과 알고리즘을 소개하며 시불면, 시변 모델, 자기회귀모형, 다변시계열 모델, 심층 신경망 기반 예측 등을 배운다. 그 응용으로 금융, 제조, 의료등의 실세계의 데이터 분석 방법에 대해서 공부하게 된다. |
인공지능을 위한 병렬분산계산 |
석박 |
전공선택 |
3 |
3-0 |
현대 인공지능 분야의 중요한 계산 문제들을 풀기 위한 병렬 분산 알고리즘에 관한 수학적 이론을 다룬다. 특별히, 반복 알고리즘의 분산화와 그 수렴성, 프로세싱 노드 간의 통신 및 동기 문제를 배우며 특히, 비동기 병렬 분산 알고리즘을 중점적으로 다룬다. 연립 방정식, 비선형 최적화, 변동 부등식, 최단 경로 문제, 동적 프로그래밍, 네트워크 흐름 문제를 응용문제로 다룬다. |
심층 강화학습 |
석박 |
전공선택 |
3 |
3-0 |
기계학습 및 인공지능의 중요분야인 강화학습을 위한 심층 학습을 주제로 한다. 심층 강화학습은 지능적인 의사결정이 필요한 모든 분야에 응용될 뿐 아니라, 일반적인 모델 학습에도 사용되는 중요 기계학습 기술이다. 대학원 수준의 배경지식을 쌓고 최신 이론/응용 연구 동향을 살펴본다. |
연속의사결정 |
석박 |
전공선택 |
3 |
3-0 |
불확실성을 가지는 대규모 동적시스템의 연속의사결정 이론과 이 문제의 복잡성과 불확실성을 극복하기 위한 학습이론을 다룬다. 강화학습 알고리즘의 실제 응용 보다는 그 수학적 근간, 알고리즘 수렴성 및 수렴속도, 최적성, 계산복잡도, 샘플효용성 등을 수학적인 툴을 가지고 엄밀히 탐구하며 다양한 강화학습 변종 알고리즘들이 지니는 수학적 특성 및 장단점을 분석한다. |