고려대학교 SW·AI융합대학원

교수요목

AAI101 인공지능 개론 ( Introduction to Artificial Intelligence ) [2]

최근 인공지능의 기본적인 기법과 그것의 활용을 학습한다. 또한 인공지능 분야의 다양한 응용 시스템이 어떻게 설계되고 사용될 수 있는지, 그리고 그것의 기술적 혹은 사회적 임팩트에 대하여서도 학습한다.

AAI102 인공지능 프로그래밍 ( Artificial Intelligence Programming ) [2]

인공지능 기법을 실제 데이터에 적용하기 위해 필요한 프로그래밍 언어의 여러 기초 함수들 및 문법을 배우고, 인공지능 기법으로 널리 쓰이는 라이브러리를 활용하여 실제 기계학습 데이터 및 문제를 다룬다.

AAI103 선형대수 ( Linear Algebra ) [2]

인공지능을 배우는 데 필수적인 기초 수학으로서의 선형대수학에 대해 학습한다. 구체적으로 선형대수의 기초, 행렬연산, 선형시스템 및 선형변환 등 선형대수의 필수 개념과, 머신러닝에 자주 등장하는 개념인 고유값분해 및 특이값 분해 등에 대한 지식을 습득한다.

AAI104 확률과 통계 ( Probability and Statistics ) [2] 

인공지능에 있어 필수적인 기초 수학 중 하나인 확률 및 통계학에 대해 학습한다. 구체적으로는 확률에 대한 기초 개념과 확률변수, 샘플 통계 분포, 파라메터 추정, 가설 검정, 회귀 분석 등에 대한 이론 및 예제를 다룬다.

AAI105 인공지능 최적화 이론 ( Optimization Theory for Artificial Intelligence ) [2]

기계학습 알고리즘의 학습에 있어 필수적인 최적화 알고리듬에 대해 학습한다. 구체적으로는 목적함수, 제약조건 등의 최적화의 기초 개념 및 문제 세팅, 그리고 볼록 함수 및 쌍대성 등에 대해 배운다.

AAI106 인공지능 정보이론 ( Information Theory for Artificial Intelligence ) [2]

정보의 정량화, 저장, 그리고 통신 기술의 근간을 제공하고, 통계적 추론, 자연어처리, 암호학, 그리고 신경학 분야의 기본 이론을 제공하는 정보이론에 대하여 학습한다. 본 과목을 통하여 패턴 인식, 자연어처리, 확률 모델을 이용한 인공지능 기술을 이해하기에 필요한 지식을 습득한다.

AAI107 기계학습 ( Machine Learning ) [2]

기계 학습의 개괄, 즉 지도 학습, 비지도 학습의 기본 개념을 비롯하여, 과적합, 정규화, 최적화 등의 관련 개념들을 학습한다. 더 나아가, 차원축소, 군집화, 이상탐지 등의 다양한 기계학습 문제 정의 및 대표 방법론에 대한 이론 및 실제 응용 사례를 다룬다. 

AAI108 기계학습 소프트웨어 ( Machine Learning Software ) [2]

문제 해결을 위한 입출력의 이해와, 알고리즘에 대한 이해를 근간으로 문제 해결에 사용할 수 있는 다양한 기계학습 및 인공지능 소프트웨어 툴킷을 이용하는 방법을 학습한다. 이를 위하여 TensorFlow, Pytorch, Keras, SciKit-learn, WEKA, R 등의 사용법과 이를 이용한 문제 해결 및 지능 기술 구축에 대한 실습을 한다.

AAI109 베이지안 확률적 그래프 모델링 ( Bayesian Probabilistic Graphical Modeling ) [2]

토픽모델링을 포함하여 다양한 기계학습 기법 중 한 축을 이루고 있는 확률적 그래프 모델링에 대해 배운다. 구체적으로는 베이지안 네트워크, 마르코프 네트워크 등의 방향성 및 비방향성 그래프의 성질 및 최대우도추정 기반의 파라메터 학습법 등에 대해 배운다.

AAI110 딥러닝 ( Deep Learning ) [2]

딥러닝의 기초가 되는 신경망의 원리, 딥러닝의 학습 원리, 그리고 딥러닝을 위한 다양한 모델들을 학습하도록 한다. 이를 위하여 CNN, RNN, LSTM, Attention Mechanism, End-to-End 모델, Sequence-to-Sequence 모델의 학습 원리와 이를 이용한 응용 시스템에 대하여 학습한다.

AAI111 심층 강화학습 ( Deep Reinforcement Learning ) [2]

강화 학습을 위하여 딥러닝 기술을 적용하는 심층 강화학습에 대하여 학습한다. 심층 강화학습의 발전 단계와 심층 강화학습이 자연어처리, 로보틱스, 게임에 적용되는 사례를 학습한다.

AAI112 자연어 처리 ( Natural Language Processing ) [2]

컴퓨터를 이용하여 인간의 언어를 이해하고 생성하기 위한 자연어처리의 핵심 원리와 중의성 해결에 필요한 기본 원리를 학습한다. 이를 위하여 규칙기반, 통계기반, 그리고 딥러닝 기반의 자연어처리 접근법을 학습하고, 자연어처리 기술을 이용한 대화시스템, 기계번역, 정보검색, 빅데이터 분석 등에 대한 응용 기술에 대해서 학습한다.

AAI113 음성 인식 ( Automatic Speech Recognition ) [2]

음성 정보 처리 분야의 기초 이론 및 응용 분야를 고찰하고, hidden Markov models (HMM)과 deep neural networks (DNN)을 이용한 음성 인식 방법을 학습한다. 프로젝트를 통하여 기본 알고리즘을 구현하고 논문 세미나를 통하여 최근 연구 동향을 살펴본다.

AAI114 텍스트 마이닝 ( Text Mining ) [2]

비정형 데이터의 대표 형태인 텍스트 데이터를 분석하고, 유의미한 정보를 추출하여, 이를 다양한 분야에 활용하기 위한 기초 분석 기법을 학습한다.

AAI115 지능 및 모바일 데이터베이스 ( Intelligent and Mobile Database ) [2]

지능형 데이터베이스는 사용자와 상호작용하면서 사용자의 상황에 가장 적합한 정보를 가진 항목을 제공하기 위하여 인공지능 기술을 사용하는 문서 데이터베이스를 의미하며, 본 강의에서는 인공지능 및 모바일 데이터베이스 기술을 구현하는데 필요로 하는 상위 레벨 도구, 사용자 인터페이스, 그리고 데이터베이스 엔진 등에 대한 지식을 학습한다.

AAI116 인공지능 사용자-컴퓨터 상호작용 ( Human-Computer Interaction for Artificial Intelligence ) [2]

인공지능은 인터페이스 개발의 핵심 기술 중의 하나이다. 사용자의 의도는 제스처, 언어, Gaze, 행동, 멀티모달 정보에 의해 해석 인식 되어야 한다. 더 나아가, 컴퓨터 사용자 인터액션은 인간의 Mental 모델에 근거 하는 바, 이를 모델링 한 인공지능과 깊은 관계를 가지고 있다. 본 과목에서는 입/출력 인터페이스로서의 인공지능 기술, 또한 인간의 정보 처리 모델에 근거 하여 컴퓨터와의 인터액션을 어떻게 디자인에 활용 될 수 있는지를 학습 하고, 이 이외에 맟춤 및 적응형 인터액션, 온라인 강화 학습을 통한 인터액션 모델 취득과 같은 고급 주제도 다루게 된다.

AAI117 데이터 및 정보 시각화 ( Data and Information Visualization ) [2]

데이터 및 정보 시각화에 관한 다양한 기초 지식과 다양한 시각화 기법 및 응용 사례를 다룬다. 구체적으로는 인간의 인지 특성에 기반한 정보 시각화의 고려 사항들, 그리고 막대그래프, 선그래프, 산포도, 평행좌표그래프 등의 시각화 기법, 그리고, 다변량 데이터 및 시공간 데이터에 대한 시각화 등의 응용 사례를 학습한다.

AAI118 의료 인공지능 ( Artificial Intelligence in Medicine and Healthcare ) [2]

의료 기술에 접목될 수 있는 인공지능 기술과 인공지능 기술을 이용한 정밀 의료 기술에 대하여 학습한다. 이를 위하여 환자의 진료 기록 등 각종 의료 정보를 이용하여 환자의 증상을 예측하고 진단하며, 환자에게 맞춤형 치료를 추천하며, 환자의 치료 이후의 상태를 예측하는 기술들을 학습한다. 실제 의료 데이터를 이용한 실습을 진행한다.

AAI119 인공지능 기반 금융 데이터 분석 ( Artificial Intelligence-based Financial Data Analysis ) [2]

인공지능의 응용 분야 중 중요한 분야인 금융 분야에 적용한 인공지능 기술에 대하여 학습한다. 인공지능 기술이 금융 공학과 금융 산업에 무엇을 가능하게 하게 할 수 있는지, 그러한 지능 금융기술을 어떻게 가능하게 할 수 있는지에 대한 방법을 이해하고 학습하도록 한다. 또한 금융 분야의 데이터를 이용한 지능형 금융 데이터 분석 응용을 개발하는 실습을 한다.

AAI120 인공지능 보안기술 ( Artificial Intelligence for Cyber Security ) [2]

사이버 안전을 구현하기 위하여 필요로 하는 핵심 기술들을 지능화할 수 있도록 인공지능 기술을 접목하는 방법에 대하여 학습한다. 이를 위하여 침입 탐지, 침입 예방, 그리고 취약점 분석 등의 성능 향상과 지능화를 위하여 기계학습 방법과 지능형 기술을 적용하는 방법을 학습하고, 각 기법을 이용한 사례를 분석하도록 한다.

AAI121 인공지능 기반 예술 및 음악 창작 ( Artificial Intelligence-assisted Arts and Music ) [2]

최근 인공지능의 역할이 의사결정이나 패턴인식 뿐만 아니라 논리적 결과 도출, 심지어 데이타 나 규칙기반의 창작에도 그 영역이 확대 됨에 따라, 미술, 음악, 스토리텔링, 댄스와 같은 예술에 접목 되고 있다. 본 과목에서는 예술적 영역에서의 정보 및 데이타, 규칙등에 대한 표현 방법과 관련 영역에 적합한 여러가지 AI 모델을 학습하고 예술영역에서의 컴퓨터/AI 및 인간의 역할 분담등에 대해서도 학습 한다.