본문 바로가기

배우고 싶은 강좌를 찾아보세요.

추천 강좌

    다국어 설정

    강좌소개

    수업 내용 및 목표

    본 강좌는 지능형 로봇 설계에 대한 기초과정으로 로봇을 구성하는 소프트웨어의 상호작용을 이해하고, 인공지능 프로그래밍을 위한 임베디드 보드의 구성, 시스템의 원리를 습득한다.

    강좌 소개 영상

         


    이수/평가 기준

    • 퀴즈: 해당 강좌는 총 5회(2/3/4/7/8주차)의 퀴즈가 있으며, 각 주차의 차시별 퀴즈는 12문항으로 구성됩니다.
    • 과제: 해당 강좌는 총 2회(5/6주차)이며, 평가에 대한 자세한 내용은 각 주차의 과제 작성란에 자세히 기재되어 있습니다.
    • 총괄시험: 해당 강좌는 총 1회(9주차)이며, 서술형 5문항과 객관식 10문항으로 구성됩니다.

    모든 점수는 [성적부] 탭에서 확인가능합니다. 강좌 수강을 완료한 이후, 완료에 대한 화면 전환이나 버튼 등은 별도로 없으며, [성적부] 탭에서 자신이 제출한 내용을 확인하신 후 이수기준이 충족되었을 경우 이수증 발급이 가능합니다.


    강좌수강정보
    과제명 출석 퀴즈  과제 총괄시험
    반영비율 20%  20% 20% 40%

    ※ 총 60% 이상 점수 획득 시, 이수증을 발급받을 수 있습니다.

    이수증 확인 및 인쇄

    • 강좌 종료 후 '이수증 보기' 버튼이 활성화되면 이수증 확인 및 인쇄가 가능합니다.
    • [내 강의실 > 이수/종료강좌 > 이수증 보기] 또한 공지 기한 내에 '수강자 만족도 설문조사'를 응답하셔야만 이수증 발급이 가능합니다 (종강 전 만족도 설문조사를 마무리해 주시길 바랍니다).

    심화과정 안내

    온+오프라인 블렌디드러닝으로 진행되는 핵심직무2 심화과정 > 임베디드 보드를 활용한 인공지능 시스템 구축 > 강좌는 아래와 같이 운영될 예정이며, 프로젝트 및 실험실습으로 이루어지는 강좌 특성상 수강신청 기간 이후 신청은 어렵다는 점 양해부탁드립니다.

    • 핵심직무2 심화과정 과목명 : 임베디드 보드를 활용한 인공지능 시스템 최적화 실무
    • 선발(수강)인원 : 30명
    • 운영방식 : 온+오프라인 블렌디드 러닝(매주 온라인 강의영상 수강 + 오프라인 수업 출석 병행)
      • 가. 오프라인 강의일시 : 준비중
      • 나. 운영기간 : 준비중
    • 수강신청 방법
      • 가. 광운대학교 학점인정 수강생 : 준비중
      • 나. 일반수강생(재직자, 대학원생 등) : 준비중
      • 다. 수강신청 기간 : 준비중

    강의 구성

    본 강좌는 총괄 평가를 포함하여 총 9주차로 이루어져 있으며, 주차당 3개 차시의 동영상으로 구성되어 있습니다. 총괄평가의 경우는 학습한 내용을 종합 평가하는 시험으로 별도의 동영상이 제공되지 않습니다.

    해당 주차에 있는 온라인 시험을 응시해주시면 됩니다. 차시별로 강의를 들으신 후, 플레이어 상단에 있는 [학습내용] 탭을 누르거나, 플레이어 하단의 [다음 페이지] 버튼을 눌러 반드시 차시별로 제공되는 퀴즈와 과제들을 스스로 풀어 학습 내용을 점검해 보시기 바랍니다.

    학습 질문은 게시판을 이용하시거나, 메일로 운영팀(TA, 광운 MOOC센터)에 문의해 주시면 24시간 안에 답변 드리겠습니다.

    학습방법

    광운MOOC강좌를 ‘진짜 내 것으로 만드는 100% 활용 학습 Tips’를 알려드리겠습니다.

    • 1) 강의 계획서를 꼼꼼히 읽어 보세요.

      학습 목표와 주차별 학습 내용 등을 통해 교수님이 학습자에게 전달하고자 하는 강의의 핵심 내용과 전체적인 강의의 맥락을 확인할 수 있습니다.
      학습 전 강의 계획서를 먼저 점검하는 것은 전체적인 강의 맥락을 파악할 수 있어 예습의 효과가 있으며, 퀴즈나 시험의 평가 방법들을 확인함으로써 학습 전략을 세울 수 있습니다.

    • 2) 충분한 학습과 이해를 위해 적극적인 학습활동을 추천합니다.

      ※ 학습의 불충분함을 느낄 때는 읽기자료/기타 읽기자료, 질문하기, 강의 다시 듣기를 추천드립니다.
      자신의 이해 속도에 따라 강의 속도를 조절하거나, 이해가 되지 않는 부분의 강의를 반복해서 다시 들어보세요. 만약, 다시 듣기로도 이해가 잘되지 않을 경우에는 [강의개요] 탭에 있는 [Q&A]를 통해 질문을 남겨주세요. 강좌에 필요한 안내는 [강의개요] 탭에 있는 [공지사항]을 통해 공지하겠습니다. 공지사항을 확인해주세요. 과목의 TA 또는 동료 학습자들의 응답을 통해 해결할 수 있습니다. 스스로 얼마나 이해했고, 학습한 내용을 진짜 내 것으로 만드는 지름길은 학습한 내용의 질의응답을 통해서입니다. 또한 해당 주차의 읽기자료와 기타자료를 이용하여 학습내용의 이해를 확장해보시기를 추천합니다.

      ※ 퀴즈 및 과제를 적극 활용하세요.
      매 주차별 학습 후 스스로 퀴즈를 풀어보며 주차별 주요 학습 내용을 얼마나 이해하고 있는지 확인해보시기 바랍니다. 이미 학습한 내용(동영상 학습+읽기활동+퀴즈풀기)을 바탕으로 확산적 사고를 요구하는 과제 활동을 통해 폭넓고, 깊이 있는 "지능형 로봇의 하드웨어와 소프트웨어의 이해"에 대한 식견을 습득해보시기 바랍니다.

    수업계획서

    주차

    주차명(주제)

    주차별 학습 목표

    차시

    차시명(학습내용)

    학습활동

    1

    임베디드 시스템 및 로봇 공학 개요

    로봇과 임베디드 시스템의 기초가 되는 요인을 제시할 수 있다.

    1-1.

    로봇의 기초

    -

    1-2.

    로봇공학의 기초와 로봇의 구동

    1-3.

    임베디드 시스템의 정의

    2

    로봇에서의 임베디드 시스템

    임베디드 시스템에 대한 전반적인 이해와 인공지능 개요를 설명할 수 있다.

    2-1.

    임베디드 시스템의 하드웨어와 소프트웨어(1)

    퀴즈

    2-2.

    임베디드 시스템의 하드웨어와 소프트웨어(2)

    퀴즈

    2-3.

    인공지능 기초

    퀴즈

    3

    인공지능 개요

    임베디드 인공지능 시스템에 대한 전반적인 개요를 구조화할 수 있다.

    3-1.

    임베디드 인공지능의 이해

    : 온디바이스 인공지능 개요

    퀴즈

    3-2.

    임베디드 인공지능의 이해

    : AI 반도체

    퀴즈

    3-3.

    지능형 로봇에서의 임베디드 시스템 예시

    퀴즈

    4

    인공지능 알고리즘- 딥러닝 알고리즘 기초

    딥러닝 알고리즘에 대한 이해와 알고리즘 구현을 위한 소프트웨어를 제시할 수 있다.

    4-1.

    딥러닝 알고리즘 기초(1)

    퀴즈

    4-2.

    딥러닝 알고리즘 기초(2)

    퀴즈

    4-3.

    로봇 비전 알고리즘(1)

    : CNN 알고리즘 개요

    퀴즈

    5

    인공지능 알고리즘 - 비전 알고리즘

    비전 알고리즘에 대한 지식을 습득하고 직접 소프트웨어로 구축할 수 있다.

    5-1.

    로봇 비전 알고리즘(2)

    : CNN 알고리즘 구조

    과제

    (코딩실습)

    5-2.

    로봇 비전 알고리즘(3)

    : CNN 아키텍쳐 예시

    과제

    (코딩실습)

    5-3.

    로봇 비전 알고리즘 예시 및 구현

    과제

    (코딩실습)

    6

    인공지능 알고리즘 - 시계열 알고리즘

    시계열 알고리즘에 대한 이해를 하고 직접 소프트웨어로 구축할 수 있다.

    6-1.

    시계열 알고리즘(1)

    : RNN 알고리즘 개요

    과제

    (코딩실습)

    6-2.

    시계열 알고리즘(2)

    : RNN 알고리즘 개요

    과제

    (코딩실습)

    6-3.

    시계열 알고리즘(3)

    : RNN알고리즘 종류 및 구현

    과제

    (코딩실습)

    7

    인공지능 알고리즘 - 거대언어 모델

    거대 언어 모델 알고리즘에 대한 이해를 하고 직접 소프트웨어로 구축할 수 있다.

    7-1.

    거대 언어 모델 알고리즘(1)

    : LLM 알고리즘 개요

    퀴즈

    7-2.

    거대 언어 모델 알고리즘(2)

    : LLM 알고리즘 구조

    퀴즈

    7-3.

    거대 언어 모델 알고리즘(3)

    : 알고리즘 종류 및 구현

    퀴즈

    8

    임베디드 인공지능시스템 최적화

    로봇공학에서의 임베디드 인공지능 시스템의 중요성 및 최적화 방법을 제시할 수 있다.

    8-1.

    임베디드 보드 환경 구축

    퀴즈

    8-2.

    임베디드 하드웨어와 인공지능 알고리즘

    퀴즈

    8-3.

    임베디드 인공지능 시스템을 위한 최적화 방법

    퀴즈

    9

    총괄평가

    강좌운영진
    • 이예솝 교수

      Education

      • 2018.08 ~ 2023.08 Ph.D. in Electrical and Computer Engineering at University of Maryland, College Park, U.S.
      • 2016.08 ~ 2018.05 M.S. in Telecommunications Engineering at University of Maryland, College Park, U.S.
      • 2011.03 ~ 2016.02 B.S. in Electronics Engineering at Sogang Univ. Seoul, Korea.

      Experience

      • 2024.03 ~ Present Assistant Professor in Division of Robotics at Kwangwoon Univ., Seoul, Korea
      • 2023.09 ~ 2024.02 Senior Engineer at Qualcomm Inc. San Diego, U.S.
      • 2019.05 ~ 2019.09 Research Associate at U.S. Army Research Laboratory, Adelphi, MD, U.S.
      • 2021.05 ~ 2021.08 Interim Engineering Intern at Qualcomm Inc. San Diego, U.S.
      • 2022.05 ~ 2022.08 Interim Engineering Intern at Qualcomm Inc. San Diego, U.S.
    • 박민규 TA
      • 광운대학교 인공지능융합대학 로봇학과 석사과정생
      • 이메일: parkmingyu711@gmail.com

    분야 융 · 복합 (융 · 복합)

    난이도 전공기초

    운영기관 광운대학교(매치업)

    이수증 미발급

    주차 9 주

    학습인정시간 15시간 30분 (10시간 43분)

    수강신청기간 25.02.20 ~ 25.05.06

    강좌운영기간 25.03.04 ~ 25.05.06

    전화번호 02-940-5794

    자막언어 한국어 외 1건

    강좌언어 한국어(ko)

    추천강좌
    같은기관강좌