본문 바로가기

회원가입
내 강의실

최근 수강강좌 목록

※ 현재 진행중인 강좌(청강제외)만 출력됩니다.

※ 최근접속순 최대 10개 강좌만 표시됩니다.

K-MOOC
K-MOOC 학점은행제

현재 진행중인 수강강좌가 없습니다.

수강신청 하러가기 →

현재 진행중인 수강강좌가 없습니다.

수강신청 하러가기 →

로그아웃
한국어
  • 한국어
  • ENGLISH
배우고 싶은 강좌를 찾아보세요.
추천 강좌

      마이페이지

      QR코드

      이용약관

      제1장 총칙

      제1조 (목적)

      이 약관은 국가평생교육진흥원(이하 “진흥원”)이 운영하는 “K-MOOC 홈페이지”(이하 “K-MOOC”)가 제공하는 모든 회원 정보 서비스(이하 ‘서비스’)를 이용하는 고객(이하 “회원”)과 ‘진흥원’이 ‘서비스’의 이용에 관한 조건 및 절차와 기타 필요한 사항을 규정하는 것을 목적으로 합니다.

      제2조 (약관의 효력과 변경)

      ① 이 약관은 “이 약관에 동의하십니까?”라는 물음에 ‘회원’이 “동의” 버튼을 클릭함으로써 효력이 발생합니다.

      ② ‘진흥원’은 이 약관을 임의로 변경할 수 있으며, 변경된 약관은 적용일 전 7일간 ‘회원’에게 공지되고 적용 일에 효력이 발생 됩니다.

      ③ ‘회원’은 변경된 약관에 동의하지 않을 경우, ‘서비스’ 이용을 중단하고 탈퇴할 수 있습니다. 약관이 변경된 이후에도 계속 ‘서비스’를 이용하는 경우에는 ‘회원’이 약관의 변경 사항에 동의한 것으로 봅니다.

      제3조 (약관 외 준칙)

      이 약관에 명시되지 않은 사항이 관계 법령에 규정되어 있으면 그 규정에 따릅니다.

      제2장 회원 가입과 서비스 이용

      제4조 (이용계약)

      ‘서비스’ 이용은 ‘진흥원’이 허락하고 ‘회원’이 약관 내용에 대해 동의하면 됩니다.

      제5조 (이용신청)

      ① 본 서비스를 이용하기 위해서는 ‘진흥원’이 정한 소정의 양식에 이용자 정보를 기록해야 합니다.

      ② 가입신청 양식에 기재된 이용자 정보는 실제 데이터로 간주합니다. 실제 정보를 입력하지 않은 사용자는 법적으로 보호받을 수 없습니다.

      제6조 (이용신청의 승낙)

      ① ‘진흥원’은 ‘회원’이 모든 사항을 정확히 기재하여 신청할 경우 ‘서비스’ 이용을 승낙합니다. 다만, 아래의 경우는 예외로 합니다.

      1. 다른 사람의 명의를 사용하여 신청한 경우

      2. 회원가입 신청서의 내용을 허위로 기재하였거나 신청하였을 경우

      3. 사회의 안녕질서 또는 미풍양속을 저해할 목적으로 신청한 경우

      4. 다른 사람의 K-MOOC 서비스 이용을 방해하거나 그 정보를 도용하는 등의 행위를 하였을 경우

      5. K-MOOC를 이용하여 법령과 본 약관이 금지하는 행위를 하는 경우

      6. 기타 ‘진흥원’이 정한 회원가입 요건이 미비할 경우

      ② 회원이 입력하는 정보는 아래와 같습니다. 아래의 정보 외에 ‘진흥원’은 ‘회원’에게 추가 정보의 입력을 요구할 수 있습니다.

      - 필수항목 : 전자우편주소, 성명, 아이디, 비밀번호, 성별, 출생연도

      - 선택항목 : 보조전자우편주소, 도시, 국가, 거주지, 최종학력, 가입목적

      제7조 (계약 사항의 변경 및 정보 보유/이용 기간)

      ① ‘회원’은 ‘서비스’ 이용 신청 시 기재한 사항이 변경되었을 경우, 온라인으로 수정해야 합니다.

      ② ‘회원’으로 등록하는 순간부터 ‘진흥원’은 ‘회원’의 정보를 보유 및 이용할 수 있습니다.

      ③ ‘회원’이 탈퇴하는 순간부터 ‘진흥원’은 ‘회원’의 정보를 이용할 수 없습니다. 다만, ‘진흥원’은 개인정보보호를 위해 ‘회원’이 탈퇴하는 순간부터 1개월간 ‘회원’의 정보를 보유할 수 있습니다.

      제8조 (쿠키에 의한 개인정보 수집)

      ① ‘K-MOOC’는 사용자마다 특화된 서비스를 제공하기 위해 사용자 개인용 컴퓨터에 쿠키를 전송합니다.

      ② 사용자가 한 번의 로그인으로 편리하게 이용하기 위해서는 쿠키 수신을 허용해야 합니다.

      ③ 쿠키는 ‘K-MOOC’를 방문하는 사용자의 특성을 파악하기 위해 사용됩니다.

      ④ 사용자는 웹브라우저에 있는 옵션기능을 조정하여 쿠키를 선택적으로 받아들일 수 있습니다. 쿠키 수신을 거부할 경우 로그인이 필요한 서비스를 이용할 수 없습니다.

      제3장 계약해지

      제9조 (계약해지)

      ① ‘회원’은 온라인을 통해 회원 정보처리에 관한 불만 사항을 개진할 수 있습니다.

      ② ‘회원’이 ‘서비스’ 이용 계약을 해지하고자 할 때는 본인 확인이 가능하도록 이름, 아이디, 생년월일, 연락할 수 있는 전화번호를 기재하여 전자우편으로 해지 신청을 하거나, 회원 정보수정의 ‘회원탈퇴’ 메뉴에서 탈퇴 신청을 해야 합니다.

      제10조 (자격상실)

      다음 각항의 사유에 해당하는 경우 ‘진흥원’은 사전 통보 없이 이용계약을 해지하거나 기간을 정하여 서비스 이용을 중지할 수 있습니다.

      1. 제6조 2항의 ‘기본정보’를 누락시킨 경우

      2. 가입신청 시 허위 내용으로 등록한 경우

      3. 타인의 아이디와 비밀번호를 도용한 경우

      4. K-MOOC, 다른 회원 또는 제3자의 지식재산권을 침해하는 경우

      5. 사회의 안녕과 질서, 미풍양속을 해치는 행위를 하는 경우

      6. 타인의 명예를 손상하거나 불이익을 주는 행위를 한 경우

      7. ‘신용정보의 이용 및 보호에 관한 법률’에 따른 PC통신 및 인터넷 서비스의 신용불량자로 등록되는 경우

      제4장 책임

      제11조 (진흥원의 의무)

      ① ‘진흥원’과 제휴를 맺은 사이트를 편리하게 이용할 수 있도록 ‘진흥원’은 ‘회원’의 정보를 제휴 사이트들과 공유할 수 있으며, 공유를 위해 ‘K-MOOC’는 ‘회원’의 컴퓨터에 쿠키를 전송할 수 있습니다.

      ② ‘진흥원’은 ‘서비스’ 제공으로 알게 된 ‘회원’의 신상정보를 본인의 승낙 없이 제3자에게 누설, 배포하지 않습니다. 다만, 다음 각호에 해당하는 경우에는 예외로 합니다.

      1. 금융실명거래 및 비밀보장에 관한 법률, 신용정보의 이용 및 보호에 관한 법률, 전기통신기본법, 전기통신사업법, 지방세법, 소비자보호법, 한국은행법, 형사소송법 등 법령에 특별한 규정이 있는 경우

      2. 통계작성/학술연구 또는 시장조사를 위하여 필요한 경우로서 특정 개인을 식별할 수 없는 형태로 제공하는 경우

      3. ‘진흥원’은 ‘회원’의 전체 또는 일부 정보를 업무와 관련된 통계 자료로 사용할 수 있습니다.

      4. ‘진흥원’은 ‘서비스’가 계속적이고 안정적으로 운영될 수 있도록 노력하며, 부득이한 이유로 ‘서비스’가 중단되면 지체없이 이를 수리 복구하는 데 최선을 다해 노력합니다. 다만, 천재지변, 비상사태, 시스템 정기 점검 및 ‘진흥원’이 필요한 경우에는 그 서비스를 일시 중단하거나 중지할 수 있습니다.

      제12조(회원 정보 사용에 대한 동의)

      ① 진흥원은 K-MOOC 이외에 각종 사이트를 운영하는바, 진흥원이 운영하는 메인 사이트 및 각종 서브 사이트의 서비스 제공을 목적으로 회원의 정보를 수집하며, 수집된 회원의 정보를 사용할 수 있습니다.

      ② ‘진흥원’은 양질의 서비스를 위해 여러 교육 관련 유관 단체 및 비즈니스 사업자와 제휴를 맺어 회원 정보를 공유할 수 있습니다. 그럴 경우 ‘진흥원’은 본 조에 제휴업체 및 목적, 내용을 약관에 밝혀 `회원`의 동의받은 뒤 제휴업체에 제공합니다.

      ③ 본 조의 규정에 의한 ‘회원’의 동의는 본 약관 및 회원 가입정보 입력화면에서 제공하는 정보서비스 이용신청 버튼을 클릭함으로써 그 효력을 발생합니다.

      제13조 (회원의 의무)

      ① 아이디와 비밀번호의 관리에 대한 책임은 ‘회원’에게 있습니다.

      ② ‘회원’은 자신의 아이디를 타인에게 양도, 증여, 대여하거나 타인이 사용하게 하여서는 아니 됩니다.

      ③ 자신의 아이디(ID)가 부정하게 사용된 경우, ‘회원’은 반드시 ‘진흥원’에 그 사실을 통보해야 합니다.

      ④ ‘회원’은 게시물에 등록된 데이터를 이용한 영업활동을 할 수 없습니다.

      ⑤ ‘회원’은 '진흥원'이 보내는 공지 메일을 수신해야 합니다.

      제14조 (회원의 게시물)

      ① 게시물이란 ‘K-MOOC’의 각종 게시판에 회원이 올린 글 전체를 포함합니다.

      ② 회원이 게시하는 정보 및 질문과 대답 등으로 인해 발생하는 손실이나 문제는 전적으로 회원 개인의 판단에 따른 책임이며, ‘진흥원’의 고의가 아닌 한 ‘진흥원’은 이에 대하여 책임지지 않습니다.

      ③ 회원의 게시물로 인하여 제3자의 ‘진흥원’에 대한 청구, 소송, 기타 일체의 분쟁이 발생한 경우 회원은 그 해결에 드는 비용을 부담하고 ‘진흥원’를 위하여 분쟁을 처리하여야 하며, ‘진흥원’이 제3자에게 배상하거나 ‘진흥원’에 손해가 발생한 경우 회원은 ‘진흥원’에 배상하여야 합니다.

      ④ ‘진흥원’는 '회원'의 게시물이 다음 각 항에 해당하는 경우에는 사전통지 없이 삭제합니다. 그러나 ‘진흥원’가 게시물을 검사 또는 검열할 의무를 부담하는 것은 아닙니다.

      1. 제3자를 비방하거나 중상 모략하여 명예를 손상하는 경우

      2. 공공질서, 미풍양속에 저해되는 내용인 경우

      3. ‘진흥원’의 저작권, 제3자의 저작권 등 기타 권리를 침해하는 내용인 경우

      4. ‘진흥원’에서 규정한 게시 기간을 초과한 경우

      5. 상업성이 있는 게시물이나 돈벌이 광고, 행운의 편지 등을 게시한 경우

      6. 사이트의 개설 취지에 맞지 않을 경우

      7. 기타 관계 법령을 위반한다고 판단되는 경우

      ⑤ ‘진흥원’는 ‘회원’이 등록한 게시물을 활용해 가공, 판매, 출판 등을 할 수 있습니다.

      제5장 정보제공

      제15조 (정보의 제공)

      ‘진흥원’는 ‘회원’에게 필요한 정보나 광고를 전자메일이나 서신 우편 등의 방법으로 전달할 수 있으며, ‘회원’은 이를 원하지 않을 경우 가입신청 메뉴와 회원 정보수정 메뉴에서 정보 수신 거부를 할 수 있습니다. 단, 정보 수신 거부한 ‘회원’에게도 제13조5항의 ‘진흥원’ 공지 메일을 보낼 수 있습니다.

      제6장 손해배상 및 면책

      제16조 (책임)

      ① ‘진흥원’은 ‘서비스’ 이용과 관련하여 ‘진흥원’의 고의 또는 중과실이 없는 한 ‘회원’에게 발생한 어떠한 손해에 대해서도 책임을 지지 않습니다.

      ② ‘진흥원’은 ‘서비스’ 이용과 관련한 정보, 제품, 서비스, 소프트웨어, 그래픽, 음성, 동영상의 적합성, 정확성, 시의성, 신빙성에 관한 보증 또는 담보책임을 부담하지 않습니다.

      제17조 (면책)

      ‘진흥원’이 천재지변 또는 불가피한 사정으로 ‘서비스’를 중단할 경우, ‘회원’에게 발생하는 문제에 대해 책임을 지지 않습니다.

      제18조 (관할법원)

      ‘서비스’ 이용과 관련하여 소송이 제기될 경우 ‘진흥원’의 소재지를 관할하는 법원 또는 대한민국의 민사소송법에 따른 법원을 관할법원으로 합니다.

      본 약관의 해석과 적용 및 본 약관과 관련한 분쟁의 해결에는 대한민국 법이 적용됩니다.

      저작권보호정책

      저작권보호정책

      CCL (Creative Commons License)

      CCL은 자신의 창작물에 대하여 일정한 조건 하에 다른 사람의 자유로운 이용을 허락하는 내용의 자유이용 라이선스(License)입니다.



      이용허락조건

      Attribution(저작자 표시)


      저작자의 이름, 출처 등 저작자를 반드시 표시 해야 한다는, 라이선스에 반드시 포함하는 필수조항 입니다.


      Noncommercial(비영리)


      저작물을 영리 목적으로 이용할 수 없습니다. 영리목적의 이용을 위해서는, 별도의 계약이 필요하다는 의미입니다.


      No Derivative Works (변경금지)


      저작물을 변경하거나 저작물을 이용한 2차적 저작물 제작을 금지한다는 의미입니다.


      Share Alike (동일조건변경허락)


      2차적 저작물 제작을 허용하되, 2차적 저작물에 원 저작물과 동일한 라이선스를 적용해야 한다는 의미입니다.



      이용허락조건




      저작자표시 (CC BY)


      저작자의 이름, 저작물의 제목, 출처 등 저작자에 관한 표시를 해주어야 합니다.







      저작자표시-비영리 (CC BY-NC)


      저작자를 밝히면 자유로운 이용이 가능하지만 영리목적으로 이용할 수 없습니다.







      저작자표시-변경금지 (CC BY-ND)


      저작자를 밝히면 자유로운 이용이 가능하지만, 변경 없이 그대로 이용해야 합니다.







      저작자표시-동일조건변경허락 (CC BY-SA)


      저작자를 밝히면 자유로운 이용이 가능하고 저작물의 변경도 가능하지만, 2차적 저작물에는 원 저작물에 적용된 것과 동일한 라이선스를 적용해야 합니다.







      저작자표시-비영리-동일조건변경허락 (CC BY-NC-SA)


      저작자를 밝히면 이용이 가능하며 저작물의 변경도 가능하지만, 영리목적으로 이용할 수 없고 2차적 저작물에는 원 저작물과 동일한 라이선스를 적용해야 합니다.







      저작자표시-비영리-변경금지 (CC BY-NC-ND)


      저작자를 밝히면 자유로운 이용이 가능하지만, 영리목적으로 이용할 수 없고 변경 없이 그대로 이용해야 합니다.




      다국어 설정

      홈 강좌 공학 컴퓨터 · 통신

      강좌소개
      강좌소개
      • 이 강좌는 멀티모달 AI에 대한 포괄적인 개요를 제공하며, 데이터 표현, 정렬, 융합의 기본 개념을 다루고, 현대적인 사전 학습 전략과 멀티모달 대규모 언어 모델(M-LLMs) 및 파운데이션 모델의 아키텍처, 훈련, 응용으로 나아갑니다.
      • 왜 「멀티모달 인공지능 이해와 학습」을 수강해야하는가?

        우리가 마주하는 현실 세계는 텍스트, 이미지, 소리 등 단편적인 정보의 합이 아닌, 복잡하게 상호 연결된 다양한 정보의 총체입니다. 인공지능이 이 세계를 인간처럼 깊이 있게 이해하고 소통하기 위해서는, 이질적인 데이터들을 통합적으로 바라보는 새로운 시각이 반드시 필요합니다. 이 강좌는 바로 그 핵심 질문, 즉 ＇AI는 어떻게 여러 감각을 동시에 이해할 수 있는가?＇에서 출발합니다. 본 강좌는 서로 다른 데이터를 어떻게 ＇표현(Representation)＇하고 , ＇정렬(Alignment)＇하며 , ＇융합(Fusion)＇할 것인지에 대한 근본적인 개념을 다룹니다. 나아가 현시대 AI의 정점인 ＇멀티모달 대규모 언어 모델(M-LLMs) 및 파운데이션 모델＇의 아키텍처와 훈련, 응용으로 나아가는  지적 탐구의 기회를 제공하는데 그 의의가 있습니다.

      • 「멀티모달 인공지능 이해와 학습」의 목표는 무엇인가?

        본 강좌의 목표는 멀티모달 인공지능이라는 방대한 분야에 대한 포괄적인 개요를 제공하는 것입니다.수강생은 '멀티모달 머신러닝의 정의, 핵심 기술적 과제, 역사적 발전'과 같은 기본 개념을 이해하고 , '데이터 표현, 정렬, 융합'이라는 세 가지 핵심 기둥을 학습합니다. 또한 이미지(CNN)와 텍스트(RNN) 등 개별 모달리티를 처리하는 기본 아키텍처의 원리를 파악합니다. 이러한 탄탄한 기초를 배운 후에 ＇현대적인 사전 학습 전략＇을 배우고, 궁극적으로 ＇M-LLMs 및 파운데이션 모델＇의 작동 원리와 응용까지  체계적으로 나아가는 것이 본 강좌의 최종 목표입니다.


      학습목표
      1. 멀티모달 인공지능의 핵심 개념과 작동 원리를 이해하고, 다양한 모달리티(텍스트, 이미지, 오디오, 비디오 등)를 융합하는 모델의 설계와 구현에 대한 통찰을 제공합니다.
      2. 멀티모달 아키텍쳐, Multimodal Pretraining, Cross-modal Alignment, Contrastive Learning 등 최신 기술을 학습하고, 이를 실제 응용 문제에 적용하는 방법을 익힙니다.
      3. 학습자가 멀티모달 인공지능 분야의 최신 연구 동향과 산업적 흐름을 이해하고, 이를 기반으로 창의적 문제 해결과 연구, 산업적 기여를 도모할 수 있는 기회를 제공합니다.
      강좌 운영일정
      • 수강신청기간 : ~2026.12.31.
      • 강좌운영기간 : ~2026.12.31.
      이수 및 평가기준
      • 이수기준 : 60%의 이수기준은 블룸의 교육목표 분류에서 “이해”와 “적용” 단계 해당한다고 판단하며 이는 학습자가 개념을 이해하고 기본적으로 적용할 수 있는 수준에 판단됨
      • 평가기준 : 총점(100%) = 퀴즈(25%) + 토론(25%) + 기말고사(50%)
      수업계획서

      주차

      주차명(주제)

      차시

      차시명(학습내용)

      평가방법

      1

      멀티모달 인공지능 소개

      1-1

      멀티모달 인공지능이란 무엇인가?

      퀴즈(1)

      멀티모달 인공지능의 정의, 핵심 개념, 주요 용어들을 소개하고 단일모달 AI와의 차이를 이해한다.

      1-2

      멀티모달 학습의 필요성과 응용 사례

      퀴즈(2)

      멀티모달 학습이 필요한 이유를 설명하고, 실제로 사용되는 응용 분야(예: 자율주행, 챗봇, 의료 AI 등)를 분석한다.

      1-3

      멀티모달 AI 기술의 발전 흐름

      퀴즈(3)

      멀티모달 AI의 발전 역사와 기술 흐름을 정리하고, 현재 주목받는 연구 분야와 산업 동향을 탐구한다.

      2

      멀티모달 데이터 표현

      2-1

      각 모달리티의 데이터 특성과 구조

      퀴즈(1)

      텍스트, 이미지, 오디오, 비디오 등 주요 모달리티의 데이터 특성과 구조적 차이점을 분석한다.

      2-2

      모달리티별 표현 방법: 임베딩 기초

      퀴즈(2)

      각 모달리티를 벡터 공간으로 표현하는 기본 임베딩 기법(e.g., Word2Vec, CNN, spectrogram 등)을 학습한다.

      2-3

      멀티모달 임베딩의 개념과 활용

      퀴즈(3)

      여러 모달리티를 공통 표현 공간에 매핑하는 멀티모달 임베딩의 목적, 방법론, 활용 사례를 살펴본다.

      3

      모달리티 간 정렬 방법론

      3-1

      모달리티 정렬의 개념과 Late/Early Fusion

      퀴즈(1)

      Early fusion, late fusion, hybrid fusion의 개념을 이해하고 각각의 장단점을 비교한다.

      3-2

      Cross-modal Attention과 정렬 기법

      퀴즈(2)

      텍스트-이미지, 텍스트-오디오 등에서 활용되는 attention 기반의 정렬 방법(cross-attention 등)을 학습한다.

      3-3

      유사도 학습과 Feature Alignment

      퀴즈(3)

      토론(1)

      contrastive learning, metric learning을 활용한 의미 기반 feature 정렬 기법을 학습하고 실제 모델 사례를 분석한다.

      4

      멀티모달 융합 방법론

      4-1

      기초 융합 전략 이해

      퀴즈(1)

      Concatenation, averaging, attention 등 기본 융합 기법의 구조와 작동 원리를 학습한다.

      4-2

      고급 융합 기법

      퀴즈(2)

      Co-attention, bilinear pooling, tensor fusion 등 고급 융합 모델의 설계와 원리를 이해한다.

      4-3

      융합 기법 비교 및 응용 분석

      퀴즈(3)

      다양한 융합 기법들의 장단점을 비교하고, 실제 응용 사례에 적합한 전략을 도출한다.

      5

      멀티모달 사전학습

      5-1

      멀티모달 사전학습 개요

      퀴즈(1)

      멀티모달 pretraining의 필요성과 전이학습 관점에서의 의의를 학습한다.

      5-2

      Contrastive learning 기반 사전학습

      퀴즈(2)

      CLIP, ALIGN 등의 contrastive 학습 모델 구조와 학습 방식을 분석한다.

      5-3

      Masked/Matching 기반 사전학습

      퀴즈(3)

      VilBERT, LXMERT 등의 masked modeling, matching task 기반 전략을 학습한다.

      6

      멀티모달 LLM 및 Foundation Models

      6-1

      멀티모달 LLM의 구조

      퀴즈(1)

      Flamingo, GPT-4V 등 멀티모달 대형 언어 모델의 입력 처리 구조와 특징을 학습한다.

      6-2

      Pretraining과 Instruction Tuning

      퀴즈(2)

      Instruction tuning과 aligned fine-tuning 기법을 사례 기반으로 학습한다.

      6-3

      Foundation Model의 확장 방향

      퀴즈(3)

      토론(1)

      멀티모달 Foundation Model의 범용성과 미래 활용 가능성을 분석한다.

      7

      기말고사

      7

      기말고사 시험 실시

       

      강좌운영진
      • 교수자 : 김준영
        중앙대학교 AI학과 김준영 교수는 KAIST 전기및전자공학부에서 학사, 석사, 박사 학위를 취득 후, Microsoft Research Asia의 NLP group 및 KAIST 정보전자연구소에서 박사후 과정을 거쳐 중앙대학교 AI학과에서 멀티모달 인공지능 연구를 활발히 수행중입니다.
      • 교수팀 운영 TA : 황진권
        Email: wlsrnjs905@cau.ac.kr
        현 소속: 중앙대학교 일반대학원 AI학과
      • 교수팀 운영 TA : 우현동

        Email: hyeondong@cau.ac.kr
        현 소속: 중앙대학교 일반대학원 AI학과

      분야 공학 (컴퓨터 · 통신)

      난이도 -

      운영기관 중앙대학교

      이수증 발급

      주차 7 주

      학습인정시간 4시간 00분 (03시간 55분)

      수강신청기간 26.05.18 ~ 26.12.31

      강좌운영기간 26.05.18 ~ 26.12.31

      전화번호 02-820-6427

      자막언어 한국어 외 1건

      강좌언어 한국어(ko)

      추천강좌
      같은기관강좌