본문 바로가기

배우고 싶은 강좌를 찾아보세요.

추천 강좌

    다국어 설정

    강좌소개

    강좌 소개

    수업내용/목표

    - 왜 『인공지능 연구동향』을 들어야 하는가?
    지난 10여 년 동안 인공지능은 폭발적으로 발전하였습니다. 특히, 2016년 알파고의등장은많은사람에게인공지능의가능성을보여주었습니다. 딥러닝은 인공지능을새로운시대로이끌었고,예측·제어·생성·객체인식·음성인식·음성합성 등 다양한 문제에대해서 전례 없는 놀라운 성능을보여주고있습니다.그 결과 의료·주행·통신·운송·검색·추천·제조·게임 등 다양한 분야에적용되어 우리 삶에 영향을주고있습니다.
    이러한 인공지능을 현재 시점에서 좀 더 깊은 이해를 하기 위해서는 지난 10여년 간의인공지능연구동향을파악하고,어떠한방식으로 발전하고 있는지 살펴볼 필요가 있습니다.

    - 『인공지능 연구동향』의 목표는 무엇인가?
    본 강좌에서는 인공지능 최신 연구 동향에 대해 넓게 파악하는 것을 목표로 합니다. 현재 인공지능 분야에서가장큰성공을거두고 있는 딥러닝에 초점을 맞추고 기본적인 내용부터 심화한 내용까지 살펴보게 됩니다. 본강좌를통해서인공지능이어떠한 문제를 어느정도 수준까지 해결하고 있는지 배울 수 있을 것입니다. 이강좌에서는뉴럴네트워크,생성모델,자연어처리, 강화 학습 등 다양한 주제에 대해서 기초적인 개념과 함께 각 주제에 대한 현재시점의최신인공지능연구동향이 어떠한 식으로 흘러가고 있는지 파악하게 될 것입니다.

    홍보/예시 영상

    강좌 운영 계획

    Lecture Table

    주차

    차시명

    주차별 학습목표

    1

    Vector

    Vectors

    벡터에 대한 이해와 벡터와 관련된 연산에 대해서 이해한다

    Linear functions

    2

    Vector Operations

    Norm and Distance

    벡터 기반의 크기와 선형독립에 대해서 이해한다

    Linear Independence

    3

    Matrix

    Matrices

    행렬과 일차방정식의 관계에 대해서 이해한다

    Linear equations

    4

    Matrix Operations

    Matrix multiplication

    행렬을 기반으로 하는 연산에 대해서 이해한다

    Matrix inverses

    5

    Least Square Problem

    Least Squares

    최소자승법에 대해서 이해하고

    실제 데이터에 적용하는 것에 대해서 이해한다

    Least Squares Data Fitting

    6

    Linear Regression

    Problem Definition

    선형회귀분석을 위한 모델 생성과 학습 과정에 대해서 이해한다

    Gradient Descent

    Vectorization

    7

    Classification

    Logistic Regression

    로지스틱 회귀분석을 기반으로 하는 분류자에대해서 이해한다

    Cross Entropy

    8

    실습과제1

    9

    Model Generalization

    Feature Engineering

    기계학습 기반의 모델과 데이터의 관계에 대해서 이해한다

    Generalization

    10

    Developing Machine Learning Project

    Cross Validation

    기계학습을 기반으로 하는 어플리케이션을 개발하는 과정에 대해서 이해한다

    Learning Curve

    11

    Unsupervised Learning

    K-means Clustering

    대표적인 비지도학습 알고리즘에 대해서 이해한다

    Principal Component Analysis

    12

    Neural Network

    Back-propagation

    신경망 네트워크를 기반으로 하는 기계학습의 작동원리에 대해서 이해한다

    Classification

    13

    Neural Network

    Back-propagation

    신경망 네트워크를 기반으로 하는 최적화알고리즘에 대해서 이해한다

    Initialization

    14

    Convolutional Neural Network

    Convolutional Neural Network

    합성곱 기반의 신경망 네트워크의 작동원리에대해서 이해한다

    Stochastic Gradient Descent

    Autoencoder

    Generative Adversarial Networks

     

    실습과제2

    15

    최종평가

    강좌운영팀 소개

    교수자

    김영빈 professor
    김영빈 교수
    현) 중앙대학교 첨단영상대학원 조교수
    전) 2020 한국컴퓨터학회 우수논문상
    2019 한국컴퓨터학회 우수논문상
    2017년 최고의 논문상, 컴퓨터 애니메이션 및 소셜 에이전트
    2016 고려대학교 대학원 우수논문상
    2016 HCI Korea 2016 HCI APP MARKET 장려상
    HCI Korea 2014 Best Walk-Through Award

    E-mail: ybkim85@cau.ac.kr

    강좌지원팀

    김미현
    김미현
    E-mail: mh10967@gmail.com

    윤정민
    윤정민
    E-mail : cocoro357@cau.ac.kr

    강좌 수강 정보

    이수/평가정보

    이수/평가정보
    과제명퀴즈과제중간고사기말고사
    반영비율10%20%35%35%

    * 퀴즈는 매주 실시됩니다.
    * 과제는 레포트 형식으로 이루어지며, 종강 후 1주일 이내로 점수가 부여됩니다.
    * 이수 기준 : 총점 40점 이상
    * 이수증 발급 : 최종 점수 입력 후, 1주일 이내로 발급됩니다.

    강좌 수준 및 선수요건

    교재 및 참고문헌

    자주 묻는 질문

    강의 교재가 따로 있나요?

    학습자료 메뉴의 강의자료를 다운받아서 사용하시면 됩니다.

    미리보기

    분야 공학 (컴퓨터 · 통신)

    난이도 전공기초

    운영기관 중앙대학교

    이수증 미발급

    주차 15 주

    학습인정시간 10시간 00분 (11시간 26분)

    수강신청기간 22.08.29 ~ 22.12.16

    강좌운영기간 22.09.04 ~ 22.12.16

    전화번호 02-820-6427

    자막언어 한국어 외 1건

    강좌언어 한국어(ko)

    추천강좌
    같은기관강좌