최근 확인한 콘텐츠
데이터가 존재하지 않습니다.
데이터가 존재하지 않습니다.
loading...
본 연구는 신경망기계번역(NMT)의 객관적 평가를 위해 자동평가와 수동평가의 균형점을 찾고자 한다. 한국에서 제공되는 세 가지 NMT 서비스의 번역 품질을 다양한 관점에서 비교 분석했으며, 8명의 번역 전문가가 한국어-영어 및 영어-한국어 번역에 대한 품질 평가를 수행했다. 분석 결과는 NMT에 대한 보다 객관적이고 신중한 시각을 형성하는 데 기여할 것이다.
Machine translation : its scope and limits
Translation Quality Assessment : Past and Present
Neural machine translation
Quality in professional translation : assessment and improvement
Machine translation : theoretical and methodological issues
Controlled document authoring in a machine translation age
Machine translation
한국어 통번역사를 위한 AI 번역의 이해 =
Translator's workbench : tools and terminology for translation and text processing
통번역의 사회문화적 측면
SDL trados studio 입문 : 한 눈에 들어오는 컴퓨터 보조 번역
Aspects of translation
(문화간 중재 원칙으로서의) 번역윤리
Machine translation : linguistic characteristics of MT systems and general methodology of evaluation
Computer-assisted literary translation
Recent advances in example-based machine translation
Technology as translation strategy
Envisioning machine translation in the information future : 4th Conference of the Association for Machine Translation in the Americas, AMTA 2000, Cuernavaca, Mexico, October 10-14, 2000 : proceedings
통번역학연구
이준호슬라브학보
김나영Translation Spaces(Netherland)
Krüger R.번역학연구
강수정Forum: International Journal of Interpretation and Translation
Shin, Ji-Sun; Mah, Seunghye통번역학연구
진실희통번역학연구
황지연, 양슬아Applied Artificial Intelligence
Shanshan Liu; Wenxiao Zhu중어중문학
강병규, 이지은언어학연구
최문선IEEE/ACM Transactions on Audio, Speech, and Language Processing, Audio, Speech, and Language Processing, IEEE/ACM Transactions on, IEEE/ACM Trans. Audio Speech Lang. Process.
Wang, X.; Tu, Z.; Zhang, M.인공지능인문학연구
김가희, 조영래Contemparary Society and Multiculture
Lim Hyung-Jae; Wang Tian번역학연구
천종성, 강수정Revista Tradumatica
Kim A.,Colominas C.Applied Soft Computing Journal
Banik D.,Ekbal A.,Bhattacharyya P.,Bhattacharyya S.동아인문학
박옥수동아인문학
박경임, 최창영Interpreter and Translator Trainer
Moorkens, J.Linguistica Antverpiensia, New Series – Themes in Translation Studies
Wang Q.,Xu J.전필 / 학사
첨단융합학부 학생의 전공탐색을 위한 과목으로, 융합데이터과학의 핵심 개념과 다양한 응용 분야를 소개하여 향후 전공선택에 필요한 필수적인 정보를 제공한다. 특히, 융합데이터과학 분야에서 진행되는 첨단연구와 연구의 실제 응용 사례를 직접 체험하여, 자신의 전공 적성을 좀 더 구체적으로 알아보고 설계할 수 있는 기회를 제공한다.전선 / 대학원
음성언어 인터페이스는 인간과 컴퓨터의 상호작용에 가장 자연스러운 정보 교환 수단을 제공해준다. 음성언어처리는 이를 위한 음성인식, 음성합성 및 음성언어이해에 관련된 이론 및 기술을 가리키는 용어이다. 본 과목에서는 방대하며 학제적인 성격을 가지는 음성언어처리 분야를 이해하는데 필요한 기초이론을 체계적으로 제공하며, 또한 각종 소프트웨어 도구를 사용해서 실질적인 응용에 어떻게 기초이론들이 적용되는지를 보여준다.전선 / 학사
통상적으로 교통운영은 교통류에 대한 충분한 이해를 바탕으로 적절한 운영 방안을 도입하여 도로교통시설의 효율을 높이는 것을 의미한다. 이를 위해 교통류에 대한 미시적‧거시적 관점, 교통량‧속도‧밀도 등 교통류 특성 간의 관계, 교통정체의 발생 및 해소 과정 등을 이해하는 것이 중요하다. 한편, 교통수단의 다변화로 인해 기존 교통운영의 대상이었던 도로교통이 교통시스템의 한 요소로써의 역할을 맡게 되었으며, 자연스럽게 교통운영의 범위도 확대되었다. 또한, 정보통신기술의 발달이 수집 가능한 정보의 질적‧양적 성장을 촉진하였지만, 불완전한 정보가 수집되거나 교통시스템 내‧외적 요인으로 인해 불확실한 예측이 이뤄지는 경우도 발생하였다. 최근 들어 이를 해결하기 위해 인공지능(Artificial Intelligence, AI)을 활용한 사례들이 등장하고 있다. 따라서 이 과목에서는 교통류분석, 교통신호제어 등의 배경이 되는 교통 관련 이론에 대해 학습함과 더불어 교통운영 분야 내 다양한 AI 적용 사례들을 소개하면서 기계학습(Machine Learning), 딥러닝(Deep Learning), 생성형 AI(Generative AI) 등 연관된 AI 기법을 살펴본다. 아울러 자율주행차량 제어, 대중교통 및 모빌리티 시스템 운영 등 교통운영의 확대된 범주 내에 포함되는 교통시스템에 대해서도 다룸으로써 폭넓은 지적 기반을 제공할 수 있을 것으로 기대된다.전선 / 학사
인공지능 기술의 발달로 외국어교육 연구에서도 많은 혁신이 요구된다. 본 강의에서는 인공지능 기술을 언어교육에 활용하는 방안을 모색해 본다. 구체적으로, 본 과목은 언어 학습자 및 언어 교육 맥락에 대한 이해를 바탕으로 다양한 언어 교육 목적의 테크놀로지를 활용하여 언어를 교수하고 평가하는 방법을 익히는 것을 목적으로 한다. 이를 위해 언어입력, 출력, 상호작용, 피드백과 같이 언어교육 및 발달과 관련한 주요 개념을 익히고, 다양한 인공지능 도구를 활용하고 적용해 본다.전선 / 대학원
본 교과목은 단순한 질의응답을 넘어, 스스로 목표를 설정하고, 도구를 사용하며, 복잡한 과업을 자율적으로 수행하는 ‘에이전트(Agentic)' AI의 설계 원리와 구현 방법론을 심층적으로 다룬다. 기존의 LLM(Large Language Model)이 가진 한계를 극복하고, LLM을 ‘추론 엔진'으로 활용하여 실제 세계와 상호작용하는 지능형 시스템을 구축하는 데 초점을 둔다. 수강생들은 단일 에이전트의 핵심 구성 요소인 사고-행동-관찰(Reasoning-Acting-Observation) 루프, 동적 도구 사용(Tool Use), 장단기 기억(Memory) 메커니즘을 학습한다. 나아가 여러 에이전트가 협력하여 인간의 개입을 최소화하면서 복잡한 문제를 해결하는 멀티 에이전트 시스템(Multi-Agent System)의 설계 패턴(예: 계층적, 협력적)과 통신 프로토콜을 배운다. LangChain, AutoGen, CrewAI와 같은 최신 프레임 워크를 활용한 실습을 통해, 에이전트 아키텍처 설계부터 정교한 프롬프트 체이닝, 실행 루프 구현까지의 전 과정을 경험하며, 차세대 AI 애플리케이션을 개발할 수 있는 실전 역량을 배양하는 것을 목표로 한다.전선 / 대학원
본 교과목은 단순한 질의응답을 넘어, 스스로 목표를 설정하고, 도구를 사용하며, 복잡한 과업을 자율적으로 수행하는 ‘에이전트(Agentic)' AI의 설계 원리와 구현 방법론을 심층적으로 다룬다. 기존의 LLM(Large Language Model)이 가진 한계를 극복하고, LLM을 ‘추론 엔진'으로 활용하여 실제 세계와 상호작용하는 지능형 시스템을 구축하는 데 초점을 둔다. 수강생들은 단일 에이전트의 핵심 구성 요소인 사고-행동-관찰(Reasoning-Acting-Observation) 루프, 동적 도구 사용(Tool Use), 장단기 기억(Memory) 메커니즘을 학습한다. 나아가 여러 에이전트가 협력하여 인간의 개입을 최소화하면서 복잡한 문제를 해결하는 멀티 에이전트 시스템(Multi-Agent System)의 설계 패턴(예: 계층적, 협력적)과 통신 프로토콜을 배운다. LangChain, AutoGen, CrewAI와 같은 최신 프레임 워크를 활용한 실습을 통해, 에이전트 아키텍처 설계부터 정교한 프롬프트 체이닝, 실행 루프 구현까지의 전 과정을 경험하며, 차세대 AI 애플리케이션을 개발할 수 있는 실전 역량을 배양하는 것을 목표로 한다.전선 / 대학원
인지과학 연습 1의 내용을 보다 확장하여 인지과학의 연구사, 연구주제등을 다각도로 검토하여 과정에 진입한 학생들에게 인지과학의 기초적 지식배경을 제공하는데 목적이 있다.전선 / 학사
스페인과 중남미의 문학작품을 읽고 번역해 봄으로써 번역의 중요성을 이해하고 번역에 필요한 기술들을 익힌다.전선 / 대학원
이 과목은 보건의료 영역에서 컴퓨터를 활용한 텍스트 분석을 다룬다. 보건의료 영역에는 여러 종류의 언어 자료가 존재한다. 사람들이 온라인 공간에서 여러 질병에 대해 던지는 질문들, 보건의료 전문가들의 연구들, 질병과 건강에 대한 신문기사들이 그 예다. 이들로부터 정보를 체계적이고 과학적으로 추출할 수 있다면, 보건의료에서 다양한 방식으로 활용할 수 있다. 최근 많이 사용되고 있는 컴퓨터를 활용한 텍스트 분석은 이런 작업에 새로운 가능성을 제시한다. 본 과목에서는 여러 가지 컴퓨터를 활용한 텍스트 분석 방법을 학습하고, 보건의료 영역 자료에 적용하는 것을 실습한다.전선 / 학사
인공지능을 활용하여 프랑스 및 프랑스어권 지역의 다양한 텍스트를 번역‧분석함으로써 학습자들의 번역 역량을 강화하며, 프랑스어와 프랑스어권 문화에 대한 심층적인 이해와 안목을 제고한다.전선 / 학사
언어이해의 여러 단계들(예: 언어지각, 어휘처리, 통사처리, 덩이글이해, 추론 등)에서 이루어지는 표상과 처리과정을 다루는 과목이다. 이론과 실험적 증거들에 근거하여 언어이해 과정을 탐구함으로써 언어이해 기제에 대한 지식을 축적하고 언어심리 실험에 대한 이해를 증진시킨다.전선 / 대학원
이 강좌에서는 한국어 표현에 수반되는 언어심리적 기제와 문화적 원리, 다양한 표현 방식에 나타난 사고 등을 심도 있게 고찰한다. 특히 외국어 화자의 언어 요인과 문화 요인이 한국어 표현의 학습에 어떤 효과를 미치는지에 대한 천착이 이루어지며, 나아가 효과적인 한국어 표현 교육의 방향과 구체적 교수학습 방법 등을 탐구한다.전선 / 학사
본 강좌는 예비영어교사들에게 교육평가의 원리를 중등학교 영어평가의 실제에 활용하는 기회를 제공한다. 학생들은 영어평가의 기법과 방법론을 탐구하며 영어평가 실제의 기본적 바탕을 익힌다. 본 강좌를 통하여 실제 현장에서 널리 사용되는 영어 평가 방법을 분석하고, 평가가 행해지는 실제 현장을 이해하는 데 역점을 둔다..전선 / 대학원
이 과목에서는 컴퓨터 언어학/자연언어처리의 최신 동향과 이론에 대해 살펴 본다. 구문분석, 의미분석, 온톨로지 등의 이론에서부터 정보검색, 기계번역, 지식기반 시스템 등에 이르기까지 최신 연구를 주제별로 다루도록 한다.전선 / 대학원
인공 신경망을 기반으로 하는 심층 학습 (Deep Learning) 시스템들은 음성/이미지 인식, 번역, 자율 주행 등 다양한 인공지능 영역에서 광범위하게 확산되고 있으며, 관련 기술 또한 빠르게 발전하고 있는 바, 산업 전반에 걸친 시스템의 지능화를 위해, 심층 학습 모형에 대한 이해와 활용 능력이 점차 중요해지고 있다. 본 과목에서는 심층 학습의 주요 이론과 기법을 학습하는 것을 목적으로, 구체적으로 표현형 학습 (Representation Learning), 심층 피드포워드 신경망 (Deep Feedforward Networks), 합성곱 신경망 (Convolutional Neural Networks), 순환 신경망 (Recurrent Neural Networks), 심층 오토인코더 (Deep Autoencoders), 심층 생성 모형 (Deep Generative Models), 심층 강화학습 (Deep Reinforcement Learning) 기법들을 다루고, 이들을 이해하기 위한 기계학습 및 수리적 기초 이론들을 배운다. 또한, 본 과목은 심층 학습 모델을 활용하여 멀티미디어 데이터들을 대상으로 분류, 예측, 패턴 인식, 생성 모델을 구현하는 프로젝트들 및 심층 학습 응용 사례 연구들을 포함한다.전선 / 대학원
번역의 역사, 원리, 방법, 의의 등에 관한 이론적인 검토를 하고, 특히 문학작품의 번역에서 제기되는 실제적인 문제점을 고찰한다. 번역 실습을 병행해서 할 수 있다.전선 / 대학원
본 교과목은 불어교육에 있어서 기존의 교육보조재들의 문제점들을 살펴봄으로써 멀티미디어를 활용한 교수방법의 가능성을 살펴보는 것을 목적으로 한다. 이를 위하여 컴퓨터 등 다양한 멀티미디어 교육보조재의 활용가능성을 심도있게 다루게 된다.전선 / 대학원
기계학습은 다양한 분야에서 점차 큰 관심을 받고 있으나, 막상 실제 데이터에 적용하여 성공적인 결과를 도출하는 데에는 많은 어려움이 따른다. 본 과목은 기계학습 기법들을 실제 문제에 적용할 때에 중요한 데이터 전처리, 피쳐 추출, 차원 축소, 클래스 불균형, 모델 앙상블 등의 주제들을 다루고, 데이터로부터 모형과 종속성을 학습하는 원리와 기법들을 소개하는 바, 특히 확률, 통계 및 최적화 이론에 기반하여 신경망 (Neural Networks), 서포트 벡터 머신 (Support Vector Machines), 은닉 마르코프 모형 (Hidden Markov Models) 및 강화 학습 (Reinforcement Learning) 기법들을 공부한다. 또한, 이들 기법을 활용하여, 다양한 시계열 데이터들을 대상으로 예측 및 분류 모델을 구현하는 프로젝트들과 데이터 기반 학습의 사례 연구들이 포함된다.전선 / 대학원
이 수업은 인공지능과 기계학습의 이론적 기초를 다루며, 특히 의료 데이터의 다양한 특징에 맞는 학습 및 추론 알고리즘을 디자인하기 위해 필요한 공학적 및 신호처리 원리를 이해하는 데 초점을 맞춘다. 수업에서는 전통적인 기계학습 기법부터 최신 인공지능 기법까지의 원리를 배우고, 이를 통해 수강자가 주어진 데이터를 바탕으로 알고리즘을 설계하고 공학적으로 해석할 수 있는 능력을 키우는 것을 목표로 한다. 의료 데이터는 단백질과 분자 (그래프), 유전체/전사체 (텍스트), 혈당/뇌파 (시계열 신호), 의료 영상 (다차원 영상), 환자 메타 정보 (테이블), 대사 상호 작용 정보 (다차원 행렬) 등 매우 다양한 형태를 가지고 있다. 이러한 다양한 데이터를 컴퓨터가 이해할 수 있는 형식으로 변환하는 과정에서 비선형 함수의 학습이 중요한 역할을 하며, 이는 의료 인공지능의 핵심 신호처리 원리 중 하나이다. 본 수업은 일반적인 기계학습 및 인공지능의 공학적 기초 외에도, 이처럼 의료 데이터의 특성을 반영한 대표적이고 특징적인 기계학습 및 인공지능 기술을 추가적으로 학습한다. 이를 통해 수강자는 일반 데이터 전문 분석가를 넘어선 의료 데이터 전문 분석가로 성장할 수 있는 역량을 갖추는 것을 목표로 한다.전선 / 대학원
외국어교육에서의 평가(Testing)에 관한 최근 이론들을 개관하고, 영어능력 평가문항의 작성, 분석, 결과 처리 등의 원리와 실제를 다룬다.