LikeSNU는 서울대 중앙도서관이 체계적으로 수집/분석한
서울대 구성원의 지식 빅데이터(도서 대출, 논문, 학사, 강의, 수업 계획서) 기반 지식정보 플랫폼 입니다.
최근 확인한 콘텐츠
데이터가 존재하지 않습니다.
데이터가 존재하지 않습니다.
화학생물공학부
전위, 전극반응의 속도론, 계면의 전기화학 등의 기초지식 습득을 시작으로 voltammetry 및 spectroelectrochemistry에 의한 화학물질의 물성조사, 분석, 또한 반도체의 광전기화학에 관하여 강의한다. 전기화학공업의 분야로는 광화학적 에너지전환, 전지, 부식 및 센서 등이 포함된다.응용바이오공학과
이 과목은 학생들에게 바이오공학 분야의 연구현황과 주요 이슈에 대한 이해를 돕기 위해 세미나 형태로 진행된다. 이 세미나의 주요 주제는 생체 소재, 바이오 의료기기, 의료 영상, 그리고 나노바이오 기술 등 다양한 분야이며, 국내외 유수의 연구기관과 산업체에서 초청된 저명한 연사들의 초청 세미나 형식으로 진행된다.물리·천문학부
열과 통계물리학의 기본 개념을 다루며 <00.211 역학 1(또는 300.209 역학개론)>과 <300.214 전기와 자기(또는 884.002 전자기학개론)>이 먼저 수강했어야 하는 과목이다. 주요 내용은 상태수와 엔트로피, 열역학의 여러 법칙, 볼츠만 분포, 이상기체의 성질, 깁스 자유에너지와 화학반응, 상전이, 기체분자의 운동이론, 브라운 운동 등이다.영어교육과
낭만주의 시대에서 현대에 이르는 영문학과 영국문화의 개관으로서 선별된 작품의 감상과 당대의 시대정신 및 문화의 심층적 이해를 도모함으로써 효과적인 영어 교육을 위한 배경지식을 제공한다.기계공학부
본 과목에서는 산업의 근간을 이루는 다양한 기계시스템의 수학적 모델링과 동적 거동의 라플라스 공간, 주파수 공간 및 상태 공간에서의 해석 방법에 대해 배우고, 그에 기반한 기본적인 제어 설계 및 해석 기법에 대해서 공부한다.
loading...
공과대학 기계공학부 / 학사
2025-1학기
권장 선수과목 SNU in the World Program (SWP)(M2199.002100) , 프로그래밍연습(4190.103A)
본 과목에서는 산업의 근간을 이루는 다양한 기계시스템의 수학적 모델링과 동적 거동의 라플라스 공간, 주파수 공간 및 상태 공간에서의 해석 방법에 대해 배우고, 그에 기반한 기본적인 제어 설계 및 해석 기법에 대해서 공부한다.
Netlab : algorithms for pattern recognition
Netlab : algorithms for pattern recognition
Programming language pragmatics
Programming language pragmatics
Neural network applications in control
Neural network applications in control
Neural network design and the complexity of learning
Neural network design and the complexity of learning
Digital computation and numerical methods
Digital computation and numerical methods
Neural circuits and networks
Neural circuits and networks
Density ratio estimation in machine learning
Density ratio estimation in machine learning
인공지능과 테크놀로지
인공지능과 테크놀로지
Models of neural networks I
Models of neural networks I
Neural networks : methodology and applications
Neural networks : methodology and applications
Pattern recognition and neural networks
Pattern recognition and neural networks
그림으로 배우는 딥러닝
그림으로 배우는 딥러닝
브랜드를 감춰라 : 인공지능 시대의 신의 알고리즘
브랜드를 감춰라 : 인공지능 시대의 신의 알고리즘
Compression and coding algorithms
Compression and coding algorithms
Artificial intelligence and neural networks : steps toward principled integration
Artificial intelligence and neural networks : steps toward principled integration
Trusting records in the cloud
Trusting records in the cloud
Massively parallel, optical, and neural computing in Japan
Massively parallel, optical, and neural computing in Japan
EU 인공지능(AI):
EU 인공지능(AI):
Surveying computation manual
Surveying computation manualRemote sensing =
Remote sensing =Knowledge-Based Systems
Zhang Y.,Zhang J.,Huang B.,Fang Z.ELECTRONICS
Samad, Saleem Raja Abdul; Balasubaramanian, Sundarvadivazhagan; Al-Kaabi, Amna Salim; Sharma, Bhisham; Chowdhury, Subrata; Mehbodniya, Abolfazl; Webber, Julian L. L.; Bostani, AliInternational Journal of Computer Integrated Manufacturing
Chen Y.,Xu J.,Tang Q.IEEE Transactions on Geoscience and Remote Sensing
Mengying Xie; Xiaolan Liu; Xiaowei YangPattern Recognition
Wang X.,Chang M.C.,Wang L.,Lyu S.Communications of the ACM
Johnson J.A.,Bullock D.H.MECHANICAL SYSTEMS AND SIGNAL PROCESSING
Seno, Aldyandra Hami; Khodaei, Zahra Sharif; Aliabadi, M. H. FerriIEEE Transactions on Geoscience and Remote Sensing
Yangkang Chen; Omar M. SaadInternational Journal of Architectural Heritage
Hu W.,Hu R.Energy Reports
Huang, Xiaoping; Lu, Qiu; Zhou, Huamao; Huang, Wenzhe; Wang, ShoufenInternational Journal of Precision Engineering and Manufacturing
Houda Khaterchi, Abdessalem Chamekh, Hédi BelHadjSalahIEEE Transactions on Geoscience and Remote Sensing
Yang Liu; Jing Wang; Hongyu ZhouIEEE Transactions on Emerging Topics in Computing
Xu Q.,Arafin M.T.,Qu G.Applied Sciences (Switzerland)
Nie B.,Li C.Multimedia Tools and Applications
Aghabarar H.,Kiani K.,Keshavarzi P.IEEE Transactions on Geoscience and Remote Sensing
Junhong Chen; Hong Li; Anyou Min; Ziyang Guo; Bing Yang; Junbin GaoIEEE Access
Rancon U.,Cuadrado-Anibarro J.,Cottereau B.R.,Masquelier T.Periodicals of Engineering and Natural Sciences
Abdullah S.N.Computers in Biology and Medicine
Yao K.,Wang X.,Li W.,Zhu H.,Jiang Y.,Li Y.,Tian T.,Yang Z.,Liu Q.,Liu Q.Chaos
Chen H.,Wang L.,Wang X.데이터가 존재하지 않습니다.
전선 / 학사
계산물리학은 최근 급격하게 발전하여, 물리학의 기존 난제들을 해결하는데 크게 기여하고 있다. 이는 컴퓨터 하드웨어 및 소프트웨어의 진보뿐만 아니라 물리에 바탕을 둔 계산 방법론의 개발에 힘입은 것이다. 또한 기계학습의 발전 덕분에 복잡한 데이터로부터 숨은 물리학적 원리를 발견하는 데이터 기반 접근법이 가능해졌다. 이 과목에서는 계산물리학과 기계학습을 이용하여 물리학의 문제를 해결하는 방법을 배우며, 기계학습의 원리를 정보이론 및 물리적 관점에서 설명한다.전필 / 대학원
디지털포렌식의 대상인 디지털 증거는 디지털 문서 및 데이터로 구성된다. 이러한 증거는 위장, 암호화 등의 방법을 활용하여 기기에 저장되기 때문에 이의 분석을 위해서는 암호학에 관한 지식이 요구된다. 따라서 이 과목에서는 기초 정수론, 이산수학, 확률론 등 현대 암호학의 이해에 필요한 수학이론을 먼저 소개한 뒤 정보보호와 암호론의 기본 개념과 다양한 기존의 암호체계의 암호화 및 복호화 알고리즘, 복잡도와 안전성, 장단점 등을 강의한다. 구체적으로 대칭키 암호, 공개키 암호, 해쉬함수, 전자서명 등을 다룬다.전선 / 학사
본 강좌는 학부 2학년 전공선택 교과목으로 인공지능의 개념과 기술을 이해하고 싶은 학생을 대상으로 한다. 수업내용은 머신러닝(Machine Learning), 딥러닝(Deep Learning), 데이터마이닝(Data Mining), 컴퓨터비전(Computer Vision), 자연어처리(Natural Language Processing; NLP) 등 총 5개 모듈로 구성되어 있으며, 모듈별 담당 교수님이 팀티칭으로 수업을 진행한다. 선수과목으로 기초수학(확률/통계/선형대수), 컴퓨터의 개념 및 실습 교과목의 선행학습을 권장한다.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
기계학습은 환경으로부터 데이터 관찰과 경험을 통해 성능을 계속적으로 향상시킬 수 있는 문제해결 시스템을 연구하는 인공지능의 한 분야이다. 본 과목에서는 기계학습에 관한 이론 및 실제적인 연구 주제들에 관해 학습한다. 감독 학습과 무감독 학습 및 강화학습에 관한 기본 원리와 이론적인 배경을 공부하며 이들에 대한 구체적인 알고리즘을 학습한다. 기호규칙 학습, 결정트리, 메모리기반 학습, 신경망, 유전자알고리즘, 베이지안 망, 은닉 마코프 모델, 커널방법 및 기타 최근 기계학습 알고리즘을 다룬다.전선 / 학사
이동통신 시스템을 구현하기 위한 핵심 기술을 담고 있는 ITU-R 및 3GPP 표준, 특히 3GPP 표준의 구성을 체계적으로 이해하고, 표준화 과정에 대해 파악하며, 표준을 기반으로 구축된 상용망의 특징에 대해 학습한다. 3GPP 표준의 이해를 위해 단말, 엑세스망, 코어망, 외부망으로 구성된 이통통신 시스템 구조 (system architecture)를 사용자 평면 및 제어 평면 관점에서 표준문서 별로 분석하는 과정을 LTE 및 5G 표준에 대해 진행한다. 이를 위해 Release 10-12 표준문서 및 Release 13-16 (또는 17) 표준문서들 중 주요 문서들을 활용한다. 표준에 대한 이해 및 상용망에 관한 이해를 심화하기 위해, 단말, 엑세스망, 코어망 각각에 대해 프로젝트 팀을 구성하고, 표준이 고도화됨에 따라 기술들이 발전해 가는 과정 및 기술간 상관관계를 체계적으로 이해할 수 있는 발표회를 프로젝트 팀별로 표준 문서, 기술 백서, 최신 논문 등에 기반하여 진행한다.전선 / 학사
화학 현상을 설명하는데 근본이 되는 분자 구조-기능 상관관계에 대한 전통적인 원리기반 접근법을 보완하고 확장하는, 데이터 기반 접근법의 원리와 응용에 대해 다룬다. (1) 기초 단계로서, 컴퓨터에서 분자를 표현하는 기법과 여러 분자 데이터에 대해 소개한다. 구체적으로, 분자를 1D, 2D, 3D 표현법으로 나타내는 방법에 대해 익히고, 다양한 화학 데이터베이스에 대해 배우며, 이를 컴퓨터에서 다루어 본다. (2) 더 나아가 분자의 성질을 예측하고 기능성 분자를 설계하기 위해 활용되는 여러 계산 도구 및 기계학습 기법을 소개한다. 전통적인 화학 계산 방법인 양자화학계산과 분자동력학 시뮬레이션의 원리와 관련 소프트웨어에 대해 소개하고, 현대 기계학습 방법으로 전통적인 화학계산 방법을 어떻게 보완하고 한계를 극복할 수 있을지 탐구한다. 더불어 분자 구조 및 성질을 예측하는 모델과 분자 생성 모델의 원리에 대해 배우고 활용한다. (3) 마지막으로, 화학, 생물학, 재료, 공학 등에서 효용성이 높은 분자의 성질을 예측하는 최신 연구 사례에 대해 소개하고 미래 방향에 대해 토론한다.전선 / 대학원
기계학습은 인공지능의 한 분야로서 명시적으로 프로그램하지 않고 컴퓨터가 데이터로부터 학습할 수 있도록 한다. 이 과목은 재무와 경제에서의 응용을 중심으로 기계학습의 개념과 기법, 그리고 알고리즘을 소개한다. 이 과목에서 다룰 세부 주제들에는 선형회귀, 의사결정나무, 신경망, 분류, 무작위 숲, 시각화 등이 있다. 수강생들은 기계학습이 재무와 경제에 응용될 때 기계학습이 어떻게 작동하는지 원리를 배운다. 이 수업을 듣고 나면 기계학습 전문가들과 의사소통을 할 수 있게 될 것이다.전필 / 학사
계산과학의 중요한 두 축은 미분적분을 바탕으로 한 수치해석과 통계와 데이터를 바탕으로 한 인공지능분야(기계학습, 심층학습)이다. 본 과목에서는 여기에 필요한 원리를 이해하고 수학적인 기초를 다지는 것을 이루고자 한다. Euler방법에서부터 FDM, FEM까지 공부하고 또 인공지능 이해와 응용에 필요한 최적화, 선형대수, 통계 등을 다룬다. 실제 응용사례를 통해 학습에 대한 이해도를 높이고자 한다.전선 / 대학원
확률 그래프 모델은 확률 변수들 간의 조건 의존성을 그래프 형태로 나타낼 수 있는 통계 방법론으로, 대용량 변수들의 복잡한 상호관계도 조밀하게 표현할 수 있다. 근래 컴퓨터 비전, 자연어 처리, 로봇공학, 컴퓨터 시스템, 계산 생물학 등 인공지능과 연관된 다양한 실제 문제들에 성공적으로 활용되고 있다. 본 과목에서는 확률 그래프 모델에 필요한 이론, 원리, 알고리즘 등을 폭넓게 배우며, 특히 주요 주제로는, 베이지안 그래프와 마코프 랜덤 필드의 표현, 합-곱 알고리즘과 신뢰 전파 알고리즘 등을 통한 그래프 모델의 학습과 추론, 변분 분석과 표본화를 통한 근사 방법, 최대 마진 방법과 깊은 신경망 등의 최신 기계 학습 기법 등과 그들의 실제 적용 방법과 예시 등을 다룬다. 본 과목은 대학원생과 일부 고년차 학부생을 대상으로 한다.전선 / 대학원
구강 내에서 상실된 치아를 주변 구조물들의 정보와 이미 수립된 data base를 이용하여 삼차원 적으로 재구성하는 방법 연구. 기존의 연구 내용을 기반으로 실제 임상에서 사용가능 여부를 검증하고 더욱 진보된 방법을 찾는다. 비록 구체적 algorithm 개발은 어려울지라도 강의를 들어 기초적 지식을 습득하고 이를 기반으로 기본 연구 방향을 제시하고 실제 임상에서의 need를 제공하여 이미 이루어진 연구를 더욱 발전시킬 수 있도록 한다. 수업은 journal review club을 기본으로 외부 연자의 초빙 및 필요한 경우 report를 제출하도록 한다.전선 / 학사
다양한 공간 분석 영역에 유용하게 활용될 수 있는 위성영상정보에 대한 개념과 원리를 익히고, 각 응용 분야에 위성정보영상이 어떻게 활용될 수 있는지 살펴보는 것을 목표로 한다. 강의의 전반부는 위성영상정보에 대한 개요, 원격탐사(remote sensing) 시스템의 구성 요소, 다중분광 이미지, 주요 위성 및 센서의 특성 등을 다룬다. 후반부는 위성영상정보 처리에 중점을 두며, 토지이용이나 환경모니터링, 도시 분석 등과 같은 응용 사례에 대해 살펴본다. 특히, 실습을 통해 Erdas Imagine과 같은 위성영상처리 소프트웨어의 활용 능력을 배양한다.전선 / 대학원
대학원생을 위한 교과목으로 인공지능의 핵심 기술인 딥러닝 분야의 고급 이론 및 최신 응용을 다룬다. 구체적으로는 다음과 같은 주제를 다룬다: 트랜스포머 및 메모리-오그멘티드 신경망(메모리네트워크, 뉴럴튜링머신), 생성적대망, 베리에이셔널 오토인코더, 생성플로우 등 심층생성모델; 연속학습, 소수샷학습, 도메인적응, 전이학습 등 메타러닝; 적대적학습; 자동기계학습및 하이퍼파라메터최적화; 자기지도 및 비지도 학습; 보안 및 프라이버시; 딥러닝의 최신 응용 등 - 권장 선수과목: 기계학습 및 전기정보응용(M2608.001300), 딥러닝(M2177.003100)전선 / 대학원
물리학의 연구를 수행하는데 필요할 뿐만 아니라 물리학의 새로운 패러다임으로 등장한 컴퓨터의 사용 능력을 배양하기 위한 과목으로서 전산방법의 개념, 기본적인 수치해석의 방법, 몬테카를로 방법, 데이터 분석의 기본 방법등을 다루며, 병렬처리와 신경 그물얼개 방법 등 최신 방법들의 입문을 포함한다. 또한 컴퓨터 연결장치의 기본개념을 다루고 편미분방정식의 풀이법도 배운다.전선 / 대학원
이 강의에서는 프로그램 분석 기술의 이론과 실제를 강의한다. 프로그램 분석 기술은 주어진 컴퓨터 소프트웨어가 실행중에 어떤 성질을 가지는 지를 실행하기 전에 미리 자동으로 엄밀하게 확인하는 기술이다. 이 기술은 무결점 소프트웨어 개발, 소프트웨어 실행비용 최적화, 소프트웨어 관리 및 이해 등을 위한 자동화 환경의 핵심기술이 된다. 다루는 토픽은, 프로그램 분석의 가장 강력한 틀로 인정받는 요약해석 기술의 이론과 응용, 프로그래밍 언어의 타입 시스템, 집합 제약식을 이용한 분석, 모델검증 등이다.전선 / 대학원
인공지능이 다양한 산업 분야에서 응용 분야를 넓혀가고 있다. 이 강의는 인공신경망, 유전자 알고리즘, 퍼지이론 등 최근 각광을 받고 있는 각종 인공지능 기술의 개요와 응용 분야에 대해서 알아보고, 의류학과 패션 산업의 여러 분야에 활용 가능한 어플리케이션을 다양한 프로그래밍 환경에서 만드는데 필요한 능력을 습득하는 것을 목표로 한다.