최근 확인한 콘텐츠
데이터가 존재하지 않습니다.
데이터가 존재하지 않습니다.
협동과정 인공지능전공
본 과목은 빠른 속도로 발전하고 있는 인공지능 분야에서 최근 중요 기술 및 논문들 중 선별하여 강의를 제공한다. 주요 논문과 최신기술에 관한 학습 및 논의, 팀별로 국제적 발표가 가능한 수준의 연구 프로젝트의 진행, 등을 목표로 한다. 주제는 알고리즘 분야 (active learning, classification, clustering, multitask and transfer learning, stochastic methods, unsupervised learning, self-supervised learning) 및 딥러닝 분야 (adversarial networks, deep autoencoderes, generative models, optimization for deep networks, recurrent networks, supervised deep networks)를 중심으로 다루며, 각 학기마다 중점 내용이 조정된다.
loading...
본 과목은 빠른 속도로 발전하고 있는 인공지능 분야에서 최근 중요 기술 및 논문들 중 선별하여 강의를 제공한다. 주요 논문과 최신기술에 관한 학습 및 논의, 팀별로 국제적 발표가 가능한 수준의 연구 프로젝트의 진행, 등을 목표로 한다. 주제는 알고리즘 분야 (active learning, classification, clustering, multitask and transfer learning, stochastic methods, unsupervised learning, self-supervised learning) 및 딥러닝 분야 (adversarial networks, deep autoencoderes, generative models, optimization for deep networks, recurrent networks, supervised deep networks)를 중심으로 다루며, 각 학기마다 중점 내용이 조정된다.
ICDSMLA 2019 : Proceedings of the 1st International Conference on Data Science, Machine Learning and Applications
High-Performance Computing and Big Data Analysis : Second International Congress, TopHPC 2019, Tehran, Iran, April 23–25, 2019, Revised Selected Papers
CONPAR 90-VAPP IV : Joint International Conference on Vector and Parallel Processing, Zurich, Switzerland, September 10-13, 1990 : proceedings
IT Convergence and Security 2017
Artificial intelligence for drug development, precision medicine, and healthcare
Algorithms in bioinformatics : First International Workshop, WABI 2001, Aarhus, Denmark, August 28-31, 2001 proceedings
Deep learning using MATLAB : neural network applications
(의사를 위한) 실전 인공지능 =
Intelligence-based medicine : artificial intelligence and human cognition in clinical medicine and healthcare
Technologies for education : a practical guide
(인공지능시대의) 경영정보시스템 =
Information and Communication Technology for Development for Africa : Second International Conference, ICT4DA 2019, Bahir Dar, Ethiopia, May 28-30, 2019, Revised Selected Papers
인공지능 : 튜링 테스트에서 딥러닝까지 =
신경망 기반 머신러닝 실전 프로그래밍 =
4차 산업혁명과 스마트 비즈니스
AI와 대학의 변화
Advances in neural computation, machine learning, and cognitive research
텐서플로 2와 케라스로 구현하는 딥러닝 : 회귀, CNN, GAN, RNN, NLP, AutoML까지 딥러닝의 모든 것
· 2019
Nature Machine Intelligence
王锴; 栾小丽; 刘成林; Wang Kai; Luan Xiaoli; Liu Chenglin · 2023
无锡商业职业技术学院学报 / Journal of Wuxi Institute of Commerce
蒋思; 苏菲; 肖波 · 2022
工业和信息化教育 / Indusrty and Information Technology Education
Gan Li · 2020
Journal of Physics: Conference Series
陈飞; 项林英 · 2022
高教学刊 / Journal of Higher Education
张春飞; 王成喜; 梁楠; ZHANG Chun-fei; WANG Cheng-xi; LIANG Nan · 2023
吉林工程技术师范学院学报 / Journal of Jilin Engineering Normal University
Pucchio A.,Rathagirishnan R.,Caton N.,Gariscsak P.J.,Del Papa J.,Nabhen J.J.,Vo V.,Lee W.,Moraes F.Y. · 2022
BMC Medical Education
Talaei Khoei, Tala; Ould Slimane, Hadjar; Kaabouch, Naima · 2023
Neural Computing and Applications
Yixing Huang; Ahmed Gomaa; Daniel Höfler; Philipp Schubert; Udo Gaipl; Benjamin Frey; Rainer Fietkau; Christoph Bert; Florian Putz · 2024
Strahlentherapie und Onkologie
Jae Gil Choi; Sang Kil Shim · 2024
The Korean Association of General Education
Thong, C.L.; Atallah, Z.; Islam, S.; Lim, W.; Cherukuri, A.K. · 2025
Journal of Information and Knowledge Management
김한성, 김두현, 김상일, 이원주 · 2022
한국컴퓨터정보학회논문지
이예나, 장호준 · 2022
영어교육연구
胡洋; 石云辉; 余泉; HU Yang; SHI Yun-hui; YU Quan · 2022
黔南民族师范学院学报 / Journal of Qiannan Normal University for Nationalities
赵乐; 马海华; 范亚君 · 2024
河南教育 / HenNan Education
俞璐; 王琳; 武欣嵘; 曾维军 · 2021
中国信息技术教育 / China Information Technology Education
Engelberger F.,Galaz-Davison P.,Bravo G.,Rivera M.,Ramírez-Sarmiento C.A. · 2021
Journal of Chemical Education
Deroncele-Acosta, Angel; Bellido-Valdiviezo, Omar; Sánchez-Trujillo, María de los Ángeles; Palacios-Núñez, Madeleine Lourdes; Rueda-Garcés, Hernán; Brito-Garcías, José Gregorio · 2024
SAGE Open
张志新; 唐佳音; 张惊涛; 刘静; ZHANG Zhixin; TANG Jiayin; ZHANG Jingtao; LIU Jing · 2023
河北工程大学学报(社会科学版) / Journal of Hebei University of Engineering (Social Science Edition)
吴飞; 吴超; 朱强 · 2022
中国大学教学 / China University Teaching
전선 / 대학원
본 과목은 빠른 속도로 발전하고 있는 인공지능 분야에서 최근 중요 기술 및 논문들 중 선별하여 강의를 제공한다. 주요 논문과 최신기술에 관한 학습 및 논의, 팀별로 국제적 발표가 가능한 수준의 연구 프로젝트의 진행, 등을 목표로 한다. 주제는 알고리즘 분야(active learning, classification, clustering, multitask and transfer learning, stochastic methods, unsupervised learning, self-supervised learning) 및 딥러닝 분야 (adversarial networks, deep autoencoderes, generative models, optimization for deep networks, recurrent networks, supervised deep networks)를 중심으로 다루며, 각 학기마다 중점 내용이 조정된다.전선 / 대학원
주어진 지식과 경험을 바탕으로 앞으로 주어질 작업을 효율적이고 체계적으로 수행할 수 있는 컴퓨터 프로그램 개발에 많은 연구가 계속되어 오고 있다. 이러한 연구의 핵심 분야인 기계 학습(Machine Learning)에 관한 강의로써 현재까지 발표된 대표적인 연구 논문들을 중심으로 이론 및 알고리즘, 응용 분야 등을 설명한다.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 / 대학원
인공지능 분야에서 선택된 최신 연구 주제에 관한 논문들을 세미나 형식으로 진행한다.전선 / 대학원
인공지능 기술이 빠르게 진화하고 우리 사회에 미치는 영향력이 점차 커지고 있다. 따라서, 기존의 인공지능 관련 과목에서는 다루기 힘든 최신 주제에 관하여 특강 형태의 강의를 개설함으로써 인공지능 연구 및 사회적 영향력에 관한 최진 연구 경향을 파악할 수 있는 수업을 제공하고자 한다. 이 교과목에서는 기계학습, 컴퓨터 비전, 자연어 처리, 로보틱스, 컴퓨터 통신, 컴퓨터 시스템 등과 같은 컴퓨터 과학 분야뿐만 아니라, 공학, 자연과학, 사회과학 등과 같은 다양한 분야를 다루는 수업을 개설할 수 있다.전선 / 대학원
본 과목은 인공지능 분야의 우수한 연구진을 초빙하여 최근 연구 동향 및 새로운 결과에 대한 세미나를 진행하고 인공지능을 전공하는 대학원 학생들에게 유용한 정보와 지식을 제공하는 것을 목표로 한다. 이 세미나의 주요 주제는 학습과 추론, 시각과 지각, 언어와 인지, 로보틱스와 행동, 데이터 지능, 인간-AI 상호 작용, AI 시스템, AI 칩, AI 보안, 자율주행, AI 관련 법과 윤리, 등을 포함한다. 응용분야의 주제도 세미나에 포함되며, 금융/마케팅+AI, 바이오+AI, 뇌연구+AI, 의료기술+AI, 신약개발+AI, 인문/예술+AI, 소재/부품/장비+AI, 등의 다양한 주제를 다룬다.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
인공신경망 시스템은 인간 두뇌의 구조를 모방한 생물학적 정보처리시스템으로서 비교적 단순한 기능을 가진 다수의 연산소자들로 구성되어 있다. 이 과목에서는 신경망의 수학적 이론과 실제 응용에 관해 학습한다. 최신 신경망 모델의 다양한 구조를 살펴보며 감독학습, 무감독 학습, 강화 학습을 수행하기 위한 연결론적 또는 확률적 학습 알고리즘에 대하여 공부한다.전선 / 대학원
본 강좌에서는 신호처리 분야의 최신 이슈와 연구물에 대해 다루고 있다. 각 강좌마다 다른 문제를 다루고 있다.전선 / 대학원
본 강좌에서는 네트워크 위상, 전달 경로, 패킷 흐름의 조절, 라우터 디자인, 교착상태의 탐지 및 회피, 혼잡 제어 등 상호연결 네트워크의 구조와 설계에 관한 주제를 다룬다. 이와 함께 on-chip 네트워크, 병렬 컴퓨터, 공유 메모리의 상호연결, 데이터 센터 네트워크와 인터넷 라우터의 스위칭 조직 등 상호연결 네트워크의 이론이 활용될 수 있는 예를 살펴본다.전선 / 대학원
본 과목에서는 다양한 인공 지능 (특히 머신 러닝) 및 빅데이터 분석 시스템에 대해 공부한다. 자원을 관리하는 자원 관리자, 데이터를 저장하는 분산 스토리지, 데이터 처리의 핵심 모델인 데이터 플로우 모델, 배치 분석, 인메모리 처리, 스트림 처리, SQL, 머신 러닝/딥러닝 시스템, 그래프 처리에 대해서 공부한다. 특히, 대표적인 시스템인 Spark, Beam, TensorFlow, PyTorch 등을 활용하여 실제로 해당 시스템들이 어떻게 동작하는지 깊게 공부한다. 배운 이론을 바탕으로 프로그래밍 과제와 팀별 연구 프로젝트를 수행한다.전선 / 대학원
본 강의에서는 지능시스템을 위한 컴퓨터비전 알고리즘들에 대해서 공부한다. 컴퓨터비전은 지능시스템을 구현하기 위한 필수적인 분야로 컴퓨터가 인간의 시각정보처리 기능을 모사할 수 있도록 하는 것을 최종 목표로 하는 학문 분야이다. 이를 위해 컴퓨터비전에서는 카메라 등으로부터 얻은 정지영상이나 동영상 정보를 분석하여 컴퓨터가 자동으로 영상을 이해할 수 있도록 하는 다양한 알고리즘들을 다룬다. 본 강의에서는 컴퓨터비전에서 대표적으로 사용되는 알고리즘들에 대해서 살펴보며 수강생들로 하여금 학기중 프로젝트를 통해서 컴퓨터비전 기술을 사용하는 지능형 시스템을 구현해 보도록 한다.전선 / 대학원
산업공학의 새로운 기법들을 소개하고 이의 응용실태를 알아본다.전선 / 대학원
본 과목에서는 지능형시스템의 이론 및 구현의 바탕이 되는 수학을 다룬다. 컴퓨터 시스템, 로보틱스, 시스템 이론 등의 필수가 되는 대학원 수준의 선형대수를 비롯한 여러 주제의 응용수학을 배우며, 엄밀한 증명보다는 개념의 이해와 실제 응용을 목표로 한다.전선 / 대학원
자연언어처리는 인간의 언어를 컴퓨터가 자동으로 분석하고 생성하기 위한 소프트웨어를 연구하는 분야이다. 본 교과목에서는 자연언어를 이해하고 기계번역을 자동으로 수행하기 위한 기본적인 개념과 구체적인 언어 처리 기법을 공부한다. 특히, 형태소 분석, 구문분석, 의미분석, 화용론 및 언어생성에 대해 공부한다.전선 / 대학원
컴퓨터 및 VLSI 분야의 전문가를 초빙하여 최근 동향과 전문기술에 대한 정보를 습득하고 토론할 수 있는 기회를 제공한다.전선 / 대학원
강화학습은 자율 에이전트가 환경과의 상호작용을 통한 학습을 기반으로 하는 머신러닝의 한 연구분야이다. 이 수업에서는 우선 전통적인 강화학습 내용 (MDP, Value function, Policy gradient, UCB, exploration vs exploitation)을 다룬다. 그리고 최신 연구분야인 deep reinforcement learning을 다루기 위해 multi-layer perceptron, convolutional neural network, recurrent neural network 등의 deep learning에 관한 전반적인 내용들을 학습하고 나아가 raw input의 value function approximator를 이용한 강화학습에 대해 학습한다.전선 / 대학원
데이타베이스, 프로그래밍 언어, 그래픽스, 운영체계 등 시스템 소프트웨어에 있어서의 최신 동향과 주요 주제를 다룬다.전선 / 대학원
AI 기술은 빠른 속도로 발전하고 있으며 핵심기술의 적용 가능 분야 또한 대단히 빠른 속도로 넓어지고 있다. 본 강의의 학습목표는 일반적 창업 지식의 학습이 아니라, 빠르게 변하는 AI 분야의 기술기반 창업 동향 전반에 대한 이해를 높이는 것이다. 이는 AI 분야 창업 뿐 아니라 AI를 전공하는 연구자들에게 어떠한 연구 문제들이 미래에 중요할지 판단하는데 도움이 될 수도 있다. 따라서, 수강 대상은 AI를 전공하거나 AI 기술을 사용할 수 있는 학생들로 한다. 강의는 최근 인공지능기술의 변화에 대한 이해를 바탕으로 새로운 AI 기술이 출현할 때마다 어떤 창업 트랜드가 생겼는지, 어떤 분야가 영향을 받았는지, 관련 스타트업들은 현재 어떻게 되었는지등에 대해 학생 참여 방식으로 학습한다.전선 / 대학원
본 교과목에서는 AI가 매스 커뮤니케이션을 포함한 인간 커뮤니케이션 전 영역에 걸쳐 메시지 작성, 확산, 큐레이션(curation) 등 보다 다양하고 적극적인 역할(agency)을 수행하게 됨에 따라 대두되는 질문들을 (a) 인간-AI 커뮤니케이션(human-AI communication)과 (b) AI 매개 커뮤니케이션(AI-mediated communication)의 하위 분야로 나누어 심층적으로 고찰한다. 먼저 인간-컴퓨터 상호작용(human-computer interaction), 컴퓨터 매개 커뮤니케이션(computer-mediated communication) 분야의 대표적 이론 및 관련 실증연구들을 학습하고, AI 발전에 따른 최신 연구동향을 검토한다. 실제 AI 활용 사례(예; AI 스피커, AI 뉴스 추천 시스템. 챗봇)를 대상으로 기술적 속성, 이용자들의 속성, 커뮤니케이션 맥락 등에 따라 기존 이론 및 모델을 어떻게 수정, 보완, 확장해야 하는지 논의한다. 이를 통해 커뮤니케이션학에서 AI의 문제를 어떻게 정의하고 연구할 것인가에 대한 이해를 증진시킬 것이다.