AI 기초

고급알고리즘 (Advanced Algorithm)

학부의 알고리즘 과목에 이어서 효율적인 알고리즘의 설계와 분석에 대하여 깊이 있게 공부한다. 다루는 주제는 그래프 알고리즘, 대수적 알고리즘, 스트링 알고리즘, 기하 알고리즘, 근사 알고리즘 등이다.

데이터통계 (DataStatistics)

실제자료분석 및 문제해결을 위한 기초적 통계기법을 개념 위주로 익힌다. 이를 통하여 고급통계, 즉 회귀분석, 다변 량자료분석, 실험계획법 등을 연구하는 데 필요한 지식을 익힌다.

딥러닝이론및실습 (Deep Learning Theory and Practice)

딥러닝 이론의 기초부분은 매우 간단하게 강의하고, 주로 최신 이론을 다루도록 한다. Efficientnet과 같은 최신 CNN구조는 물론 Transformer, BERT, Vision Transformer 등 최근 3년 간 딥러닝 분야에서 활발히 연구되고 있는 딥러닝 아키텍쳐에 대해서 강의한다. 또한 Attention module, Augmentation 기술 들 최신 딥러닝 학습 알고리즘에 대해서도 다루도록 한다. 본 교과목에서는 이론강의에서 소개되는 딥러닝 구조와 알고리즘을 학생들이 직접 구현 할 수 있도록 효과적인 실습을 포함한다. 학생들이 먼저 Baseline이 될 수 있는 가장 기본적인 딥러닝 구조를 구현한 후, 이론 수업을 통해 배우게 되는 최신 딥러닝 구조와 학습 알고리즘을 적용하여 성능을 높이는 것을 확인하도록 하겠다. 이를 통해 학생들의 적극적인 참여를 유도하고 효과적인 이론 및 실습 학습이 될 수 있게 한다.

소프트웨어요구공학 (Software Requirements Engineering)

본 과목에서는 소프트웨어 요구사항 분석과 설계에 필요한 심도 있는 지식을 습득하도록 한다. SW공학의 간단한 개요 와 더불어 SW개발 방법론에서의 SW 요구사항 분석과 설계 기술을 학습한다. 또한, SW 개발 대상을 문제로 제시하고 학생들이 해당 SW 개발을 위한 요구분석과 설계 과정을 주도적으로 진행하도록 한다.

이론통계 (Theory of Statistics)

확률 및 통계와 수리통계학에서 취급되지 않았던 통계이론들 중 통계적 추정이론과 검정이론에 대해서 다룬다. 분포족, 충분성에 대하여 다루고, 최소오차추정량과 최대우도추정량과 이를 계산하는 방법에 대하여 다룬다. 최강력검정이론과 불편검정이론을 학습하고, 최대가능도법에 의한 검정이론을 다룬다.

인간중심인공지능개론 (HumanCenteredArtificialIntelligence)

인간중신인공지능 수업은 기초인공지능 소개와 함께 해석가능한 인공지능 방법들을 소개한다. 기초인공지능에서는 인공지능 방법들의 전체적 관계와 형태와 Decision Making process - State Search 기반 방법, Constraint 기반 방법 Probabilistic Reasoning, 등 –을 다룬다. Data기반 Optimization 방법들은 해석가능성에 집중하여 여러 Tree기반 Classification/Regression solver들과 rule기반 방법들을 소개한다.

인공지능·데이터처리언어 (Computer Programming for AI&Data Processing)

컴퓨터를 활용하여 데이터를 처리하기 위한 프로그래밍 기 술을 학습한다. 특히 프로그램 개발하기 위한 변수와 형, 조건, 반복, 함수 등에 대한 기본 개념과 더불어 이러한 개 념을 Python, C++, JavaScript 등 다양한 컴퓨터 프로그 래밍 언어에 적용하기 위한 방법을 학습한다. 학습 결과로 학생들은 프로그래밍에 관한 기본 개념과 간단한 프로그래 밍 개발 방법, 프로그램을 작성하여 데이터를 처리하기 위한 방법을 이해할 수 있다.

인공지능창업론 (Entrepreneurship inArtificial Intelligence)

본 수업은 다음과 같은 내용으로 진행된다. (1) 기업가로서의 필요한 역량을 알아보고 관련된 기본 지식을 학습한다. (2) 스타트업, 특히 린(Lean) 스타트업 창업에 필요한 과정을 탐구한다. (3) 인공지능 분야의 대표적인 스타트업을 발굴하여 각 사례에 대해 학생들이 직접 수행한 조사를 바탕으로 발표와 토론을 한다. (4) 각 학생은 인공지능에 기반한 사업아이디어를 구상한 후 이의 개략적 사업계획을 수업시간을 통해 피칭(pitching)한다. (5) 아이디어의 구현 가능성을 공개된 AI 학습 데이터(AI 허브)를 활용하여 검증해 보고, 사업계획 발표와 함께 “데모”를 실시한다.

통계자료분석1 (Statistical Data Analysis I)

범주형 자료 분석 관점에서 본 로그선형모형, 로짓모형, 로지스틱 회귀모형을 포함하는 일반화선형모형, GEE모형, 랜덤효과를 이용한 반복 범주형 자료분석 등 실제 사례(의학, 공학, 금융, 환경 등)에 응용되고 있는 통계이론과 응용 기법 등에 관하여 다룬다.

통계자료분석2 (Statistical Data Analysis II)

통계자료분석I 과목의 연속과정으로 연속형 자료분석 관점에서 본 회귀모형, 생존모형, 시계열 모형, 일반화선형모형, 다변량 선형모형, 랜덤효과를 포함한 반복 측정 자료 분석 등 실제 사례(의학, 공학, 금융, 환경 등)에 응용되고 있는 통계 이론과 응용기법 등에 관하여 다룬다.

AI 핵심

고급기계학습 (Advanced machine learning)

본 과목은 데이터 마이닝과 기계 학습 분야의 고급 수준 강 좌로, 고전적인 방법론에서부터 최신 학습 알고리즘에 이르기까지 실제 응용에서 유용하게 사용되고 있는 다양한 기법들을 소개한다. 다양한 분류 (classification) 기법, 고 차원 회귀분석 (regression) 모델, 군집화 (clustering), bagging and boosting, 요인 분석 (factor analysis), 은 닉마르코프 모델 (hidden markov model), 그리고 확률 그래프 모델 (probabilistic graphical model) 등을 다룬다.

고급인공지능 (Advanced Artificial Intelligence)

지식표현과 추론을 집중적으로 공부한다. 특히 Ontology Engineering을 위한 지식 표현 및 추론을 중심으로 공부하 며, 이에 대한 사례연구 중심으로 심도 있게 다룬다.

고급인간컴퓨터상호작용 (Advanced Human-Computer Interaction)

본 교과목에서는 HCI분야 연구 수행에 있어서 필수적인 HCI 모델, 이론, 프레임워크에 대해서 소개하고, HCI 최신 연구 동향을 살펴본다. 또한 HCI의 다양한 응용분야(e.g., Social Computing, Human Computation, Machine Learning, Visualization, Mobile Interaction)에서 실제 문제 해결에 적용하는 방법론 및 기술을 숙지할 수 있는 기 회를 제공한다.

고급컴퓨터비젼 (Advanced Computer Vision)

Humans perceive the three-dimensional structure of the world with apparent ease. The goal of a computer vision is to achieve the dream of having a computer interpret an image at the same level. In this course, we will explores the variety of techniques commonly used to analyze and interpret images. It also describes challenging real-world applications where vision is being successfully used, both for specialized applications such as medical imaging, and for fun, consumer-level task such as image editing and stitching, which students can apply to their own personal photos and videos. Moreover, we will study the deep learning based computer vision methods from common CNN-based object recognition to RNN-based sequential image processing. To handle this latest method, we will study the deep learning tools such as caffe, torch and tensor flow and from AlexNet to ResNet from the viewpoint of computer vision application.

고등데이터마이닝 (Advanced Data Mining)

Data capture has become inexpensive and ubiquitous as a by-product of innovations such as the internet, e-commerce, electronic banking, point-of-sale devices, bar-code readers, intelligent machines, and the amount has been increasing at an incredible rate due to technological advances. “Data mining” refers to a collection of techniques for extracting “interesting” relationships and knowledge hidden in a mountain of data in order to assist managers or analysts to make intelligent use of them. A number of successful applications have been reported in areas such as credit rating, fraud detection, database marketing, customer relationship management, and stock market investments. In this course, we will examine a variety of data mining techniques evolved from the disciplines of statistics and artificial intelligence (or machine learning), and practice them in recognizing patterns and making predictions from an applications perspective. Application (or case) surveys and hands-on experimentations with easy-to-use software will be provided.

고급영상신호처리 (Advanced Image Signal Processing)

이 교과목에서는 다양한 영상신호처리기법을 소개한다. 선형처리(화질개선 및 영상재생), 비선형처리(분수계 변환, 형태론), 컬러영상처리(컬러 기울기에 의한 에지검출), 다차원영상처리 등을 다룬다. 기존의 주요 영상처리기법(영상분할, 다차원 영상 분류, 동영상물체추적)을 다루지만 이론보다 실험 실습적 컴퓨터 계산에 중점을 둔다.

고급소프트웨어공학 (AdvancedSoftwareEngineering)

본 강좌는 소프트웨어 공학에 대한 고급 수준의 강좌로써 기존의 소프트웨어 공학의 개념, 방법론, 기법 등을 분 석 평가하고 그것의 한계성 내지는 제약성을 극복하기 위해서 새롭게 대두되고 있는 객체지향적 소프트웨어 공학 (O.O.S.E.),시스템 공학, 컴포넌트 기반 소프트웨어공학 (Component Based S.E.) 및 아키텍쳐 기반 소프트웨어 공학 (Architecture Based S.E.)등에 관해서 그것들의 새로운 개념 그리고 방법론 기법 등에 대해서 포괄적으로 고찰하고 현실 적용환경을 분석 평가해봄으로써 향후 이 분야가 어떻게 발전해 갈 것인가에 대한 감각을 가지도록 하는 데 목적을 둔다.

고급데이터베이스 (AdvancedDatabase)

본 교과에서는 학생들이 데이터베이스 분야의 최신 연구 이 슈를 학생들이 이해할 수 있도록 한다. 즉, 객체 지향 데이터베이스, 객체 관계형 데이터베이스, XML 데이터베이스, 멀티미디어 데이터베이스, 차세대 플래시 메모리 기반 데이터베이스 등을 다룬다.

고급운영체제 (Advanced Operating System)

이 강의에서는 Liux 운영체제의 구조 및 구현을 연구한다. 특히 로더, 쉘 프로그래밍 등을 학습하고, 주요 Linux source code를 중심으로 Linux의 주요 자료구조, 모듈 관리, VFS, 장치드라이버, 네트워크 관련 모듈, 장치 드라이버나 주요 시스템 호출의 구현 기법을 살펴본다.

고급컴퓨터구조 (Advanced Computer Architecture)

최근 고성능 프로세서 설계에서는 성능을 높이기 위해, Instruction Level Parallelism (ILP) 기법, Thread Level Parallelism (TLP) 기법, 멀티 코어 기법, 병렬 컴퓨터 등을 이용, 성능을 높이고 있다. 이는 주로 기존 컴퓨터에서 사용하던 기술이었으나, 최근에는 스마트폰, 스마트 패드 등에서 적극적으로 채택하고 있다. 이러한 기술적 변화, 시장적 변화는 미래의 마이크로프로세서 디자인의 새로운 영역을 개척할 것이다. 이 교과목에서는 고급 컴퓨터 구조라는 주제로, 적응적 동적 branch prediction, 고대역폭 instruction fetch, 동적 instruction scheduling, Tomasulo 알고리즘, superscalar, speculation, multi threading, symmetric multiprocessors, shared memory multiprocessors, cache and memory hierarchy 설계 등을 주로 학습한다.

뉴럴네트웍 (Neural Network)

이 과정은 신경망의 기본 개념, 알고리즘 및 응용을 학습하도록 설계되었다. 다양한 net의 모델도 기본 이론 및 특정 응용과 관련하여 논의한다. 수학적, 통계적 의미를 이해하기 위해 기본 5가지 네트워크 모델을 제시한다. 이것들은 또한 다른 모델을 이해하기 위해 조사되고 특정 도메인 문제에 대한 최상의 솔루션을 제공하기 위한 새로운 모델을 만들기 위해 연구된다. 다양한 net의 알고리즘을 캡처하기 위해 몇 가지 간단한 숫자 예제가 제공된다. 특히, 제조 영역의 모니터링 및 제어 문제는 신경망이 적합한 응용 프로그램에 어떻게 활용될 수 있는지 조사한다.

분산병렬프로그래밍 (DistributedandParallelProgramming)

분산병렬프로그래밍은 여러 연산(task or job)을 동시 에 수행하여 대규모 컴퓨팅 문제를 해결하는 것으로 고성 능 컴퓨팅파워(High Performance Computing/ High Throughput Computing)를 제공하기 위해 사용되어 왔다. 최근에 문제의 크기가 기하급수적으로 커지며 (빅데이터), multicore 및 manycore (GPGPU)의 등장 및 MapReduce 프로그래밍 모델의 확산에 따라 병렬프로그래밍의 필요성이 다시 대두되고 있어 본 과목을 통해서 분산병렬프로그래밍의 이론 및 응용사례를 통해 학습한다. 본 과목에서는 병렬프로그래밍의 기반이 되는 플랫폼, 모델 과 함께 전통적인 고성능 컴퓨터/클러스터 기반의 Parallel Programming Tool인 MPI, 최근 클라우드 컴퓨팅 및 빅데이터와 관련하여 주목을 받고 있는 MapReduce (Hadoop) 및 CUDA (PyCUDA) 등의 GPGPU를 활용한 병렬처리에 대해 학습한다.

컴퓨터비젼 (Theory and Applications of Reinforcement Learning)

본 과목에서는 컴퓨터 비젼의 일반적인 알고리즘들에 대해서 공부한다. 컴퓨터 비젼이란 정지영상이나 동영상으로부터 3차원 환경을 분석하고 모델링하는 것을 목표로 한다. 이 과정에서는 먼저 영상의 기본적인 filtering, sampling 등의 개념을 배우고 edge detection, projection, image matching, motion estimation, image segmentation 등 컴퓨터 비젼 각 분야의 대표적인 알고리즘들과 이들의 수학적 모델들에 대해 다룬다. 학기말에는 각자 컴퓨터 비젼 최신 논문에서 제안하는 알고리즘을 구현하고 개선하는 프로젝트를 수행하면서 컴퓨터 비젼의 노하우를 깨치게 된다.

AI 심화

고급빅데이터(Advanced Big Data Analysis)

이 수업은 기계학습을 이용한 빅데이터 분석 연구들을 다룬다. 지식을 얻기 위한 데이터 마이닝의 원리, 개념, 방법론, 구현, 응용 기술들에 대해서 배운다. 이 수업에서는 기계학습을 활용한 지식 발견과 연관된 여러 주제들에 대해서 배우게 된다. Representation learning, 추천 시스템, 그래프 마이닝, 소셜 네트워크, 모달리티의 특성 파악, 멀티모달 데이터의 이해 등이 포함된다.

강화학습이론및응용 (Theory and Applications of Reinforcement Learning)

강화학습의 기초적 내용인 Multi-Armed Bandit, Markov Decision Process로부터 Monte-Carlo Method, Q-learning, Value Function Approximation, Policy Gradient, Deep Q-learning Network 등 이론적 내용을 다룬다. 그리고 다양한 분야의 응용 사례들을 살펴보고 학생들의 연구에 적용할 수 있도록 프로젝트를 수행한다.

고급정보보호 (Advanced Information Security)

본 과목은 정보 보호에 대한 고급 이론을 이해하는 것을 목표로 한다. 먼저 정보보호의 의미, 중요성, 그리고 목표를 이해하고, 이후 정보보호에 관련된 암호학, 보안 모델 및 정책, 운영체제 보안, 프로그램 보안, 악성 코드, 보안 평가 와 관리 등의 고급 이론들을 연구한다.

기계학습 심화이론 (AdvancedMachineLearningTheory)

Machine learning is all about finding generalized patterns from data. The whole idea is to replace the “human writing code” with a “human supplying data” and then let the system figure out what it is that the person wants to do by looking at the examples. In recent years, many successful applications of machine learning have been developed, ranging from data-mining programs that learn to detect fraudulent credit card transactions, to autonomous vehicles that learn to drive on public highways. At the same time, there have been important advances in the theory and algorithms that form the foundation of this field. The goal of this class is to provide an overview of the state-of-art algorithms used in machine learning and different perspectives, and hopefully to gain some understanding of what’s going on the next. We will discuss both the theoretical properties of these algorithms and their practical applications.

기술인텔리전스 (Technologyintelligence)

기술 인텔리전스는 다양한 원천으로부터 기술정보를 수집, 통합, 분석, 시각화하여 조직의 기회와 위협을 파악하여 의사결정자에게 제공하는 프로세스를 의미한다. 본 과정에서는 가장 대표적인 기술정보의 원천인 특허, 상표권에 대해 이론적 강의를 진행하고, 이를 단독으로 혹은 기업 프로파일, 웹 데이터 등과 타 정보원천과 통합하여 분석함으로써 기술과 경쟁사의 동향을 파악하고 궁극적으로 조직의 의사 결정을 지원하는 방법을 학습한다. 특히 변리사 등의 외부 강사진 등을 초빙하여 기술정보분석의 실무와 이론에 능한 연구자를 양성하고자 한다.

기술예측 (Technologyforecasting)

급속도로 변화하는 과학기술 환경 속에서 기업들은 현존하는 기술의 발전을 모니터링 함과 동시에 새롭게 부상하는 유망기술을 찾아야만 경쟁력을 가질 수 있다. 국가 수준에서 또한 미래의 사회와 기술의 변화방향을 예측하고 미래를 선도할 유망연구 및 기술을 찾기 위한 노력을 지속하고 있다. 본 과목에서는 미래의 기술을 예측하는 다양한 방법론을 검토하고 각 방법론의 장단점과 적용실례를 연구한다.

소셜미디어분석 (Social Media Analysis)

ㆍ API 활용 및 웹 크롤링을 통한 소셜미디어 데이터 수집 및 저장
ㆍ 데이터의 전처리, 압축 및 correlation, regression, and classification을 위한 다양한 기법을 활용하여 분석
ㆍ언어학적 특징 분석 및 감성 분석
ㆍ 연구 목적을 위한 다양한 툴을 활용한 소셜미디어 데이터 분석 및 시각화

시스템응용특강 (Special Topics in Systems and Applications)

본 교과목에서는 네트워크로 연결된 분산 시스템 및 응용 분야에 관한 최신 고급 주제들을 다룬다. 따라서, 세부 주제는 매학기 다를 수 있다.

영상이해및학습 (Image Understanding and Learning)

영상이해및학습 수업은 딥러닝 기반의 영상 인식, 이해, 그리고 효과적인 방법론에 대한 수업을 중심으로 한다. 기초적인 Convolutional Neural Network에서부터 최근 인식기 성능의 State-Of-The-Art를 달성한 네트워크 아키텍처까지 영상 인식 기술의 기술 발전 방향을 교육하고, Supervised Learning 방식의 영상 인식 기술에서 벋어서 최근 각광받고 있는 Unsupervised Learning 방식, Self-supervised Learing 등에 대해서 구체적인 방법론에 대해서 다르고자 한다. 또한 Domain Adaptation, Knowledge Distillation, Continual Learning 등 최근 딥러닝에서 다양한 형태로 다루어지고 있는 최신 방법론에 대한 기초와 실증 예에 대해서 구체적으로 다루고자 한다.

인공지능시스템 (Computer Systems for AI)

오늘날 인공지능의 발전을 가능하게 해주는 하드웨어 및 소프트웨어 시스템에 대해서 소개한다. 인공지능 학습의 관점에서 대량의 데이터 셋을 바탕으로 많은 양의 연산을 처리하기 위해서 하드웨어가 어떻게 발전하고, 이를 인공지능 엔지니어들이 손쉽게 사용할 수 있도록 도와주는 소프트웨어 플랫폼에 대해서 다룬다. 또한 이렇게 개발된 인공지능 모델을 실제 응용서비스에 사용할 때 필요로 하는 컴퓨터 시스템 요소에 대해서 다룬다.

자연어처리 (Natural Language Processing)

본 과목에서는 자연어로 표현되어 있는 다양한 정보들을 전처리하여 데이터화 하고, 이를 다양한 분석 방법을 적용하 여 의미 있는 정보를 추출하기 위한 일련의 과정을 학습한다. 특히 최근 관련 분야의 연구 동향을 살펴보고 활용할 수 있는 능력을 함양한다.

전산생물학 (Computational Biology)

BT와 IT 산업의 융합에 해당하는 전산생물학의 기초 지식 및 그 응용과 전망에 대해 배운다. 분자생물학의 간략한 개 요 및 R programming을 소개하고, sequence analysis, disease association analysis, gene expression analysis, systems biology 등 의생명과학 관련 알고리즘에 대해 공부한다. Clustering, classification, timeseries data analysis, network mining 등을 위한 여러 데이터 분석 기법을 다룬다.

정보검색 (Information Retrieval)

정보 검색의 모델, 블리언 모델, 벡터공간 모델, 인지과학적 모델을 기반으로 하는 검색 모형 등을 배운다. 또한 인터 넷 검색을 중심으로 필요한 기술, 인덱스 추출, 필터링, 클러스터링, 개념 기반 검색 등에 관련된 기술을 논문을 중심 으로 배운다. 응용을 위하여 인터넷상에서 검색할 수 있는 시스템을 간단히 만들고 기술을 프로젝트별로 구현하는 과 제를 수행한다.

클라우드컴퓨팅 (Cloud Computing)

현재 IT 환경에서 가장 중요한 패러다임은 클라우드 컴퓨팅이며, 많은 연구자들이 클라우드 컴퓨팅을 통해 더 효율 적이고 성능이 높은 자원 제공이 가능하며 나아가서 새로운 형태의 서비스 및 애플리케이션(응용체계)의 제공이 가능하다고 예상하고 있다. 이 On-demand 기반의 컴퓨팅 패러다임에서는 여러 컴퓨팅 기술들을 필요로 하고 있으며, 본 과목에서는 이와 같은 기술들과 이 클라우드 컴퓨팅 패러다임을 응용한 응용체계들에 대해 공부한다. 세부 주제로는 클라우드컴퓨팅의 개요와 시스템 모델, 가상화 기술, 클라우드 플랫폼, 클라우드 프로그래밍 환경, SOA 등을 다룬다.

패턴인식론 (Pattern Recognition Theory)

본 과목에서는 패턴인식 방법들에 대해 공부한다. 먼저 비지도학습과 지도학습 등의 개념과 이들의 차이점에 대해서 공부하고, 지도학습 중에서도 분류 문제와 리그레션 문제가 어떻게 다른지에 대해서 공부한다. 각 방법들의 대표적인 알고리즘들과 이들의 수학적 모델링에 대해서 다룬다. 학기말에는 얼굴인식 시스템의 구현 등 기말 프로젝트를 수행하면서 패턴인식의 노하우를 깨치게 된다.

AI 융합

고급미디어콘텐츠개론 (Advanced Introduction to Media Contents)

본 과목은 미디어 콘텐츠에 관한 이해를 돕고, 아이디어를 실제로 구현하기 위한 기본적인 기법을 학습한다. 따라서 인문학, 사회과학을 중심으로 파악한 여러 가지 지식들을 이용하여 미디어 콘텐츠를 제작하기 위한 기본적인 개념을 학습하고 이를 구체화한다. 본 과목에서는 웹을 기반으로 한 프로그래밍, 미디어 UX, 데이터 시각화의 기초, 음향 콘텐츠 개발, 미디어 미학 등을 다룬다.

고급분산시스템 (Advanced Distributed Systems)

네트워크로 연결된 다수의 독립적인 시스템을 한 개의 커다란 시스템처럼 이용하기 위한 분산시스템의 구조, 구성 요소의 기능 및 설계에 관련된 이론을 연구하고 구현을 통하여 이해를 돕는다. 분산처리의 이론 및 응용, 동기화 문제, load balancing, remote procedure call, file sharing, fault-tolerance, replication, consistency 등에 관한 내용이 포함된다.

글로벌인턴십1/2/3 (Global Internship 1/2/3)

기계학습특론1/2 (Advanced Topics in Machine Learning 1/2)

기계 학습과 관련된 최신의 이론 및 응용, 추세에 대하여 다룬다. 특히 최근 관련 연구 동향을 소개하고, 토론함으로써 학생들의 논리적 사고력과 토론 능력을 함양한다.

개방형 인공지능특강1/2 (Open AI Special Lecture 1/2)

본 과목에서는 기존의 기계학습과 심화학습을 통해 얻은 이론적인 지식을 빅데이터와 실제 네트워크 문제에 적용하는 방법론들을 배우고 새로운 분야에서의 활용 등에 대한 창의적 연구를 도모한다.

산업수학 특론 1 (Industrial Mathematics Survey 1)

수학이 요구되는 구체적인 산업 문제와 그 해결을 위해 적용 가능한 수학적 도구들을 조사하고, 팀 프로젝트 수행 시 필요한 보고서 작성과 구두 발표를 연습한다.

산학연구 1 (Industrial Research 1)

산학연구 2 (Industrial Research 2)

수치적문제해결기법 (Numerical Methods For Problem Solving)

3차원 컴퓨터그래픽스 및 애니메이션 연구에서 나타나는 다양한 문제들을 수학적으로 모델링하고 해를 구하는 방법 들을 배운다. 이 과목에서 배우게 될 구체적인 내용에는 linar systems, interpolations, root-finding, optimization methods, differential equation solver등이 포함된다.

생물정보학 (Bioinformatics)

의생명과학을 전공하는 대학원생들이 생물정보학의 기본원리를 이해할 수 있도록 기초내용의 강의 및 최신연구경향 세미나를 진행한다.

이동컴퓨팅 (Mobile Computing)

본 교과목에서는 이동 컴퓨팅의 주요 특징인 이동성, 휴대성, 그리고 무선 연결성을 지원하기 위한 주제들을 다룬다. 세부 주제들의 예로, 무선랜을 중심으로 한 근거리 무선 네크워킹 기술과 이동 애드혹 네트워킹 기술, 이동성 관리 기술 및 에너지 효율성 관리 기술 등을 들 수 있다.

의료정보학개론1 (Biomedical and Healthcare Informatics I)

본 강좌에서는 의학연구, 의학교육, 임상진료 및 병원경영에 컴퓨터를 효과적으로 이용하는 방법과 이의 발전과정을 교육, 학습한다. 본 강좌를 통하여 획득한 지식과 경험은 병원경영, 의학연구, 교육 및 진료활동의 수행능력을 향상시키기 위한 목적으로 사용되고자 한다. 강의를 성공적으로 이수 완료한 수강생들은 의료정보의 다양한 발전 동향을 이해하여 의료 환경을 둘러싼 정보의 빠른 변화에 능동적으로 대처할 수 있게 되며, 본 강좌를 통하여 다음과 같은 학습자의 기대효과를 충족시키고자 한다.

자기주도AI산학연구 (Self-directed AI Industrial Research)

학생이 스스로 선정한 산학 연구 계획에 따라 복수 지도교수 또는 산업체 실무자로부터 AI 산학 연구 지도를 받아 실증적 AI 융합 연구를 수행하고 현장에서 발생할 수 있는 실무형 AI 문제를 해결할 수 있는 연구 능력을 함양한다.

자기주도AI연구 (Self-directed AI Research)

학생이 스스로 선정한 연구 계획에 따라 복수 지도교수로부터 AI 연구 지도를 받아 AI 융합 연구를 수행하고 AI 문제를 해결할 수 있는 연구 능력을 함양한다.

컴퓨터시스템보안 (Computer System Security)

최근 윈도우, 리눅스 운영체제에서 사용되고 있는 보안 기술들을 연구하고, 운영체제를 비롯한 다양한 프로그램들의 최신 취약점에 대해 분석한다. Buffer Overflow 공격 기법을 비롯한 다양한 시스템 침투 방법들에 대해 공부하고, 이에 대처하기 위한 보안 방법들(sandbox, 가상화, 접근제어, IDS/IPS)을 연구한다. 또한 시스템 침해 사고 발생 후 대처하기 위한 Digital Forensics 절차와 이에 사용되는 다양한 데이터 수집 및 분석 기법, 데이터 복구 기술과 최근 등장하고 있는 Anti-Forensics 기법과 이슈들에 대해서 연구한다.

현장실습1/2/3 (internship 1/2/3)

ICT 관련 산업체 혹은 연구소에서 실제 연구개발 업무에 인턴으로 참여함으로써 현장 실무 능력을 배양한다.