Skip to main content
전산인지과학 및 인간지능과 인공지능 이미지

전산인지과학 및 인간지능과 인공지능




본 강좌는 새로운 K-MOOC 플랫폼에서 운영하는 강좌입니다.

강좌 소개

수업내용/목표

본 강좌의 목적은 전산 인지과학에 대한 범위와 요소그리고지능정의와 측정에 대한 다양한 시각에 대해서 이해하고 인공지능의 주요 신경망과 시각지능, 언어지능, 데이터분석지능에어떻게 활용되는지 알아보는 것이다. 인공지능을 동작시키기 위한 파이프라인 및 시스템에 대해서도알아본다.

홍보/예시 영상

강좌 운영 계획

주차

주차 명

차시

차시 명

강좌 운영방법

수업방법

평가방법

학습자료

1

전산 인지과학 및 지능 개요

1

전산 인지과학 개요

강좌영상

(10x3)

퀴즈(1)

과제(1)

PDF

2

전산 인지과학 요소

3

과정 소개

2

지능 측정

1

평가 관점에서의 지능 정의

강좌영상

(10x3)

퀴즈(1)

과제(1)

PDF

2

기술 기반 인공지능 측정

3

인공지능 일반화 측정

3

데이터 이해

1

문제 정의와 풀이법

강좌영상

(10x3)

퀴즈(1)

과제(1)

PDF

2

데이터와 샘플

3

데이터셋 구성

4

머신러닝에

대한 이해

1

머신러닝 모델 개념

강좌영상

(10x3)

퀴즈(1)

과제(1)

PDF

2

머신러닝 구성요소 종류

3

학습 과정 원리 이해

5

다층 퍼셉트론 신경망 이해

1

퍼셉트론과 단층 퍼셉트론

강좌영상

(10x3)

퀴즈(1)

과제(1)

PDF

2

다층 퍼셉트론 신경망 구성

3

다층 퍼셉트론 신경망 구성 예시

6

컨볼루션

신경망 이해

1

컨볼루션 신경망 주요 레이어

강좌영상

(10x3)

퀴즈(1)

과제(1)

PDF

2

컨볼루션 신경망 구성

3

컨볼루션 신경망 구성 예시

7

순환 신경망

이해

1

순환 신경망 주요 레이어

강좌영상

(10x3)

퀴즈(1)

과제(1)

PDF

2

순환 신경망 구성

3

순환 신경망 구성 예시

8

중간고사

9

강화학습

1

강화학습 개념

강좌영상

(10x3)

퀴즈(1)

과제(1)

PDF

2

강화학습 사례

3

강화학습 코드 살펴보기

10

데이터 분석

지능

1

데이터 분석 및 평가

강좌영상

(10x3)

퀴즈(1)

과제(1)

PDF

2

데이터 추세 예측

3

협업필터링 기반 추천시스템

11

시각 지능

1

영상 분류, 객체 검출

강좌영상

(10x3)

퀴즈(1)

과제(1)

PDF

2

영역 분할, 모델 가시화

3

영상 변환, 이상징후 탐지

12

언어 지능

1

자연어 처리

강좌영상

(10x3)

퀴즈(1)

과제(1)

PDF

2

텍스트 분석

3

기계 번역과 챗봇 시스템

13

인공지능

파이프라인

1

인공지능 파이프라인 필요성

강좌영상

(10x3)

퀴즈(1)

과제(1)

PDF

2

인공지능 파이프라인 구성요소

3

인공지능 파이프라인 예시

14

인공지능

시스템

디자인패턴

1

인공지능 시스템 서빙 디자인패턴

강좌영상

(10x3)

퀴즈(1)

과제(1)

PDF

2

인공지능 시스템 테스트 및 학습 디자인패턴

3

인공지능 시스템 운영 및 통합 디자인패턴

15

기말고사

 

 

강좌운영팀 소개

교수자

김태영 professor
김태영 교수
◈ 소 속
現) ㈜인공지능팩토리 대표
◈ 최종학력
박사수료
◈ 주요저서
블록과 함께하는 파이썬 딥러닝 케라스
◈ 수상이력
공개SW 유공자 정보통신산업진흥원 원장 표창장

강좌지원팀

임혜진
임혜진
-연락처 : 010-2401-6451
-이메일 : hjlim@aifactory.page

강좌 수강 정보

이수/평가정보

이수/평가정보
과제명 퀴즈 토론 중간고사 기말고사
반영비율 10% 0% 30% 60%

※ 총 60% 이상 점수 획득 시, 이수증을 발급받을 수 있습니다.

강좌 수준 및 선수요건

이 강좌는 유익한 내용이 다수 포함되어 있습니다.

교재 및 참고문헌

이 강좌는 여러가지 참고자료가 많이 있습니다.

자주 묻는 질문

강좌 교재가 따로 있나요?

매 주차별로 강의 유인물(PDF) 다운로드가 가능합니다.

학습활동은 어디에 있나요?

퀴즈 및 과제물은 각 주차 마지막 차시 페이지에 있습니다.

관련 강좌

현재 강좌와 관련있는 강좌를 찾을 수 없습니다.
  1. Subject

    Engineering
    (컴퓨터·통신)
  2. 강좌 내용의 어려운 수준을 의미합니다. 교양, 전공기초, 전공심화 순으로 난이도가 증가합니다.

    Course difficulty

    intermediate
  3. 강좌를 개발하고 운영하는 기관입니다. 컨소시엄으로 운영 시, 대표기관의 명칭이 나타납니다

    Institution

    AIIA
  4. 운영 기관의 전화번호 입니다.

    Phone

    -
  5. 강좌의 구성 주차 수를 의미합니다. (강좌를 충실히 학습하기 위해 필요한 주당 학습시간을 의미합니다.)

    Course Week
    (Estimated Effort)

    15week
    (주당 00시간 30분)
  6. 본 강좌 이수자에게 인정되는 학습시간으로 해당 강좌의 동영상, 과제, 시험, 퀴즈, 토론 등의 시간을 포함합니다. (강의 내용과 관련된 동영상 재생 시간의 총 합계입니다.)

    Accredited learning time
    (Video Duration)

    06시간 00분
    (06시간 50분)
  7. 수강신청이 가능한 기간으로 해당 기간 내에만 수강신청이 가능합니다.

    Registration Period

    2022.08.05 ~ 2022.09.30
  8. 강좌가 운영되고 교수지원이 이루어지는 기간입니다. 이수증은 강좌운영기간이 종료된 이후에 발급받을 수 있습니다.

    Classes Period

    2022.08.05 ~ 2022.11.30