Skip to main content
인공지능 연구동향 동영상

인공지능 연구동향




본 강좌는 새로운 K-MOOC 플랫폼에서 운영하는 강좌입니다.

강좌 소개

수업내용/목표

- 왜 『인공지능 연구동향』을 들어야 하는가?
지난 10여 년 동안 인공지능은 폭발적으로 발전하였습니다. 특히, 2016년 알파고의 등장은많은사람에게인공지능의가능성을보여주었습니다. 딥러닝은 인공지능을 새로운시대로이끌었고,예측·제어·생성·객체인식·음성인식·음성합성 등 다양한 문제에대해서 전례 없는 놀라운 성능을 보여주고있습니다.그 결과 의료·주행·통신·운송·검색·추천·제조·게임 등 다양한 분야에적용되어 우리 삶에 영향을 주고있습니다.
이러한 인공지능을 현재 시점에서 좀 더 깊은 이해를 하기 위해서는 지난 10여년 간의 인공지능연구동향을파악하고,어떠한방식으로 발전하고 있는지 살펴볼 필요가 있습니다.

- 『인공지능 연구동향』의 목표는 무엇인가?
본 강좌에서는 인공지능 최신 연구 동향에 대해 넓게 파악하는 것을 목표로 합니다. 현재 인공지능 분야에서 가장큰성공을거두고 있는 딥러닝에 초점을 맞추고 기본적인 내용부터 심화한 내용까지 살펴보게 됩니다. 본 강좌를통해서인공지능이어떠한 문제를 어느정도 수준까지 해결하고 있는지 배울 수 있을 것입니다. 이 강좌에서는뉴럴네트워크,생성모델,자연어처리, 강화 학습 등 다양한 주제에 대해서 기초적인 개념과 함께 각 주제에 대한 현재 시점의최신인공지능연구동향이 어떠한 식으로 흘러가고 있는지 파악하게 될 것입니다.

홍보/예시 영상

강좌 운영 계획

Lecture Table

주차

차시명

주차별 학습목표

1

Vector

Vectors

벡터에 대한 이해와 벡터와 관련된 연산에 대해서 이해한다

Linear functions

2

Vector Operations

Norm and Distance

벡터 기반의 크기와 선형독립에 대해서 이해한다

Linear Independence

3

Matrix

Matrices

행렬과 일차방정식의 관계에 대해서 이해한다

Linear equations

4

Matrix Operations

Matrix multiplication

행렬을 기반으로 하는 연산에 대해서 이해한다

Matrix inverses

5

Least Square Problem

Least Squares

최소자승법에 대해서 이해하고

실제 데이터에 적용하는 것에 대해서 이해한다

Least Squares Data Fitting

6

Linear Regression

Problem Definition

선형회귀분석을 위한 모델 생성과 학습 과정에 대해서 이해한다

Gradient Descent

Vectorization

7

Classification

Logistic Regression

로지스틱 회귀분석을 기반으로 하는 분류자에 대해서 이해한다

Cross Entropy

8

실습과제1

9

Model Generalization

Feature Engineering

기계학습 기반의 모델과 데이터의 관계에 대해서 이해한다

Generalization

10

Developing Machine Learning Project

Cross Validation

기계학습을 기반으로 하는 어플리케이션을 개발하는 과정에 대해서 이해한다

Learning Curve

11

Unsupervised Learning

K-means Clustering

대표적인 비지도학습 알고리즘에 대해서 이해한다

Principal Component Analysis

12

Neural Network

Back-propagation

신경망 네트워크를 기반으로 하는 기계학습의 작동원리에 대해서 이해한다

Classification

13

Neural Network

Back-propagation

신경망 네트워크를 기반으로 하는 최적화 알고리즘에 대해서 이해한다

Initialization

14

Convolutional Neural Network

Convolutional Neural Network

합성곱 기반의 신경망 네트워크의 작동원리에 대해서 이해한다

Stochastic Gradient Descent

Autoencoder

Generative Adversarial Networks

 

실습과제2

15

최종평가

강좌운영팀 소개

교수자

김영빈 professor
김영빈 교수
현) 중앙대학교 첨단영상대학원 조교수
전) 2020 한국컴퓨터학회 우수논문상
2019 한국컴퓨터학회 우수논문상
2017년 최고의 논문상, 컴퓨터 애니메이션 및 소셜 에이전트
2016 고려대학교 대학원 우수논문상
2016 HCI Korea 2016 HCI APP MARKET 장려상
HCI Korea 2014 Best Walk-Through Award

E-mail: ybkim85@cau.ac.kr

강좌지원팀

박제훈
박제훈
E-mail: vmtmxmf@naver.com

윤정민
윤정민
E-mail : cocoro357@cau.ac.kr

강좌 수강 정보

이수/평가정보

이수/평가정보
과제명 퀴즈 과제 중간고사 기말고사
반영비율 10% 20% 35% 35%

* 퀴즈는 매주 실시됩니다.
* 과제는 레포트 형식으로 이루어지며, 종강 후 1주일 이내로 점수가 부여됩니다.
* 이수 기준 : 총점 40점 이상
* 이수증 발급 : 최종 점수 입력 후, 1주일 이내로 발급됩니다.

강좌 수준 및 선수요건

교재 및 참고문헌

자주 묻는 질문

강의 교재가 따로 있나요?

학습자료 메뉴의 강의자료를 다운받아서 사용하시면 됩니다.

관련 강좌

현재 강좌와 관련있는 강좌를 찾을 수 없습니다.
  1. Subject

    Engineering
    (Computers & Communication)
  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

    CHUNG-ANG UNIVERSITY
  4. 운영 기관의 전화번호 입니다.

    Phone

    02-820-6427
  5. 강좌의 구성 주차 수를 의미합니다. (강좌를 충실히 학습하기 위해 필요한 주당 학습시간을 의미합니다.)

    Course Week
    (Estimated Effort)

    15week
    (주당 01시간 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)

    10시간 00분
    (11시간 00분)
  7. 수강신청이 가능한 기간으로 해당 기간 내에만 수강신청이 가능합니다.

    Registration Period

    2022.04.05 ~ 2022.07.22
  8. 강좌가 운영되고 교수지원이 이루어지는 기간입니다. 이수증은 강좌운영기간이 종료된 이후에 발급받을 수 있습니다.

    Classes Period

    2022.04.11 ~ 2022.07.22
  9. ※ 만족도 응답 표본 수 미달 등 일정 기준이 충족되지 않은 경우 별점이 공개되지 않을 수 있습니다.