Skip to main content
수학으로 푸는 자율주행AI(Autonomous Driving AI based on Mathematics) 이미지

수학으로 푸는 자율주행AI(Autonomous Driving AI based on Mathematics)




본 강좌는 새로운 K-MOOC 플랫폼에서 운영하는 강좌입니다.

강좌 소개

수업내용/목표

본 강좌는 AI 기초개념으로부터 자율 주행까지의과정을현장중심 사례와 수학 응용 사례로 소개하는 강좌입니다.

AI 분야에서 사용하는 행렬, 벡터, 통계의 기초와 응용 등을 학습하고, 데이터 분석과 처리 방법들을 기반으로자율주행에적용되는 과정을 살펴보고 AI를 구현할 수 있도록 파이썬으로 실습하는 과정을 제공합니다.

본 강좌를 통해, AI에서 가장 필요로 하는 핵심요소 지식들(SW, 수학, 자율주행-도메인, 알고리즘)을기반하여프로그램구현하고, 통합적 학습할 수 있는 기회를 제공하고자 합니다.

또한 핵심기술에서 자율 주행기술의 장치의 구성을 학습하고, 자율주행을 구현한 사례별로 살펴볼 수 있습니다.
그리고, 우리가 구현해야 할 자율 주행 5단계가 무엇인지를 학습하여, 현재의 자율 주행 기술과 산업현장을통해현장을체험하도록 구성하였다.

홍보/예시 영상

강좌 운영 계획

■강의계획서■

주차

주차명(주제)

주차별 학습 목표

차시

차시명

1

인공지능 자율주행 수학이란?

기초개념관점으로 인공지능, 수학, 자율주행의 연계성을 살펴본다.

1-1

인공지능과 수학과의 관계

1-2

인공지능의 개념

1-3

자율주행의 개념

2

인공지능

수학(1)

행렬의 성질과 응용을 이용해 자율주행 문제를 해결할 수 있다.

2-1

행렬의 기초

2-2

행렬의 응용

2-3

자율주행에서의 행렬응용

3

인공지능

기초개념

인공지능의 기본개념을 설명할 수 있다.

3-1

인공지능이란?

3-2

인공지능구현

3-3

머신러닝 개요

4

자율주행

소개

자율주행의 역사 및 현재 기술을 설명할 수 있다.

4-1

자율주행 기술의 역사

4-2

자율주행 시스템 5단계란?

4-3

현재의 자율주행 기술

5

인공지능

수학(2)

벡터에 대한 기본개념과 활용을 설명할 수 있다.

5-1

벡터의 기본개념

5-2

벡터의 응용

5-3

행렬과 벡터응용

6

자율주행

기술(2)

자율주행을 위한 인공지능기반 보행자 검출 및 제어기술을 설명할 수 있다.

6-1

차량/보행자 검출 기술이란?

6-2

차량/보행자 검출 기술 소개

6-3

인공지능 기반의 차량/보행자 검출 기술

7

인공지능

수학(2)

데이터처리를 할 수 있고 데이터 분석을 설명할 수 있다.

7-1

데이터기초개념

7-2

데이터분석방법

7-3

데이터분석 및 해석

8

중간고사(20211011~20211026)

9

자율주행

기술(3)

자율주행을 위한 인공지능기반 차선검출 및 제어기술을 설명할 수 있다.

9-1

차선검출 기술이란?

9-2

차선검출 기술 소개

9-3

경계선 검출 실습

10

인공지능

수학(4)

선형회귀분석을 이해하고 자료기반한 분석을 할 수 있다.

10-1

선형회귀분석 기초개념

10-2

선형회귀분석 적용방법

10-3

선형회귀분석사례

11

자율주행

기술(4)

고밀도 3차원 지도 생성 기술을 설명할 수 있다.

11-1

자율주행을 위한 고정밀 지도(HD Map) 기술 소개

11-2

고정밀 지도(HD Map) 생성 기술

11-3

자율주행을 위한 V2X 기술 소개

12

자율주행

기술(5)

자율주행 기술을 구현할 수 있다.

12-1

차량/보행자 검출 실습

12-2

차선인식 검출 실습

12-3

인공지능 기반 자율주행 구현 실습

13

산업현장

사례

미국에서의 수학으로 푸는 AI사례, 인공위성에서 AI사례를 설명할 수 있다.

13-1

산업현장 인공지능 수학

13-2

미국산업현장 AI사례

13-3

인공위성에서 AI응용(전태균 대표)

14

수학으로 푸는

자율주행AI

자율주행 AI현장을 이해한다.

14-1

수학을 AI 응용사례

14-2

AI 자율주행 시스템 사례

14-3

자율주행 산업현장 적용사례

15

기말고사(2021121~20211218)

강좌운영팀 소개

교수자

백란 professor
백란 교수
현) 호남대학교 컴퓨터공학과 교수
(미) 노던일리노이대학교 계산수학 박사
E-mail: baik@honam.ac.kr
이은경 professor
이은경 교수
현) 호남대학교 미래자동차공학부 교수
광주과학기술원 기전공학부 박사
E-mail: ek.lee@honam.ac.kr

강좌지원팀

황지영
황지영
호남대학교 교수학습개발원
hjy@honam.ac.kr
권기현
권기현
호남대학교 미래자동차공학부
오성민
오성민
호남대학교 컴퓨터공학과

강좌 수강 정보

이수/평가정보

이수/평가정보

과제명

퀴즈

토론

중간고사

기말고사

반영비율

30%

10%

30%

30%

 

※ 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?

아뇨. 하지만 강의 자료가 PDF 파일로 제공됩니다.

제목

소제목

내용

 

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

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

    Institution

    HonamUniv
  4. 운영 기관의 전화번호 입니다.

    Phone

    062-940-5973
  5. 강좌의 구성 주차 수를 의미합니다. (강좌를 충실히 학습하기 위해 필요한 주당 학습시간을 의미합니다.)

    Course Week
    (Estimated Effort)

    15week
    (주당 01시간 15분)
  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)

    21시간 00분
    (18시간 26분)
  7. 수강신청이 가능한 기간으로 해당 기간 내에만 수강신청이 가능합니다.

    Registration Period

    2022.02.26 ~ 2022.06.15
  8. 강좌가 운영되고 교수지원이 이루어지는 기간입니다. 이수증은 강좌운영기간이 종료된 이후에 발급받을 수 있습니다.

    Classes Period

    2022.03.01 ~ 2022.06.26
  9. ※ 만족도 응답 표본 수 미달 등 일정 기준이 충족되지 않은 경우 별점이 공개되지 않을 수 있습니다.
  10. Video Transcript

    영어, 한국어, 베트남어