수업내용/목표
- 기계학습의 구성요소, 프로세스 및 산출물과 산출물 평가 방법을 이해하고, 결정트리, 퍼센트론,인공신경망등의기계학습알고리즘의 동작원리를 숙지할 수 있다.
- 이미지 구조와 프로세싱 방법을 이해하고, 영상 특징점 검출문제와 카메라 캘리브레이션 문제에 응용할 수 있다.
- 데이터 유출을 방지하기 위한 보안 기법으로 기본적인 암호 체계에 대해 이해하고 RSA를 중점적으로속도와보안수준향상기법을 이해할 수 있다.
주차 |
주차명 |
차시 |
차시명 |
학습내용 |
|||
1 |
인공지능 개요 |
1-1. |
인공지능이란 무엇인가? |
1-2. |
인공지능의 역사 및 응용분야 |
||
2 |
기계학습 개요 |
2-1. |
기계학습의 개요와 결정 트리 Part Ⅰ |
2-2. |
결정 트리 Part Ⅱ와 기계학습의 구성요소 |
||
3 |
인공신경망 |
3-1. |
Perceptron |
3-2. |
Artificial neural network |
||
4 |
모델 성능평가 |
4-1. |
Feature selection, Cross-validation & Confusion matrix |
4-2. |
F1 score, ROC curve & AUC |
||
5 |
소셜네트워크 개요 |
5-1. |
소셜네트워크의 정의 및 역사 |
5-2. |
네트워크 종류 및 응용 |
||
6 |
그래프 이론 기초 |
6-1. |
네트워크의 표현방법 |
6-2. |
네트워크 구조 측정방법 |
||
7 |
노드 중심도 |
7-1. |
네트워크의 기하학적 구조 |
7-2. |
네트워크 연결성 |
||
8 |
중간평가 |
||
9 |
컴퓨터비전 개요 |
9-1. |
이미지 |
9-2. |
이미지 프로세싱 |
||
10 |
2D 이미지 프로세싱 |
10-1. |
Mathematical Background |
10-2. |
Feature Detection |
||
11 |
3D 컴퓨터비전 |
11-1. |
좌표 변환 |
11-2. |
카메라 캘리브레이션 |
||
12 |
보안 개요 |
12-1. |
암호의 역사 |
12-2. |
자주 쓰이는 연산과 소수의 성질 |
||
13 |
대칭키, 비대칭키 암호 |
13-1. |
대칭키 암호 |
13-2. |
비대칭키 암호 |
||
14 |
암호화 속도 향상 및 보안수준 향상 기법 |
14-1. |
RSA와 관련 향상 개요 |
14-2. |
속도 향상 및 보안수준 향상 기법 |
||
15 |
기말고사 |
강좌 평가 기준
과제명 |
중간고사 |
기말고사 |
반영비율 |
50% |
50% |
※ 총 60% 이상 점수 획득 시, 이수증을 발급받을 수 있습니다.
이 강좌는 유익한 내용이 다수 포함되어 있습니다.
이 강좌는 여러가지 참고자료가 많이 있습니다.
강좌 교재는 없으며, 학습자료를 통해 수업이 진행됩니다.
강좌는 세계협정시(UTC)를 기준으로 운영하여 매주 금요일 00시(UTC)/아침 9시(KST)에 오픈됩니다.
또한 중간, 기말고사는 시험 오픈 당일 한국시간 기준 아침 9시부터 다음날 8시59분까지 오픈되오니
이 점 유의 바랍니다.