인공지능학과(협동과정) (Department of Artificial Intelligence / TEL : 835-8760)
계열 및 과정 : 공학계열 (박사과정)
1. 학과 개요
인공지능학과
2. 교육 목표
4차 산업혁명의 핵심 동력·기술인 '인공지능' 시대에 필요한 고급 인공지능 전문 인력 양성
3. 교수 명단
| 성 명 | 직 위 | 학 위 명 칭 | 전 공 분 야 |
|---|---|---|---|
| 강석훈(姜晳壎) | 교 수 | 공학박사(한양대, 1995) | 전자통신 |
| 전경구(全慶求) | 교 수 | 공학박사(Purdue, 2001) | 컴퓨터 |
| 최병조(崔秉祚) | 교 수 | 공학박사(Univ. of Southampton, 2002) | 통신시스템 |
| 이영섭(李泳燮) | 교 수 | 공학박사(Univ. of Southampton, 2000) | 스마트센서, 로봇 |
| 황광일(黃光日) | 교 수 | 공학박사(고려대, 2007) | 임베디드네트워크 |
| 전광길(全光吉) | 교 수 | 공학박사(한양대, 2008) | 영상시스템 |
| 강우철(姜友喆) | 교 수 | 공학박사(University of Virginia, 2009) | 실시간소프트웨어 |
| 김현범(金炫範) | 부교수 | 공학박사(University of Texas at Dallas Computer Science,2013) |
Internet of Things, 스마트 지능 시스템, 알고리즘 |
| 강창묵(姜昌默) | 조교수 | 공학박사(한양대학교, 2018) | 시스템 해석, 최적제어, 고급제어,인공지능 응용 |
4. 학과 운영 내규
- 취득학점 : 박사과정 36학점
- 수강 신청은 지도교수의 지도를 받으며, 인공지능학과에서 제공되는 모든 교과목에 대해 수강 가능하다.
- 학과 내규는 대학원의 내규에 따름을 원칙으로 한다.
5. 교과과정
| 교과목명 | 교과목개요 |
|---|---|
| 차세대시스템설계특론 | 본 과목에서는 차세대 시스템 설계, 분석 및 응용에 필요한 관련 기술 및 구성 요소를 학습한다. 또한, 차세대 시스템 기술동향, 응용 분야, 논문 연구, 차세대 시스템 관련 연구 문제, 방법론 등을 소개한다. |
| 데이터서비스플랫폼 | 수집 및 저장되는 정보를 체계화하여 공유 또는 배포하는 것을 목적으로 하는 플랫폼 설계 및 구현에 관한 공학적 이론과 방법론을 학습한다. 네트워킹 프로토콜, 클라우드, 프론트엔드와 백엔드 기술, 데이터베이스 등 플랫폼 구현관련한 최신 기술들을 살펴본다. |
| 데이터패턴인식 | 그림, 음원, 글 등의 각종 선형 및 비선형 데이터 안에서 특정한 패턴을 찾아내는 공학적 방법론을 학습한다. 패턴인식의응용으로이미지분류및인식등의기술을학습한다. |
| 고급통신시스템 | 통신시스템의 구성과 동작, 각 부분의 요소 기술을 이해하고 적용하는 방법을 학습한다. 페이딩 채널을 이해하고 OFDM 변조기법과 다중안테나를 활용하는 기법들을 학습한다. 통신시스템에서의 인공지능 기법의 활용 방법도 고찰한다. |
| 이동통신시스템 | 이동통신시스템의 구성과 최신 표준, 요소기술을 학습한다. 물리계층과 MAC 계층, RLC 계층의 동작 및 핵심 기술을 학습한다. 단말 및 기지국, 코너 네트워크에 적용되는 최신 기술을 학습하고 발전 방향을 탐구한다. |
| 로봇소프트웨어 | 로봇 소프트웨어 (특히, ROS:Robot Operating System)의 전반적인 eco system에 대해 이해한다. 기본적인 ROS Programming Framework과 다양한 로봇 자율주행 관련 알고리즘 분석 및 실질적인 코드 분석과 실습을 기반으로 로봇 자율주행의 이론적, 실무적 지식과 기술을 습득한다. |
| 시계열데이터분석 | 다양한 분야에서 활용되는 시간에 따라 변화하는 데이터 (시계열 데이터)를 이해하고 시각화와 데이터 분석을 통해 미래 데이터를 예측하는 방법에 대해 학습한다. 본 과정에서는 시계열 데이터 변환에 대한 다양한 기법부터 다양한 예측모델 평가에 대한 내용을 포함한다. 또한 전통적인 방법인 ARIMA 모델의 결과를 해석하는 방법에 대해 학습한다. |
| 알고리즘시스템설계 | 본 과목에서는 알고리즘적 시스템 설계 및 분석에 필요한 관련 기술들을 제공한다. 주요 알고리즘 기법, 그래프 모델링, NP 연관 문제 및 근사 알고리즘 관련 연구 문제들을 소개하고 분석한다. 또한, 임베디드 응용 시스템 설계 및 적용을 위해, ILP를 이용한 문제 정의 및 시스템 설계 방법에 대해서 학습한다. |
| 고급네트워크시스템 | 본 과목은 네트워크 시스템 관련 기술, 환경 및 최신 고급 기술을 다룬다. 현재의 인터네트워킹 프로토콜, P2P 시스템 구성 방법에 대해서 이해하고, 무선 네트워크 시스템 및 최신 IoT 기반의 임베디드 시스템 응용 환경에 대해 분석한다. 또한, 스마트 시티, 해양 관련 시스템과 연계된 응용 시스템 설계 기술을 학습한다. |
| 임베디드딥러닝 | 최근 딥러닝은 자율주행자, 스마트폰, 스마트와치 등의 임베디드 시스템에 탑재되어 지능적인 서비스를 제공하고 있다. 자원에 제한이 있는 임베디드시스템에 딥러닝 모델이 탑재되기 위해서는 연산량과 모델의 크기를 최적화하는 다양한 기술이 요구된다. 본 수업에서는 딥러닝의 기본 기술을 소개하고, 딥러닝이 임베디드 시스템에서 사용되기 위해서 필요한 모델 압축, 파라미터 재사용, SW/HW 수준에서의 지원 등에 대해서 학습한다. 수업은 이론과 실습, 그리고 최신 논문 발표를 병행한다. |
| 데이터프로그래밍 | 딥러닝을 포함한 기계학습 기술을 이용하여 실제 데이터를 분석할 수 있는 능력을 갖출 수 있도록 프로그래밍 실습을 통해 학습한다. |
| 사물 통신 기술 | 인터넷을 비롯한 다양한 통신 기술이 기존 사람중심에서 사물중심으로 전환되고 있다. 이에 따라 본 과목에서는 사물통신기술에 대한 기본적인 개념을 소개하고, 사물통신 기술에 관련한 최신 기술 표준 및 연구를 살펴본다. 특히, IPv6를 기반으로 하는 6LowPAN과 이를 이용한 다양한 프로토콜 등에 대해 공부함으로써 차세대 인터넷 트랜드 및 기술에 대한 지식을 습득한다. |
| 임베디드 네트워크 | 본 과목에서는 임베디드 시스템에서 사용되는 다양한 유무선 통신 기술에 대해 살펴본다. UART, SPI, TWI, I2C, CAN, LAN등의 대표적인 유선 통신 기술을 비롯하여 WPAN, WLAN, WRAN에 걸친 다양한 무선 통신 기술에 대해 공부함으로써, 네트워크 기반의 다양한 임베디드 시스템의 개발을 용이하게 한다. |
| 임베디드 비디오 코딩 시스템 | 비디오 코딩 기술은 현대 컴퓨터 기술의 중요한 부분을 차지하고 있다. 본 교과과정을 통해 학생들은 최신 비디오 처리기술을 배우게 된다. 본 수업은 비디오 표현, 처리, 움직임 예측 및 보상, 움직임 검출, 디인터레이싱, 디모자이킹, 그리고 비디오 포맷 변환 기술을 배우게 된다. 학생들은 프로젝트를 통해 시스템을 직접 구현함으로써 비디오 코딩 기술을 익히게 된다. |
| 병렬처리 | 기존 슈퍼컴퓨터등에서 활용되던 병렬처리기술이 점차 데스크탑과 임베디드 시스템 영역으로 확대되고 있다. 특히, 임베디드 시스템에서는 고성능의 연산을 요구하는 응용들 (예: 자율주행 자동차)이 나타남에 따라, 병렬처리를 효과적으로 수행할 수 있는 이종 멀티코어와 GPU와 같은 대규모 병렬처리 프로세서들이 등장하고 있다. 본수업에서는이러한병렬처리프로세서의기본적인구조와프로그래밍방법에대해서다룬다. |
| 실시간 시스템 | 실시간 임베디드 시스템은 전화기, 자동차, 의료기기, 항공기와 같은 우리의 일상생활에서 쓰이는 대부분의 시스템에 내장되어 중요한 역할을 하게 된다. 본 수업은 실시간 임베디드 시스템을 이해하는데 필요한 기본 개념과 기술들을 학습한다. 주요 주제는 다음과 같다 (1) 실시간 스케쥴링, (2) 소프트웨어의 제어, (3) 실시간 데이터베이스. |
| 임베디드 멀티미디어 시스템 | 멀티미디어는 컴퓨터 기술에서 가장 중요한 요소중 하나이다. 본 수업을 통해 학생들은 멀티미디어의 최신기술을 공부한다. 본 수업은 영상 및 비디오의 효과적인 표현, 처리, 검색기술, 그리고 포맷 변환을 다룬다. |
| 임베디드 영상처리 시스템 | 과목을 수강하는 학생들에게 임베디드 시스템을 위한 다양한 영상처리 기술을 가르친다. 과목의 목적은 다음과 같다. (1) 영상처리를 위한 기초 지식과 수학적인 변환기법을 공부한다. (2) 영상 개선 방식을 공부한다. (3) 영상 복원 기술을 공부한다. (4) 영상압축 과정을 공부한다. (5) 영상 분할과 표현 기법을 공부한다. |
| 임베디드컴퓨터비젼 | 임베디드시스템에 활용되는 다양한 영상신호처리 알고리즘 이해 및 영상시스템 설계 방법론에 대하여 학습한다. 특히, 3차원 영상시스템에 대한 학습과 함께 병렬처리프로세서 기반의 구현 방법을 논한다. |
| 임베디드 시스템 특강 | 최신 임베디드 시스템의 경향을 분석하고, 새로운 기술의 동향에 대해 강의한다. |
| 인공지능 | 이 과목에서는 탐색, 지식표현과 같은 인공지능의 전반을 다루고, 지능형 에이전트, 인공신경망의 이론에 대해 이해한다. 인공지능에 관련된 최근의 논문을 읽고 이것에 대해 발표 및 토론한다. |
| 머신러닝 | 이 과목에서는 머신러닝과 딥러닝에 관한 전반적인 부분을 다룬다. 회귀분석, 분류, 추천 같은 분야에 대해 수업한다. 머신러닝과 딥러닝에 관련된 최근의 논문을 읽고 이것에 대해 발표 및 토론한다. |
| 논문연구 | 학위논문을 준비하는 학생들을 대상으로 개설되는 과목으로 논문을 위한 자료수집으로부터 논문의 전체적인 구도, 그리고 논문요지발표에 이르기까지 논문의 전 과정에 걸쳐 논문에 대하여 지도교수와 학생이 함께 토론하고 검토한다. |