딥러닝의 기본이 되는 DNN (Deep Neural Network)의 구조 및 기본 동작 방법, 학습 방법 (Backpropagation, Gradient Descent 등)을 설명한다. 이를 바탕으로 이미지 데이터 처리를 위한 CNN (Convolutional Neural Network) 및 순차적 데이터를 처리하기 위한 RNN/LSTM의 동작 원리/구조/응용에 대하여 설명하고, 최신 DNN 모델 및 학습 방법인 Generative Model, Attention/Transformer, Self-Supervised Learning 등의 기본 개념에 대하여 설명한다.

강화학습은 연속적인 의사결정을 위해 사용되는 머신러닝 패러다임으로서, 주어진 상황에서 최적의 행동을 효과적으로 찾아내기 위한 방법론이다. 본 과목에서는 강화학습의 기반이 되는 수학적 이론과 최신 강화학습 알고리즘을 학습하고, 실습 및 프로젝트를 통해 새로운 문제에 강화학습을 적용하여 문제를 해결할 수 있는 능력을 갖추는 것을 목표로 한다.

AIE5102 패턴인식 (Pattern Recognition) - 3학점

패턴인식은 패턴매칭, 통계적 분석, 구조적 분석, 신경망 처리 등을 이용하여 패턴의 특성을 분석하는 학문이다. 본 교과목에서는 통계적 패턴인식 방법, 고차원 데이터 처리, 군집화 및 신경망 기반 처리 방법 등에 대하여 학습하게 된다. 다양한 데이터를 분석하는 알고리즘의 학습과 프로젝트에서의 구현을 통하여 데이터를 처리하는 통찰력을 배양하도록 한다.

AIE5103 기초확률적기계학습 (Fundamental of Probabilistic Machine Learning) - 3학점

기계학습의 방법론 중 하나인 확률적 접근에 기반한 학습에 대해서 다룬다. 특히 확률이론, 가우시안 모델, 가우시안 프로세스, 베이지언 통계, 베이지언 네트워크 및 베이지언 최적화, 확률적추론, MCMC 등에 대해서 다룬다. 본 교과목은 수강생들이 기초적인 머신러닝과 확률 및 통계, 랜덤 프로세스에 대하여 알고 있다고 가정한다. 

AIE5104 인과적기계학습 (Causal Machine Learning) - 3학점

현재 기계학습 기술들은 인과적인 관계에 의해 추론을 한다기 보다는 상관적인 관계에 의존하여 추론을 하고 있다. 비록 높은 성능을 달성하고는 있지만 현 상태에서는 고수준의 신뢰수준이 요구되는 작업에 기계학습 기술을 활용하기 어렵다. 본 교과목에서는 기계학습 기법들의 현 상황에 대하여 점검하고 인과적 관계를 활용하기 위해 어떤 장벽들을 해결해야 하는지 학습한다.

AIE5105 컴퓨터비전 (Computer Vision) - 3학점

본 교과목에서는 이미지 생성, 표현, 처리에 대한 내용과, 딥러닝을 이용한 컴퓨터비전 문제 해결 방법에 대하여 배운다. 이미지의 기본적인 처리 및 인식 방법, 2차원 또는 3차원 데이터로부터 피처를 추출하여 활용하고, 3차원 데이터를 처리하거나 합성하는 방법에 대하여도 배우게 된다. 학생들은 다수의 프로그래밍 실습 프로젝트를 수행함으로써 다양한 컴퓨터비전 문제 해결 능력을 배양하게 된다. 

AIE5106 기초자연어처리 (Introduction to Natural Language Processing) - 3학점

본과목의 목표는 최신 자연어처리의 기본 개념을 이해하는 것이다.

Word vector, context vector 생성 방법 및 ELMO(Embeddings from Language Model), GPT(Generative Pre-trained Transformer), BERT(Bidirectional Encoder Representations from Transformer)의 개념을 이해하고, 이의 이해에 필요한 딥뉴럴넷 모델에 대해 공부한다. 

AIE5107 음성인식 (Speech Recognition) - 3학점

본과목의 목표는 대화형 사용자 인터페이스 시스템을 구성하고 있는 주요 요소인 음성인식의 기본 개념을 이해하는 것이다. 딥러닝 기반의 음성인식 주요 기술 및 최근 기술 동향을 DNN-WFST, CTC, RNN-T, Seq2Seq, Tramsformer 중심으로 살펴보고, 음향모델은 DNN-HMM을 중심으로 언어모델은 n-gram 중심으로, 디코딩 네트워크는 WFST 중심으로 공부한다. 그리고, 음성인식 관련 오픈 소스 기반 프로그램을 소개한다. 

AIE5108 확장현실시스템 (Extended Reality System) - 3학점

가상 현실(Virtual Reality, VR), 증강 현실(Augmented Reality, AR), 그리고 혼합 현실(Mixed Reality, MR) 기술을 아우르는 확장 현실(Extended Reality, XR) 기술에 대한 이해도를 높이고 그에 대한 소프트웨어 구현 능력을 습득한다. 

AIE5109 오디오인식및합성변환 (Audio Recognition and Text-to-Speech) - 3학점

본과목의 목표는 오디오 이벤트 인식, 음악 인식, 화자인식, 음성 합성, 음성 변환, 음성인식용 언어모델에 필요한 기술을 이해하는 것이다. 이의 이해에 필요한 딥뉴럴넷 모델에 대해서 공부한다. 

AIE5110 기초대화처리 (Introduction to Dialogue Management) - 3학점

본과목의 목표는 목적지향 대화처리, chit-chat 대화처리 관련 최신 대화처리의 기본 개념을 이해하는 것이다. 대화처리에 관련된 강화학습, end-to-end 방법, semantic decoder, dialogue state tracking등에 대해 공부한다. 

AIE5111 딥러닝과음악예술개론 (Introduction to Deep Learning for Music and Art) - 3학점

본 교과목은 딥러닝을 이용하여 음악 데이터의 특성을 이해하고, 악보 채보와 새로운 음악 및 오디오를 합성하는 기초 이론에 대하여 설명한다. 이를 바탕으로 적절한 딥러닝 구조를 설계하여, 딥러닝을 통해 음악을 이해하고 생성해내는 개요를 이해한다. 

AIE5112 소셜미디어데이터분석 (Introduction to Social Media Data Analysis) - 3학점

다양한 소셜 미디어 데이터를 분석하는 기초 기술을 배운다. 이를 위하여 소셜 미디어 데이터의 그래프 모델링, 탐색 및 측정 기법등에 대한 기초 이론을 배우고, 소셜 미디어 데이터 분석에 기본적으로 필요한 기술들을 공부한다. 

AIE5113 시계열데이터분석및예측 (Time Series Data Analysis and Forecasting) - 3학점

시계열 분석의 이해를 위해 다양한 시계열 자료 분석기법을 학습한다. 패널자료 분석, 시계열 분해 모델, ARMA, ARMAX, SARMAX 모델, 스펙트럴 분석, 딥러닝 모델의 개요를 학습한다. 시계열 분석의 주요 개념들에 대한 이론에 대해 학습한다. 

AIE5114 데이터마이닝 (Data Mining) - 3학점

데이터로부터 지식을 도출해내는 데이터마이닝의 개념을 소개하고 지식도출을 위한 기계학습의 개념 및 알고리즘을 이해하고 다양한 응용에 적용해본다. 구체적인 주제로는 연관성분석, 의사결정트리, 베이지언추론, 지지벡터머신, 군집화, 심층학습, 강화학습 등이다. 

AIE5115 수치컴퓨팅및GPU프로그래밍 (Numerical Computing and GPU Programming) - 3학점

다양한 분야에서 발생하는 수치 계산 문제의 해결에 필요한 수치 해석 알고리즘을 다룬다. 또한 방대한 계산을 요하는 수치 계산 문제에 대하여 고성능 GPU 상에서의 병렬 프로그래밍을 통한 효과적인 문제 해결 방법에 대하여 익힌다. 

AIE5116 병렬분산컴퓨팅 (Introduction to Parallel and Distributed) - 3학점

인터넷에 연결된 여러 컴퓨터들의 처리 능력을 이용하여 문제를 해결하기 위한 분산처리 프로그래밍 기법 및 알고리즘을 소개하고 실제 응용에 적용해 본다. 

본 교과목에서는 빅데이터가 어떻게 인공지능 혁명을 촉발시켰는지 기본이론에 대한 학습 및 다양한 실습을 통해 살펴본다. 보다 구체적으로, 본 교과목에서는 학습 데이터의 분량과 레이블링의 종류에 따른 인공지능 알고리즘의 성능 변화를 관찰하며, 또한 인공지능 알고리즘 개발을 위한 데이터 수집 과정이 어떻게 구성되는지 살펴보고 이를 기반으로 실제로 인공지능 학습을 위한 데이터셋을 구축해본다.

AIE6213 현대응용통계 (Modern Applied Statistics) - 3학점

고등통계학의 현대적 응용을 고찰한다. 기계학습의 여러방법들을 통계학적 관점으로 해석하고 그 방법론의 발전 과정을 살펴본다. 2개의 주요 주제로 구성된다. 첫 번째는 심층신경망(DNN)에 대한 해석으로, 일반화선형모형(GLM), 요인분석(FA) 방법이 다층퍼셉트론(MLP)과 오토인코더(AE), 어텐션(Attention) 등의 DNN 방법으로 발전하는 과정과 그 응용을 살펴본다. 두 번째는, 재표본법(resampling)의 응용으로, 배깅(Bagging)과 부스팅(Boosting)을 포함한 다양한 앙상블 방법의 의미를 해석하고, 전통적인 통계적 추론법과 재표본법을 이용한 모형선택 방법 사이의 관계를 살펴본다. 또 이를 분류/회귀나무 등에 응용하는 방법을 살펴본다. 

AIE6214 응용선형대수 (Applied linear algebra) - 3학점

선형대수는 응용학문을 위한 필수 교과목 중의 하나임. 본 교과는 정방형 행렬을 일반화한 임의크기 행렬에 대한 특이값분해, 주성분분석, 독립성분분석 등을 확률론과 통계적 개념을 통해 수리적 이론과 프로그래밍 언어를 공부함. 

AIE6460 고급알고리즘설계와분석 (Advanced Algorithm Design and Analysis) - 3학점

알고리즘의 기본적인 설계 기법을 기준으로 문제 해결을 위한 효율적인 알고리즘 설계와 분석에 관하여 이론적인 내용을 중점적으로 공부한다.

AIE6478 음성처리특론 (Special Topics on Speech Processing) - 3학점

실세계 음성처리를 위한 다양한 신호처리 기법을 다룬다. 특히 실세계에서 취득된 음성 신호에서 잡음을 제거하여 음성 향상을 수행하거나 잡음에 강인한 음성 인식을 위해 특징을 추출하기 위한 다양한 신호처리 기법으로서, 고전적인 통계신호처리 기법에서부터 다채널 신호를 이용한 적응신호처리 기법까지 다양한 신호처리 기법을 다루게 된다.

AIE6479 음성정보처리특론 (Topics in Speech Recognition) - 3학점

Voice Interface 구현의 특정한 주제를 중심으로 최근 연구 동향을 다룬다. 

AIE6480 음성정보처리론 (Speech Processing) - 3학점

언어학적인 측면에서 음성의 표현과 정보화 기법을 다룬다. 이 과목에서는 HMM(Hidden Markov Model)을 기반으로, 음향모델(Acoustic Model)과 언어모델(Language Model) 그리고 탐색(Search) 알고리즘의 구현을 중점적으로 학습한다. 

AIE6481 음성인식시스템해석및설계 (Analysis and Design of Speech Recognitions Systems) - 3학점

대용량 연속음성인식 시스템의 주요 구성요소인 음성 데이터베이스, 음향모델, 어휘 모델, 언어모델, 학습 및 탐색 방법의 최근의 연구 동향을 사례연구를 통해서 배우고, 프로트타이프 설계 및 구현을 통하여 이를 확인한다. 

AIE6661 메타버스: 설계 및 개발(캡스톤 디자인)(Metaverse: Design & Development(Capstone Design)) - 3학점

본 교과목에서는 전통적인 가상공간, 가상현실, 인터넷 등이 결합되고 현실세계와의 유기적 결합이 강조되는 새로운 공간개념인 메타버스의 설계 및 구현 원리, 기법를 학습한다. 메타버스는 2차원이든 3차원이든 개인의 아바타를 통해 몸소 참여하는 것이 핵심이므로 버추철 휴먼의 구축에 대해서 특히 강조하여 학습한다. 3차원 모델의 렌더링은 Shader 언어를 통해 구현하고, 메타버스와 사용자와의 상호작용은 Unity3D 게임 엔진을 이용하여 구현한다.

AIE6802 인공지능 챌린지실습 II (AI Challenge Practice II) - 3학점

본 교과목에서는 인공지능 챌린지실습 I에서 개발한 시스템을 심화 발전시키기 위한 이론적, 기술적 검증, 최적화 및 경량화, 성능 고도화 방법을 학습한다. 인공지능 챌린지실습 I에서 달성한 챌린지 성능을 상향 조정하여 달성하도록 한다.

AIE6812 고급인공지능 현장 실습Il (Advanced Artificial Intelligence Internship II) - 3학점

본 교과목에서는 인공지능 기업체에서의 현장실습을 통해 현업에서 인공지능 기술이 어떻게 활용되고 있는지 실습해본다.

AIE6813 인공지능 산학프로젝트 실습 (AI Industry Project Exercise) - 2학점

본 교과목에서는 인공지능 관련 기업체와 연계된 프로젝트를 통해 의미있는 연구 및 실무경험을 쌓을 기회를 제공하고, 인공지능 기술이 어떻게 활용되고 있는지에 대해 경험해 본다.