대학원 인공지능학과
교육목표
4차 산업혁명의 핵심 기술인 인공지능 분야는 활용 가능한 형태의 데이터 확보가 중요한 요소이며, 지능정보를 통한 활용 및 융합이 필수적이다.
이에 인공지능 대학원은 AI+X 특화 분야 (해양, 항만, 물류 / 제조, 로봇 / 의료, 헬스케어 산업 / 스마트시티 산업) 중심의 활용 및 융합을 통해 인공지능
분야의 우수 융·복합 인재 양성을 목표로 한다.
또한, 인공지능서비스 개발에 필요한 ICT인프라 기술을 토대로, 지능형 IoT 서비스와 엣지 및 클라우드
기반 전문 인재 양성을 목표로 한다. 인공지능 기술에 대한 기계학습, 알고리즘 및 융복합 서비스 개발과 AI 실무형 전문 인재 양성, 산학협력/애로기술 해결,
산학연관 현장 협업 연구, 재직자 과정 운영을 통해 지역 산업이 글로벌 수준의 기술력을 갖출 수 있도록 하여 부산의 신산업 성장동력을 확보할 수 있도록 한다.
전공분야
전공분야 | 개요 |
---|---|
인공지능 | 인공지능에 대한 기초, 심화 및 융합 기술에 대해 연구한다. 특히, 항만·물류, 제조·로봇, 헬스케어, 스마트시티 산업 중심의 AI+X 특화 분야 전문 인재 양성을 목표 |
인공지능 시스템 | 인공지능서비스 개발에 필요한 ICT 인프라 기술에 대해 연구한다. 특히, 지능형 IoT 서비스와 엣지 및 클라우드 기반 AI+X 서비스 분야 전문 인재 양성을 목표 |
교과과정
1기초공통과목
과목명 | 학점 |
---|---|
인공지능개론 (Introduction to Artificial Intelligence) | 3 |
인공지능의 다양한 알고리즘을 학습하고 응용분야의 최신 연구내용 및 동향을 이해 인공지능 기술이 효과적으로 적용되고 있는 다양한 분야의 사례를 살펴봄 |
|
빅데이터개론 (Introduction to Big Data) | 3 |
빅데이터의 의미와 기술 동향에 대해 간단히 소개하고, Python 등의 도구를 활용하여 빅데이터를 수집, 정제, 처리/탐색 및 분석/응용하는 방법 등 실제 데이터를 처리하는 전체 과정을 학습 이를 기반으로 각자의 업무 분야에 적합한 빅데이터 기반 문제를 발굴하여 요소 기술들을 적용 |
|
기계학습개론 (Introduction to Machine Learning) | 3 |
기계학습의 기본 개념을 학습하고 지도학습 모델 (회귀, 분류), 비지도 학습 모델 (군집화, 차원축소), 앙상블 모델, 베이시언 기계학습 방법론 및 모델링 등에 대하여 배움 | |
AI프로그래밍입문 (Programming for Artificial Intelligence) | 3 |
인공지능 알고리즘 구현 및 딥러닝 모델링을 위한 프로그래밍 방법론을 학습하고 이를 바탕으로 실제로 인공지능 기반의 프로그램 구현을 실습 | |
데이터마이닝 (Introduction to Data Mining) | 3 |
다양한 데이터의 유형들에 대해서 학습하고, 군집 분석, 연결 분석, 사례기반 추론, 연관성 규칙 발견, 인공 신경망, 의사 결정 나무 등 다양한 알고리즘을 적용하여 학습 | |
지능로봇개론 (Introduction to Intelligent Robot) | 3 |
지능형 로봇을 구성하는 다양한 센서 및 컨트롤러 그리고 액추에이터 등 지능형 로봇을 구성하는 요소들의 구조, 원리, 장단점과 그 응용에 관한 내용을 간단히 소개한 후 ROS(robot operating system) 기반 자율주행 로봇, stereo camera 기반 영상 처리 시스템, 3D-Lidar 등을 활용한 지능형 로봇 시스템 및 기술 동향을 소개 | |
사물인터넷개론 (Introduction to Internet of Things) | 3 |
사물인터넷에 대한 개괄적인 이론과 응용을 소개 특히, 사물인터넷 응용 서비스, 구조, 네트워킹 기술과 프로토콜을 학습 |
|
인공지능수학 (Mathematics for Artificial Intelligence) | 3 |
인공지능 알고리즘을 이해하기 위해 필요한 수학적인 개념들을 학습 다변량 분석, 선형대수, 확률 및 통계, 미적분, 이산수학 등의 수학 개념 및 정리들을 학습하고 응용사례를 살펴봄 |
2전공과목
과목명 | 학점 |
---|---|
데이터마이닝특론 (Advanced Data Mining) | 3 |
정형, 비정형 데이터 등 다양한 데이터에 대한 분류, 회귀, 군집화, 연관규칙 등 주요 방법론 및 활용 사례, 응용시스템에 대해서 학습 | |
딥러닝특론 (Advanced Deep Learning) | 3 |
현재 널리 사용되고 있는 딥러닝의 핵심 모델인 인공신경망을 이해하고 이로부터 파생된 여러 알고리즘을 학습 | |
강화학습 (Reinforcement Learning) | 3 |
강화학습은 인간의 행동심리학에서 영감은 받아 발전한 머신러닝 기법으로써 지능적인 의사결정이 필요한 모든 분야에 응용될 뿐 아니라, 일반적인 모델 학습에도 사용 강화학습 알고리즘의 수학적인 근간을 이해하고 알고리즘 수렴성 및 수렴속도, 최적화 등을 계산하여 실제 사례에 적용 |
|
추천시스템 (Recommendation System) | 3 |
인공지능 기술이 일찍이 적용되어 널리 활용되는 분야로, 추천 알고리즘 구현을 위한 모델 분석 및 실제 데이터를 활용하여 추천시스템 구축에 적용 | |
컴퓨터비전시스템 (Computer Vision System) | 3 |
영상을 사용하는 다양한 응용시스템과 응용시스템을 설계하고 구현하는데 필요한 내용에 대해 알아보고, 영상 인식 알고리즘의 종류와 영상의 특성에 기반하여 알고리즘을 적용하는 방법에 대해 알아봄 | |
자연어처리 (Natural Language Processing) | 3 |
자연어처리에 필요한 딥러닝의 주요 모델, 프로그래밍을 통한 활용 및 분석, 자연어처리의 기본개념을 통해 직접 서비스 개발을 학습 | |
디지털영상처리 (Digital Image Processing) | 3 |
디지털 영상의 특성과 디지털 영상을 대상으로 하는 시스템에서 데이터의 획득, 변환, 개선, 저장 등 시스템 운영의 전 과정에서 필요한 영상처리의 기본 개념과 방법에 대해 알아봄 | |
데이터시각화 (Data Visualization) | 3 |
데이터 시각화에 대한 기본 개념을 이해 시각화 방법론, 인터랙션 방법론, 시각적 인지 이론, 디자인 스터디 방법론을 통해 통계학, 데이터마이닝, 기계학습과 연계하여 시각화 시스템 구축을 통해 학습 |
|
AI비지니스플랫폼 (AI Business Platform) | 3 |
인공지능 활용을 통한 비즈니스 모델 구축, 활용사례, 전략 등에 대하여 학습 | |
챗봇 시스템 (Chatbot System) | 3 |
챗봇 구현을 위한 관련 이론 배경 및 필요한 요소 기술에 대하여 학습하고, 한국어 챗봇 시스템 구현을 위한 시스템 구성 및 구현 기법들에 대해 알아봄. 또한, 공개 챗봇 엔진들의 장단점 파악을 통해 시스템 구현에 활용 | |
AI서비스디자인 (AI Service Design) | 3 |
서비스 디자인 방법론과 AI기술을 활용한 서비스들의 프로세스 분석 및 비즈니스 모델에 대한 이해를 바탕으로 인공지능 시대의 서비스에 대하여 학습 | |
지능화혁신연구 프로젝트Ⅰ (Intelligent System Project Ⅰ | 3 |
기업 수요에 맞춰 인공지능을 접목하여 개발 프로세스를 경험하는 교과목 | |
지능화혁신연구 프로젝트 Ⅱ (Intelligent System Project Ⅱ) | 3 |
기업 수요에 맞춰 인공지능을 접목하여 개발 프로세스를 경험하는 교과목 | |
혁신과기업가정신 (Innovation and Entrepreneurship) | 3 |
혁신적인 기술 변화가 빠르게 상황에서 기업가 마인드를 학습함으로써, 수강생이 기업가적 마인드와 자세를 갖춤으로써, 기업가 정신과 기업가적 비전을 개발할 수 있도록 함 | |
인공지능해석 및 상호작용 (AI Interpretation and Interaction) | 3 |
인공지능 기술의 해석가능성 및 인간 주도의 기술 활용을 위한 사용자 인터페이스가 중요해지고 있음 본 과목은 심층학습 기법에 적용 가능한 다양한 모델 해석 기법 및 상호작용적 사용자 인터페이스를 다룸 |
|
AI최적화이론 (AI Optimization) | 3 |
인공지능 알고리즘의 성능 향상을 위한 분산컴퓨팅, 경량화, 시스템 최적화 등에 대하여 학습 | |
빅데이터처리플랫폼 (Big Data Processing Platform) | 3 |
본 교과목에서는 빅데이터 처리 할수 있는 대표 플랫폼인 Apache Hadoop Ecosystem에 대하여 학습 Apache Ecosystem의 요소 중 Core 프로젝트인 HDFS, MapReduce를 기반으로 Hbase, Kafka, Spark 등 세부 프로젝트들에 대하여 학습 |
|
인공지능보안기술 (AI Security) | 3 |
인공지능 적용으로 인하여 제조, 금융, 의료 등 다양한 분야에서 보안에 대한 중요성이 커지고 있으며, 네트워크, 데이터베이스, 시스템 관점에서 보안에 대하여 학습 | |
지능로봇설계및응용 (Intelligent Robot Design and Applications) | 3 |
본 교과목에서는 ROS(robot operating system) 기반 자율 주행 로봇 플랫폼을 사용하여 지능형 로봇 운영체제(operating system)에 대한 학습을 수행하고, 이를 바탕으로, stereo camea, lidar 등 다양한 센서 및 액추에이터를 사용하여 지능형 자율 주행 로봇 시스템을 구동 및 이를 응용하는 기술을 다룸 | |
AI시스템분석 및 설계 (AI System Analysis and Architecture) | 3 |
실제 인공지능 시스템 개발을 위한 요구사항 분석, 하드웨어 구성, 소프트웨어 설계 등에 대하여 학습 | |
클라우드컴퓨팅 (Cloud Computing) | 3 |
클라우드 컴퓨팅 기본 이론과 함께 클라우드 플랫폼 기반 서비스 기술을 학습 세부 내용으로는 클라우드 컴퓨팅 개요, 클라우드 모델, 가상화 기술, 클라우드 플랫폼 서비스 개발 프로그래밍 기술 등을 다룸 |
|
블록체인특론 (Advanced Blockchain) | 3 |
블록체인은 관리 대상 데이터를 '블록'이라고 하는 소규모 데이터들이 P2P 방식을 기반으로 생성된 체인 형태의 연결고리 기반 분산 데이터 저장 환경에 저장하여 누구라도 임의로 수정할 수 없고 누구나 변경의 결과를 열람할 수 있는 분산 컴퓨팅 기술 기반의 원장 관리 기술 블록체인의 원리 기술들을 공부하고 실제 구현 |
|
창의융합프로젝트 Ⅰ (Innovative R&D Project Ⅰ) | 3 |
인공지능 자율연구 분야에 대하여 산학 프로젝트를 진행하는 교과목 | |
창의융합프로젝트 Ⅱ (Innovative R&D Project Ⅱ) | 3 |
인공지능 자율연구 분야에 대하여 산학 프로젝트를 진행하는 교과목 | |
논문지도(석) (Directed Research) 2 | 2 |
논문지도(박)Ⅰ (Directed ResearchⅠ) 2 | 2 |
논문지도(박)Ⅱ (Directed ResearchⅡ) | 2 |