컴퓨터프로그래밍기초

1-1

3

전필

C++ 프로그래밍과 프로그래밍 방법론에 대해 배우고 이를 기반으로 자신만의 프로그램 개발 능력을 갖추는 것을 목표로 함

Language&AI수학

1-1

3

전필

Language & AI 수학 과목은 공학의 기본이 되는 differential equaitons (DE) 들을 소개하는 강좌입니다. DE은 공학, 금융, 경제, 컴퓨터 과학 등의 분야에서 다루는 다양한 실질적 문제들을 해결하는 핵심 이론 배경입니다. 이러한 실질적 문제들은 DE의 solution을 찾음으로써 예측 가능하게 됩니다. 이러한 DE의 가장 기본이 되는 ordinary differential equations (ODE) 에 대해 초점을 맞추어 강의는 진행 되며, 이를 위한 선형대수, 급수해법, 라플라스 변환을 각각 배웁니다.

Language&AI 개론

1-2

3

전필

Language&AI 개론 과목은 인공지능과 언어를 이해하기 위한 기초 과목으로, 언어와 인공지능의 개념을 소개하여 언어 처리와 인공지능의 상호작용에 대한 원리와 개념을 이해할 수 있도록 합니다. 수업에서는 실제 응용 사례와 함께 언어와 인공지능의 상호작용에 대한 다양한 주제를 다루게 됩니다. 해당 과목을 통해 학생들은 인공지능이 음성 및 자연언어 처리 분야에서 어떻게 활용되고 있는지를 이해하고, 미래의 발전 방향을 파악할 수 있습니다.

객체지향프로그래밍

1-2

3

전선

객체지향 프로그래밍은 현대 소프트웨어 개발의 핵심 원리 중 하나로, 코드를 객체 단위로 구성하고 객체 간 상호작용을 통한 모듈화를 강조합니다. 이 과목은 학생들이 프로그래밍의 기초 원리를 이해하고, 객체 지향적 사고방식을 통해 프로그램을 개발하는 데 필요한 기술을 익히는 데 중점을 둡니다. 학생들은 컴퓨터 과학 및 소프트웨어 개발의 기본 개념과 프로그래밍의 기초뿐만 아니라 효과적인 소프트웨어 설계 및 협업 능력도 함께 향상할 수 있습니다.

언어학개론

2-1

3

전필

언어학 개론 수업에서는 언어의 기본적인 이론과 다양한 언어 현상을 체계적으로 탐구합니다. 특히 언어의 발음, 형태, 의미, 문법 등의 다양한 측면에 대한 체계적인 분석과 이해를 다룹니다. 학생들은 생활 속의 다양한 언어적 경험을 바탕으로 언어의 다양성과 복잡성을 이해하고 언어학적 사고력을 강화하게 됩니다. 

언어처리를위한자료구조

2-1

3

전필

언어 처리를 위한 자료구조는 데이터를 논리적인 규칙을 통해 나열하고 분석하거나 처리하기 위한 기본적인 개념입니다. 따라서, 언어 처리를 위한 자료구조 과목에서는 자연어처리 및 언어학 분야에서 효과적인 자료구조의 이해와 활용에 중점을 둡니다. 이 과목은 학생들에게 언어 처리 알고리즘과 데이터 구조를 연계하여 자연어의 다양한 측면을 효율적으로 다루는 데 필요한 지식을 제공합니다. 특히 문자열 처리와 언어 구조의 모델링을 위한 자료구조를 활용하여 효율적인 언어 처리 알고리즘을 설계하고 구현하는 능력을 향상하게 됩니다.

언어분석을위한데이터베이스

2-1

3

전선

데이터베이스란, 디지털 형태로 구성된 다형의, 대용량의 데이터를 효율적으로 저장, 관리하기 위해 시스템 (DBMS: Database Management System)에 구조화되어 저장된 데이터를 뜻합니다. 언어 분석을 위한 데이터베이스 과목에서는 클라우드, IoT, AI 등 다양한 ICT 분야에 공통으로 요구되는 데이터베이스와 관련된 기본적인 이론을 학습하고, 프로그래밍 실습을 통해 데이터베이스의 활용을 이해합니다. 데이터베이스 및 DBMS(Database Management System)에 대한 소개, 데이터베이스 설계 방법, SQL을 사용한 데이터베이스 생성 및 관리 방법을 학습할 수 있습니다.

고급인공지능수학

2-1

3

전필

고급인공지능수학 과목은 machine learning을 위한 learning theory을 중심으로 하여 확률, 통계, 결정이론, 정보이론 그리고 최적화를 다시 realign 하는 과목입니다. 이러한 확률적 관점으로 machine learning 모델들을 해석을 함으로써 확률 분포로 모델을 표현할 수 있습니다. 또한 불확실성을 통해 모델에 대한 신뢰성을 확인할 수 있습니다. 또한 이러한 관점은 결정이론, 정보이론, 최적화를 통합하는 framework을 제공합니다. 이를 통해 학생들은 machine learning에 대한 과학적 이해를 할 수 있습니다.

자연어처리

2-2

3

전필

자연어처리 과목은 컴퓨터 또는 인공지능이 언어를 처리하는 방법에 대한 이론을 다루는 수업입니다. 해당 수업은 자연어처리의 핵심 원리에 대한 이해와 텍스트 데이터를 처리하는 기초적인 도구 및 알고리즘을 다룹니다. 또한, 학생들은 토큰화, 형태소 분석, 구문 분석 등과 같은 자연어처리의 기본 과정에 대해 학습할 수 있습니다. 이를 통해 수강생들은 언어를 기계가 이해할 수 있는 형태로 변환하는 기술적인 개념과 텍스트 데이터를 처리하는 데 필요한 기본 기술을 습득하게 됩니다.

음성신호처리

2-2

3

전필

음성신호처리는 음성 언어의 개념을 이해하고, 현대 음성신호 처리 기술에 대한 기초 이론을 다루는 수업입니다. 학생들은 음성 합성, 음성 인식, 화자 인식에 대한 이론을 학습하고, 이를 토대로 음성 신호 처리의 동작 원리를 이해합니다. 이 수업을 통해 학생들은 음성 기술의 핵심 원리를 이론적으로 파악할 수 있습니다. 

언어처리를위한알고리즘

2-2

3

전선

본 교과목에서는 컴퓨터 공학 분야에서 핵심적인 개념인 알고리즘의 원리를 이해하고, 주어진 문제에 적절한 알고리즘을 선택 및 구현하는 능력을 교육합니다. 학생들은 알고리즘의 성능을 평가하기 위한 시간과 공간 복잡도의 분석 능력을 기를 수 있으며, 효율적인 알고리즘을 선택할 수 있게 됩니다. 또한, 다양한 문제 해결 전략과 알고리즘 설계 패러다임을 익히면서, 실제 프로그램 개발에서 발생하는 다양한 문제에 대응할 수 있는 능력을 키웁니다. 

기계학습의이해

2-2

3

전선

해당 과목은 인공지능의 다양한 분야에서 활용되는 패턴인식의 기본 원리와 심화 내용을 다루는 수업입니다. 수업은 패턴인식을 위한 기초적인 이론인 베이시언 결정 이론부터 신경망, SVM, 결정 트리, 군집화, 최적화 알고리즘, 혼성 모델까지 포괄적으로 다룹니다. 수업을 통해 학생들은 다양한 패턴인식 알고리즘을 학습하고 실제 응용에 적용하는 능력과 패턴인식 분야의 다양한 도구 및 기법을 숙지하고 응용할 수 있는 능력을 함양할 수 있습니다.

멀티모달개론

3-1

3

전선

멀티모달개론은 텍스트, 이미지, 음성, 비디오 등 다양한 형태의 데이터를 통합적으로 처리하고 이해하는 인공지능 기술의 기초를 다루는 과목입니다. 본 과목에서는 단일 모달리티를 넘어 여러 모달리티 간의 상호작용과 융합을 통해 더 풍부한 정보를추출하는 방법을 학습합니다. 학생들은 멀티모달 데이터의 표현 학습, 모달리티 간정렬 및 융합 기법, 그리고 Vision-Language 모델, 음성-텍스트 통합 모델 등 최신멀티모달 AI 모델의 구조와 원리를 이해하게 됩니다. 또한 이미지 캡셔닝, 시각적 질의응답(Visual QA), 비디오 이해 등의 실제 응용 사례를 통해 멀티모달 AI의 실용적활용 능력을 배양할 수 있습니다. 해당 과목을 통해 학생들은 차세대 AI 기술의 핵심인 멀티모달 학습의 이론적 기초와 실무 응용 능력을 함께 갖추게 됩니다.

컴퓨터구조및설계

3-1

3

전선

본 과목은 컴퓨터 구조 및 설계의 기반에 대해 다루는 수업으로 디지털 논리부터 시작해서 현대 프로세서까지의 범위를 포함한다. 본 과목에서 학생들은 성능 모델링 및검증을 위한 논리 회로, 불린 대수, 프로세서 설계에 대해 배운다. 이를 통해 정확성과 성능에 대해 엄밀한 추론 능력, 하드웨어 구조의 구현 능력, 현실 제약에 따른 설계 대안에 대해 평가하는 능력을 얻는 것을 목표로 한다.

언어모델개론

3-1

3

전선

본 수업은 현대 자연어처리의 핵심인 언어모델(Language Models) 의 원리와 구조를 체계적으로 학습하는 것을 목표로 합니다. 토큰화(tokenization)를 비롯한 언어의확률적 표현, 신경망 기반 시퀀스 모델링, Transformer 구조, 그리고 대규모 사전학습(pre-training) 및 미세조정(fine-tuning) 등, 대규모 언어모델을 이해하고 활용하기 위한 주요 이론과 방법론을 다룹니다. 이를 통해 학생들은 현대 인공지능 언어모델의 작동 원리를 깊이 있게 이해하고, 이를 번역, 요약, 질의응답, 정보검색 등 다양한 응용 분야로 확장할 수 있는 기반 역량을 함양합니다.

정보검색및추천시스템

3-1

3

전선

정보검색은 대량의 정보 모음에서 필요한 정보를 효과적으로 얻어내는 과정을 말하며, 추천시스템은 사용자 맞춤형으로 정보를 제공하는 기술입니다. 본 과목에서는 검색 엔진의 핵심 원리인 문서 색인, 질의 처리, 순위화 알고리즘을 학습하고, 협업 필터링, 콘텐츠 기반 필터링, 하이브리드 추천 등 다양한 추천 알고리즘을 다룹니다. 학생들은 TF-IDF, BM25와 같은 전통적 검색 기법부터 BERT, GPT 기반의 신경망 검색모델까지 폭넓게 학습하며, 넷플릭스, 유튜브, 스포티파이 등 실제 산업 사례를 통해추천시스템의 설계와 평가 방법을 이해하게 됩니다. 또한 개인화 추천, 콜드 스타트문제, 추천 시스템의 편향성과 공정성 등 실무에서 발생하는 다양한 도전 과제를 해결하는 능력을 기를 수 있습니다. 이 과목은 현대 정보화 사회에서 핵심적인 정보 접근 기술을 습득하고자 하는 학생들에게 필수적인 지식을 제공합니다.

딥러닝

3-1

3

전필

딥러닝이란 deep neural network (DNN) 모델을 기반으로 하는 기계학습 방법 입니다. DNN이라는 용어는 현대적 사용에서 미분 가능한 함수 중 computation graph로 표현될 수 있는 어떤 형태를 의미한다. 이때 nodes 는 기본 연산 을 나타내고,edges는 벡터, matrix, 혹은 tensor 형태의 수치 데이터를 나타낸다. 가장 단순한 형태로 이 그래프는 노드 혹은 layers 의 선형적인 계열로 구성될 수 있다. Deep 이라는 용어는 이러한 layer가 여러 개 존재하는 모델을 의미한다. 이 수업은 다양한 이를위한 기계학습 알고리즘과 기술을 탐구하며, 학생들에게 데이터 기반 의사 결정 및예측 모델링의 핵심 개념을 전달합니다.

실용자연어처리

3-2

3

전선

실용자연어처리 수업의 목표는 자연어처리에 대한 이해를 높이고, 최신 인공지능 연구들의 주요 동향인 딥러닝 기법을 활용하여 자연어처리 문제를 해결하는 방법을 학습하는 것입니다. 본 수업에서는 자연어처리와 기계학습 및 딥러닝과 관련한 이론적 지식을 학습하고, 감정 분류 혹은 개체명 인식과 같은 자연어처리 작업에 대해 Multilayer Perceptron 또는 LSTM과 같은 다양한 딥러닝 기반의 모델들에 바로 관련 실습을 진행하게 됩니다. 해당 과목을 통해 수강생들은 자연어처리의 기본 개념과 이론을 이해하고, 관련 분야에서 사용되는 용어와 개념을 습득하며, 자연어처리 기술을 활용하여 다양한 언어데이터를 처리하고 분석할 수 있는 능력을 기를 수 있습니다.

실용음성처리

3-2

3

전선

실용음성처리는 패턴인식과 기계학습의 기본 개념을 이해하고 음성인식 시스템의 구조를 이해하는 것을 목표로 합니다. 본 강의는 이론과 실습을 병행하여 운영됩니다. 학생들은 수업의 전반부에서 음성인식과 신호처리, 패턴인식의 기본 개념을 소개하고 패턴인식의 이해를 위한 확률 이론을 학습하게 됩니다. 후반부에서는 HMM, DNN과 같은 주요 패턴인식 기법을 살펴보고 간단한 음성인식 시스템 구현을 통해 시스템 개발 방법을 익힐 수 있습니다.

정보검색 및 추천시스템

3-2

3

전선

정보검색은 대량의 정보 모음에서 필요한 정보를 얻어내는 과정을 말합니다. 정보를 효과적으로 검색하고 사용자 맞춤형으로 정보를 추천하는 것은 현대 사회에 중요한 기술 분야 중 하나입니다. 이는 다양한 응용 분야에서 활용되며, 웹 검색 엔진, 전자상거래 플랫폼, 소셜 미디어, 음악 및 동영상 스트리밍 서비스 등 다양한 서비스에서 핵심 역할을 합니다. 따라서, 정보검색 및 추천시스템 과목에서는 정보검색의 기본 원리부터 추천 알고리즘을 다루고, 학생들이 현대의 정보화 사회에서 발생하는 다양한 정보 문제를 해결하는데 필요한 지식과 기술을 습득할 수 있도록 합니다.

오픈소스프로그래밍

3-2

3

전선

오픈소스 프로그래밍 과목은 학생들에게 오픈소스 소프트웨어의 원리와 개발 프로세스에 대한 이해를 제공하는 데 중점을 둡니다. 본 과목에서는 오픈소스 라이선스와 커뮤니티의 역할, GitHub 및 다양한 협업 도구를 활용한 오픈소스 개발 환경에 대한 이해, 오픈소스 커뮤니티에서의 효과적인 소통 방법, 오픈 소스 프로젝트의 관리와 유지보수에 대한 전략과 도구에 대한 이해 등 오픈소스와 관련한 이론적 지식을 학습하고 관련된 프로젝트를 수행합니다. 학생들은 오픈소스 생태계의 다양성과 특성을 이해하고, 프로젝트 경험을 통해 소스 코드를 읽고 수정하는 방법을 배울 수 있으며, 협업과 소통의 중요성을 학습합니다.

기계학습이론

3-2

3

전선

기계학습이론 과목은 기본적인 기계학습 원리를 이해한 학생들에게 더 깊고 심화 된 기계학습 기술과 응용에 관한 내용을 제공합니다. 이 수업은 고급 알고리즘, 최신 기술, 그리고 실제 응용 사례를 통해 학생들이 기계학습 분야에서 전문적인 지식과 능력을 획득할 수 있도록 합니다.　또한, 최신 딥러닝과 신경망 기술에 대한 업계 동향을 파악하고, 이를 학습 및 연구에 적용할 수 있는 능력을 향상하도록 합니다.

언어모델특론

4-1

3

전선

언어 모델링 기술은 인간 언어를 이해하기 위한 핵심 기술입니다. 특히, 레이블이 없는 대규모 말뭉치를 사용하여 인간 언어의 패턴을 학습/파악하고 문맥 정보 기반의 단어 표현을 생성하는 거대 언어 모델은 최근 가장 주목받는 자연어처리 기술 중 하나입니다. 따라서, 이러한 사전 학습된 언어 모델은 다양한 언어 모델을 이해하는 것은 최신의 자연어처리 연구 기술을 응용하고, 인공지능 분야의 성능을 향상 시키기 위해 중요합니다. 본 과목에서는 언어 모델의 발전과 개발 방법, 현대적인 언어 이해 기술 등 다양한 측면에서 언어 모델을 분석하고 교육하여, 최신 연구 동향과 응용에 대한 통찰력을 제공합니다.

음향모델특론

4-1

3

전선

음향 모델 특론은 음성 신호를 기반으로 하는 음성 데이터 처리 및 인식에 관한 심층적인 이해를 제공하는 수업입니다. 이 수업은 음성신호처리와 실용음성처리 등 선수 과목에서 학습한 음성의 특성과 음성인식 기술을 음향 모델의 측면에서 이해하고 활용하는 데 중점을 둡니다. 특히 전통적인 통계학적인 방법에서부터 딥러닝 기반의 방법 등 다양한 음향 모델 구축 방법과 음향 모델의 종류를 탐구하고 응용하는 방법을 학습합니다. 또한, 프로젝트나 실습을 통해 실제 음성데이터를 활용하여 딥러닝 기반의 음향 모델을 설계 및 구현하고 최적화하는 실무 경험을 쌓을 수 있습니다. 이 수업은 음성 기술 분야에 진출하거나 관심 있는 학생들에게 깊이 있는 지식과 실무 능력을 제공합니다.

지능형인터페이스

4-1

3

전선

지능형 인터페이스 과목에서는 인간과 컴퓨터 상호작용(HCI)의 개념을 이해하고 지능형 시스템 설계 방법을 학습합니다. 이 과목은 사용자 인터페이스(UI) 디자인의 기본 원칙, 상호작용 모델, 사용자 경험(UX) 디자인 방법론 및 지능형 시스템의 구현에 초점을 맞춥니다. 학생들은 인공지능과 머신러닝 기술을 활용하여 사용자의 행동과 선호도를 분석하고 예측하는 방법을 배우게 됩니다. 또한, 이 과목은 음성 인식, 제스처 제어, 감성 인식 등의 현대적인 HCI 기술을 학습하며, 이를 통해 사용자 중심의 지능형 인터페이스를 설계하고 구현하는 데 필요한 실용적인 기술과 지식을 습득할 수 있습니다.

인공지능응용

4-1

3

전선

인공지능 응용 과목을 통해 학생들은 인공지능 기술의 실용적 응용과 이를 통한 문제 해결 방법론에 대한 지식을 습득할 수 있습니다. 이 과목에서 학생들은 인공지능의 기본 원리와 알고리즘 뿐만 아니라 다양한 산업 및 사회 문제에 인공지능을 어떻게 적용할 수 있는지를 탐구합니다. 또한, 인공지능의 윤리적, 사회적 영향에 대한 논의를 통해 학생들은 책임감 있는 인공지능 응용의 중요성을 인식하게 됩니다. 이 과목은 학생들에게 인공지능 기술의 다양한 응용 가능성을 탐색할 수 있는 기회를 제공하며, 미래의 인공지능 전문가로서 필요한 실무적 경험과 비판적 사고능력을 함양하는 데 중점을 둡니다.

고급기계학습

4-1

3

전선

자연어처리시스템설계

4-2

3

전선

자연어처리 시스템 설계 과목은 학생들에게 자연어처리 시스템의 설계 및 구현에 필요한 이론과 실무 지식을 제공합니다. 이 과목에서는 텍스트 처리, 언어 모델링, 의미 분석, 대화 시스템, 기계번역 등 자연어처리의 다양한 분야를 다루며, 학생들은 이러한 시스템들이 어떻게 설계되고 구현되는지를 배웁니다. 과목의 주요 내용은 현대의 자연어처리 기술과 알고리즘을 이해하고, 실제 문제에 적용하는 데 있습니다. 학생들은 최신 자연어처리 기술을 사용하여 자신만의 프로젝트를 개발하며, 데이터 전처리, 모델 학습, 시스템 최적화와 같은 핵심 기술을 습득합니다. 해당 과목을 통해 학생들은 실세계의 문제를 해결할 수 있는 실질적인 경험을 쌓을 수 있으며, 최신 연구 및 산업 응용에 대한 통찰력을 기를 수 있습니다. 

음성인식시스템설계

4-2

3

전선

음성인식 시스템 설계 과목은 음성인식 기술의 기본 원리와 응용을 중점적으로 다루는 수업입니다. 이 과목에서 학생들은 음성 신호 처리, 음성 인식 알고리즘, 딥 러닝을 이용한 음성 모델링, 그리고 음성 인식 시스템의 구현과 최적화 등에 대해 학습합니다. 학생들은 최신 음성 인식 기술과 도구를 사용하여 실제 음성 인식 시스템을 설계하고 구축하는 프로젝트를 수행하게 됩니다. 이를 통해 학생들은 실제 환경에서 음성 인식 기술을 적용하고, 사용자 중심의 인터페이스를 설계하는 데 필요한 실무적 지식과 경험을 쌓게 됩니다. 이 과목은 음성 인식 분야의 최신 연구 동향과 산업 응용 사례를 소개하며, 이를 통해 학생들이 현대 기술 환경에서 음성 인식의 중요성과 응용 가능성을 이해하도록 돕습니다.

기계번역특론
(다국어 AI모델과 응용)

4-2

3

전선

기계번역은 프로그램을 통해 한 언어에서 다른 언어로 텍스트를 번역하는 것을 말합니다. 기계번역의 고급 이론과 다양한 언어 모델을 활용한 번역 시스템의 설계 및 구현에 초점을 맞춥니다. 이 과목은 다국어 처리와 인공지능 모델을 기반으로 하는 기계번역 시스템의 기본 원리와 실제 응용을 탐구합니다. 학생들은 최신 AI 기술을 이용한 기계번역의 핵심 개념과 알고리즘을 학습합니다. 또한, 다양한 언어와 문화적 배경을 고려한 번역 시스템 설계와 실제 다국어 데이터를 활용한 번역 모델을 구축하고 평가하는 방법의 중요성을 이해하게 됩니다. 이 과목은 기계번역 분야의 최신 연구 동향과 다양한 분야에서의 기계번역 응용 사례를 탐구하며, 이를 통해 학생들이 국제적인 시각을 갖춘 기계번역 전문가로 성장할 수 있는 기반을 마련합니다.

자동통역특론
(다국어 AI모델과 응용)

4-2

3

전선

자동통역 특론 수업은 음성으로 표현된 언어 간의 자동통역을 다루며, 자동통역의 이론과 응용에 중점을 둡니다. 주요 주제로는 자동통역의 역사와 발전, 음향/언어 모델링 기법, 평가 및 성능 향상 기술, 다국어 데이터 처리 등이 포함됩니다. 학생들은 다양한 언어 간의 어려움을 이해하고, 통계적 및 신경망 기반의 자동통역 모델을 이해하며 설계하는 능력을 갖춥니다. 또한 실습 프로젝트를 통해 실제 자동통역 시스템을 분석하고 평가하며, 음성 언어 처리 및 기계학습 기술을 실제 응용에 적용하는 경험을 쌓을 수 있습니다.

언어공학캡스톤디자인

4-2

3

전필

언어 공학 캡스톤 디자인 과목은 언어 공학 분야에서의 실무적 프로젝트 개발 경험을 제공합니다. 이 과목에서 학생들은 자연어처리, 음성처리, 전산언어학, 기계 학습과 같은 언어 공학의 핵심 개념들을 실제 프로젝트에 적용합니다. 팀 기반의 프로젝트를 통해 학생들은 문제 정의, 요구 사항 분석, 설계, 구현 및 평가 등 프로젝트 개발의 전 과정을 경험하게 됩니다. 이 과정에서, 학생들은 최신 언어 처리 기술을 활용하여 실제 어플리케이션을 개발하며, 이를 통해 실무적인 문제 해결 능력과 팀워크, 프로젝트 관리 기술을 향상시킵니다. 또한, 산업계와 학계의 전문가들과의 협력을 통해 현실 세계의 언어 공학 관련 문제를 해결하는 데 필요한 실질적인 지식과 경험을 얻을 수 있습니다.