컴퓨터개론(Introduction to Computer Science) 이 과목은 컴퓨터의 개요, 데이터의 표현과 논리함수, 소프트웨어와 운영체제, 프로그래밍 언어, 순서도, 네트워크 등 컴퓨터에 대한 기초적이고 이론적인 내용을 학습한다. 4차 산업혁명과 관련된 최신 IT 기술 및 다양한 응용도 다룬다.
선형대수학(Linear Algebra) 이 과목은 인공지능 알고리즘을 이해하는데 필수적인 선형대수의 기초를 배운다. 행렬과 행렬식의 기본 연산법을 익히고 벡터공간 및 행렬의 변환 등을 학습한다.
객체지향언어(Object-oriented Language) 이 과목은 Object, Class 등의 객체 지향 언어적 개념을 파악하고 객체 지향 프로그래밍 방법에 대해 배운다. 다양한 실습 과제를 통해 객체지향 프로그래밍을 실습한다.
데이터베이스(Database) 이 과목은 데이터베이스 기본 개념 및 이론을 학습하고, 데이터베이스 응용 프로그램 구축을 위한 데이터베이스 설계 기법을 이론과 사례를 학습한다. 또한 데이터베이스 구현 기술을 실습하여 데이터베이스 설계와 구현 능력을 향상시킨다.
서비스디자인(Service Design) 이 과목은 인공지능 서비스 디자인 전략을 구현하기 위하여 갖추어야 할 지식과 경험을 단계적으로 배운다. 이를 바탕으로 사용자의 경험 데이터와 환경적 요인을 인공지능 서비스에 적용하여 보다 효과적인 프로젝트를 수행할 수 있는 능력을 학습한다.
확률및통계(Probability and Statistics) 이 과목은 인공지능 알고리즘을 이해하기 위한 기초확률이론, 확률변수, 가설검정, 회귀분석, 분산분석 등을 배운다. 또한 파이썬 프로그래밍 언어를 이용하여 분석하는 방법에 대해서 학습한다.
임베디드소프트웨어(Embedded Software) 이 과목은 임베디드 시스템에서 활용될 수 있는 리눅스 기반 어플리케이션 개발에 대하여 학습한다. 특히 임베디드SW의 실시간, 신뢰성, 하드웨어 최적화를 위한 임베디드 SW 활용을 학습한다.
컴퓨터네트워크(Computer Network) 디지털 통신 기술을 기반으로 한 네트워크와 디지털 통신 이론에 대한 기본 모델의 개념에 대하여 이해하고, 각 계층에 대한 관련 프로토콜, 그리고 인터넷 통신 프로토콜인 TCP/IP를 다룬다.
데이터미이닝(Data Mining) 이 과목은 대용량 데이터에서 숨겨진 지식, 예기치 않은 패턴, 새로운 규칙 등을 찾기 위한 이론과 기법을 학습한다. 유용한 패턴을 찾기 위해서 주성분 분석, 군집분석 및 연관성분석 등 다변량 데이터의 특징을 분석하는 알고리즘에 대해서 배운다.
모바일프로그래밍(Mobile Programming) 이 과목은 모바일 플랫폼 환경과 모바일 프로그래밍의 개념을 소개한다. iOS, 안드로이드 등의 모바일 운영체제에서 실행되는 응용 프로그래밍 과정을 실습한다.
딥러닝기초(Introduction to Deep Learning) 이 과목은 영상처리를 위한 딥러닝 기법에 대한 개론을 제공한다. 또한 컨볼루션 신경망을 이해하고 이를 영상분류, 물체 검출 등의 문제에 응용하는 방법을 배운다.
영상처리(Image Processing) 이 과목은 디지털 영상을 대상으로 하는 시스템에서 데이터의 획득, 변환, 개선, 저장 등 기초적인 영상처리 알고리즘을 배운다. 또한, 영상 분할, 경계선 추출, 객체 검출 등과 같은 응용 알고리즘을 학습한다.
데이터분석론(Data Analytics) 이 과목은 탐색적 데이터 분석을 위한 기초 개념을 배우며, 다양한 데이터 대한 전처리, 데이터 품질 관리, 통계 기반 데이터 분석, 시각화를 통한 데이터 분석 기법을 학습한다. 또한, 데이터 분석의 최신 기술과 알고리즘을 다루며, 실세계의 데이터 분석에 대해서 실습한다.
클라우드기초(Introduction to Cloud Computing) 본 과목에서는 클라우드 컴퓨팅 기술과 응용체계들에 대해 학습한다. 세부 내용으로는 클라우드 컴퓨팅 개요, 클라우드 시스템모델, 클러스터링, 가상화 기술, 클라우드 프로그래밍 환경 구축 방법 등을 다룬다.
웹프로그래밍(Web Programming) 이 과목은 풀 스택 개발을 위한 웹 프레임워크 및 웹 프로그래밍 언어를 학습한다. 또한, MVC패턴, XML, JSON과 같이 필수적으로 필요한 개념을 배우고 데이터를 활용하는 웹 서비스 개발을 실습한다.
딥러닝심화(Advanced Deep Learning) 이 과목은 순차적으로 나열된 데이터(언어, 시계열 데이터 등)를 표현하는 이론과 알고리즘을 배운다. 순환신경망 기반의 딥러닝 모델을 학습하고 다양한 적용 사례들을 알아본다.
자연어처리(Natural Language Processing) 이 과목은 인간의 언어를 컴퓨터가 자동으로 분석하고 생성하기 위한 방법론을 배운다. 형태소 분석과 같은 기본 언어 처리 기법과 구문분석, 의미분석, 언어 생성에 관련된 알고리즘을 학습한다.
인공지능서비스론(AI-X프로젝트)(AI-X Project) 본 과목에서는 인공지능서비스 개발 방법을 학습하고 이를 기반으로 다양한 인공지능서비스 아이디어를 도출한다. 추가적으로 도출된 아이디어를 프로토타입으로 개발하는 과정을 학습한다.
데이터시각화(Data Visualization) 이 과목은 사람들의 시각적 인지능력, 시각적 이론을 바탕으로, 사용자들이 대량의 추상적인 데이터를 직관적으로 이해하고 문제를 해결할 수 있도록, 시각화하고 동적으로 제어할 수 있는 정보시각화 기술에 대하여 학습한다. 특히 통계학, 기계학습, 데이터마이닝 등 데이터 과학 분야의 관련 기술들을 정보 시각화 시스템에 효과적으로 융합하는 기술적 방법론도 다양한 실례와 디자인 프로젝트를 통해 학습한다.
클라우드응용(Applied Cloud Computing) 본 과목에서는 클라우드 기반 응용 서비스 개발 방법을 학습한다. 세부 내용으로는 분석 서비스, 자연어 처리 서비스, 추론 서비스 등을 다룬다.
강화학습기초(Reinforcement Learing) 본 과목에서는 강화학습 기초 이론과 적용 사례를 학습한다. 세부 내용으로는 강화학습 모델, Q-Network 모델 등을 다룬다.
인공지능(캡스톤디자인)(AI Capston Design) 인공지능 캡스톤 디자인(AI Capstone Design)은 학생의 창의력, 실무, 팀워크, 의사소통 등의 훈련을 통한 설계 및 구현 능력의 향상을 목표로 한다. 설계 주제 선정 방식은 팀 회의를 통한 학생 자발적 선정, 기업체 제시에 따른 선정, 교수 지정에 따른 선정 등을 활용하도록 한다. 설계 주제 내용은 가급적 혁신적인 수행을 목표로 경제, 환경, 산업표준, 응용 등의 효율성을 충분히 반영할 수 있도록 한다.
빅데이터(Big Data) 이 과목은 빅데이터 처리를 위한 시스템 구성에 대하여 학습한다. 이를 위해 분산처리기법, 분산데이터베이스, 분산파일시스템, 데이터웨어하우스, 빅데이터 데이터 관리, 빅데이터 처리 플랫폼, 분산프로그래밍, 빅데이터의 분석기법 등에 대해 살펴본다.
인공지능세미나(Artifical Intellignece Seminar) 본 과목은 인공지능 관련 산업에 적용되고 있는 최근 기술을 학습한다. 이를 위해 다양한 인공지능 기술 분야의 전문가들를 초청하여 세미나를 진행한다.
강화학습응용(Applied Reinforcement Learing) 본 과목에서는 심층강화학습 이론 및 적용 방법 등을 학습한다. 세부 내용으로는 다양한 심층강화학습 알고리즘 및 구현 방법 등을 다룬다.
인공지능융합(캡스톤디자인)(AI-convergence Capston Design) 인공지능 기술을 적용하는 융합적 창의적인 아이디어를 도출하고 이를 설계, 제작하여 완성품을 발표한다. 제안서, 문헌 조사, 제작, 평가, 보고서 작성 등 프로젝트 전 과정을 진행해 본다.
