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 | |
| 딥러닝시스템(Deep Learning System) | 3 |
| 심층학습 기법에 대한 알고리즘 구현 및 실제 시스템 구축을 위해 연계된 기술에 대해서 다룬다. | |
| 기계학습특론(Advanced Machine Learning) | 3 |
| 기계학습의 전통적인 관점 및 최신 기술을 모두 포함하여 다루며, 다양한 알고리즘에 대해 분석하는 능력을 키운다. | |
| AI기반 시계열분석(AI Time Series Data Analysis) | 3 |
| 시계열 데이터를 표현하는 이론과 알고리즘을 소개하며, 다양한 실세계의 데이터 분석 방법에 대해서 다룬다. | |
| 스마트항만특론(Advanced Smart Port) | 3 |
| 항만 물류 데이터는 영상 및 시계열 형태의 다양한 데이터를 가지고 있다. 본 교과목은 항만에 특화된 물류 스케쥴링 알고리즘, 영상을 활용한 항만 안전 시스템을 위한 알고리즘, 해상 데이터에 대한 심층 신경망 분석 알고리즘 등에 대한 수업으로 이루어지며, 스마트 항만과 관련된 전반적인 인공지능 기술을 학습한다. | |
| 모바일로보틱스(Mobile Robotics) | 3 |
| 모바일 로봇은 주변 지형 및 전방 사물을 실시간으로 감지하고 목적지까지 자율 주행하는 로봇이며, 제조 현장에서의 활용이 증가하고 있다. 본 교과목에서는 모바일 로보틱스에 대한 기본 이론을 학습하고, 로봇 운영체제를 기반으로 라이다, 카메라 등 다양한 센서들로부터 주위 환경을 인지하기 위한 인공지능 기술 및 자율주행을 위한 경로 계획과 위치인식에 대한 기법들을 다룬다. | |
| 스마트시티와빅데이터분석(Smart City and Big Data Analysis) | 3 |
| 스마트시티는 사물인터넷, 빅데이터, 인공지능 기술의 통합 플랫폼이다. 이러한 기술을 활용하며, 데이터 수집, 보안과 법, 데이터 기반 도시 계획을 통해 모빌리티, 에너지, 환경 등 다양한 애플리케이션을 구축한다. 본 교과목은, 스마트시티 구축을 위한 기반 기술, 데이터 분석을 통한 스마트시티 운영, 인공지능 통한 서비스 구축 및 선진 사례를 학습한다. | |
| 스마트헬스케어특론(Advanced Smart Healthcare) | 3 |
| 헬스케어는 인공지능 연구가 활발한 분야로, 진단 및 예측, 개인 맞춤형 건강 관리 등 다양한 분야에서 쓰이고 있다. 진단을 위한 영상처리 알고리즘, 시계열 데이터 분석을 위한 신호처리, 개인 관리를 위한 챗봇 및 자연어 처리 알고리즘 등 헬스케어 특화 기법들에 대해 학습한다. | |
| 산업AI특론(Advanced Industrial Artificial Intelligence) | 3 |
| 제조/물류 등과 같은 실제 산업에서는 최적화/예측 등과 같은 인공지능 기법을 활용할 수 있는 다양한 형태의 문제가 존재한다. 본 교과에서는 제조/믈류 등과 같은 산업 분야에 해결 가능한 문제를 정의하고 인공지능 기법을 활용하여 산업 문제를 해결해 봄으로써 인공지능 기법에 대한 실제 활용 능력을 높힌다. | |
| 설명가능한인공지능(Explainable Artificial Intelligence) | 3 |
| 설명 가능한 AI(XAI, Explainable Artificial Intelligence)는 학습 된 기계학습 모형 및 딥러닝 모형에 대해 이해하고 해석하기 위한 방법론이다. 본 교과목은 설명가능한 AI의 작동원리에 대해서 이해하고 다양한 설명가능한 AI 방법론에 대한 이해를 통해 학습 된 모형에 대한 신뢰성을 높이고 정확한 의사결정을 할 수 있는 기반을 다진다. | |
| 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 |