바로가기 메뉴: 본문 바로가기; 주메뉴 바로가기

구글 검색

사용자별 맞춤 서비스

현장중심·창의인재·글로벌 선도대학

홈으로

즐겨찾는 메뉴

마이크로전공트랙

/WEB-INF/jsp/k2web/com/cop/site/layout.jsp
dongyang_JW_MS_K2WT001_S

생활속의생명공학

기계학습·딥러닝트랙

주관학과 : 인공지능소프트웨어학과
수강제한학과 : 인공지능소프트웨어학과

교육목표

기계학습·딥러닝 마이크로전공트랙은 싸이킷런과 텐서플로 라이브러리를 활용한 기계학습과 딥러닝 모델 구현 기술 함양을 위해 이론과 실습을 학습함으로써 기계학습과 딥러닝 분야의 기초 기술에 대해 이해하고 관련된 직무역량을 향상시키고자 함

활용분야

기계학습·딥러닝은 4차 산업혁명 시대의 "기계학습과 딥러닝" 분야의 핵심 기술을 함양함으로써 다양한 산업 분야에 인공지능 기술을 응용할 수 있는 토대를 학습할 수 있는 분야

운영학과 1학기 교과목, 운영학과 1학기 학점, 운영학과 1학기 시수, 운영학과 2학기 교과목, 운영학과 2학기 학점, 운영학과 2학기 시수 정보를 제공
운영학과	1학기			2학기
운영학과	교과목	학점	시수	교과목	학점	시수
인공지능소프트웨어학과	기계학습	3	3	컴퓨터비전	3	3
인공지능소프트웨어학과	딥러닝프로그래밍	3	3	딥러닝응용프로그래밍	3	3

총 12학점 12시간

기계학습
딥러닝프로그래밍
컴퓨터비전
딥러닝응용프로그래밍

교과목소개 - 교과목명, 학기, 이수시간(실습), 학점 정보를 표시
교과목명	기계학습	학기	1학기
이수시간	3	학점	3

교과목소개 - 교과목개요, 교과목특징, 교육목표, 교육내용, 교육정보
교과목개요	머신러닝(=기계학습)의 개념과 프로그래밍 방법을 파이썬을 활용하여 학습하는 과목이다. 머신러닝 작업 환경을 갖추는 것부터 머신러닝을 공부하는 데 필요한 기초 이론 내용을 학습한다. 지도 학습에 존재하는 다양한 머신러닝 알고리즘의 개념과 동작 원리를 학습한다. 분류 문제와 회귀 문제를 해결하기 위한 머신러닝 방법론을 학습한다.
교과목 특징	머신러닝 작업 환경을 갖추는 것부터 머신러닝을 공부하는 데 필요한 기초 이론 내용을 이해할 수 있다. 지도 학습에 존재하는 다양한 머신러닝 알고리즘의 개념과 동작 원리를 이해할 수 있다.
교육 목표	인공지능, 머신러닝, 딥러닝 사이의 관계를 이해할 수 있다. 머신러닝에 대해 이해하고, 주어진 문제를 해결하기 위해 머신러닝 모델을 활용할 수 있다. 사이킷런 (scikit-learn) 라이브러리를 활용하여 머신러닝 프로그래밍을 수행할 수 있다. AI 소프트웨어 개발자를 꿈꾸는 학생들이 머신러닝 프로그래밍 역량을 갖추는데 도움을 준다.
교육내용	인공지능의 정의와 일상생활 속 인공지능 활용 사례 파이썬이란? Cloud 방식의 실습 환경 만들기 Standalone 방식의 실습 환경 만들기 기계학습 라이브러리 scikit-learn k-최근접 이웃 알고리즘을 사용해 도미와 빙어 데이터를 구분 샘플링 편향 없이 훈련 세트와 테스트 세트를 만들 수 있다. 스케일이 다른 특성을 처리할 수 있다. k-최근접 이웃 회귀를 활용해 회귀 문제를 다룰 수 있다. 선형 회귀로 훈련 세트 범위 밖의 샘플 예측할 수 있다. 다중 회귀 모델을 훈련하고, 평가할 수 있다. 로지스틱 회귀로 다중 분류를 수행할 수 있다. 점진적 학습을 위한 확률적 경사 하강법을 이해할 수 있다. 결정 트리 모델을 학습시켜 와인 분류 문제를 해결할 수 있다.
교육정보	핸즈온머신러닝(3판) 실습 수업 도구: 구글 코랩 (Google Colab), 주피터 노트북 (Jupyter Notebook)

교과목소개 - 교과목명, 학기, 이수시간(실습), 학점 정보를 표시
교과목명	딥러닝프로그래밍	학기	1학기
이수시간	3	학점	3

교과목소개 - 교과목개요, 교과목특징, 교육목표, 교육내용, 교육정보
교과목개요	딥러닝 (Deep Learning)의 개념과 프로그래밍 방법을 파이썬을 활용하여 학습하는 과목이다. 딥러닝 작업 환경을 갖추는 것부터 딥러닝을 공부하는 데 필요한 기초 수학 내용을 학습한다. 머신러닝 및 딥러닝의 기본 원리인 선형 회귀와 로지스틱 회귀를 학습한다. 딥러닝을 설계할 때 꼭 필요한 신경망과 역전파 (Backpropagation)의 개념을 학습한다. 학습한 딥러닝 이론이 실제 프로젝트에 어떻게 적용되는지 프로그래밍 실습을 통해 확인한다. 딥러닝을 다양하게 활용하는 차원에서, CNN, RNN, 자연어 처리, GAN 등을 다룬다.
교과목 특징	딥러닝 작업 환경을 갖추는 것부터 딥러닝을 공부하는 데 필요한 기초 이론 내용을 이해할 수 있다. 딥러닝의 개념과 동작 원리를 이해할 수 있다.
교육 목표	인공지능, 머신러닝, 딥러닝 사이의 관계를 이해할 수 있다. 딥러닝 모델의 구조를 이해하고, 주어진 문제를 해결하기 위해 딥러닝 모델을 설계할 수 있다. 텐서플로 (TensorFlow) 라이브러리를 활용하여 딥러닝 프로그래밍을 수행할 수 있다. AI 소프트웨어 개발자를 꿈꾸는 학생들이 딥러닝 프로그래밍 역량을 갖추는데 도움을 준다.
교육내용	인공지능, 머신러닝, 딥러닝의 관계 이해 구글 코랩 실행 딥러닝 코드를 실행 및 코드의 전체 구조를 파악 딥러닝의 가장 말단에서 이루어지는 기본적인 두 가지 계산 원리인 '선형 회귀'와 '로지스틱 회귀' 이해 최소 제곱법과 평균 제곱 오차를 파이썬 코딩으로 확인 딥러닝 모델 학습에 사용되는 경사 하강법 이해 선형 회귀와 다중 회귀를 파이썬 코딩으로 확인 '예' 또는 '아니요'를 구분하는 로지스틱 회귀 및 오차공식 이해 퍼셉트론의 한계와 다층 퍼셉트론의 등장 배경 다층 퍼셉트론을 설계하여 XOR 문제 해결 딥러닝 모델을 설계, 컴파일, 실행 문제에서 주어진 데이터의 분석, 조사, 추출 수행 과적합 문제를 이해하고, 이를 회피하기 위해 학습셋과 테스트셋 구분 컨볼루션 연산에 이해 및 컨볼루션 신경망을 설계 딥러닝을 이용한 자연어 처리 텍스트를 읽고 긍정, 부정을 예측할 수 있는 모델 설계 시퀀스 배열로 다루는 순환 신경망 이해 GAN의 기본 구조와 동작 원리를 이해 및 숫자 이미지 생성 활동
교육정보	핸즈온머신러닝(3판) 실습 수업 도구: 구글 코랩 (Google Colab), 주피터 노트북 (Jupyter Notebook)

교과목소개 - 교과목명, 학기, 이수시간(실습), 학점 정보를 표시
교과목명	컴퓨터비전	학기	2학기
이수시간	3	학점	3

교과목소개 - 교과목개요, 교과목특징, 교육목표, 교육내용, 교육정보
교과목개요	컴퓨터 비전은 컴퓨터를 이용하여 정지 영상 또는 동영상으로부터 의미 있는 정보를 추출하는 학문이다. 즉, 사람의 눈과 뇌가 하는 작업을 수학적 알고리즘을 통해 컴퓨터가 수행할 수 있도록 만드는 작업이다. 컴퓨터가 사물을 인식하게끔 만드는 것이 간단하지는 않지만, OpenCV를 사용하면 좀 더 쉽게 프로그래밍할 수 있다. 본 과정에서는 컴퓨터 비전과 딥러닝의 원리를 이해하고 OpenCV를 활용하여 쉽게 배울 수 있다.
교과목 특징	컴퓨터 비전과 딥러닝의 원리를 알고, OpenCV를 사용하여 쉽게 프로그래밍 할 수 있다.
교육 목표	전통적인 컴퓨터 비전 기술 및 알고리즘을 이해한다. Pytorch를 활용한 딥러닝 기반 컴퓨터비전 기술의 기본적인 구현이 가능해진다.
교육내용	컴퓨터 비전의 개요, 역사, 최신 기술 분야의 전반에 대해 학습한다. 이미지 및 동영상 파일과 웹캠을 다루는 기술에 대해 학습한다. 영상처리 기초에 대해 학습한다. 에지 검출 및 영상 분할 방법에 대해 학습한다. 영상의 지역 특징 (Local Feature; 좁은 범위의 특징) 정보를 표현하는 방식과 이를 활용하는 기술에 대해 학습한다. GUI를 활용한 영상처리 활용방법에 대해 학습한다. 딥러닝 기초 개념에 대해 학습한다. 컨벌루션 신경망의 구조, 학습, 구현방법과 활용방안에 대해 학습한다. 이미지 이해 기술에 대해 학습한다. 동영상 내 모션정보 분석 및 활용기술에 대해 학습한다. 비전 트랜스포머 기술에 대해 학습한다. 생성 비전기술에 대해 학습한다.
교육정보	주교재 : 컴퓨터 비전과 딥러닝, 오일석, 한빛아카데미 파이썬 프로그래밍 실습도구 (Visual Code)

교과목소개 - 교과목명, 학기, 이수시간(실습), 학점 정보를 표시
교과목명	딥러닝응용프로그래밍	학기	2학기
이수시간	3	학점	3

교과목소개 - 교과목개요, 교과목특징, 교육목표, 교육내용, 교육정보
교과목개요	본 교과목은 AI의 핵심 솔루션인 딥러닝을 최고의 딥러닝 프레임워크인 Keras Tensorflow를 활용해서 직접 딥러닝 모델을 구현해 보는 실습을 포함하고 있다. 딥러닝을 이론 소개를 통해, 딥러닝에 관해 탄탄하게 개념을 정립하고, 기본기를 바탕으로 Tensorflow와 Keras로 딥러닝 모델을 직접 구현해 보도록 한다. 구현하는 주요 딥러닝 모델은 다음과 같다. 1) CNN, 2) SimpleRNN, LSTM, GRU, 3) 트랜스포머, 4) 그래프신경망 등
교과목 특징	Tensorflow를 활용하는 법을 배우고, CNN, RNN, LSTM, GRU와 같은 딥러닝 기본 모델을 구현할 수 있다.
교육 목표	딥러닝의 기본 및 심화 원리와 이론적 배경을 이해한다. TensorFlow Framework 구성을 이해하고 이를 활용하여 CNN, RNN, LSTM, GRU와 같은 딥러닝 기본 모델을 구현해본다. 최적화/정규화/하이퍼파라미터 튜닝을 이해하고 성능 향상을 위한 방법들을 실습해본다. VGGNet과 같은 아키텍처를 직접 구현해본다.
교육내용	딥러닝이란 무엇인가? 신경망의 수학적 구성 요소 케라스와 텐서플로 소개 신경망 시작하기: 분류와 회귀 머신러닝의 기본 요소 일반적인 머신러닝 워크플로 케라스 완전 정복 컴퓨터 비전을 위한 딥러닝 컴퓨터 비전을 위한 고급 딥러닝 시계열을 위한 딥러닝 텍스트를 위한 딥러닝 생성 모델을 위한 딥러닝
교육정보	자체 유인물 교재 파이썬 프로그래밍 실습도구 (Jupyter Lab 또는 Google Colab)

담당부서: 교육지원팀

연락처: 02-2610-1708