교과과정
|
학수번호
|
교과목명(영문)
|
교과목기술
|
|---|---|---|
|
G18424
|
인공지능개론
(Introduction to Artificial Intelligence)
|
인공지능 기본 원리, 구현기술, 머신러닝 기초에 대하여 학습한다
|
|
G18425
|
딥러닝
(Deep Learning)
|
최신 딥러닝의 핵심 모델, 방법론, 컴퓨터 비전, 자연어 처리에서의 응용을 학습한다. 텐서플로우 기반의 산업실무 응용 실습을 통한 실무를 학습한다. •MLP, CNN, RNN, LSTM에 대하여 학습한다. 본 과목은 ‘인공지능특론’의 후속 과목임
|
| G18426 |
빅데이터분석과실습 (Big Data Analysis) |
빅데이터 분석의 기초 및 실 수요형 데이터 이해를 배운다. 산업 실무에 기반한 프로그래밍 실습을 수행한다. 인공지능전공의 학부과목 '데이터사이언스'와 비슷함. |
|
G18427
|
영상처리
(Image Processing)
|
이미지 형성 모델, 샘플링 및 양자화, 선형 변환, 이미지 향상 및 복원 원리에 대한 이해를 배운다. 디지털 카메라의 노이즈 제거 및 이미지 처리에 대한 이해를 배운다. 전통적인 영상처리 수업으로 OpenCV 기반 실습을 수행한다.
|
|
G18428
|
딥러닝과영상이해
(Deep Learning & Image Processing)
|
GAN 생성모델, 객체 검출, 도메인 적응/일반화, 자기지도 학습, Transformer 등을 학습한다.
|
|
G18429
|
컴퓨터비전개론
(ntroduction to Computer Vision)
|
3D 복원, 영상 개선, 계산사진학 등의 최신 연구 에 대하여 학습한다.
|
|
G18430
|
딥러닝과자연어처리
(Deep Learning & Natural Language Processing)
|
자연언어를 다루는 딥러닝 기법에 대해서 학습한다. Word2vec, GLOVE, ELMO, Bert 등 급속히 발전하는 워드임베딩 기술에 대하여 심도있게 배운다. 컴퓨터공학 학부 자연어처리'와 비슷함.
|
|
G18431
|
자연어처리개론
(Introduction to Natural Language Processing)
|
딥러닝을 이용한 자연어처리의 최신 동향을 소개한다. 자연어처리관련 최근의 논문들을 선별하여 세부 주제별로 학습한다.
|
|
G18432
|
강화학습
(Reinforcement Learning) |
강화학습에 대한 기초 및 응용에 대하여 학습한다. 심층 강화학습에 대하여 학습하고, 최신 이론과 응용과 관련한 연구 동향을 파악한다.
|
|
G18433
|
AI기술주제연구Ⅰ
(Advanced AI Studies Ⅰ)
|
AI core 기술에 관한 최신 연구에 대한 지식을 습득한다.
|
|
G18434
|
AI기술주제연구Ⅱ
(Advanced AI Studies Ⅱ)
|
고급 AI core 기술에 관한 최신 연구에 대한 지식 습득
|
|
G18435
|
의학의이해Ⅰ
(Comprehension of Medicine Ⅰ)
|
의과학과 학생을 대상으로 기본 의학 지식을 소개하여 의학실험 설계와 분석 능력을 기르고 융합의학에 대한 이해를 높이고자 함.
|
|
G18436
|
의학의이해Ⅱ
(Comprehension of Medicine Ⅱ)
|
의학 비전공 대학원생을 대상으로 의학의 현재와 미래, 특히 임상의학 분야의 현안에 관한 지식을 전달하는 것을 목적으로 함
|
|
G18437
|
질병,치료,소통
(Diseases, Treatment, and Communication)
|
인간 질병의 발생 기전, 경과, 치료법, 및 치료 후 재활 등을 통해 건강한 사회 구성원으로의 복귀를 다루는 전과정에 대해 배움.
|
|
G18438
|
임상신경생리학
(Clinical Neurophysiology Ⅱ)
|
신경계 질환의 진단에서 신경생리적 검사의 유용성과 실제 적용에 대해 공부한다.
|
|
G18439
|
기초공통세미나
(Seminars in Biomedical Science Ⅰ)
|
기초의학에 관련된 국내외 문헌과 학술지를 선정하여 의학연구의 최신지견과 연구동향을 습득한다.
|
|
G18440
|
분자생물학및분자유전학
(Molecular Biology and Molecular Genetics)
|
생명현상의 본체인 유전자의 구조, 특성 및 발현조절 기전 등을 이해하고 이를 바탕으로 유전자 연구 방법론 및 최신 연구 동향을 토의한다. 또한 분자유전학의 기본원리와 연구방법론을 이해하게 한다.
|
|
G18441
|
시스템헬스개론
(Introduction to System Health)
|
참여교수의 다양한 전공(의학, 간호학, 식품영양학, 체육학, 공학)과 4차산업핵심기술의 연계성을 통해 시스템 헬스의 기본개념 및 현재와 미래 방향을 배움.
|
|
G18442
|
시스템헬스통계학
(System Health Statistics)
|
시스템헬스의 연구 설계와 자료 및 연구결과의 분석에 관련된 통계학적인 방법론과 데이터를 해석하는 방법을 학습함.
|
|
G18443
|
고급분자생물학
(Advanced Molecular Biology)
|
생명 현상의 본체로서 유전자의 구조와 기능을 이해하고 유전자 연구의 방법론 및 최근의 연구 동향을 토의한다.
|
|
G18444
|
분자생물학특론
(Special Topics in Advanced Biochemistry Ⅰ)
|
최근 활발히 진행되고 있는 분자생물학적 연구들을 이해하고 이들을 통해 생명과학 연구의 흐름을 파악할 수 있도록 유도한다.
|
|
G18445
|
분자생물학특론Ⅱ
(Special Topics in Advanced Biochemistry Ⅱ)
|
최근 활발히 진행되고 있는 분자생물학적 연구들을 이해하고 이들을 통해 생명과학 연구의 흐름을 파악할 수 있도록 유도한다.
|
|
G18446
|
유전체및대사체학
(Omics Science)
|
유전자, 후생유전자, 대사체, 마이크로바이옴 분석기술을 사용해서 인체의 기능/경로를 총체적으로 밝힐 수 있는 지식과 기술을 습득함.
|
|
G18447
|
생명정보학개론
(Introduction to Bioinformatics)
|
생물정보학의 제반 분야에 대한 개론적인 소개로 서열의 정렬, 상동성 검색, 유전자 예측, 인터넷상의 데이터베이스와 프로그램을 이용한 서열의 분석 등을 다룬다.
|
|
G18448
|
딥러닝과바이오의료영상
(Deep Learning for Medical Image Processing)
|
최근 인공지능의 눈부신 발전으로 인해 인공지능 기술의 가장 중요한 응용 분야로서 바이오의료영상 부분에 대한 국가적인 관심이 집중되고 있는 상황이다. 본 강의에서는 인공 지능, 특히나 최근의 화두가 되고 있는 딥러닝 기술이, 어떻게 바이오의료 영상 문제 해결에 적용될 수 있는지를 집중 강의한다. 영상인식에 꼭 필요한 딥러닝 핵심 이론 (CNN, RNN) 및 고급 이론 (Visual Q&A, Image Captioning 등)을 소개한 후, 이러한 이론적인 배경을 바탕으로 실제 딥러닝 프로그램 예제를 구현하면서 바이오영상에 적용하는 실습을 하도록 한다.
|
|
G18449
|
컴퓨터단층영상과딥러닝
(Computed Tomography and Deep Learning)
|
인체 내부의 다양한 정보 (해부학 정보, 생리학적 정보, 조직학적 정보, 기능학적정보, 형태학적 정보)를 영상으로 표현하기 위한 학문이다. X-ray, CT 등 다양한 방사선 영상 장비에 대한 기본 원리 및 동작 방법에 대해서 학습한다. CT 스캐닝 기하학, X 선의 생성, X 선과 물질의 상호 작용, Fourier 변환을 이용한 의학영상처리, 2D 및 3D CT 재구성 알고리즘, 이미지 표현, 이미지 품질 성능 매개 변수, 시스템 구성 요소, 이미지 아티팩트, 방사선 량 등의 주제를 다룬다. 또한 인공지능/딥러닝에 기반한 X-ray, CT영상 처리 애플리케이션을 다루어보도록 한다.
|
|
G18450
|
생체영상복원
(Biomedical Image Reconstruction)
|
자기공명영상은 (MRI) 해부학적 정보뿐 아니라 기능적 정보를 제공할수 있으며 인체에 무해하기 때문에 매우 유력한 의료영상기법으로 각광받고 있다. 본 수업에서는 MRI 의 신호 획득 및 영상복원을 위한 기본 원리들을 배우는데 이는 푸리에 변환 (Fourier transform) 및 샘플링 이론 (sampling theory) 등을 포함하는 다양한 신호처리 이론으로 설명된다. 수업을 마치고나면 의료기관 및 연구기관에서 수행하는 MR 영상 및 복원 원리의 대부분을 이해할수 있게된다. 이론수업뿐 아니라 실제 인체용 MRI 기계를 견학하고 다뤄보는 기회가 주어진다.
|
|
G18451
|
최신디지털치과학
(Contemporary Digital Dentistry)
|
치의학에 도입되고 있는 최신 디지털 치의학의 지식을 습득하고 AI 기술의 접목에 대하여 학습하고 토론함
|
|
G18452
|
다제융합치과학
(Multi Disciplinary Dentistry)
|
다양한 치의학제 (구강악안면외과학, 교정학, 보철학, 치주학, 보존학 등)의 임상적 및 연구를 위한 융합적 치과학을 다룸.
|
|
G18454
|
의료/바이오융합주제연구Ⅱ
(AI Convergence Medical/Bio Research Topics Ⅱ)
|
의료/바이오 융합에 관한 심화된 최신 연구에 대한 지식을 다룬다.
|
|
G18455
|
인공지능융합기반시스템개론
(Introduction to AI Computing System)
|
컴퓨터 시스템의 일부인 시스템 소프트웨어의 역할을 학습한다. 운영 체제 및 머신러닝 연산 플랫폼 소프트웨어의 역할을 학습한다. 학부 컴퓨터공학을 전공하지 않은 경우도 이해할 수 있도록 함
|
|
G18456
|
On-Device AI
(On-Device AI ) |
딥러닝구조 경량화, 분산 네트워크, 분산 학습을 학습한다. TensorFlowLite, PyTorchMobile 기반의 시스템을 개발하는 프로젝트를 수행한다.
|
|
G18457
|
지능형시스템HW
(Hardware for Artificial Intelligence)
|
기본 컴퓨터 구조 및 다양한 AI 가속 하드웨어 및 시스템에 대한 원리를 학습하고 구현한다.
|
|
G18458
|
지능형시스템SW
(Software for Artificial Intelligence)
|
CPU/GPU 기반 병렬 프로그래밍의 원리와 기법을 다루며, 현대 AI시스템의 대규모 연산 병렬화를 이해하도록 한다. 멀티코어 프로그래밍, 스레드 관리, GPU 커널 설계, 성능 최적화 등을 학습하고, 딥러닝 연산의 병렬 구조를 사례로 분석한다.
|
|
G18459
|
순차적의사결정
(Sequential Decision Making)
|
순차적으로 발생하는 의사결정을 최적화하는 방법론에 대해 학습한다. 순차적의사결정 방법론의 대표주자인 강화학습(Reinforcement Learning)에 대해 제반 이론부터 적용어플리케이션, 최근 경향에 이르기까지 전반적으로 폭 넓게 학습한다. 우선 기본적인 순차적의사결정 기법인 마코프 의사결정(Markov Decision Process; MDP)에 대해 살펴보고, MDP와 강화학습간의 관계, 강화학습 이론 및 최신 관련 이론에 대해 살펴본다. 개인 프로젝트를 통해 한 학기동안 배우는 내용을 종합적으로 정리할 수 있는 기회를 갖는다.
|
|
G18460
|
보안개론
(Introduction to AI Security)
|
보안 도메인의 인공지능융합에 필요한 기반지식을 배운다. 학부 보안을 전공하지 않은 경우도 이해할 수 있도록 함.
|
|
G18461
|
AI기반IoT보안
(AI-Based IoT Security)
|
AI를 활용한 Iot 로그 분석 기술을 학습하고 실습한다.
|
|
G18462
|
AI기반네트워크침입탐지
(AI-Based Network Intrusion Detection)
|
AI를 활용한 네트워크 패킷 및 로그 분석 기술을 학습하고 실습한다.
|
|
G18463
|
AI기반코드분석
(AI-Based Code Analysis)
|
AI를 활용한 SW 코드 분석 기술을 학습하고 실습한다.
|
|
G18464
|
현대암호학특론
(Topics in Modern Cryptography)
|
최근에 제안된 암호시스템에 대해 연구하고 안전성 증명에 대해 연구한다.
|
|
G18465
|
현대암호론Ⅱ
(Modern Cryptography Ⅱ)
|
안전성 증명, 암호분석 등에 대해 연구한다.
|
|
G18466
|
AI융합기반기술주제연구
( AI Convergence Technology Research Topics Ⅰ)
|
AI 융합 기반 기술에 관한 최신 연구에 대한 지식을 배운다.
|
|
G18467
|
AI융합기반기술주제연구Ⅱ
(AI Convergence Technology Research Topics Ⅱ)
|
심화된 AI 융합 기반 기술에 관한 최신 연구에 대한 지식을 배운다.
|
|
G18469
|
AI융합기초Ⅱ
(Foundation of AI Convergence Ⅱ)
|
심화된 AI 융합 프로젝트 요구사항도출,설계,시험,품질 등 개발공정과 방법론을 습득한다.
|
|
G18470
|
AI융합프로젝트Ⅰ
(AI Convergence Project Ⅰ)
|
AI 융합 세부 분야에 따른 AI 융합 시스템 개발 프로젝트로 2학기 부터 수강 가능
|
|
G18471
|
AI융합프로젝트Ⅱ
(AI Convergence Project Ⅱ)
|
AI 융합 세부 분야에 따른 AI 융합 시스템 개발 프로젝트로 2학기 부터 수강 가능
|
|
G18472
|
AI융합프로젝트Ⅲ
(AI Convergence Project Ⅲ)
|
AI 융합 세부 분야에 따른 AI 융합 시스템 개발 프로젝트로 2학기 부터 수강 가능
|
|
G18473
|
AI융합프로젝트Ⅳ
(AI Convergence Project Ⅳ)
|
AI 융합 세부 분야에 따른 AI 융합 시스템 개발 프로젝트로 2학기 부터 수강 가능
|
|
G18474
|
AI융합인턴십Ⅰ
(AI Convergence Internship Ⅰ)
|
AI 융합 시스템 개발에 필요한 지식을 산업체 인턴과정을 통하여 학습(총42시간이상)
|
|
G18475
|
AI융합인턴십Ⅱ
(AI Convergence Internship Ⅱ)
|
AI 융합 시스템 개발에 필요한 지식을 산업체 인턴과정을 통하여 학습(총42시간이상)
|
|
G18476
|
창업연계캡스톤프로젝트
(Start-Up Linked Capstone Project)
|
기본 창업 교육과 수강생이 창업 아이디어를 제시하고 연구와 접목한 프로젝트를 진행한다. 본교 창업보육센터와 연계하여 창업 전문가들의 멘토링 진행
|
|
G18477
|
AI융합기술이전Ⅰ
(AI Convergence Technology Transfer Ⅰ)
|
AI 융합 프로젝트 결과 기술이전 수행으로 3학기 부터 수강 가능
|
|
G18478
|
AI융합기술이전Ⅱ
(AI Convergence Technology Transfer Ⅱ)
|
AI 융합 프로젝트 결과 기술이전 수행으로 3학기 부터 수강 가능
|
|
G18479
|
AI융합기술이전Ⅲ
(AI Convergence Technology Transfer Ⅲ)
|
AI 융합 프로젝트 결과 기술이전 수행으로 3학기 부터 수강 가능
|
|
G18480
|
AI융합기술상용화
(Commercialization of AI Convergence Technology)
|
AI 융합 프로젝트 상용화 학습으로 3학기 부터 수강 가능
|
|
G18481
|
AI융합실무주제연구Ⅰ
(AI Convergence Practice Research Topics Ⅰ)
|
AI 융합 실무에 관한 최신 연구에 대한 지식을 습득한다.
|
|
G18482
|
AI융합실무주제연구Ⅱ
9AI Convergence Practice Research Topics Ⅰ)
|
고급 AI 융합 실무에 관한 최신 연구에 대한 지식을 습득한다.
|
|
G18813
|
딥러닝보안
(Deep Learning Security)
|
본 교과목에서는 최신 딥러닝 모델들을 배우고 이 모델들을 사용하여 다양한 사이버보안 문제를 탐색한다. 이러한 문제들에는 네트워크 트래픽 분석, 악성코드 분석, 딥페이크 탐지, 적대적공격, 모델전도 공격 등이 포함된다. 관련한 논문 발표 및 실습문제 수행을 통해 최신 딥러닝보안 연구를 배우고 이를 토대로 딥러닝보안 프로젝트를 제안한다.
|
|
G18957
|
그래프학습특론
(Advanced Topics on Graph Learning)
|
Graph는 대상간 관계를 모델링할 수 있는 가장 직관적인 자료구조로, 다양한 모델링, 분석, 학습 기법들이 제시되어 다양한 응용에 활용되고 있음. 본 수업에서는 최신 그래프 기반 학습 모델들의 기초부터 응용까지 다루며, 이를 본인의 연구주제에 접목하여 활용하는 역량을 제고하는 것을 목표로 함.
|
|
G18958
|
멀티모달딥러닝
(Multimodal Deep Learning)
|
멀티모달딥러닝은 영상, 음성, 텍스트 등 서로 다른 모달리티를 통합적으로 이해·처리하는 인공지능의 핵심 분야를 다룬다. 본 교과목에서는 멀티모달 표현 학습, 모달 간 정렬 및 결합 기법, 대규모 사전학습 모델(멀티모달 LLM·VLM), 생성 모델 및 융합 기반 추론 방법을 학습한다. 또한 최신 연구 동향과 실제 응용 사례를 다루며, 프로젝트 기반 실습을 통해 멀티모달 데이터를 활용한 AI 모델 개발 능력을 배양한다.
|
|
G18980
|
AGI를위한폴리시학습
(Policy Learning for Agentic AI and AGI Systems)
|
본 과목은 에이전트 기반 AI 확산을 배경으로 AGI 핵심 요소인 정책(Policy) 학습을 다룬다. RL 기반 LLM post-training, 보상 설계, 신뢰영역 및 안정적 정책 업데이트, 자기학습 LLM을 중심으로 에이전트·다중에이전트 정책 학습과 장기 의사결정을 이론·실험적으로 분석한다.
|
※ 위 교과목들의 개설은 학사운영에 따라 변동될 가능성이 있음.