. [2024-Spring] ▶ [기계지능특론]  (Machine Intelligence and applications)

• This course presents significant five topics in machine learning applications. It covers artificial intelligence application utilizing deep learning, robotics, computer vision, and lightweight AI. First, it presents online learning and concept drift learning to address changing data distribtuion over time. Second, it explains Bayesian neural networks, which seeks a probabilistic approach to quantify uncertainties during learning. Third, it presents how to quantify the prediction confidence and its calibration. Forth, it discusses semi-supervised learning, self-supervised learnig, and active learning, which effectively train largescalse networks with limited labeled data. Lastly, it highlights the efficiency of using minimal computer resources through lightweight techniques such as pruning, quantization, and knowledge distillation.

   . [2024-Spring] ▶ [기계학습]  (Machine Learning)

• 본 과정은 학습모델이 데이터 패턴을 잘 학습할 수 있도록 기계학습 알고리즘에 대한 전문적인 지식체계를 확립합니다. 빅데이터 주요 개념과 함께 문제 해결능력을 위해 반드시 알아야 할 기계학습 알고리즘을 배웁니다. 수업내용은 군집화, 트리모델과 앙상블모델, 딥러닝과 CNN, RNN, 그리고 오토인코더 및 관련 확장 모델을 포함합니다. 기계학습의 최적화가 수리 최적화와 무엇이 다르고, 주된 기법에는 어떠한 것이 있는지 관련 개념을 다룹니다. Python 언어를 활용하여 실습을 진행하고, 학습한 알고리즘을 구현하는 능력을 집중 배양합니다. 

   . [2024-Spring] ▶ [인터랙티브 AI]  (Interactive AI) 

• 본 교과목은 AI 서비스를 제공할 수 있는 기반 기술을 소개함과 동시에 최근 널리 활용되고 있는 인공지능 학습 기법을 배우고 실습을 진행한다. 인공지능 알고리즘을 활용하여 비즈니스의 문제를 해결하고 실용적인 서비스를 제공하기 위한 구체적인 사례를 다루고 실습을 수행한다. 특히, 기존 전공 수업에서 다루지 못한 기계학습 알고리즘으로 생성모델(generative model), 그래프신경망(graph neural networks), 시계열 모델(time-series model)을 함께 다룬다. 서비스 기술로써는 학습모델의 서비스 deploy부터 실시간 데이터 수집, 데이터 가공, 모델 구축/업데이트, 예측, 학습모델의 형상관리 등에 대한 인공지능 개발 수명 주기를 포함한다. 시간이 가능하면 AutoML, MLOps 컨셉을 다룰 수 있는 일부 상용프로그램을 추가로 배우고 실습할 계획이다.