강의목차
| 주차 |
차시 |
학습내용 |
평가활동 |
| 1주 |
1차시 |
인공지능의 등장 배경, 개념과 종류(1)
1. 강의주제: 인공지능의 등장 배경, 개념과 종류(1)
2. 강의목표:
① 인공지능의 등장 배경을 설명할 수 있다.
② 인공지능의 종류를 설명할 수 있다.
3. 강의세부내용:
① 인공지능의 등장 배경과 필요성
- 인공지능의 등장 배경
- 인공지능의 필요성
② 인공지능의 개념
- 인공지능의 정의
- 인지과학과 뇌과학
- 인지에이전트
- 지각, 인지 및 행동
|
|
| 2차시 |
인공지능의 등장 배경, 개념과 종류(2)
1. 강의주제: 인공지능의 등장 배경, 개념과 종류(2)
2. 강의목표:
① 인공지능의 발전 단계를 설명할 수 있다.
② 기계학습과 딥러닝에 대하여 비교 서술할 수 있다.
3. 강의세부내용:
① 인공지능의 발전 단계
- 약 인공지능
- 강 인공지능
- 초 인공지능
② 기계학습과 딥러닝
- 기계학습
- 딥러닝
|
|
| 3차시 |
인공지능의 기초이론
1. 강의주제: 인공지능의 기초이론
2. 강의목표:
① 인공지능의 기초적인 이론을 설명할 수 있다.
② 인공지능의 분류에 대하여 설명할 수 있다.
3. 강의세부내용:
① 인공지능과 기초이론
- 그래프이론
- 심화 학습 알고리즘
- 강화학습과 마르코프 알고리즘
- 게임이론
- 컴퓨터비전
- 자연어 처리
② 인공지능의 분류
- 사람처럼 생각하는 시스템
- 이성적으로 생각하는 시스템
- 사람처럼 행동하는 시스템
- 이성적으로 행동하는 시스템
|
|
| 2주 |
1차시 |
인공지능문제 및 표현방법
1. 강의주제: 인공지능 문제 및 표현방법
2. 강의목표:
① 인공지능의 과거와 현재, 미래에 대하여 설명할 수 있다.
② 인공지능 문제의 특징을 서술할 수 있다.
③ 인공지능 문제의 표현방법과 상태와 상태공간에 대하여 설명할 수 있다.
3. 강의세부내용:
① 인공지능의 과거와 현재, 미래
- 인공지능의 발전사
- 인공지능의 현재
- 인공지능의 미래
② 인공지능 문제
- 인공지능 문제의 특징
- 인공지능 문제의 표현
- 인공지능 상태공간의 표현
- 일반적인 문제풀이 방법
3) 해 탐색
- 퍼즐
- 틱택토
- 강 건너기
|
|
| 2차시 |
그래프와 깊이 우선 탐색기법
1. 강의주제: 그래프와 깊이 우선 탐색기법
2. 강의목표:
① 그래프탐색의 개념을 서술할 수 있다.
② 무작위 탐색기법의 개념과 깊이 우선 탐색기법의 알고리즘을 설명할 수 있다.
3. 강의세부내용:
① 그래프 탐색기법
- 그래프탐색의 개념
- 그래프 종류(무방향 그래프, 방향 그래프, 가중치그래프)
② 깊이우선탐색
- 깊이우선탐색의 개념
- 깊이 우선 탐색 방법의 장점과 단점
- DFS 탐색의 처리 과정과 탐색 과정
|
|
| 3차시 |
너비 우선과 균일비용탐색기법
1. 강의주제: 너비 우선과 균일비용탐색기법
2. 강의목표:
① 너비 우선 탐색 기법의 개념과 알고리즘을 설명할 수 있다.
② 균일비용탐색기법의 개념과 알고리즘을 설명할 수 있다.
3. 강의세부내용:
① 너비 우선 탐색기법
- 너비 우선 탐색 기법의 개념
- 너비 우선 탐색기법의 장점과 단점
- BFS 탐색 과정과 알고리즘
- BFS와 DFS의 경로 탐색 비교
② 균일비용 탐색기법
- 균일비용 탐색기법의 개념
- 균일비용 탐색기법의 장점과 단점
- UCS 탐색 과정
|
|
| 3주 |
1차시 |
경험적 탐색기법
1. 강의주제: 경험적 탐색기법
2. 강의목표:
① 경험적 탐색기법의 개념을 이해하여 설명할 수 있다.
② 지식 표현의 필요성과 지식 표현의 구성요소를 이해하고 언덕 오르기 탐색, 최우선 탐색, A* 탐색의 개요와 알고리즘을 파악할 수 있다.
3. 강의세부내용:
① 경험적 탐색기법
- 경험적 탐색기법의 개념
- 평가함수
- 경험적 탐색기법의 종류
② 언덕 오르기 탐색
- 언덕 오르기 탐색의 개요
- 지역성 문제
- 알고리즘
- 특징
- 평가함수
3) 최우선 탐색
- 최우선 탐색의 개요
- 알고리즘
- 길 찾기 문제
4) A* 탐색
- A*탐색의 개요
- 알고리즘
|
|
| 2차시 |
지식 표현과 논리
1. 강의주제: 지식 표현과 논리
2. 강의목표:
① 지식 표현과 지식 이용의 단계에 대하여 서술할 수 있다.
② 지식 표현의 종류와 중요 고려사항을 설명할 수 있다.
3. 강의세부내용:
① DIKW 계층구조
- 구성요소
- 관련 시스템
② 지식 표현
- 지식 표현의 개념
- 지식 표현의 특징
- 지식 표현의 종류
- 지식의 이용
- 지식 표현의 모듈성
|
|
| 3차시 |
빅데이터
1. 강의주제: 빅데이터
2. 강의목표:
① 빅데이터의 기본적인 개념과 빅데이터와 인공지능의 관계에 대하여 설명할 수 있다.
② 빅데이터 활용 사례와 빅데이터의 분석 기술, 표현기술의 종류를 열거할 수 있다.
3. 강의세부내용:
① 빅데이터 개요
- 빅데이터의 개념
- 빅데이터의 필요성과 등장 배경
- 빅데이터의 구성 요소
- 빅데이터의 처리 5단계
- 빅데이터와 인공지능
② 빅데이터의 활용 사례와 기술
- 우리의 생활과 빅데이터
- 빅데이터의 긍정적 측면과 부정적 측면
- 빅데이터의 활용 사례
- 빅데이터 분석 기술과 표현 기술
|
|
| 4주 |
1차시 |
논리기반 및 의미기반 지식 표현
1. 강의주제: 논리기반 및 의미기반 지식 표현
2. 강의목표:
① 지식 표현의 방법에 대해서 이해하고 설명할 수 있다.
② 논리 기반과 의미 기반 규칙표현에 대한 개념을 설명할 수 있고 구분할 수 있다.
3. 강의세부내용:
① 논리형, 절차형, 의미 기반 지식 표현
- 지식 표현 방법
- 논리기반 지식 표현
- 의미기반 지식 표현
② 연역적 추론, 귀납적추론, 가추적 추론
- 연역적 추론
- 귀납적추론
- 가추적 추론
|
토론 |
| 2차시 |
규칙기반 지식 표현 및 추론
1. 강의주제: 규칙기반 지식 표현 및 추론
2. 강의목표:
① 규칙기반 지식 표현에 대해서 설명할 수 있다.
② 추론의 종류에 대하여 개념을 이해하고 문제에 따른 추론 모델을 적용할 수 있다.
3. 강의세부내용:
① 규칙기반 지식 표현
- 규칙기반 지식 표현
- 연결주의
- 조건과 행동
② 추론의 종류
- 전방향추론
- 후방향추론
- 결합형추론
|
|
| 3차시 |
프레임기반 및 사례기반 지식 표현
1. 강의주제: 프레임기반 및 사례기반 지식 표현
2. 강의목표:
① 프레임기반 지식 표현에 대하여 개념을 이해하고 예를 들어 설명할 수 있다.
② 사례기반 지식 표현에 대하여 개념을 이해하고 예를 들어 설명할 수 있다.
3. 강의세부내용:
① 프레임기반 지식 표현
- 프레임기반 지식 표현 개요
- 프레임기반 지식 표현의 예
② 사례기반 지식 표현
- 사례기반 지식 표현 개요
- 사례기반 지식 표현의 예
- 사례기반 지식 표현의 사이클
|
|
| 5주 |
1차시 |
전문가 시스템 개요
1. 강의주제: 전문가 시스템 개요
2. 강의목표:
① 전문가 시스템의 일반적인 개념을 이해하고 설명할 수 있다.
② 전문가 시스템의 현주소를 설명할 수 있다.
3. 강의세부내용:
① 전문가 시스템
- 전문가 시스템의 개요
- 전문가 시스템의 필요성
- 생성시스템
② 전문가 시스템의 지식 표현
- 지식 표현의 규칙
- 전문가 시스템의 유래
- 기존 시스템과 전문가 시스템 비교
- 전문가 시스템의 장점
- 전문가 시스템의 현실
|
|
| 2차시 |
전문가 시스템 특성 및 구성 요소
1. 강의주제: 전문가 시스템 특성 및 구성 요소
2. 강의목표:
① 전문가 시스템의 특성에 대해서 설명할 수 있다.
② 전문가 시스템의 구성 요소를 서술하고 구성할 수 있다.
③ 지식기반 데이터베이스의 개념을 이해하고 활용분야를 제시할 수 있다.
3. 강의세부내용:
① 전문가 시스템의 특성
- 전문가 시스템의 특성
- 기능적 구성요소
② 지식기반 데이터베이스
- 지식기반 데이터베이스 개념
- 데이터베이스 속성
- 지식기반 데이터베이스 구축절차
|
|
| 3차시 |
불확실성과 의사결정모델
1. 강의주제: 불확실성과 의사결정모델
2. 강의목표:
① 불확실성을 수치로 정의할 필요성을 설명할 수 있다.
② 의사결정기준에 대해서 이해하고 적용할 수 있다.
3. 강의세부내용:
① 불확실성
- 불확실성
- 일반적인 불확실성의 요인
② 의사결정기준
- 불확실성과 합리적 결정
- 라플라스 기준(Laplace criterion)
- 낙관적 기준(optimistic criterion)
- 비관적 기준(pessimistic criterion)
- 호르비츠 기준(Hurwitz criterion)
- 새비지 기준(Savage criterion)
- 예제
|
|
| 6주 |
1차시 |
확률론
1. 강의주제: 확률론
2. 강의목표:
① 확률과 퍼지를 비교 설명할 수 있고 확률의 기본 이론을 서술할 수 있다.
② 퍼지의 구성요소를 분류할 수 있다.
3. 강의세부내용:
① 퍼지와 확률
- 퍼지 사고의 개요
- 퍼지와 확률
② 기초확률
- 확률의 기본
- 확률의 덧셈정리
- 확률의 곱셈정리와 조건부확률
- 베이즈정리
|
|
| 2차시 |
퍼지집합
1. 강의주제: 퍼지집합
2. 강의목표:
① 패턴인식의 구성요소에 대하여 설명할 수 있다.
② 패턴인식의 처리과정에 대하여 설명할 수 있다.
3. 강의세부내용:
① 퍼지집합Ⅰ
- 퍼지집합의 기본개념 및 정의
- 퍼지명제
② 퍼지집합Ⅱ
- 퍼지집합의 개요
- 퍼지집합의 연산
|
|
| 3차시 |
패턴
1. 강의주제: 패턴
2. 강의목표:
① 패턴의 의미를 이해하고 패턴인식에 대하여 서술할 수 있다.
② 패턴인식 단계와 단계별 기능을 식별할 수 있다.
③ 분류와 회귀의 기본 개념을 이해하고 적용할 수 있다.
3. 강의세부내용:
① 패턴의 개요
- 패턴인식
- 인공지능(AI)과 패턴인식의 가장 중요한 차이점
- 패턴인식 문제
- 패턴인식절차
② 패턴인식 알고리즘 개요
- 인식/예측 알고리즘
- 분류 알고리즘
- 로지스틱 회귀
- 자료의 구분
- 로지스틱 회귀의 특징
|
|
| 7주 |
1차시 |
나이브베이즈, 의사결정트리 알고리즘
1. 강의주제: 나이브베이즈, 의사결정트리 알고리즘
2. 강의목표:
① 나이브베이즈 알고리즘의 개념을 이해하고 사전확률과 사후확률을 계산할 수 있다.
② 의사결정트리 알고리즘의 개념을 설명할 수 있고 불순도 값을 계산할 수 있다.
3. 강의세부내용:
① 나이브베이즈 알고리즘
- 나이브베이즈 알고리즘 개요
- 나이브베이즈 알고리즘의 예제
② 의사결정트리 알고리즘
- 의사결정트리 알고리즘 개요
- 불순도
- 지니지수
- 엔트로피지수
|
|
| 2차시 |
SVM, K-최소근접알고리즘
1. 강의주제: SVM, K-최소근접 알고리즘
2. 강의목표:
① SVM에 대하여 기본 개념을 이해하고 프로그램을 활용할 수 있다.
② K-최소근접 알고리즘의 기본 개념을 이해하고 프로그램으로 작성할 수 있다.
3. 강의세부내용:
① 소프트벡터머신(SVM)
- 소프트벡터머신 개요
- 마진과 결정경계
- 하드마진과 소프트마진
② K-최소근접 알고리즘
- K-최소근접 알고리즘 개요
- 거리 측정 방법
- K-NN알고리즘
|
|
| 3차시 |
심층신경망과 앙상블알고리즘
1. 강의주제: 심층신경망과 앙상블 알고리즘
2. 강의목표:
① 앙상블 알고리즘을 이해하여 각 알고리즘을 설명할 수 있다.
② 심층신경망 알고리즘을 이해하고 응용할 수 있다.
3. 강의세부내용:
① 앙상블 알고리즘
- 앙상블 알고리즘 개요
- 유형별 개념
- 하드보팅과 소프트보팅
- 부스팅
- 스태킹
② 심층신경망
- 심층신경망 개요
- 심층신경망 종류
|
|
| 8주 |
1차시 |
중간고사
(객관식 20문항, 주관식 5문항)
|
시험 |
| 9주 |
1차시 |
기계학습 개요 및 지도학습
1. 강의주제: 기계학습 개요 및 지도학습
2. 강의목표:
① 지도학습의 처리 절차에 대하여 설명할 수 있다.
② 지도학습의 활용 분야를 제시할 수 있다.
3. 강의세부내용:
① 지도학습 개요
- 지도학습의 개념
② 지도학습 활용 분야
- 지도학습의 처리 절차
- 지도학습의 활용 분야
|
|
| 2차시 |
비지도학습
1. 강의주제: 비지도학습
2. 강의목표:
① 비지도학습의 처리 절차에 대하여 설명할 수 있다.
② 비지도학습의 활용 분야를 제시할 수 있다.
3. 강의세부내용:
① 비지도학습 개요
- 비지도학습의 개념
② 비지도학습 활용 분야
- 비지도학습의 처리 절차
- 비지도학습의 활용 분야
|
|
| 3차시 |
강화학습
1. 강의주제: 강화학습
2. 강의목표:
① 강화학습의 처리 절차에 대하여 설명할 수 있다.
② 강화학습의 활용 분야를 제시할 수 있다.
3. 강의세부내용:
① 강화학습의 개요
- 강화학습의 개념
② 강화학습의 활용 분야
- 강화학습의 처리 절차
- 강화학습의 활용 분야
|
|
| 10주 |
1차시 |
딥러닝의 개요
1. 강의주제: 딥러닝의 개요
2. 강의목표:
① 딥러닝에 대하여 설명할 수 있다.
② 기계학습과 딥러닝에 대하여 비교 설명할 수 있다.
3. 강의세부내용:
① 딥러닝의 개요
- 딥러닝의 정의
- 딥러닝과 기계학습의 비교
② 신경망
- 생물학적 신경망
- 인공신경망
*과제 주제 : 전방향추론과 후방향 추론
(정확한 주제는 개강 후 확인 요망)
|
과제 |
| 2차시 |
딥러닝 알고리즘
1. 강의주제: 딥러닝 알고리즘
2. 강의목표:
① 신경망 알고리즘의 구조에 대하여 서술하고 설명할 수 있다.
② 신경망 알고리즘의 종류를 제시할 수 있다.
3. 강의세부내용:
① 신경망 알고리즘의 개요와 구조
- 신경망 알고리즘의 개요
- 신경망 알고리즘의 구조
② 신경망 알고리즘의 종류
- 신경망 알고리즘의 종류
|
|
| 3차시 |
퍼셉트론과 활성화 함수
1. 강의주제: 퍼셉트론과 활성화 함수
2. 강의목표:
① 퍼셉트론의 정의와 문제점 그리고 해결방안에 대하여 논리적으로 설명할 수 있다.
② 활성화 함수의 필요성과 종류에 대하여 제시할 수 있다.
3. 강의세부내용:
① 퍼셉트론
- 퍼셉트론의 개념
- 퍼셉트론의 의미
② 활성화 함수
- 활성화 함수의 필요성
- 활성화 함수의 종류
|
|
| 11주 |
1차시 |
컴퓨터비전의 개요
1. 강의주제: 컴퓨터비전의 개요
2. 강의목표:
① 컴퓨터비전의 등장배경과 처리절차를 서술할 수 있다.
② 분류와 탐지 등의 과정별 처리개념을 구체적으로 서술할 수 있다.
3. 강의세부내용:
① 컴퓨터비전의 등장배경과 처리절차
- 컴퓨터비전의 등장배경
- 컴퓨터비전의 처리절차
② 분류와 탐지
- 분류
- 탐지
|
|
| 2차시 |
컴퓨터비전의 알고리즘
1. 강의주제: 컴퓨터비전의 알고리즘
2. 강의목표:
① 컴퓨터비전의 대표적인 알고리즘에 대하여 개념을 설명할 수 있다.
② CNN알고리즘과 GAN알고리즘의 특징과 처리 절차를 말할 수 있다.
3. 강의세부내용:
① CNN알고리즘
- CNN알고리즘의 특징
- 알고리즘의 처리 절차
② GAN알고리즘
- GAN알고리즘의 특징
- GAN알고리즘의 처리 절차
|
|
| 3차시 |
컴퓨터비전 활용 분야
1. 강의주제: 컴퓨터비전 활용 분야
2. 강의목표:
① 컴퓨터비전이 무엇인지 그 개념을 요약하여 말할 수 있다.
② 컴퓨터비전의 활용 분야와 구체적인 예시를 제사하여 설명할 수 있다.
3. 강의세부내용:
① 컴퓨터비전 활용 분야
- 컴퓨터비전의 활용 분야
② 예시
- 컴퓨터비전의 예시
|
|
| 12주 |
1차시 |
자연어 처리 과정
1. 강의주제: 자연어 처리 과정
2. 강의목표:
① 자연어의 처리 과정을 전반적으로 이해하고 설명할 수 있다.
② 자연어 처리의 단계별 알고리즘을 적용할 수 있다.
3. 강의세부내용:
① 자연어 처리 과정
- 자연어 하위분야
- 처리 과정
② 단계별 알고리즘
- 자연어 처리의 단계별 알고리즘
|
|
| 2차시 |
기계번역
1. 강의주제: 기계번역
2. 강의목표:
① 기계번역의 역사를 규칙/패턴기반 방법론에 따라서 분류할 수 있다.
② 기계번역의 역사를 예시/검색기반 방법론에 따라서 분류할 수 있다.
③ 기계번역의 역사를 통계기반 방법론에 따라서 분류할 수 있다.
3. 강의세부내용:
① 규칙/패턴기반 방법론
- 규칙기반 방법론
- 패턴기반 방법론
② 예시/검색기반 방법론
- 예시기반 방법론
- 검색기반 방법론
③ 통계기반 방법론
- 통계기반 방법론
|
|
| 3차시 |
자연어처리의 핵심기술
1. 강의주제: 자연어처리의 핵심기술
2. 강의목표:
① 자연어 처리의 핵심기술인 음성인식의 개요와 필요성에 대해 열거하고 기술할 수 있다.
② 기계번역 처리 절차를 이해하고 오타 검열 처리 절차를 적용할 수 있다.
3. 강의세부내용:
① 음성인식
- 음성인식 개요
- 음성인식의 필요성
② 기계번역 및 오타 검열
- 기계번역 처리 절차
- 오타 검열 처리 절차 및 기타
|
|
| 13주 |
1차시 |
1세대 인공지능 언어
1. 강의주제: 1세대 인공지능 언어
2. 강의목표:
① 제1세대 인공지능 언어인 LISP언어의 특징과 기능에 대하여 설명할 수 있다.
② PROLOG언어의 특징과 기능에 대하여 설명하고 활용할 수 있다.
3. 강의세부내용:
① LISP언어
- LISP언어의 특징
- 주요 기능
② PROLOG언어
- PRPLOG 언어의 특징
- 주요 기능
|
|
| 2차시 |
차세대 인공지능 언어(1)
1. 강의주제: 차세대 인공지능 언어(1)
2. 강의목표:
① 인공지능 언어로 많이 사용되는 파이썬의 개념이 무엇인지 이해하고 주요 기능에 대해 서술할 수 있다.
② JVM언어군의 특징과 기능에 대해 설명하고 활용할 수 있다.
③ C,C++ 언어의 개념이 무엇인지 이해하고 주요 기능에 대해 설명할 수 있다.
3. 강의세부내용:
① 파이썬
- 파이썬언어의 개요
- 주요 기능
② JVM언어군
- JVM언어군의 특징
- 주요 기능
③ C, C++
- C, C++언어의 개요
- 주요 기능
|
|
| 3차시 |
차세대 인공지능 언어(2)
1. 강의주제: 차세대 인공지능 언어(2)
2. 강의목표:
① 차세대 인공지능 언어로 각광받고 있는 다양한 AI 프로그래밍 언어 중 GO, 루아, 줄리아에 대하여 설명할 수 있고 활용분야에 따라서 선택하여 적용할 수 있다.
② R프로그래밍 언어의 특징과 주요 기능을 이해하고 활용할 수 있다.
3. 강의세부내용:
① GO, 루아, 줄리아
- GO의 특징과 기능
- 루아의 특징과 기능
- 줄리아의 특징과 기능
② R
- R의 특징과 주요 기능
|
|
| 14주 |
1차시 |
인공지능의 유용성
1. 강의주제: 인공지능의 유용성
2. 강의목표:
① 인공지능과 인간의 삶이 어떻게 변화되는지 확인하고 장단점에 대해 설명할 수 있다.
② 인공지능의 긍정적 측면에 대한 적용사례를 제시하여 설명할 수 있다.
3. 강의세부내용:
① 인공지능과 인간
- 인공지능의 장단점
- 인공지능과 인간의 삶
② 인공지능의 긍정적 측면
- 자율주행자동차, 사물인터넷, 로봇 및 GPT 등
|
|
| 2차시 |
인공지능의 위험성
1. 강의주제: 인공지능의 위험성
2. 강의목표:
① 인공지능의 위험성에 대해 이해하고 말할 수 있다.
② 인공지능의 부정적 측면을 사례를 들어 설명할 수 있다.
3. 강의세부내용:
① 인공지능의 위험성
- 인공지능의 위험성
② 인공지능의 부정적 측면
- 인공지능의 부정적 측면
|
|
| 3차시 |
인공지능과 윤리
1. 강의주제: 인공지능과 윤리
2. 강의목표:
① 인공지능에도 윤리가 필요한 이유를 생각해 볼 수 있다.
② 미래의 기술과 인공지능, 그리고 더불어 살아가는 삶에 대해 상상해 볼 수 있다.
3. 강의세부내용:
① 국제규범으로서의 윤리
- 국제규범으로서의 윤리
② 더불어 살아가는 삶
- 더불어 살아가는 삶
|
|
| 15주 |
1차시 |
기말고사
(객관식 20문항, 주관식 5문항)
|
시험 |
