숙명여자대학교 로고숙명여자대학교 인공지능학부인공지능공학부

시각화는 데이터를 이해하기 위해서 그래픽을 이용하여 표현한 것으로 과학,공학, 의학, 인문학 등에서 만들어지는 많은 데이터를 분석하는데 중요한 역할을 한다. 이 교과목에서는 여러 가지 최신 시각화 기법의 실제 데이터에 적용 및 시각화 연구 논문의 작성에 대해서 학습한다.

Visualization is a representation using the graphics to understand thedata. It is an important role in analyzing the number of data which isproduced by science , engineering, medicine and human sciences. In thiscourse , we learn about several of the latest visualization techniquesusing real data and the creation of the research paper ofvisualization.

본 과목은 데이터 분석과 딥러닝 기법을 중심을 다양한 보안 분야의 문제를해결하는 방법론과 사례를 다룬다. 이후 악성코드 분류, FDS (이상거래 탐지시스템), NIDS (네트워크 침입탐지 시스템)을 설계하고, 사이버위협정보를 수집하는 기법과 교차 분석하는 기법을 주로 다루도록 한다.

This course focuses on methodologies and case studies for solvingvarious problems in the field of security, based on data analysis anddeep learning techniques. This course will cover the design of malwareclassification systems, Fraud Detection Systems (FDS), Network IntrusionDetection Systems (NIDS), and techniques for collecting and cross-analyzing cyber threat intelligence.

딥러닝 응용 기초 학습이 되어 있는 학생들을 대상으로 하는 과목이다. 케라스와 텐서플로를 이용하여 실제 딥러닝 예제를 중심으로 강의한다. 회귀 기법을 통해 분류/예측을 프로그래밍하고, 컨볼루션 신경망을 통해 이미지 인식의실제 예를 다룬다. 인식이 어려운 비젼, 텍스트문서, 오디오, 음악 영역 인식을 위해 고급 컨볼루션 신경망을 구성하는 예도 살펴본다. 생성적 적대 신경망 구현 사례를 직접 경험함으로써 인공지능이 창작의 도구가 될 수 있음을확인한다. 자동 번역과 같은 텍스트 처리에도 딥러닝이 할용되는 실제 예를프로그래밍하기 위해 단어 임베딩 프로그래밍에 대해서도 강의한다. 그 밖에도 순환신경망, 오토인코더 등의 딥러닝 프로그래밍 사례들을 살펴본다. 본수업을 수강한 학생들은 다양한 분야에서 활용되고 있는 딥러닝의 사례들을실제 프로그래밍을 통해 경험할 수 있어 자신의 연구와 취업에 도움이 될 것으로 기대한다.

t is a subject for students who have basics in deep learningapplications. This course focuses on actual deep learning exampleprogramming using Keras and Tensorflow. Classification/predictionprogramming through regression techniques, and practical exampleprogrammings of image recognition through convolutional neural networksare dealt with. Examples of constructing advanced convolutional neuralnetworks for vision, recognition of text documents, audio, and musicareas that are difficult to recognize are also examined. By directlyexperiencing the case of implementing a generative adversarial network,it is confirmed that artificial intelligence can be a tool for creation.It also teaches word embedding programming to show deep learning can beused for text processing such as machine translation. In addition, deeplearning programming cases such as recurrent neural networks and autoencoders are examined. Students who took this class are expected to beable to experience cases of deep learning use

실질적이며 현장감있는 산학 협동 연구 프로젝트에 참가하여 수행능력을 배양한다.

Students will be involved in the industry cooperating projects in orderto skill-up the project execution capability.

인터페이스 디자인에 관련된 인간의 인지모델, 디자인 가이드라인, 연구조사 방법론 등의 다양한 이론을 체계적으로 연구하는 과목이다. 이 과목에서는 인간과 제품 그리고 이를 이어주는 인터페이스를 이의 상호 작용을 이어주는 인터랙션과 함께 학습함으로써 사용자 중심 디자인을 이룰 수 있는 이론적 체계를 형성하게 된다.

Students will study about the various theories for user interface designincluding human cognition model, design guideline, user researchmethodology. This class will build the theoretical background of userinterface design and interaction technologies.

선형 시스템, 푸리에 변환, 샘플링 이론, 라플라스 변환 등 신호 및 영상처리의 기본이론과 수식적 기초을 학습하고, 최적화 정리의 이론적 배경과 원리를배운다. 또한 딥러닝의 이론, 수식적 배경을 학습하여, 컴퓨터 비전 등 고급시각 지능 이론을 학습하기 위한 기초 연구 역량을 강화한다.

This course covers the basic theoretical and mathematical fundamentalsof signal and image processing, including linear systems, Fouriertransforms, sampling theory, and Laplace transforms, and introduces thetheoretical background and principles of optimization theory. The coursealso covers the theoretical and mathematical background of deeplearning, enhancing basic research capabilities for studying advancedvisual intelligence theories such as computer vision.

본 과목은 인간의 감성/감정을 이해하고 인식하는 데 필수적인 다양한 신호처리 기법을 다루는 과목입니다. 학습을 통해 학생들은 음성, 영상, 생체 신호 등 다양한 신호로부터 감성/감정 정보를 효과적으로 추출하고 인식하는 방법을 익힐 수 있습니다. 또한, 시간/주파수 공간 해석, 변환, 모델링 등의 신호 처리 기법을 활용하여 신호를 효과적으로 처리하고 분석하는 능력을 키울수 있습니다.

This course provides a comprehensive introduction to advanced signalprocessing techniques for extracting and recognizing affectiveinformation from various sources, including speech, video, andphysiological signals. Students will gain a deep understanding of time-domain and frequency-domain analysis, transforms, and modelingtechniques, and learn how to apply these techniques to effectivelyprocess and analyze diverse signals for affective information extractionand recognition.

연구윤리 및 논문작성법 교과목(사이버강의)은 논문작성법, 연구자의 사회적책임, 연구 데이터의 관리 등 바람직한 연구 수행을 위해 필요한 지식과 태도를 익히고 연구부정행위를 예방하며 올바른 연구자로서 지녀야 할 윤리를 확립하기 위한 과정

본 과목은 컴퓨터 시스템의 사용과 관련된 인간의 인지 및 수행 능력에 대해학습한다. 인간 정보 처리 모형으로부터 시작해, 신호탐지, 공간 디스플레이와 인지, 내비게이션, 언어와 의사소통, 기억과 훈련, 의사결정, 행위 선택,멀티태스킹, 작업부하, 자동화 등 각종 사용자 인터페이스 설계와 관련된 주제에 대해 살펴본다.

This course explores human cognition and performance in the context ofusing computer systems. Beginning with the human information processingmodel, it covers various topics related to information system design,including signal detection, spatial displays and perception, navigation,language and communication, memory and training, decision-making, actionselection, multitasking, workload, and automation.

인공지능을 구현하는 대표적인 방법 중의 하나인 신경회로망에 대하여 학습한다. 인공 신경망의 모델이 된 생물학적 신경시스템부터 최근 개발된 심층 신경망까지 다양한 형태의 신경회로망의 원리와 이론적 배경 및 프로그래밍 실습을 통해 전반적인 내용을 학습한다.

We will learn aboout neutral networks, one of the representative methodsof implementing artificial intelligence. Students will study the overallcontents through thr principle, theoretical background, and programmingpractices of various types of neural networks, from biological neuralsystems that are models of artificial neural networks to recentlydeveloped deep neural networks.