숙명여자대학교 로고숙명여자대학교 인공지능학부인공지능공학부

메타버스 공간의 핵심 구성요소인 3차원 콘텐츠 구현하는 핵심 이론 및 기술을 익힌다. 인공지능을 이용한 메타버스 기술을 학습한다. 또한 다양한 실습예제를 통해 기본 이론 지식을 바탕으로 응용 능력을 배양한다.

The main goal of this course is to learn the core theories andtechniques for realizing 3D contents and to learn metaverse technologywith artificial intelligence, which is a key component of the metaverse.In addition, it is aimed to apply basic theoretical knowledge to avariety of engineering applications through several practical examples.

인공지능을 이해하는데 필요한 수학적 개념과 계산능력에 대하여 학습한다.인공지능 이해에 필수적인 선형대수학, 미적분학, 확률 및 통계 등과 파이썬,R 코드 실습을 통해 복잡한 계산과 데이터 처리 및 시각화를 직접 수행하면서학습하도록 한다.

Students will study mathematical concepts and computational skillsneeded to understand artificial intelligence. You will learn how toperform complex computations, data processing, and visualizationsdirectly through Python and R code exercises, including linear algebra,calculus, probability, and statistics, which are essential forunderstanding AI.

인공지능기술을 적용할 수 있는 다양한 응용분야의 이슈들을 분석하고, 문제해결을 위한 최적의 인공지능 기술을 모델링하고 적용해보는 기회를 제공한다.

The main objective of this course is history and development of theInternet , the Internet configuration , Internet services, web pages orweb browser, HTML5, using the Internet, mobile Internet, Internetsecurity and ethics, the concept of Web 2.0, Web 2.0 serviceimplementation technology, social media, Internet service industry andthe development trend of the Internet .

다양한 응용분야의 이슈해결을 위해 최적의 인공지능기술을 단순히 적용하는것에서 한단계 더 나아가 실제 산업환경에 맞게 프로젝트 기획/설계/개발/관리 등의 단계를 거쳐 최신기술을 적용해보는 기회를 제공한다.

This course goes one step further from simply applying artificialintelligence technologies to solving issues in various applications, andprovides opportunities to apply the technologies through projectdevelopment steps such as project planning/design/development/managementas in the actual industrial environment.

적응 신호처리 기법은 매우 유용하여 통신 시스템, 잡음 제거, 신호 분리, 데이터 분석 그리고 영상 및 비디오 처리 시스템 등의 광범위한 분야에서 활용되고 있다. 본 강의에서는 기본적인 신호처리 이론과 그 응용에 대해서 다루며 특별히 최적화 관점에서 어떠한 부분에서 활용 가능하며 또한 어떻게 적응적 신호처리 기법이나 디지털 필터를 적용할 것인가에 대한 부분을 중점적으로 다루고자 한다.

Adaptive signal processing is a very useful and has been widely used invarious applications such as usual communication system, noisefiltering, signal separation, data analysis, and image/video processingsystem. In this lecture, we will talk about basic signal processingtheory and various applications. Especially, this class will focus onwhere and how we can adopt some adaptive filter theory to achieve thedesired goal of the given system.

유무선 인터넷상에서 인공지능 기법을 멀티미디어 응용에 적용시키기 위한 과목이다.

Students will learn the basic artificial intelligent techniques forclassifying data , predicting data trend, and recognizing humanbehaviors. By using this basic techniques, practices for recognizing andclassifying multimedia data are also handled.

인공지능 서비스를 위한 지능형 분산 시스템의 핵심 소프트웨어인 미들웨어의기본 개념을 습득한다. 또한, 지능형 미들웨어에서 요구되는 주요 기능에 대하여 개념을 학습한다. 이러한 내용을 바탕으로 Data, Network, AI 환경에서요구되는 인공지능 응용 시스템의 기본 개념을 이해하고, 인공지능 서비스를지능형 엣지 컴퓨팅 환경에서 지원하기 위한 구조를 연구한다. 이를 위하여사용자와 서버 간에서 인공지능 응용 서비스들을 지원하기 위한 핵심 시스템소프트웨어인 미들웨어에 대하여 자세히 연구한다.

In this lecture, we study a basic concept of middleware that is a keysoftware for the intelligent distributed computing based on AI. Inaddition, you will learn concepts about the main functions required inintelligent middleware. Based on this content, we understand the basicconcepts of artificial intelligence application systems required indata, network, and AI environments, and study the structure to supportartificial intelligence services in an intelligent edge computingenvironment. Finally, we study in detail middleware, a core systemsoftware to support artificial intelligence application services betweenusers and servers.

이 코스의 목적은 현재의 패턴 인식 기술의 이론적 측면과 실제적 측면을 소개하는 것이다. 통계적 방법과 기계학습 방법이 이 코스의 주요 포커스가 될예정이다. 이론에 기반하여, 학생들은 프로그래밍 과제를 통해서 기술들의 구현 기회를 언들 수 있을 것이다. 주요한 내용은 다음과 같다. 패턴 인식의 개요, 베이지안 결정 이론, MLE와 베이지안 Parameter Estimation, Non-Parametric Density Estimation, Linear Discriminant 함수들, 클러스터링,혼합 모델들과 기대치 최대화 방안, 기터 주제 등을 다룰 예정이다.

The objective of this course is to introduce the theoretical andpractical aspects of current pattern recognition techniques. Statisticaland machine learning approaches will be the major focus of this course.Based on the theory, the student will have opportunities to implementsome of the techniques through the programming assignments. Majorcontents are as follows. Introduction to Pattern Recognition, BaysianDecision Theory, MLE and Baysian Parameter Estimation, Non-ParametricDensity Estimation, Linear Discriminant Functions, Clustering, MixtureModels and Expectation Maximization, Other topics and so on.

취업 후 수행할 프로젝트 관리 업무의 모든 과정을 경험한다. 각 수강생들이속해 있는 연구실에서 진행 중인 과제에 대해 본인이 프로젝트 총 책임자라고가정하고 과제 제안서부터 최종 결과 보고서에 이르기까지의 과정을 체험한다.

In this course, students are to experience almost all the generalprocesses for a project management. As a virtual project manager,students are going to create their own project proposals, progressreports, and final papers.

글꼴 정보의 딥러닝 학습을 통한 폰트 추천 기술 연구에 필요한 융합지식을학습한다. 학제간 융합 분야의 주제로는 디자인 분야의 타이포그라피 디자인,IT 기술 분야의 디지털 폰트 처리 기술 및 딥러닝 처리 기술, 커뮤니케이션분야의 감정분석 기술이 해당한다. 이러한 융합 분야의 학습을 통해서 IT기술/디자인/인문 분야에 모두 익숙하게 되는 융합연구 인력양성을 목표로 한다.

Student learns the convergence knowledge required for research on fontrecommendation technology through deep learning of font information. Thetopics of the interdisciplinary convergence field include typographydesign in the design field, digital font processing technology and deeplearning technology in the IT field, and emotion analysis in thecommunication field. It aims to nurture convergence researcher who willbecome familiar with all fields of IT /design/humanities throughlearning in this convergence field.