교육과정
열린 미래 꿈이있는 대학, 동아대학교
교과목 상세안내
Multimodal Big Data Cluster
- 분산처리 (Distributed Computing) /3-1, 전선 : 슈퍼 컴퓨팅, 빅 데이터 처리, 클라우드 컴퓨팅, 인공지능 등과 같은 분야에서 사용되는 기술로 분산처리를 통해 컴퓨팅 성능을 향상시키는 방법을 학습합니다. 분산처리의 특징에 대한 이해를 기반으로 CPU의 성능을 최대한 활용하여 프로그래밍 하는 방법을 익히는 것을 목표로 합니다.
- 빅데이터 분석 (Big Data Analysis) /3-2, 전선 : 빅 데이터의 3V(Volume, Velocity, Variety) 특징에 대한 이해를 기반으로 수집된 데이터를 효과적으로 분석하고 통찰력 있는 정보를 도출하는 능력을 함양하기 위해 빅 데이터에 대한 기초 이론 및 빅 데이터를 처리하는 모델을 설계하는 방법에 대해 학습합니다.
- 뉴럴 네트워크 (Neural Network) /3-2, 전필 : 복잡한 패턴 인식과 추론 작업을 수행하는 머신러닝 알고리즘인 뉴럴 네트워크에 대한 내용을 다루는 과목입니다. 여러 계층을 조합해 복잡한 패턴을 학습하고 추론하기 위한 가중치를 조절하는 과정의 중요성을 이해하여 뉴런이 활성화되어 출력값을 생성하는 원리를 학습합니다.
- 머신러닝 (Machine learning) /3-1, 전필 : 기하급수적으로 생성되고 있는 방대한 양의 데이터를 효율적인 방법으로 분석하여 활용하기 위한 기술 중 하나인 머신러닝에 대해 학습합니다. 지도학습과 비지도 학습 등을 배우며 컴퓨터가 인간의 개입 없이 데이터를 통해 스스로 학습하고 예측하는 원리를 이해하고 문제를 해결할 수 있도록 설계하는 방법을 탐구하여 실생활에 적용하는 것을 목표로 합니다.
Computer Vision Cluster
- 컴퓨터 그래픽스 (Computer Graphics) /3-2, 전선 : 영화, 게임, 애니메이션, CAD, 웹 디자인 등 다양한 분야에서 현실감 있는 이미지를 생성하기 위해 사용되는 컴퓨터 그래픽스 기술에 대해 이해하는 것을 목표로 합니다. 데이터를 시각적으로 표현하기 위해 2차원 및 3차원 그래픽스의 기본 원리를 이해하고 가상현실과 증강현실, 렌더링에 대해 학습합니다.
- 컴퓨터 비전 /4-1, 전선 : 시각적 정보를 처리하는 다양한 기술을 다룹니다. 이미지 처리 기술, 패턴인식, 동영상 분석 등의 주제를 포함하고 있으며, 이미지와 비디오에서 정보를 추출하고 처리하는 기술을 학습합니다.
- 사물 인터넷 (Internet of Things) /4-1, 전선 : 다양한 사물이 서로 연결되어 데이터를 주고받고 분석해 제어하는 것을 목적으로 하는 사물인터넷 시스템의 메커니즘에 대해 학습합니다. 나아가 우리의 생활에서 사물인터넷이 가지는 중요성을 이해하고 확장성에 대해 탐구합니다.
- 가상현실 (Virtual Reality) /4-2, 전선 : 컴퓨터 그래픽스, 인터페이스 디자인, 컴퓨터 과학, 시뮬레이션 등 다양한 학문을 망라하여 가상현실 기술을 이해하고 응용하는 것을 목표로 합니다. 가상현실이 현대 우리 사회에서 가지는 의미를 이해하고 특성을 활용하는 방법을 학습합니다.
Natural Language Processing Cluster
- 자연어 처리 /4-2, 전선 : 인간의 언어를 컴퓨터가 이해하고 처리할 수 있는 형태로 변환하는 분야로 검색 엔진, 챗봇, 언어 모델, 번역 시스템 등 다양한 분야에 활용할 수 있는 기술에 대해 이해하는 것을 목표로 합니다. 본 과목에서는 컴퓨터가 인간 언어의 구조와 의미, 문법 등을 이해하고 분석해 다양한 언어와 관련된 작업을 수행할 수 있도록 하는 기술을 학습합니다.
- 텍스트 분석과 마이닝 (미개설) : 대량의 텍스트 데이터로부터 유용한 정보를 추출하고 패턴을 분석하는 기술인 텍스트 마이닝에 대해 학습합니다. 텍스트 마이닝을 위한 알고리즘과 이론에 대해 배우며 텍스트를 분류하고 분석하는 방법과 모델링을 거쳐 유사한 특성을 가진 문서를 군집화하는 과정을 익힙니다. 나아가 다양한 분야에서 활용되고 있는 텍스트 마이닝 사례를 공부하고 응용하는 것을 목표로 합니다.
- 대화 시스템 디자인 (미개설) : 사람과 컴퓨터 간의 자연스러운 대화를 위한 소프트웨어 기술에 대해 배우는 과목입니다. 자연어 처리에 대한 기초적인 내용을 기반으로 대화 시스템을 설계하고 모델링 하는 과정에 대해 학습합니다. 나아가 보다 직관적이고 원활한 상호작용을 위한 시스템을 구현하는 것을 목표로 합니다.
- 기계 번역 기술 (미개설) : 한 언어로 작성된 텍스트나 음성 데이터를 컴퓨터를 사용해 다른 언어로 번역하는 기계번역 기술을 다룹니다. 규칙 기반 번역과 통계적 기계 번역의 기본 개념과 동작 방식을 이해하고 자연어 처리와 머신러닝의 내용을 기반으로 기계번역 기술의 원리 및 구조를 학습합니다. 실제 데이터를 활용하여 모델을 구축하는 것을 목표로 합니다.
Audio and Speech Cluster
- AI 신호처리 (과목 미개설) : 인공지능과 신호처리 기술을 융합하여 데이터의 분석과 변환을 다루는 과정입니다. 이 강의에서는 신호 필터링, 주파수 분석, 이미지 처리 등의 주제를 다루며, 머신러닝 및 딥러닝을 활용한 신호 분석 방법을 배웁니다. 실제 데이터에 AI 기술을 적용하여 신호의 특성을 추출하고 해석하는 능력을 키워, 다양한 응용 분야에서의 실력을 기릅니다.
- 음성인식 (과목 미개설) : 음성 데이터를 분석하고 이해하는 기술을 배우는 과정입니다. 이 강의에서는 음성 신호 처리, 특징 추출, 음성 모델링 등을 다루며, 자연어 처리와 머신러닝 기법을 활용하여 음성 데이터를 텍스트로 변환하고 의미를 도출하는 방법을 학습합니다. 실제 음성 데이터를 활용하여 음성 인식 시스템을 구축하고 평가하는 능력을 키워, 음성 기술의 응용 가능성을 탐구합니다.
- 음성 합성과 변환 (과목 미개설) : 음성 데이터의 생성과 변형 기술을 다루는 과정입니다. 이 강의에서는 음성 합성 기술을 통해 컴퓨터가 인간과 유사한 음성을 생성하는 방법과 음성 변환 기술을 통해 음성의 톤, 억양, 화자 등을 조작하는 방법을 학습합니다. 실제 음성 합성 프로젝트와 응용 사례를 통해 음성 데이터 처리와 변형 능력을 향상시키며, 음성 기술의 다양한 가능성을 탐색합니다.
- 음악 및 사운드 분석 : 음악과 사운드 데이터의 구조와 특성을 분석하는 기술을 학습하는 과정입니다. 이 강의에서는 스펙트럼 분석, 푸리에 변환, 음악 특징 추출 등을 통해 음악의 리듬, 음높이, 특성을 이해하며, 음악 장르 분류, 음성 인식 등 다양한 응용 분야에 적용하는 방법을 배웁니다. 실제 음악 데이터와 사운드 처리 프로젝트를 통해 음악 분석과 처리 능력을 키우며, 음악과 기술의 융합에 대한 이해를 확장합니다.