유환조
포스텍 컴퓨터공학과 교수
포스텍 정보통신연구소 부소장
University of IOWA Computer Science 교수
University of Illinois at Urbana Champaign Computer Science 박사
인공지능의 이해
POSTECH
수강신청하실 수 없습니다.
강좌 소개
본 강좌는 인공지능의 목적과 원리 및 활용, 딥러닝의 원리 및 한계 등을 복잡하지 않은 수식과 도식을 통해 개념적으로 설명하는 과목입니다. 인공지능과 딥러닝을 처음 시작하는 분들에게 적합한 과목이며, 산업에서 다양한 인공지능/딥러닝 툴을 통해 구현하시는 분들도 본 과목을 통해 인공지능 툴이 할 수 있는 능력과 동작 원리를 이해할 수 있는 과목입니다.
| [미리보기] |
| week 1-1 [인공지능의 목적] 강좌 미리보기 |
| week 2-1 [인공지능 구현원리] 강좌 미리보기 |
강좌 목차
| 주차 | 주차 | |
|---|---|---|
| 1 | 인공지능의 목적 및 능력 | 1.1. 인공지능의 목적 |
| 1.2. 인공지능의 능력 | ||
| 1.3. 인공지능 문제의 특징 | ||
| 2 | 인공지능의 구현 원리 | 2.1. 인공지능 구현의 원리 |
| 2.2. 모델링의 원리 | ||
| 2.3. Reflex-based model | ||
3 | 뉴럴 네트워크의 원리 | 3.1. 선형 함수의 한계 |
| 3.2. 비선형 함수와 뉴럴 네트워크 | ||
| 3.3. 딥 뉴럴 네트워크 | ||
| 4 | 추론 능력과 인공지능 모델의 종류 | 4.1. Generalization 과 overfitting |
| 4.2. State-based model 과 Deep reinforcement learning | ||
| 4.3. Variable-based model | ||
| 4.4. Logic-based model | ||
| 5 | 기계학습을 위한 최적화 | 5.1. 기계학습을 위한 최적화 |
| 5.2. Loss 함수 | ||
| 5.3. Stochastic Gradient Descent (SGD) | ||
| 6 | Regularization 과 Validation | 6.1. Regularization |
| 6.2. Validation | ||
| 6.3. 요약 및 최신 동향 |
교수자
운영팀
유균형
포스텍 정보통신대학원