석사과정

빅데이터처리특론 (Topics in Big Data Processing)
본 과목은 하둡, NoSQL, Apache Spark와 같은 분산 병렬 플랫폼을 이용한 대용량 데이터 처리에 대한 내용을 다룬다. 특히 비정형 데이터, 그래프 데이터와 같은 복잡한 형태의 데이터를 효율적으로 다루는 이론과 방법을 학습하며 이에 대한 어플리케이션을 설계 구현을 진행한다.

고급 알고리즘 (Advanced Algorithm)
본 과목은 그래프 모델을 중심으로 Shortest Path, Flow Network 등의 기본적인 알고리즘부터 이를 효율적으로 다룰 수 있는 분산 모델 및 분산 알고리즘, 근사 알고리즘 등을 다룬다. 또한 알고리즘과 설계기법과 응용 분야의 관련 주제에 대해 연구하고 학습한다.

고급데이터베이스 (Advanced Database)
SQL 질의 최적화,및 데이터 무결성 관리, Indexing, Recovery, Concurrency Control, 분산 데이터베이스등의 데이터베이스의 고급 개념 및 이론을 학습하고, 기본적인 Relational 데이터베이스 및 XML 데이터베이스, 멀티미디어 데이터베이스 등의 최신 데이터베이스의 구축과 활용을 통하여 학습한다.

시공간데이터분석 (Spatio-temporal Data Analysis)
시공간 데이터는 시간변화에 따라 공간이 변화하는 특별한 데이터셋인데, RFID, GPS가 비즈니스에 응용되면서 주목을 받기 시작한 연구대상이다. 특히 SNS 서비스가 활성화 되면서 사용자 데이터가 발생한 시점과 위치에 대한 수요가 증가하고 있다. 본 과목에서는 지오트윗 데이터(geo tweets)와 같은 시공간데이터분석에 대한 문헌연구를 수행하고, 사용자 분포, 사용자 이동성분포, 사용자 간 링크분석이라는 연구주제에관해 연구하고 학습한다.

VR/AR 특론 (Topics in Database)
본 과목은 증강현실(VR)과 가상현실(AR)을 구현하기 위한 알고리즘과, 센서기반/비전기반/혼합추적기반 VR/AR 개념들을 학습한다. 또한 VR/AR 컨텐츠를 제작하기 위한 관련 기술들과 더불어, VR/AR 기기와의 인터랙션에 대한 설계 및 구현을 진행한다.

UX 실험 및 통계 (User experience experiment and statistics)
사용자를 대상으로 진행하는 UX 실험을 설계하고, 결과를 통계적으로 분석하기 위한 방법을 학습한다. 효율적인 실험을 설계하기 위한 방법론 (Factor Design, Central Composite Design, Response SurfaceMethodology 등) 및 통계적 분석 방법 (분산분석, 회귀분석, conjoint 분석방법, Latin square design,요인분석 등)을 포함한다.

기계학습특론 (Topics in Machine Learning)
SVM(Support Vector Machine), 베이지안 네트워크, 인공신경망 & 딥러닝 등의 고급 기계학습 방법론 및 알고리즘의 이론적 원리 및 최신 동향을 학습하고, R 및 Python을 이용한 알고리즘 구현 및 실제 사례적용 실습 등을 통해 연구하고 학습한다.

사물인터넷특론 (Topics in Internet of Things)
사물인터넷은 정보를 취득하는 사물, 취득한 정보를 전달하는 전달망, 수집된 정보를 취합하고 분석하는 시스템으로 구성된다. 본 과목은 사물인터넷을 구성하는 요소들과 이들 사이의 정보 교환 및 수집된 정보를 분석하고 처리는 일련의 과정에서 발생되는 다양한 최신 주제를 다룬다.

자연어처리특론 (Topics in Natural Language Processing)
비정형 텍스트 분석을 위한 자연어 처리/분석의 주요 단계인 형태소 분석, 구문 분석, 의미 분석, 화용 분석 등과 관련된 방법론 및 알고리즘을 학습하고, 하둡 및 텐서플로우 등의 빅데이터 프레임워크를 이용한대용량 텍스트 분석 시스템의 실제 구축 및 활용을 통하여 연구하고 학습한다.

데이터마이닝특론 (Topics in Data Mining)
데이터마이닝의 기본 방법론인 분류 및 회귀, 군집화, 연관성 규칙 분석 등에 관련된 알고리즘의 이론적 원리 및 최신 동향을 학습하고, 이상치 탐지, 시계열 분석, 패턴 인식과 같은 고급 데이터마이닝 주제와 관련된 최신 알고리즘 및 분석 방법론을 연구하고 학습한다.

인공지능특론 (Topics in Artificial Intelligence)
본 과목은 Reinforcement Learning, Deep Reinforcement Learning과 같은 인공지능 기술을 소개하고 다양한 응용분야에서 이들 기술이 적용된 사례를 다룬다. 본 과목에서는 또한 인공지능 기술의 적용 분야 확대를 위한 다양한 최신 주제를 다룬다.

정보디자인특론 (Advanced topics in Information Design)
명료한 정보 전달을 위해 복잡한 데이터를 효과적으로 디자인하여 표현하는 능력을 학습한다. 데이터가 가진 세 가지 관점 (정보형, 설득형, 통합형)에 따라 색채, 이미지, 차트, 지도, 일러스트레이션, 도표 등 디자인 요소들을 활용하는 방법을 학습한다.

소셜네트워크분석 (Social Network Analysis)
네트워크 분석은 관계에 대한 심층적인 분석이며, 다양한 관계(가족 관계, 우호 관계, 경쟁 관계, 종속 관계 등)에 대해 그 구조의 전체적인 매커니즘과 관계 참여자 개개인의 네트워크 내 역할을 분석한다. Facebook, Twitter 등과 같은 소셜네트워크 서비스의 출현으로 더욱 소셜네트워크분석에 대한 관심이 증가하고 있는데, 소셜네트워크 사례를 개발하고, 소스데이터를 수집하거나 제작하고, 네트워크분석툴(Gephi,NodeXL)을 이용하여 분석함으로써 이 새로운 데이터분석 방법에 대한 이해를 높인다.

인공지능과 UX (Artificial Intelligence UX)
인공지능 기술이 접목된 소비자 제품인 대화형 인터페이스, 스마트홈 UX, 비전 인식 UX, 자율주행 자동차등의 사례에 대해 소개하고, 각 사례에서 고려되어야 할 UX 심리학 이론에 대해 연구한다. UX 심리학 이론은 인간정보처리과정, 의사결정모델, 인지모델 등을 포함한다.

인간-인공지능 상호작용 (Human-AI Interaction)
본 교과목에서는 입/출력 인터페이스로서 인공지능 기술을 활용하여 인간의 능력을 증강시키는 방법을 다룬다. 인간의 정보 처리 모델에 근거 하여 인공지능과의 상호작용을 어떻게 활용할 수 있는지를 학습하고, 그 외에 인공지능 윤리, 신뢰, 설명가능성(explainability), 추천 시스템, 음성 인식, UI 개인화 기술 등 다양한 응용 방법을 소개한다.

고급인공지능특론 (Advanced Topics in Artificial Intelligence)
본 과목은 knowledge distillation, few-shot learning, federated learning, transfer learning,moving objective problem, imitation learning, meta learning과 같은 인공지능 기술들과 경량(lightweight) AI 기술들을 소개한다. 또한 이들 AI 알고리즘들을 구현하고 실제 문제에 적용해 봄으로써이들 기술에 대한 이해의 폭을 확대한다.

뉴럴 렌더링 (Neural Rendering)
인공신경망 기술을 활용하여 Scene을 정의(조명, 카메라 파라미터, 지오메트리, 모델링 및 Semantic 구조)하는 다양한 속성을 재현/생성한다. 본 과목에서는 이를 위한 컴퓨터그래픽스 및 컴퓨터비전 기술에 Deep Generative Model (Machine Learning)을 연동하는 기술의 이론적 배경과 이를 위한 다양한 연구를 소개한다.

프로세스 마이닝 (Process Mining)
프로세스 마이닝은 데이터 사이언스 내 한 분야로 로그 형태의 데이터를 기반으로 프로세스 관련 지식을 추출하는 것을 목적으로 한다. 본 교과에서는 프로세스 마이닝의 개념 및 자동화된 프로세스 발견 및 적합성 검사 알고리즘을 소개한다. 이와 더불어, 프로세스를 향상하기 위한 시뮬레이션, 프로세스 모니터링 등의 최신 알고리즘의 개념 학습 및 구현을 학습한다.

논문특별연구 세미나 (Seminar)
본 교과목에서는 인공지능학과 석사 과정 학생의 학위 논문 지도를 위한 특별세미나로 연구주제별 세미나, 개인별 term project, 발표 및 질의 응답, 논문 작성법 등을 교육한다.