홈 > 강의소개
인공지능개론
양승정 교수
서울과학기술대학교 정보산업 석사
동국대학교 산업공학 박사
서울과학기술대학교 정보산업 석사
동국대학교 산업공학 박사
강남대학교
우송대학교
단국대학교
동국대학교
현)유니와이즈 전임교수
AI가 이끄는 스마트한 학습 경험, AI 튜터와 함께 더 빠르고, 더 깊게 학습하세요.
긴 강의 내용을 AI가 핵심만 요약하여 복습 시간을 단축시킵니다.
강의에서 가장 중요한 키워드와 개념을 자동으로 추출해 제공합니다.
학습한 내용을 바탕으로 AI가 생성한 퀴즈를 풀며 이해도를 점검합니다.
모르는 부분을 24시간 언제든 AI 튜터에게 질문하고 답변을 받습니다.
총 14개 챕터, 32강으로 구성되어 있습니다.
| 제목 | 강의시간 | 상세내용 |
|---|---|---|
| 인공지능 오리엔테이션 | ||
|
[1강] 인공지능 오리엔테이션
|
0:
04:
54
|
|
|
인공지능 개론 수업 구성 및 학습 내용 안내
• 인공지능 핵심 개념과 역할: 인간 지능 활동의 컴퓨터 구현, 4차 산업혁명 핵심 기술, 기술·응용 동향 및 사회·산업적 의의 이해 • 인공지능 이론·방법론 구성: 수학·프로그래밍 기반, 규칙기반 인공지능, 머신러닝과 분류, 신경망·딥러닝, 패턴인식 및 빅데이터·데이터 사이언스의 상호 관계 학습 • 인공지능 응용과 평가: 음성·문자·영상 등 응용 사례 분석, 성공·실패 사례를 통한 한계·성공 요인·주의점 정리, 수업 운영 방식과 학습 전략을 통한 종합 이해 |
||
| 1장. 인공지능 개요와 발달사 | ||
|
[2강] 인공지능 개요와 발달사(1)
|
0:
47:
37
|
|
|
인공지능 개요, 정의·사례·구성요소·한계 요약
• 인공지능 기본 개념: 인간 지능의 컴퓨터 모델링, 생각·판단·행동 구현과 음성·영상·자연어·로봇 등 주요 응용 분야 구조 이해 • 인공지능 시스템 요소: 학습 모델(신경망·머신러닝 등), 하드웨어·소프트웨어(GPU·프레임워크), 프로그래밍 언어(Python 등), 응용 도메인으로 구성 • 인공지능 효과·한계: 편리성·생산성·위험 작업 대체 등 장점과 직업 대체·윤리·감시 사회·연구 난이도·창의성 구현 한계를 중심으로 사회적 영향 분석 |
||
|
[3강] 인공지능의 시작과 발전
|
0:
29:
17
|
|
|
인공지능의 시작과 발전, 역사적 단계 정리
• 인공지능 역사 7단계: 준비기·요람기·첫 번째 겨울기·발전기·두 번째 겨울기·안정기·부흥기로 구분하여 핵심 인물·대표 시스템·기술 패러다임(신경망, 전문가 시스템, 지능형 에이전트, 딥러닝) 정리 • 인공지능 겨울기 원인: 퍼셉트론 한계, 과도한 기대와 상업적 실패, 컴퓨팅 파워·연구 인프라 부족, 블랙박스 문제 등으로 인한 투자 축소와 연구 침체 분석 • 딥러닝 부흥 조건과 사례: GPU·빅데이터·알고리즘 혁신 결합과 함께 DNN, Deep Blue, Watson, DeepFace, AlphaGo 등 사례를 통해 현대 인공지능 상용화 흐름과 성격(특정 분야 초전문성, AGI 한계) 정리 |
||
|
[4강] 인간지능과 인공지능, 인공지능의 적용 영역
|
0:
28:
37
|
|
|
인간지능과 인공지능, 그리고 인공지능의 예술·저널리즘 적용 정리
• 인간지능과 인공지능 비교: 뉴런 기반 두뇌 구조와 학습·추론·상상력·직관·공간지각 등 인간 고유 지능 기능 vs 규칙화·일반화가 가능한 영역에서의 인공지능 계산·패턴 인식·의사결정 우위 및 현재 한계 정리 • 인공지능 예술·저널리즘 적용: 로봇 저널리즘·자동 기사 작성, 컴퓨터 시·소설 생성, 인공지능 화가·작곡 시스템 등 데이터·패턴·딥러닝 기반 창작 메커니즘과 도메인 특화 구조 정리 • 인공지능 창의성과 법·윤리 쟁점: 인공지능 창작물의 저작권·책임 귀속, 인간 창의성 모델링 가능성, 향후 글쓰기·작곡·영상·베스트셀러 창작 시점 예측 및 기술 발전 불확실성 정리 |
||
| 2장. 인공지능 기술과 최근 응용 동향 | ||
|
[5강] 인공지능 기술과 최근 응용 동향(1)
|
0:
51:
05
|
|
|
인공지능 기술과 글로벌 교육·생활 속 응용 정리
• 인공지능 소프트웨어와 오픈소스 생태계: 음성비서·챗봇·플랫폼 SW 구조, 오픈소스 공개 전략과 글로벌 AI SW·특허·시장 성장 동향 정리 • 인공지능 글로벌·국가 정책: 미국·중국·일본·EU·한국 등 AI 교육정책, AI 대학·학과 설립, 국가전략·예산 구조 및 인재 양성 체계 비교 • 미래 교육과 생활 속 인공지능 응용: 코딩·데이터 리터러시 기반 미래 교육 모델과 광고·얼굴인식·서비스 로봇·AI 스피커 등 일상 적용 기술 구조 정리 |
||
|
[6강] 인공지능 기술과 최근 응용 동향(2)
|
0:
39:
24
|
|
|
인공지능의 타학문 응용과 일자리 변화 핵심 정리
• 인공지능 융합 응용: 인문학·법률(LegalTech)·의학·로봇공학(휴머노이드·간호 로봇)·비즈니스·농업(스마트팜)·방역 등에서 데이터 분석·영상인식·자율제어·추천 시스템을 통한 의사결정 및 업무 보조 기능 수행 • 인공지능과 직업 구조 변화: 자동화·무인화(수술 로봇·무인 운반 장치·드론·자율주행 택시·챗봇 등)로 단순·반복·위험 업무 대체 및 일자리 축소 우려, 동시에 AI 기술자·데이터 과학자·융합 전문가 등 새로운 직업 창출과 직무 재편 발생 • 인공지능 시대 핵심 역량과 쟁점: 도메인 지식과 AI·데이터 역량을 결합한 융합 능력, 인문학·윤리·정책 설계를 통한 인간 중심 기술 활용, 일자리 감소 vs 창출 논쟁과 사회·제도적 대응 전략 이해 |
||
| 3장. 인공지능 연구와 구현 | ||
|
[7강] 인공지능 연구와 구현(1)
|
0:
33:
10
|
|
|
인공지능 분류 체계와 주요 연구 분야 정리
• 인공지능 분류 체계: 규칙기반(기호주의), 신경망 기반(연결주의), 통계기반 세 축으로 개념·역사·대표 연구자·포함 관계 정리 • 규칙기반 인공지능: if–then 규칙과 기호·논리 기반 지식표현, 전문가 시스템·자연어 처리·정리 증명 등 명시적 추론 중심 응용·한계 구조 정리 • 신경망·딥러닝 기반 인공지능: 퍼셉트론–다층 퍼셉트론–역전파–딥러닝으로 이어지는 신경망 구조·학습 원리와 문자·음성·영상 인식 및 감성 인공지능 응용 체계 정리 |
||
|
[8강] 인공지능 연구와 구현(2)
|
0:
44:
07
|
|
|
인공지능 시대별 연구와 획기적 시스템, 튜링과 튜링 테스트 정리
• 인공지능 시대별 발전: 규칙·기호 기반 AI에서 전문가 시스템·지능형 에이전트·머신러닝·딥러닝 및 빅데이터 기반 지능형 시스템으로의 연구 흐름과 주요 응용 분야 변화 정리 • 획기적 인공지능 시스템: 퍼셉트론·마이신·딥 블루·왓슨·알파고 등 대표 시스템의 구조(규칙 기반 vs 신경망·탐색)와 적용 영역(문자인식·의료·게임·퀴즈쇼) 및 기술적 의의 요약 • 튜링·튜링상·튜링 테스트와 대화 시스템: 튜링 머신·튜링상 개념과 주요 수상자, 튜링 테스트 절차와 한계, 엘리자·유진 구스트만·나딘 등 대화형·휴머노이드 시스템의 인간 유사성·지능 평가 관점 정리 |
||
|
[9강] 인공지능 연구와 구현(3)
|
0:
28:
31
|
|
|
Summary Content: 인공지능 문제 해결, 코딩, 소프트웨어와 융합의 중요성 정리
• 인공지능과 문제 해결·사고력: 인간 중심 문제 정의와 해결 전략, 사고의 힘과 컴퓨팅 사고를 통한 복잡한 문제 구조화·단계적 해결 원리 정리 • 코딩과 소프트웨어: 문제 해결 절차의 알고리즘화·코딩 과정, 디버깅 개념, 인공지능 소프트웨어 구현에서 코딩·소프트웨어의 역할과 경제·산업적 가치 정리 • 인공지능 시대 융합 역량: 제4차 산업혁명 맥락의 소프트웨어 중심 사회, 자율주행·항공·의료·콘텐츠 사례, 인공지능과 타 학문·전공 융합 및 프로그래밍 역량 필요성 정리 |
||
| 4장. 인공지능 미래와 인공지능 윤리 | ||
|
[10강] 인공지능 미래와 윤리
|
0:
40:
37
|
|
|
인공지능 수준별 분류와 기술적 특이점, 미래와 윤리 핵심 정리
• 인공지능 수준 분류: 약한/강한 인공지능, 좁은/일반/슈퍼 인공지능의 정의와 현재 인공지능이 좁은·약한 인공지능 단계에 머무는 구조 정리 • 인공지능 철학 논쟁: 중국어 방 실험과 튜링 테스트 비교를 통한 ‘흉내내는 지능 vs 이해하는 지능’ 구분과 강한·슈퍼 인공지능 실현 가능성에 대한 철학자·신학자의 비판 정리 • 기술적 특이점과 트랜스 휴머니즘: 지능의 폭발, 특이점 개념의 역사·주요 사상가·특이점주의 논리와 그에 대한 비판, 트랜스 휴머니즘과 포스트 휴먼 논의 구조 정리 |
||
|
[11강] 인공지능의 위험성 대두, 인공지능 윤리 강령
|
0:
36:
14
|
|
|
인공지능 위험성과 윤리 강령 핵심 개념 정리
• 슈퍼 인공지능·특이점·창의성 논쟁: 초지능 개념·출현 시기 예측·대중문화 속 위험 이미지와 창의성 가능성 논쟁을 통해 잠재적 위협과 인류 영향 구조 분석 • 인공지능 위험과 무기화 사례: 자율 공격 드론·스마트 폭탄·킬러 드론·전투 로봇 등 군사적 활용과 자가학습 챗봇 테이 사례를 통해 인권 침해·오남용·통제 문제 제기 • 인공지능 윤리 원칙과 개발자 책임: 인공지능 윤리 개념과 개발자 책임, EU·아실로마·구글·한국 IAAE 윤리 원칙을 비교해 인간 중심성·투명성·책임성·무기 경쟁 회피 기준 정리 |
||
| 5장. 인공지능과 4차 산업혁명 | ||
|
[12강] 인공지능과 4차 산업혁명(1)
|
0:
36:
02
|
|
|
인공지능과 4차 산업혁명 핵심 개념 정리
• 4차 산업혁명 개념·구조: 1–3차 산업혁명 이후 디지털·네트워크·AI 융합으로 초연결·초지능 사회를 형성하는 기술·사회 패러다임 전환 • 4차 산업혁명 핵심 기술군: 인공지능·사물인터넷·빅데이터·로봇공학·3D 프린팅·VR/AR·스마트 팩토리 등 디지털·물리·바이오 영역 융합 인프라 • 인공지능 역할: 사고·학습·추론·인지 기능을 통해 데이터 분석·예측·자율제어를 수행하며 IoT·빅데이터·로봇과 결합해 자율주행·스마트 제조·맞춤 서비스의 플랫폼 기술로 작동 |
||
|
[13강] 인공지능과 4차 산업혁명(2)
|
0:
34:
45
|
|
|
인공지능과 4차 산업혁명: 지능형 로봇과 사물인터넷 정리
• 지능형 로봇 개념·기술: 인공지능·빅데이터 기반 자율 판단·행동 로봇으로, 신경망·패턴 인식(문자·사물·음성)·추론·음성합성 기술을 활용해 인간과 상호작용하는 서비스·휴머노이드 로봇으로 발전 • 지능형 서비스 로봇 응용: 산업용에서 일상·공공 서비스 영역(안내·주문·서빙·돌봄·반려)으로 확장되며, 인간 적응형·비살상·윤리 규범을 전제로 공항 안내, 교육·돌봄 등 다양한 지능형 서비스 제공 • 사물인터넷(IoT) 구조·응용: 센싱 기술(환경·상태 데이터 수집)–유무선 통신·네트워크(블루투스·Wi-Fi·5G)–서비스 인터페이스·빅데이터(저장·분석·제어) 구조를 기반으로 스마트 홈·헬스케어·커넥티드카·스마트팜·스마트 공장·스마트 시티 등 개인·산업·공공 영역에 적용 |
||
|
[14강] 인공지능과 4차 산업혁명(3)
|
0:
37:
55
|
|
|
인공지능과 4차 산업혁명: 자율자동차와 미래 컴퓨팅 기술
• 자율자동차·드론·자율주행 단계: 자율자동차 개념·역사, 센서·딥러닝·IoT 기반 인지·제어 구조, NHTSA·SAE 자율주행 단계(레벨 0~5)와 책임 주체, 주요 글로벌 기업 개발 현황 및 법·제도·윤리 쟁점, 드론의 자율 비행·원격제어 기술과 4차 산업혁명형 활용 분야 정리 • 자율주행 인공지능 구조와 한계: 인식–분석–정보화–추론–서비스 제공으로 이어지는 자율주행 AI 파이프라인, GPS·지능형 제어시스템·중앙제어장치의 기능, 딥러닝 기반 학습 방식과 예외적 교통상황·규칙 위반 대응 한계, 안전·윤리·법적 책임 문제 구조화 • 미래 컴퓨팅 기술(광·바이오·나노·양자 컴퓨터): 광컴퓨터의 레이저·광집적회로 기반 초고속 병렬 처리 구조, 바이오 컴퓨터·바이오 센서의 생체회로·뇌 모사 지능 및 의료 응용, 나노기술의 초미세 물질 설계, 양자 컴퓨터의 큐비트·양자우월성·주요 기업 로드맵과 암호해독·최적화·신소재·신약 설계 등 활용 가능성 정리 |
||
| 6장. 인공지능을 위한 수학과 프로그래밍 | ||
|
[15강] 인공지능을 위한 수학과 프로그래밍(1)
|
0:
48:
42
|
|
|
인공지능을 위한 수학과 프로그래밍(1): 함수, 벡터, 손실함수 개념 정리
• 인공지능 수학적 기초: 선형대수·미분·통계·확률·함수 개념을 통해 벡터·행렬 기반 모델 구조와 확률·최적화 중심의 학습 절차를 수식으로 표현 • 핵심 함수와 활성함수: 지수·로그·삼각함수의 정의·그래프·수렴·주기 특성과 시그모이드·계단·임계논리 활성함수를 활용해 비선형 패턴 표현과 신호·스케일 조정 구조 설계 • 손실함수와 MSE: 예측값과 실제값 차이를 수치화하는 손실·비용함수 개념과 평균제곱오차 수식을 통해 회귀·분류 모델의 성능 평가와 경사하강법 기반 가중치 최적화 수행 |
||
|
[16강] 인공지능을 위한 수학과 프로그래밍(2)
|
0:
34:
34
|
|
|
인공지능 수학 핵심: 미분·델타 규칙·벡터·행렬 정리
• 미분·체인 규칙·경사하강법: 도함수와 연쇄법칙으로 비용 함수 기울기를 계산하고, 델타 규칙·경사하강법으로 오차에 비례해 가중치를 반복 갱신하는 최적화 원리 • 벡터·내적·유클리드 거리: 크기와 방향을 가진 벡터 연산과 내적으로 유사도·투영을 계산하고, 유클리드 거리를 통해 K-means·K-NN·분류 등에서 데이터 간 거리를 측정하는 수학적 기반 • 행렬·행렬 연산과 신경망: m×n 행렬 구조로 데이터·가중치를 표현하고, 행렬 합·곱과 벡터 내적을 통해 다수 뉴런의 순전파·역전파 연산을 일괄 수행하는 신경망 계산 틀 |
||
|
[17강] 인공지능을 위한 수학과 프로그래밍(3)
|
0:
29:
46
|
|
|
인공지능 수학 기초: 확률·통계와 프로그래밍 언어 정리
• 확률·통계 기초 개념: 확률·여사건·평균·분산·표준편차 정의와 계산 원리, 분포의 중심·흩어짐 해석 및 회귀직선·회귀분석을 통한 변수 간 관계 예측 구조 정리 • 인공지능과 확률·통계의 연관성: 인공지능의 학습·추론·예측에서 확률적 모델·회귀 분석을 활용하는 원리와 불확실성 처리·예측 기능의 통계적 기반 제시 • 인공지능용 프로그래밍 언어군: LISP·Prolog·Python·R·C의 언어 유형·자료구조·추론 방식·응용 분야 특성을 비교해 인공지능 알고리즘 구현과 데이터 분석 활용 구조 정리 |
||
| 7장. 규칙기반 인공지능 | ||
|
[18강] 규칙기반 인공지능(1)
|
0:
35:
16
|
|
|
규칙 기반 인공지능의 논리와 탐색 기법 핵심 정리
• 규칙 기반 인공지능·논리 체계: 명제 논리·술어 논리·논리 연산(부정·논리합·논리곱·조건)을 통해 지식 표현과 규칙 기반 추론 구조를 정의 • 추론 이론과 방향성: 귀납·연역·유비·통계적 추론의 개념·역할·필연성 차이와 순방향·역방향(및 양방향) 추론에 의한 목표 도달 절차 정리 • 탐색 알고리즘과 게임 탐색: DFS·BFS·휴리스틱 탐색의 전략·장단점과 MinMax 탐색·가지치기를 활용한 2인용 게임 의사결정 및 탐색 공간 축소 기법 정리 |
||
|
[19강] 규칙기반 인공지능(2)
|
0:
54:
56
|
|
|
인공지능과 알고리즘·규칙기반 전문가 시스템 핵심 정리
• 알고리즘·휴리스틱·탐색 알고리즘: 알고리즘 정의와 요건(입력·출력·유한성·효과성), 일상 속 알고리즘 표현(의사코드·순서도), 휴리스틱 유형(대표성·기준점과 조정·가용성)과 A*·상태공간·휴리스틱 탐색(8-Queens, 8-puzzle, 물통 문제)의 최단·근사해 탐색 구조 정리 • 규칙기반 전문가 시스템·지식표현: 규칙기반 전문가 시스템 구성요소(지식베이스·데이터베이스·추론 엔진·해설설비·사용자 인터페이스)와 If-Then 생산 규칙, 프레임·의미망(노드·링크 기반 개념 관계)의 지식표현 방식 및 대표 시스템(MYCIN·DENDRAL·Prospector 등) 기능 정리 • 인공지능 문제 해결 절차·퍼즐 응용: 문제 정의·상태 표현·목표 상태·제약조건 분석·규칙 검증·알고리즘 선택·해 검증의 단계와 상자 쌓기, 8-puzzle, 물통, 늑대·염소·양배추, 선교사·식인종 퍼즐을 상태공간·규칙 기반 탐색 문제로 모델링하는 방법 정리 |
||
| 8장. 머신러닝의 학습과 분류 | ||
|
[20강] 머신러닝의 학습과 분류(1)
|
0:
32:
44
|
|
|
머신러닝의 정의와 종류, 인공지능과의 관계 핵심 정리
• 머신러닝 기본 개념과 역사: 규칙을 명시적으로 코딩하지 않고 데이터·경험으로부터 지식과 규칙을 학습하는 기계학습으로, 퍼셉트론·다층신경망·SVM·의사결정나무 등 주요 알고리즘 발전사를 통해 인공지능의 핵심 기술로 자리 잡은 개념 • 머신러닝과 전통 프로그래밍·인공지능 관계: 규칙을 사람이 설계하는 전통적 프로그래밍과 달리 데이터 기반으로 모델이 스스로 규칙을 생성·일반화하며, 인공지능(AI)의 부분집합으로서 AI 내에서 학습·지식획득을 담당하고 AI는 이를 활용해 추론·계획·행동까지 수행하는 구조 • 머신러닝 유형·알고리즘·활용 분야: 지도학습(분류·회귀, KNN·SVM·Decision Tree·신경망 등), 비지도학습(군집·연관, K-Means·HMM·연관규칙·PCA 등), 강화학습(MC·Q-Learning·Policy Gradient 등)으로 구분되며, 헬스케어 모니터링·개인화 추천·기상 예측 등 데이터 풍부 영역에서 예측·군집·정책 학습에 활용되는 체계 |
||
|
[21강] 머신러닝의 학습과 분류(2)
|
0:
46:
21
|
|
|
머신러닝 지도·비지도학습과 분류·회귀 핵심 정리
• 머신러닝 학습 방법: 지도학습·비지도학습·강화학습 정의와 레이블 유무·출력 형태·대표 응용(분류·회귀·군집화·연관규칙) 구조 비교 • 지도학습 핵심 개념: 분류·회귀 차이와 출력 타입(이산/연속), 대표 분류 알고리즘(Naive Bayes, 의사결정나무, SVM, K-NN)의 원리·용도·장단점 정리 • 비지도학습 핵심 개념: 클러스터·클러스터링 정의와 분류 대비 차이(레이블·목적), 주요 알고리즘(K-means, 계층 군집, PCA, 연관규칙)과 K-means 절차·한계 요약 |
||
|
[22강] 머신러닝의 학습과 분류(3)
|
0:
30:
14
|
|
|
머신러닝 강화학습·베이지안 네트워크·HMM 핵심 정리
• 강화학습(에이전트–환경–보상 구조) : 상태·행동·보상을 통해 시행착오로 최적 정책을 학습하고 통신·로봇·게임·자율주행 등에서 보상 극대화 제어에 활용 • 베이즈 정리·베이지안 네트워크 : 사전확률·조건부확률을 이용해 사후확률을 계산하고, 그래프(CPT 포함) 기반 확률 모델로 알람·의료·검색 등에서 확률적 추론 수행 • 마르코프 체인·은닉 마르코프 모델(HMM) : 상태 전이 확률 기반 시퀀스 모델과 은닉 상태·관측 출력 구조를 사용해 음성인식·주가·날씨 등 시계열 데이터의 상태 추정·예측·모델 학습 수행 |
||
| 9장. 신경망의 개념과 응용 | ||
|
[23강] 신경망의 개념과 응용(1)
|
0:
32:
29
|
|
|
신경망 개념과 초기 신경망 모델 정리
• 인공신경망(ANN)과 뉴런 모델: 생물학적 뉴런·시냅스를 모방한 노드·레이어·병렬 구조 정의, 문자·음성·영상 인식 등 패턴 인식 알고리즘 계열과 딥러닝으로의 발전 과정(맥컬럭-피츠, 헵 학습 규칙, 퍼셉트론, 역전파, 심층신경망) 정리 • 퍼셉트론·다층 퍼셉트론 구조와 학습: 단층/다층 퍼셉트론의 입력·가중합·임계값·활성 함수(계단, 임계 논리, 시그모이드) 연산과 오차 기반 가중치 갱신 절차, 선형분리 가능성 및 XOR로 대표되는 단층 퍼셉트론 한계와 은닉층·역전파를 통한 비선형 문제 해결 구조 정리 • 초기 신경망 응용 모델: Adaline·Madaline의 적응형 선형 뉴런 및 다중 Adaline 구조 정의, 오차제곱 최소화를 이용한 적응 필터 학습 원리와 시스템 모델링·통계적 예측·잡음/울림 제거·채널 이퀄라이저·적응 신호 처리 등 초기 응용 분야 개관 |
||
|
[24강] 신경망의 개념과 응용(2)
|
0:
56:
36
|
|
|
신경망 다층 퍼셉트론, 문자인식·음성인식 정리
• 다층 퍼셉트론(MLP) 구조와 학습: 입력층–은닉층–출력층 신경망으로 선형 분리 불가(XOR 등) 비선형 문제를 해결하며, 역전파·델타 규칙·경사하강법으로 가중치를 최적화하는 비선형 함수 근사 모델 • 역전파·델타 규칙·경사하강법: 오차 역전파를 통해 출력→입력 방향으로 기울기 계산·가중치 갱신을 수행하고, 오차 제곱합 최소화를 위한 델타 규칙과 경사하강법으로 오차 함수의 최소점(지역·전역 최소) 탐색 • 신경망 기반 문자인식·음성인식: OCR·STT 등에서 특징 추출–패턴 인식–후처리 단계를 거쳐 문자·음성 패턴을 인식하며, 다양한 언어·필기체·잡음·화자 변화를 처리하고 HMM·딥러닝·자기지도 학습(Data2Vec 등)으로 성능과 일반 인공지능 지향성을 발전시키는 기술体系 |
||
| 10장. 딥러닝 기반의 심층신경망과 활용 | ||
|
[25강] 딥러닝 기반의 심층신경망과 활용(1)
|
0:
33:
55
|
|
|
딥러닝 기반 심층신경망의 개념과 역사, 머신러닝과의 차이
• 딥러닝·심층신경망 개념: 다수 은닉층을 가진 심층신경망을 이용해 복잡한 비선형 관계를 학습하는 머신러닝 방법으로, 자동 특징 추출·표현학습을 수행하는 모델 구조 • 딥러닝 역사·기술적 배경·주요 성과: 코그니트론·네오코그니트론에서 출발해 힌튼·르쿤·벤지오 등의 RBM·드롭아웃·GPU 활용으로 부활·실용화되었으며, ILSVRC(AlexNet) 등에서 이미지·음성·자연어·자율주행 등 인간 수준 이상의 성과 달성 • 머신러닝 vs 딥러닝·핵심 이슈: 작은 데이터·수동 특징 추출·적은 자원·높은 설명 가능성의 전통적 머신러닝과, 빅데이터·GPU·자동 특징 추출·블랙박스 구조의 딥러닝을 데이터 규모·자원·성능·과적합(드롭아웃) 관점에서 비교 분석하는 내용 |
||
|
[26강] 딥러닝 기반의 심층신경망과 활용(2)
|
1:
02:
49
|
|
|
딥러닝 심층신경망 종류와 활용, 지원 HW·SW 정리
• 심층신경망 및 주요 구조(CNN·RNN·RBM·DBN·GAN): 다층 신경망의 기본 개념과 합성곱·순환·확률 생성 구조별 특징, 입력 데이터 유형(이미지·시계열·확률분포·생성/복원)에 따른 활용 분야 정리 • 딥러닝 활용·XAI 개념: 글로벌 기업 사례(추천, 인식, 게임, 생성모델)와 블랙박스 한계, 설명 가능한 인공지능(XAI)의 정의·목표 및 복잡도·범위·모델 종속성 관점의 분류 체계 정리 • 딥러닝 지원 HW·SW 생태계: GPU·NPU·TPU 등 병렬 AI 반도체의 역할과 시장 동향, TensorFlow·PyTorch·Keras 등 오픈소스 딥러닝 프레임워크의 구조·특징·장단점 및 활용 기준 정리 |
||
| 11장. 인공지능의 패턴인식 | ||
|
[27강] 인공지능의 패턴인식(1)
|
0:
42:
54
|
|
|
인공지능의 패턴인식과 음성인식 기술 정리
• 패턴인식 개념·처리과정: 실세계 데이터를 센서로 수집해 전처리·특징추출·차원축소 후 통계·신경망·구조적 방법으로 분류·예측·모델선택을 수행하는 인공지능 인식 기술 • 패턴인식 접근법·응용: 통계적 모델·심층신경망·구조적 표현을 활용해 문자·생체인식·진단·예측·보안·스마트 서비스 등 다양한 도메인에서 패턴 구조와 클래스를 학습·분류하는 방법론 • 음성인식·합성 기술: 화자종속·화자독립 음성인식과 TTS 기반 음성합성·감정 더빙·가상인간 음성을 통해 음성 비서, 스마트홈, 의료·예약·공공안전 서비스 등에서 자연어 이해·대화 기능을 제공하는 음성 AI 기술体系 |
||
|
[28강] 인공지능의 패턴인식(2)
|
0:
54:
10
|
|
|
인공지능 패턴인식: 영상인식과 자연어처리 핵심 정리
• 영상인식·컴퓨터 비전·영상 이해: 픽셀·해상도 기반 영상 데이터 구조, 특징 추출과 객체 인식 절차, 얼굴·번호판·생체인식·자율주행·3D 물체인식(4D-Net) 및 영상 이해(Video Understanding) 기술과 응용 정리 • 생체인식·딥페이스: 지문·홍채·정맥 등 신체·행동 기반 생체인식 개념과 특성, DeepFace 딥러닝 구조·성능·학습 데이터, 얼굴인식 상용화와 개인정보·윤리·보안 이슈 정리 • 자연어·형식언어·자연어처리: 자연어와 형식언어 정의 및 차이, 구문론·의미론·문장 트리 기반 구조 분석과 의미 중의성 해소, 자연어 이해·기계번역 응용 및 구글 번역·파파고 비교를 통한 자동번역 원리와 한계 정리 |
||
| 12장. 인공지능과 데이터 사이언스 | ||
|
[29강] 인공지능과 데이터 사이언스(1)
|
1:
05:
54
|
|
|
인공지능과 데이터 사이언스: 개념, 흐름, 분석 단계 정리
• 데이터 사이언스 개념·영역: 컴퓨터 사이언스·통계·비즈니스 교집합에서 인사이트 추출·예측·의사결정을 수행하는 융합 학문, 머신러닝·비즈니스 분석·빅데이터·시각화·도메인 응용을 포함 • 데이터 사이언티스트 역량·도구: 수학·통계·알고리즘·프로그래밍·데이터 큐레이션·커뮤니케이션 역량과 GitHub·IDE·GPU·클라우드(AWS·Azure·Watson)·Kaggle·R·Python·Spark·BI/시각화 도구(SAS·SPSS·Tableau 등)를 활용해 분석을 수행 • 데이터 사이언스 작업 흐름: 문제 정의–데이터 수집·저장·관리–탐색적 분석·시각화–최종 분석·보고의 6단계 구조를 따라 분류·클러스터링·예측 모델링으로 데이터→정보→지식 전환 및 비즈니스 의사결정·리스크 관리·기회 창출에 적용 |
||
|
[30강] 인공지능과 데이터 사이언스(2)
|
0:
42:
32
|
|
|
인공지능과 데이터 사이언스: 빅데이터·데이터 마이닝·미래 전망 정리
• 빅데이터 개념·특징: 기존 방식으로 처리 어려운 방대한 정형·비정형 데이터와 3V·6V 특성, 수집·저장·처리·분석·시각화 요소 기술 및 활용·윤리 이슈 정리 • 데이터 마이닝 기법: KDD 관점에서 연관·연속 규칙, 분류, 군집화 등을 활용해 대규모 데이터에서 규칙·패턴·지식 추출 및 마케팅·금융·제조·의료 분야 응용 구조 정리 • 데이터 사이언스 역할·직업: 빅데이터·마이닝·머신러닝을 통합하는 데이터 기반 문제 해결 프레임과 데이터 사이언티스트 등 직업군, 교육·연구·산업별 미래 전망 구조화 |
||
| 13장. 인공지능 적용 사례 | ||
|
[31강] 인공지능 적용 사례(1)
|
0:
40:
03
|
|
|
인공지능 적용 사례와 트렌드, 노인돌봄 분야 활용 정리
• 인공지능 주요 트렌드: 인공지능 민주화·생성 인공지능·설명 가능한/윤리적 인공지능·AR 결합·지속가능한 인공지능을 중심으로 기술 발전 방향과 에너지·탄소 이슈 정리 • 인공지능 정책·고용·기술 동향: 미국·영국·싱가포르·한국의 국가 AI 전략과 윤리 원칙, AI 관련 일자리·임금 프리미엄·거대 사전학습 언어모델(GPT‑3, 하이퍼클로바, EXAONE 등) 및 InstructGPT·AlphaCode 기술 구조 정리 • 노인돌봄 인공지능 서비스: 1·2·3세대 비대면 돌봄 체계와 케어엔젤, 케어프레딕트 템포, 반려로봇 제니, 소셜로봇 엘리큐의 센서·딥러닝·음성인식 기반 모니터링·예측·정서 및 사회적 돌봄 기능과 효과 정리 |
||
|
[32강] 인공지능 적용 사례(2)
|
0:
51:
04
|
|
|
인공지능 지능형 로봇·마케팅 적용 사례 핵심 정리
• 지능형 로봇 개념·사례: 센서·AI 기반 상태·상황 인식, 자율 이동·상호작용 기능을 갖춘 서비스·동적·마이크로 로봇(LG CLOi, 삼성봇, Grace, Astro, Cheetah3, Cassie, SHRIMP 등) 구조와 적용 영역 정리 • 인공지능 마케팅 핵심 개념: 타겟·개인화·모바일 마케팅에서 내부·외부(빅데이터·SNS·모바일 로그) 데이터 기반 세분화·추천·행동 분석·위치 기반 캠페인 수행 절차 정리 • 판매 예측·성과 효과: 수요 예측·교차 판매 분석을 통한 재고 최적화, ROI·구매 전환율·고객 만족·브랜드 가치 향상 및 비용 절감·데이터 기반 의사결정 구조 정리 |
||
양승정 교수님
인공지능개론
