이솦

01. 인공지능과 지능 에이전트 및 인공지능을 이용한 문제 해결 방법

인간과 인공지능의 차이를 이해하고, 지능 에이전트의 동작 방식을 이해한다. 전통적인 SW의 문제 해결 방식과 인공지능을 이용한 문제 해결 방식의 차이를 이해한다.

02. 인공지능의 문제 해결 과정

기계학습과 딥러닝의 개념을 이해한다.
인공지능을 이용한 문제 해결 과정을 이해하고 적용할 수 있다.

03. 인공지능과 문제 해결- 함수와 명제, 예측

인공지능에서 사용되는 함수, 명제, 예측 개념을 설명할 수 있다.

04. 인공지능과 데이터-코랩(colab)  환경 설정

실습을 위한 구글 colaboratory 사용 방법을 안내한다.

05. 데이터와 데이터 분석(1)

데이터의 특성을 알아보고 데이터를 전처리, 분석, 시각화하는 과정을 알아본다.

06. 데이터와 데이터 분석(2)

CCTV설치 수 데이터를 이용해 데이터 전처리, 분석, 시각화를 실습한다.

07. 정형 데이터(1)

정형 데이터를 직접 찾아보고, 찾은 정형 데이터를 전처리하는 pandas라이브러리를 알아본다.

08. 정형 데이터(2)

Kaggle의 Titanic데이터를 이용하여 전처리하고, 시각화하는 데이터 분석 과정을 실습해본다.

09. 비정형 데이터(1)

비정형 데이터의 문제 해결 사례를 알아보고, 이미지 데이터를 처리하는 과정을 실습해 본다.

10. 비정형 데이터(2)

비정형 데이터의 문제 해결 사례를 알아보고, 텍스트 데이터를 처리하는 과정을 실습해 본다.

11. 인공지능과 데이터- 대푯값과 벡터

데이터를 전처리, 시각화 하는 과정에서 데이터의 분포, 특성을 파악할 수 있는 수학 개념을 설명할 수 있다.

12. 인공지능과 데이터-행렬

컴퓨터에서 이미지 데이터를 표시하고 저장하는 방법을 행렬 연산으로 설명할 수 있다.

13. 기계학습-머신러닝 유형과 프로그래밍 절차

전통적인 머신러닝과 딥러닝의 차이를 알아보고, 머신러닝 프로그래밍 과정을 알아본다. 훈련 데이터와 테스트 데이터를 분류할 필요성을 학습하고 인공지능 학습 및 평가에 이르는 과정을 학습한다.

14. 결정 트리(1)

지도 학습의 분류에 해당하는 결정 트리 개념을 학습하고 정보 획득을 이용해 결정 트리를 구성하는 방법을 알아본다. 

15. 결정 트리(2)

정형 데이터를 활용하여 훈련 데이터, 테스트 데이터를 분리하고 결정 트리 알고리즘을 실습해본다. 

16. 수치 예측(1)

지도 학습의 회귀에 해당하는 선형 회귀 개념을 학습하고 추세선을 활용해 수치를 예측하는 방법을 알아본다.

17. 수치 예측(2)

sklearn 라이브러리를 활용하여 수치를 예측하는 추세선을 구해보고 회귀 알고리즘을 실습해본다.

18. K-means

인공지능에서 사용되는 수열과 로그의 개념을 설명할 수 있다. 인공지능에서 사용되는 손실함수와 최소제곱법의 의미를 설명할 수 있다.

19. 기계학습-수열과 로그

인공지능에서 사용되는 수열과 로그의 개념을 설명할 수 있다. 인공지능에서 사용되는 손실함수와 최소제곱법의 의미를 설명할 수 있다.

20. 기계학습-손실함수, 최소제곱법, 유클리디안거리, 해밍 거리

인공지능에서 사용되는 유클리드 거리, 맨하튼 거리, 해밍 거리를 설명할 수 있다.

21. 딥러닝은 무엇으로 만들까(1)

기계학습과 딥러닝의 차이를 이해한다. 인공신경망의 기초인 퍼셉트론의 구조와 동작 과정을 이해하고, AND gate를 구현할 수 있다.

22. 딥러닝은 무엇으로 만들까(2)

다층신경망을 구성하여 XOR gate를 구현할 수 있다.

23. 오차를 어떻게 측정할까(1)

손실함수의 원리를 이해할 수 있다. 빙하 면적을 추정하는 모델을 구현할 수 있다.

24. 오차를 어떻게 측정할까(2)

손실함수 값을 최소화하는 인공지능 모델을 구현할 수 있다.

25. 정답은 무엇일까

경사하강법의 원리를 이해하고 딥러닝 모델을 구현할 수 있다.

26. 기계가 학습할 때(1)

인공신경망에서 순전파의 원리를 이해할 수 있다.

27. 기계가 학습할 때(2)

인공신경망에서 역전파의 원리를 이해할 수 있다. 인공신경망에서 역전파의 원리를 이해할 수 있다.

28. 자율 주행 자동차는 어떻게 교통 신호를 인식할까(1)

합성곱 신경망의 이미지 인식 원리를 이해할 수 있다.

29. 자율 주행 자동차는 어떻게 교통 신호를 인식할까(2)

합성곱 신경망을 이용하여 이미지 인식 모델을 구현할 수 있다.

30. 중요한 단어와 유사한 문장을 어떻게 찾을까(1)

자연어 처리를 위해 자연어를 수치로 표현하는 원리를 이해할 수 있다.

31. 중요한 단어와 유사한 문장을 어떻게 찾을까(2)

자연어 처리 딥러닝 모델을 구현할 수 있다.

32. 딥러닝-합성함수의 미분, 행렬의 합성곱, 유사도

인공지능에서 사용되는 행렬과 유사도의 개념을 설명할 수 있다.

33. 데이터 편향성 문제

데이터 편향성의 개념과 유형을 구분할 수 있고, 편향된 데이터가 인공지능 판단 결과에 미치는 영향을 알아본다. 

34. 윤리적 딜레마 문제

충분한 사회적 논의 없이 도입된 인공지능은 사회적 혼란을 야기할 수 있음을 이해하고 이와 관련하여 다양한 국가에서 제시한 인공지능 규제안을 살펴본다.