인공지능의 융합적 이해 (Historical Understanding of Artificial Intelligence)

- 강의 목적 및 목표: 인공지능 관련 학문에 대한 역사적 고찰을 통해 머신러닝, 딥러닝에 대한 이해를 증진시키는 것을 목적으로 함. 미적분, 확률 통계를 비롯한 수학의 역사, 인공지능 알고리즘 및 개념을 이해하고 이 내용을 파이썬 언어로 구현해보는 것을 목표로 함.

- 강연 내용: 일반 강연에서는 수학의 역사, 미적분과 최적화 이론의 발전, 확률과 통계적 사고의 발달, 데이터 분석과 머신러닝, 음성 처리 및 컴퓨터 비전, 과학기술 혁신과 예술, 인공지능과 예술, 신경망과 딥러닝의 발전, 인터넷 시스템의 발전, 양자역학적 세계관과 양자컴퓨터, 자연어처리, 음성인식, 거대 멀티모달 모델의 등장 등을 다룸

대학교 1학년 수준의 기초 수학 능력(확률 통계, 선형 대수, 미적분 등등)이 있으면 수강 가능함
파이썬 언어를 한번이라도 경험한 학생은 인공지능 관련 실습을 이해하는 데 도움이 되기는 하지만, 파이썬 코딩 능력 보유 유무가 강의 선수 및 수강 필수사항은 아님

성적 평가
기말고사(50%), 조별 발표(20%), 기말 구두시험(10%), 과제물/Quiz(10%), 출석(10%)

- 학생 발표의 세 가지 유형
1. 인공지능과 관련된 포괄적인 일반 주제 발표 (윤리적, 법적, 사회적 이슈 포함)
2. 인공지능 관련 논문 분석 및 해설
3. 파이썬을 활용한 인공지능 관련 프로그램(cf. Kaggle 대회 참가 프로그램, 인공지능 관련 Library documentation 및 tutorial) 탐색 및 소개

발표 점수 산정: 발표문 제출 시간 엄수(3), 발표 내용(10), 발표 능력(3), 답변 능력(4), 자유 토론 운영 능력 (5), 지정 토론 질문 능력 (10) 등 총 35점으로 전체 점수에 비율을 적용해 반영

파이썬 코딩 실력 성적 반영 여부 : 파이썬 코딩 실력 자체는 Python Quiz 시간을 운영하는 경우를 제외하고는 전체 학생을 대상으로 하는 성적 평가에 반영하지 않는다.
다만 파이썬을 활용한 인공지능 관련 프로그램 탐색 및 소개를 발표로 선택하는 조에 대해서는 발표 및 기말 구두 시험 평가에 파이썬 코딩 실력도 부분적으로 반영한다.

- 학기 시작 전에 전체 강의 내용을 pdf 파일로 제공함
- 인공지능 실습에 필요한 최소한의 기초 파이썬 코드 제공함
- 학기 시작과 함께 학생들이 자습용으로 활용할 수 있는 Python, Numpy, Matplotlib, Pytoch_basic을 제공함
- 확률 통계, 데이터처리, 머신러닝, 음성 처리, 컴퓨터 비전, 딥러닝, 자연어처리 코드는 강의 진도 계획과 학생들의 이해 정도에 따라 신축적으로 선별하여 실습함

일반 강연 10개 주제

1. 과목 소개: 인공지능과 인간의 미래
2. 수학과 통계적 사고의 발전 : 고대 수학, 미적분, 확률이론, 통계학의 출현
3. 데이터 사이언스와 머신러닝의 발전
4. 음성 인식 및 컴퓨터 비전
5. 신경망과 딥러닝의 발전
6. 과학기술 혁신과 예술(인공지능과 예술): 예비 강연
7. 인터넷 시스템의 발전 : 예비 강연
8. 자연어처리와 트랜스포머
9. 양자역학적 세계관과 양자컴퓨터 : 예비 강연
10. 거대 Multimodal Model의 등장 : 자연어처리, 음성 인식, 컴퓨터 비전의 결합

강연과 실습/발표를 번갈아 하면서 진행하는 3학점 강의

- 학생 자습 파이썬 기초 라이브러리 : Python, Numpy, Pandas, Matplotlib/Seaborn, Pytorch_basic(학생들이 스스로 학습하는 것을 원칙으로 함. 교수가 관련 기본 코드를 사전에 배부하고 실습 시간에 Python Quiz 시간을 운영함)
- 교수 실습 확률/통계 및 머신러닝, 딥러닝 라이브러리 : Numpy/Scipy(확률/통계), Scikit-learn(머신러닝), Pytorch(딥러닝) 등등 강의와 연관된 통계처리, 머신러닝, 음성 및 영상 처리, 딥러닝, 자연어처리 프로그램 실습

수업은 강의 및 실습, 그룹별 발표 및 토론 6회, 과제물 제출 혹은 Python Quiz, 기말시험 및 기말 구두시험 등으로 진행된다.

발표 진행 방식 (첫 번째, 두 번째 유형의 경우)
발표 그룹은 담당 교수의 허락을 받아 인공지능 관련 발표 주제를 자유롭게 선정한다.
발표 그룹은 지정 토론 그룹에게 적어도 발표 24시간 전에 발표 초안을 보내주어야 한다.
발표는 30분 이상 45분 이내로 하고 발표자와 답변자는 다수 인원이 담당하여도 무방하다.
발표문 마지막에 2-3개의 토론 주제를 제시하여 종합 토론을 유도한다.
지정 토론은 발표 내용에 대한 점검, 평가, 보완을 중심으로 전개하되 10분 이내로 질문을 독점할 수 있다.
지정 토론이 끝나면 발표 그룹은 강의 종료 5분전까지 자유 토론을 진행한다.
강의 종료 5분 전이 되면 발표 그룹은 그동안 나왔던 토론 내용을 정리하고 발표를 마무리한다.
- 세 번째 유형의 경우에는 발표 진행에 융통성을 줄 수 있다.

- 교육 방법 : 확률/통계, 인공지능, 머신러닝, 딥러닝, 자연어처리 및 음성인식의 역사에 나타나는 주제와 개념을 개괄적으로 설명하고, 파이썬 언어를 활용해서 이 개념들을 실제로 구현해보는 것이 본 과목의 학습 전략임
- 실습 시간에는 인터넷에 접속할 수있는 개인용 노트북을 준비해주시면 개별 실습에 도움이 되겠습니다.