이 과목은 인공지능 관련 연구 과목입니다. 본인이 하고 싶은 인공지능 관련 연구를 하면서 수업 학점을 받을 수 있는 좋은 기회입니다. 강의 내용은 인공지능 방법 중 실질적인 Neural Network 기반 방법 (CNN, RNN 등) 에 사용되는 원리 이론, 연산 방법/이유, 연산량 및 이러한 연산을 잘 지원할 수 있는 컴퓨터 프로그래밍 방법 및 컴퓨터 구조에 대한 내용으로 구성되어 있습니다. 각 학생은 본인의 연구 주제를 정하고 여러번 발표하는 기회가 있을 것입니다. 강의 언어는 영어이지만 한글 요약 및 추가 설명도 있을 것입니다.
(This is a research class where the student can pursue any research work related to Artificial Intelligence while getting course credit. Lectures will focus on practical AI Neural Network methods, their theoretical foundations, the computations involved and the reason for the use of such computations, amount of computational operations used, their programming methods, and the computer architectures necessary to support such computations. The student will have opportunities to present his/her research work multiple times during the class. The course language is English with Korean summaries.)

At least one previously completed computer programming class is required for this course. This course is designed for non-computer-science majors. If you are in the Computer Science and Engineering department or the Artificial Intelligence graduate school, you should NOT be taking this course.
(본 수업을 성공적으로 수강하기 위해서는 적어도 1 강좌 이상의 컴퓨터 프로그래밍 수업을 수강했어야 한다. 본 수업은 컴퓨터 공학 전공자가 아닌 학생을 위해서 설계되어 있다. 컴퓨터 공학과 또는 인공지능대학원 소속 학생들은 이 수업을 수강하면 안 된다.)

[1] Simon J. D. Prince, Understanding Deep Learning, The MIT Press, 2023. Online version http://udlbook.com
[2] Other online resources

0. Course Introduction
1. Introduction to Neural Networks
2. MNIST and Neural Network Programming
3. Code Analysis
4. Learning using Backpropagation
5. Main Neural Network Methods
6.Convolutional Neural Networks
7. Recurrent Neural Networks and Transformers
8. Neural Accelerator Architectures

1. Lectures
2. Homework and Activity Assignments
3. Student Presentations (projects related to solving practical problems are particularly encouraged) and Final Report
4. Final Exam