3. 강의목표
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 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 세 번 (Proposal, Progress, Final) 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 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 3 times during the class (Proposal, Progress, Final). The course language is English with Korean summaries.)
4. 강의선수/수강필수사항
At least one previously completed computer programming class is required for this course.
5. 성적평가
Programming or Paper Project - 50%
Assignments - 20%
Final Exam - 30%
6. 강의교재
도서명 |
저자명 |
출판사 |
출판년도 |
ISBN |
Michael A. Nielsen, Neural Networks and Deep Learning, Determination Press, 2015. Updated version available at http://neuralnetworksanddeeplearning.com
|
|
|
0000
|
|
7. 참고문헌 및 자료
1. Other references: papers, tools, and other material available online
8. 강의진도계획
0. Course Introduction
1. Introduction to Neural Networks
2. Python
3. MNIST
4. Backpropagation
5. Main Neural Network Methods
6. Deep Neural Networks
7. Neural Accelerator Architectures
9. 수업운영
1. Lectures
2. Assignments
3. Student presentations
4. Final Exam
11. 장애학생에 대한 학습지원 사항
- 수강 관련: 문자 통역(청각), 교과목 보조(발달), 노트필기(전 유형) 등
- 시험 관련: 시험시간 연장(필요시 전 유형), 시험지 확대 복사(시각) 등
- 기타 추가 요청사항 발생 시 장애학생지원센터(279-2434)로 요청