컨텐츠 바로가기 메뉴 바로가기 푸터 바로가기
사업내용

미래자동차 마이크로디그리 교육과정

자동차인공지능 강의 계획

자동차인공지능 강의 계획 안내 표

교과목명 자동차인공지능 수준 -
개설대학(학과/담당교수) 계명대(컴퓨터공학/고병철),
국민대(자동차IT융합/이상헌),
아주대(기계공학/송봉섭),
인하대(정보통신공학/홍성은),
충북대(지능로봇공학/황영배)
학점/시간 3 / 3
수업형식 이론+실험실습 수업방식 Blended
추천선수과목 선형대수, 프로그램 언어 1과목 이상 평가유형 상대평가
교과목개요

인공지능은 미래 자동차 산업의 기초 지식이 되며 데이터를 기반으로 인식, 판단, 예측과 관련된 업무를 수행하는첨단 IT 산업, 빅데이터, 로봇 등의 첨단산업에 종사하려는 학생들에게는 꼭 필요한 과목이다.
본 교과목에서는 인공지능의 기본 개념부터 최신 인공지능 알고리즘까지 학습하고 학습한 내용을 자율자동차 관련 응용기술에 접목해 보도록 한다.
특히 인공지능 세부 기술 중 회귀, CNN, RNN, LSTM, GAN등의 딥 러닝 기술에 대한 이론을 학습하고 딥러닝프레임워크(텐서플로우, 케라스, 파이토치 등) 환경에서
인공지능 알고리즘들을 직접 실습해 봄으로써 딥러닝 기초 지식뿐만 아니라 실무적인 개발능력을 배양하도록 한다. 자율자동차 관련 프로젝트를 통해
종합적인 인공지능 개발 역량을 확보하여, 수강 후 실제 연구 및 업무에서 활용할 수 있는 실용적인 인공지능 소프트웨어 개발역량 취득을 목표로 한다.

교과목개요 안내표

1주차
  • 인공지능의 개요
    인공지능의 정의
    인공지능을 이용한 자율 자동차 응용 기술
9주차
  • 인공신경망 3 (Artificial neural networks 3)
    모델재사용
    자율자동차 사례 소개 및 인공신경망 응용 실습
2주차
  • 인공지능을 위한 수학 기본
    인공지능 기본 수학 및 개념 학습
10주차
  • Convolutional Neural Networks 1
    심층신경망 만들기
    정규화 방법
3주차
  • 인공지능을 위한 파이썬 프로그래밍
    파이썬 기초문법 학습
    머신러닝 기본 패키지 학습
11주차
  • Convolutional Neural Networks 2
    심층신경망과 CNN의 비교
    CNN을 이용한 MNIST, Cifar10 분류하기
    자율자동차 사례 소개 및 CNN 응용 실습
4주차
  • 딥러닝 프레임워크 기초학습
    자료형, 연산, 그래프 그리기
12주차
  • 순환신경망(Recurrent Neural Networks) 1
    RNN 이해하기
    LSTM 이해하기
5주차
  • 회귀분석 (Regression analysis )
    선형회귀
    비선형회귀
    최적화방법
    자율자동차 사례 소개 및 회귀분석 응용 실습
13주차
  • 순환신경망(Recurrent Neural Networks) 2
    GRU 이해하기
    양방향 추론 이해하기
    RNN응용
    자율자동차 사례 소개 및 RNN 응용 실습
6주차
  • 인공신경망 1 (Artificial neural networks 1)
    인공신경망의 원리
    퍼셉트론
    다층 퍼셉트론
14주차
  • 대립생성 네트워크 (Generative Adversarial Networks)
    GAN 이해하기
    GAN을 이용한 MNIST 영상 만들기
    자율자동차 사례 소개 및 GAN 응용 실습
7주차
  • 인공신경망 2 (Artificial neural networks 2)
    다층 인공신경망 학습구조
    다층 인공신경망 만들기
15주차
  • 자율자동차 인공지능 프로젝트
    인공지능 기술을 활용한 자율자동차 관련 응용
  • 기말고사
8주차
  • 중간고사

    ※미래자동차 마이크로디그리 과정은 대림대학교 학사규정, 마이크로디그리 운영규정과 운영지침에 따름