인공지능은 사람의 지능과 인지기능을 흉내낼 수 있는 정보처리 모델을 연구하는 컴퓨터 과학의 한 분야이다. 인공지능의 근원적인 문제로서 경험적 탐색, 추론, 학습, 지식표현 방법에 관한 이론과 근본적인 계산학적 문제들을 다룬다. 논리 기반의 정리 증명, 게임 이론, 지능형 에이전트 등에 관해 다루며 신경망, 진화연산, 베이지안망의 기본 원리를 학습하고 이의 응용 사례로서 컴퓨터비전, 자연어처리 등의 분야에 대해 살펴본다.

데이터 마이닝은 대용량 데이터에서 유용한 패턴을 찾기 위한 이론과 기술로 웹 검색, 추천 시스템 등 다양한 분야에서 여러 응용에 활용되어 왔다. 본 강좌에서는 데이터 마이닝에 대한 기본 개념 및 관련 이론을 학습한다.

머신러닝은 데이터에 존재하는 정보를 추출하거나 패턴을 학습하는 학문이고, 인공지능 기술에 가장 핵심적인 분야이다. 우선, 기본적인 선형대수 개념을 바탕으로 일반적인 최적화 및 온라인 최적화 문제를 다룬다. 그리고 머신러닝에서 주로 다루는 스코어 함수와 손실함수를 앞서 배운 최적화 프레임에 대입해본다. Chained function이 주어졌을 때 일반적으로 사용할 수 있는 computational graph와 backpropagation에 대해 학습하고 컨볼루션 및 순환 신경망에 어떻게 적용하는지를 학습한다.

빅데이터와 머신러닝 소프트웨어는 다양한 데이터를 분석하고 예측 모델을 만드는 소프트웨어이다. 본 강좌는 두 부분으로 구성되어 있다. 첫째, 다양한 빅데이터 분석 방법 (배치 처리, 스트림 처리, 인터액티브 질의, 그래프 처리 등)을 학습한다. 배운 개념을 활용하여 스파크/하둡 기반으로 실제 데이터 분석을 어떻게 하는지 학습한다. 둘째, 머신러닝 소프트웨어의 중요한 개념에 대해 알아보고, 다양한 머신 러닝 분석 방법을 학습힌다. 배운 개념을 활용하여 구글 텐서플로우를 기반으로 머신러닝/딥러닝 분석을 어떻게 하는지 학습한다.

미래의 모바일/사물인터넷 환경에서 나타나게 될 새로운 인공지능 응용을 살펴보고, 응용의 디자인 및 기반이 되는 기계 학습 기술들에 대해 학습한다. 특히, 다양한 센서를 활용한 데이터 습득, 빅데이터 기반의 기계 학습 및 처리, 컴퓨팅 자원 제약을 고려한 시스템 최적화, 사용성을 높이기 위한 응용 디자인 등 혁신적인 응용을 만들기 위한 여러 관점을 종합적으로 고찰한다.