3D 그래픽 모델3D Graphical Models 3 전공강좌(단독강의) -

교과목명(국/영문)

3D 그래픽 모델3D Graphical Models

강의개요

강의목표

본 과목은 3차원 그래픽 모델의 생성, 기하학적 처리, 애니메이션 및 가시화 기법 그리고 이를 다양한 엔지니어링 문제에 적용하기 위한 방법들을 다룬다. 우리는 (1) 3D 구조의 기술 방법과 변환 (2) 3D 모델의 다양한 표현 방법들 (3) 물리 시스템의 시뮬레이션 모델 (4) 다양한 그래픽 모델의 변형 및 애니메이션 기법에 대하여 논의할 것이다. This course focuses on the creation of three-dimensional graphic models, geometric processing, animation and visualization, and their applications in various engineering problems. We will discuss (1) spatial description of the 3D structure and its transformation (2) various representation methods of 3D model (3) simulation model for physical systems (4) deformation and animation of various graphical models.

가상현실/증강현실Virtual Reality and Augmented Reality 3 전공강좌(단독강의) -

교과목명(국/영문)

가상현실/증강현실Virtual Reality and Augmented Reality

강의개요

강의목표

가상현실은 최근 IT 분야에서 유망한 미래 기술로 꼽히고 있다. 본 수업에서는 증강현실/가상현실에 중요한 기술인 디스플레이, 트랙킹, 인터랙션 등에 대한 이론적인 기초와 응용에대해서 배운다.

고급 컴퓨터 비전Advanced Computer Vision 3 전공강좌(단독강의) -

교과목명(국/영문)

고급 컴퓨터 비전Advanced Computer Vision

강의개요

강의목표

본 강의에서는 고급 기법을 사용하는 컴퓨터 비전 문제와 이론들을 다룬다. 강의 주제는 2D/3D 얼굴인식, 3D object detection/classification, 3D Shape matching / retrieval / recognition, Human pose / hand pose estimation, 3D Scene understanding 등을 포함한다 This lecture deals with computer vision problems and theories using advanced techniques. Lecture topics include 2D/3D face recognition, 3D object detection/classification, 3D shape matching / retrieval / recognition, human pose / hand pose estimation, 3D scene understanding, etc.

기계학습Machine Learning 3 전공강좌(단독강의) -

교과목명(국/영문)

기계학습Machine Learning

강의개요

강의목표

기계 학습은 기계가 특정 작업을 수행할 수 있도록 과거의 경험들으로부터 학습하는 것에 관한 학문이며, 본 강의는 기계 학습의 기초 이론들(SVM, Random Forest, MRF, Deep Learning 등)을 학습하고 기계 학습을 이용한 다양한 컴퓨터 비전 응용 기술을 소개하는 것을 목표로 합니다. Machine learning is about making machines that learn to perform a task from past experience. This course presents fundamental theories of machine learning (SVM, AdaBoost, Random Forests, and MRF) and introduces a broad range of computer vision applications using machine learning techniques.

로봇 및 기계학습을 위한 확률 기초Probability for Robotics and Machine Learning 3 전공강좌(단독강의) -

교과목명(국/영문)

로봇 및 기계학습을 위한 확률 기초Probability for Robotics and Machine Learning

강의개요

강의목표

대학원 기초 과목으로, 로봇공학과 기계학습에서 쓰이는 확률론에 대해여 배운다. 구체적으로는 시스템의 상태 추정을 위한 Bayes filter, 불확실성이 포함된 시스템의 동적 거동을 모델링하기 위한 stochastic system 이론, 그리고 기계학습에서 활용되는 Bayesian framework에 대하여 학습한다. This course is a graduate-level course on probability for robotics and machine learning. The course covers probability theory for robotics and machine learning. More precisely, it covers Bayes filters for estimating system states, stochastic system theory and its applications for mathematical modeling of system dynamics with uncertainties, and Bayesian framework for machine learning.

로봇 비전Robot Vision 3 전공강좌(단독강의) -

교과목명(국/영문)

로봇 비전Robot Vision

강의개요

강의목표

로봇비전은 로봇이 시각 데이터를 처리하고 로봇 작업을 수행하는데 필수적이다. 본 수업에서는 로봇비전에 중요한 기술인 영상처리, 3D 비전, 기하학, 자세추정, SLAM 등에 대한 기초와 응용을 학습한다. Robot vision is essential for robot to process visual data from world and perform many robotics tasks. In this course, we will study the basics and applications of image processing, 3D vision, geometry, pose estimation, and SLAM which are important technologies for robot vision.

로봇공학 개론Introduction to Robotics 3 전공강좌(단독강의) -

교과목명(국/영문)

로봇공학 개론Introduction to Robotics

강의개요

강의목표

대학원 기초 과목으로, 로봇의 수학적 모델링 및 제어에 필요한 다음 주제에 대해서 배운다. 1. 스크류 이론(screw theory)을 사용한 공간에서 강체의 움직임 기술법과 이를 활용한 2. 로봇 팔(직렬형 메니퓰레이터)의 위치 및 속도 정/역 기구학, 3. 로봇 팔의 동역학 및 제어에 대해 강의와 프로그래밍 실습을 통해 공부한다. Graduate level course on robotics. The course will cover following topics on mathematical modeling and control of a robot - 1. basic screw theory for describing the motion of a rigid body in space, 2. position and velocity kinematics of a serial robot manipulator, and 3. manipulator dynamics and control. The course consists of lectures on theories and programming lab to gain hands-on experience on robot kinematics and dynamics.

메카트로닉스 시스템Mechatronics System 3 전공강좌(단독강의) -

교과목명(국/영문)

메카트로닉스 시스템Mechatronics System

강의개요

강의목표

로봇과 같은 메카트로닉스 시스템은 전기, 기계, 컴퓨터 공학의 교차점에 위치하고 있다. 마이크로컨트롤러에 프로그래밍된 알고리즘은 센서에서 측정된 전기 신호를 처리하여, 동적인 기계 시스템을 제어하기 위한 출력을 발생시킨다. 본 과목에서는 이 전 과정을 이해하기 위한 기본 지식 및 기술을 가르침으로써, 학생들이 스스로 간단한 메카트로닉스 시스템을 제작할 수 있는 능력을 키우고자 한다. 구체적으로는 다음 주제에 대해 수업 및 실습을 통해 학습할 예정이다. 1. 센서 및 액츄에이터의 원리 및 선정, 2. 마이크로 컨트롤러 프로그래밍, 3. 동적 시스템 분석 및 제어 Mechatronics system such as robots are the intersection of mechanical, electrical and computer engineering. Electrical signals from the sensors are processed by control algorithms programmed in micro controllers to generate outputs for controlling dynamic mechanical system. This course aims to present students with basic knowledges and techniques required to understand this entire procedure and prepare them for integrating a simple mechatronics system by themselves. Following topics will be covered through lecture and project. 1. Principles and selection of sensors and actuators for mechatronics system, 2. Micro controller programming, 3. Analysis and control of dynamic mechanical systems

소프트 로봇공학Soft Robotics 3 전공강좌(단독강의) -

교과목명(국/영문)

소프트 로봇공학Soft Robotics

강의개요

강의목표

본 과목에서는 수강생들이 소프트 로봇공학의 입문 과정으로서 소프트 로봇의 개념부터 설계, 분석, 제작에 이르는 전반적인 내용을 배우게 된다. 특히 소프트 로봇 시스템을 구현하기 위해, 소프트 로봇에 주로 사용되는 폴리머 소재 및 형상기억합금 등의 기초적인 재료 역학을 배우고 로봇에 적용하는 방법론(설계법, 분석법, 제조공법)에 대하여 학습한다. 또한 배운 내용을 바탕으로 간단한 소프트 로봇을 제작하는 실습 과정이 포함된다. 그리고 소프트로봇의 활용 사례를 소개한다.

수리금융과 머신러닝Mathematical Finance and Machine Learning 3 전공강좌(단독강의) -

교과목명(국/영문)

수리금융과 머신러닝Mathematical Finance and Machine Learning

강의개요

강의목표

머신러닝 및 인공지능 방법과 금융경제학의 이해를 소개한다. 시계열 데이터의 기초적인 부분과 이를 위한 머신러닝에 대해서 학습한다. 금융경제 및 시장과 금융상품의 이해를 바탕으로, 가격 결정 모형 및 인공지능의 응용을 이해한다.

응용수치해석Computational Methods for Engineering 3 전공강좌(단독강의) -

교과목명(국/영문)

응용수치해석Computational Methods for Engineering

강의개요

강의목표

본 교과에서는 다양한 엔지니어링 문제를 이해하고 수치적으로 해결하기 위한 수학적 배경을 토론한다. 교과과정은 (1) 선형 대수에 대한 복습, (2) 선형 시스템을 풀기 위한 수치적 기법들 (3) 최적화 이론과 그 응용으로 구성된다. This course provides a mathematical background to understand and numerically solve a variety of engineering problems. The course covers (1) a review of linear algebra, (2) numerical techniques for solving linear systems, and (3) an optimization theory and its applications.

의료로봇공학Medical Robotics 3 전공강좌(단독강의) -

교과목명(국/영문)

의료로봇공학Medical Robotics

강의개요

강의목표

수술 및 중재 시술을 목적으로 개발된 의료 로봇을 소개하고 그 이론적 배경/내용 및 적용 사례에 대해서 학습한다. 또한, 수술 전 진단 및 계획, 수술 집행, 수술 후 평가에 이르는 치료의 전 과정에 적용 가능한 디지털 의료 응용 기술의 이론적 배경 및 내용에 대해서 학습한다. 의학적 배경지식은 필요하지 않지만, 실습 과제를 위해서 MATLAB 또는 C/C++ 등의 프로그래밍 경험은 필요할 수도 있다. This course focuses on robotics in surgery and interventional radiology, with an introduction to other healthcare robots. The course also includes computer-based techniques, systems, and applications exploiting quantitative information from medical images and sensors to assist clinicians in all phases of treatment, from diagnosis to preoperative planning, execution, and follow-up. Coursework includes homework/laboratory assignments and an exam. No medical background is required, but experience with MATLAB or C/C++ programming is suggested.

의료영상분석Medical Image Analysis 3 전공강좌(단독강의) -

교과목명(국/영문)

의료영상분석Medical Image Analysis

강의개요

강의목표

의료영상 처리 및 분석의 기본적인 원리 및 이에 사용되는 알고리즘에 대하여 학습한다. Interpolation, Registration, Enhancement, Feature Extraction, Classification, Segmentation, Quantification, Shape Analysis, Motion Estimation, Visualization 등의 이론적인 내용에 대하여 다루고 의료영상을 이용한 응용 사례에 대하여 학습한다. 실제 의료영상을 이용한 실습 및 과제를 통하여 수업 이해도를 고취한다. This course covers the principles and algorithms used in the processing and analysis of medical images. Topics include interpolation, registration, enhancement, feature extraction, classification, segmentation, quantification, shape analysis, motion estimation, and visualization. Analysis of both anatomical and functional images will be studied, and images from the most common medical imaging modalities will be used. Projects and assignments will provide students with experience working with actual medical imaging data.

인공지능을 위한 시스템System for AI 3 전공강좌(단독강의) -

교과목명(국/영문)

인공지능을 위한 시스템System for AI

강의개요

강의목표

인공지능, 특히 딥러닝을 위한 SW 및 HW 시스템의 기본 개념과 최신 연구개발 동향을 다루고 실습을 진행한다. 딥러닝을 위한 시스템 소프트웨어, 분산 시스템 등과 딥러닝 모델이 구동되는 다양한 환경(GPU, NPU, CPU 등)에서 효율적 학습 및 추론을 추구하는 연구 분야에 대해서도 다룰 예정이다. This course deals with the basic concepts and recent research trends of SW and HW systems for artificial intelligence, especially deep learning, and provides on-hand experience. It will also cover research areas like system software, distributed systems, and efficient training/inference for deep learning.

인과추론·설명가능 인공지능Casual Explainable AI 3 전공강좌(단독강의) -

교과목명(국/영문)

인과추론·설명가능 인공지능Casual Explainable AI

강의개요

강의목표

기존의 확률, 통계적 인공지능 개념 이해, 지식 표현 및 인과관계 추론 기법을 소개한다. 또한 설명가능한 인공지능의 원리와 수학적 개념을 지도한다. 이를 기반으로 데이터 기반의 설명가능성 및 원인과 결과에 대한 이해 방법에 대해 학습한다. 두 AI 방법의 근간 위에서fairness 까지를 다루어본다.

자율주행 모바일 로봇Autonomous Driving Mobile Robot 3 전공강좌(단독강의) -

교과목명(국/영문)

자율주행 모바일 로봇Autonomous Driving Mobile Robot

강의개요

강의목표

이 과정은 학생들이 다양한 기구적 구조를 가지는 모바일 로봇에 대한 기구학 및 자율 주행을 위한 기본 구성 요소들에 대한 기본적인 지식을 함양하는 것을 목표로 합니다. 다양한 기구적 구조를 가지는 모바일 로봇에 대한 기구적 해석을 다룰 것입니다. 자율 주행을 위한 모터 제어, 장애물 회피, 경로 생성, SLAM 등을 소개하고, 대표적인 알고리즘 들을 다룰 것입니다. ROS의 기본적인 기능을 익히는 실습과 Gazebo 시뮬레이터를 활용한 최종 과제를 통해서 실제적인 자율 주행 모바일 로봇을 구현하는 것을 목표로 합니다. This course will help you understand kinematics of mobile robot and fundamental components of autonomous driving mobile robot. The kinematics of various mobile robot will be introduced. Motor control, collision avoidance, path planning and SLAM will be introduced with presentive algorithms. There will be practice to learn basic knowledge of ROS with the final project to build autonomous driving mobile robot with Gazebo simulation.

차세대 웹 공학Next Generation Webizing Technology 3 전공강좌(단독강의) -

교과목명(국/영문)

차세대 웹 공학Next Generation Webizing Technology

강의개요

강의목표

기존 정보위주의 웹에서 물리공간를 포함한 스마트 공간의 웹 표준기반의 디지털 트윈화 기반 기술과 기존 클라이언트 서버 구조 중심의 웹 구조론이 블록체인을 포함한 탈 중앙화 웹 구조론을 소개한다. 특히, Web of Things 표준 기반의 웹 기술 스택과 P2P 파일 시스템 기반의 탈 중앙화 기술 스택에 대한 실습을 진행한다. This course deals with the basic concepts of client-server web architecture and covers recent developments of webinzing IoT in physical space. Recent developments and deployments of blockchain technology prompted decentralied web technology as the next generation web technology stack including P2P file systems. This course will involve practical projects based on Web of Things as well as IPFS (Interplanetary Filesystem) technology stack..

초거대 및 생성형 인공지능Large-scale and Generative Artificial Intelligence 3 전공강좌(단독강의) -

교과목명(국/영문)

초거대 및 생성형 인공지능Large-scale and Generative Artificial Intelligence

강의개요

강의목표

트랜스포머 모델에 기반한 거대 인공지능 모델은 텍스트뿐만 아니라 이미지, 음성, 비디오,3D 데이터의 이해와 생성까지 활용되고 있다. 본 강의에서는 다양한 데이터에 적용된 트랜스포머(Transformer) 모델의 기본 원리에서부터 챗GPT 및 스테이블디퓨전 등 생성형 인공지능 분야로의 응용 기술을 소개한다. 또한 파운데이션 모델 및 범용 인공지능의 최근 동향과미래 발전에 대한 통찰을 제공한다.

최적제어이론Optimal Control Theory 3 전공강좌(단독강의) -

교과목명(국/영문)

최적제어이론Optimal Control Theory

강의개요

강의목표

동적 시스템의 최적 제어 기법에 대하여 배운다. 최적 제어란 시스템의 제어 입력값을 최적화하는 문제로서 제약조건이 존재하는 무한차원 최적화 문제에 해당한다. 이를 해결하기 위해 기본적인 유한차원 최적화부터 시작하여 제약조건이 없는 무한차원 최적화인 변분법을 학습하고 최종적으로 최적제어 이론을 학습한다. This course is a graduate-level course on optimal control theory. The optimal control indicates an optimization that searches for the best control for a given dynamic system. It can be interpreted as an infinite-dimensional optimization subject to continuous constraints. The course begins with basic finite-dimensional optimization theory, the calculus of variation for unconstrained infinite-dimensional optimization, and finally covers the optimal control theory.