99 Course(s)

Professor

LEE JEE-HYONG

Learning Period

11-10-2022 ~ 11-10-2032

Course Introduction

배울 내용 ✔ 딥러닝 이론의 발전, 여러 이론에 대한 이해를 종합적으로 학습할 수 있습니다.✔ 실질적 알고리즘, 최신 논문을 학습을 통해 실제 라이브러리 구현을 할 수 있습니다.✔ 빅데이터 분석에 필요한 최신 딥러닝 트렌드를 이해하고 이를 활용할 수 있습니다.✔ 딥러닝의 여러 개념에 대해 개괄적으로 학습할 수 있습니다  요구 사항 딥러닝 1에서 이어지는 뉴럴넷과 딥러닝 기반지식 내용으로, 딥러닝 level1 강의를 수강하거나 혹은 관련 지식이 있는 학습자   설명 딥러닝 part1 강의를 듣고 딥러닝의 주요 개념을 확장하여 학습하고 싶은 학습자를 위한 강의로 본 과정 수료 후에 추가적인 교육*(실습 및 캡스톤 프로젝트 수행) 이수를 통해서 인공지능부문 전문가로 성장할 수 있습니다. 딥러닝 이론의 발전, 여러 이론에 대한 이해를 종합적으로 학습할 수 있으며 Gradient Vanishing, Dropout, Convolution and Pooling, CNN 기본 등에 대해 다루게 됩니다. 특히 본 강의는 정보통신부 선정 국책대학원인 성균관대 인공지능대학원 AI 교육과정의 핵심을 정리한 교육과정으로 단기간 내에 대학원 수준의 체계적이고 효과적인 지식 습득이 가능합니다. 또한 본 과정 수료 후에 추가적인 교육(실습 및 캡스톤 프로젝트 수행) 이수를 통해서 인공지능부문 전문가로 성장할 수 있습니다. (성균관대의 인공지능분야 Micro Degree 연계 가능) * 오프라인 실습은 이론수업(머신러닝, 딥러닝) 수강을 마친 학습자들을 대상으로 운영되며, 2주-3주 간의 AI프로젝트를 통해 직접 모델을 설계하고 성능을 시험하는 캡스톤 프로젝트 과정을 수행할 수 있습니다. 프로젝트 기간 중에는 석박사 조교들의 지원이 제공될 예정입니다.   이 강의의 대상 프로그래밍을 위한 기본 이론을 학습하고 싶으나 체계적이고 정제된 커리큘럼과 교육과정을 찾기가 어렵다.현업에서 개발자로 근무하고 있지만 각 알고리즘의 특성과 이론의 배경을 모르고 있어 현업 적용에 한계가 있다.   ※ 본 강좌는 유료강좌지만 성균관대학교 재학생에 한하여 무료로 제공하고 있습니다.    (재학생 수강문의: skkux@skku.edu)

Deep LearningⅠ
Paid
Deep LearningⅠ
LEE JEE-HYONG

Professor

LEE JEE-HYONG

Learning Period

11-10-2022 ~ 11-10-2032

Course Introduction

배울 내용 ✔ 딥러닝 이론의 발전, 여러 이론에 대한 이해를 종합적으로 학습할 수 있습니다.✔ 실질적 알고리즘, 최신 논문을 학습을 통해 실제 라이브러리 구현을 할 수 있습니다.✔ 빅데이터 분석에 필요한 최신 딥러닝 트렌드를 이해하고 이를 활용할 수 있습니다.✔ 딥러닝의 여러 개념에 대해 개괄적으로 학습할 수 있습니다  요구 사항 인공지능에 입문하는 학습자로 뉴럴넷에 대한 기초, 딥러닝 기반 지식 등이 필요한 분 (별도의 선수학습 지식/요건이 없어도 수강 가능합니다.)   설명정보통신부 선정 국책대학원인 성균관대 인공지능대학원 AI 교육과정의 핵심을 정리한 교육과정으로 단기간 내에 체계적이고 효과적인 지식 습득이 가능합니다. IT, 제조 등 다양한 산업부문의 대기업 직무능력 개발교육으로 활용되면서 현장 중심 콘텐츠로 최적화되어 있습니다. 현업에서 개발자로 근무하고 있지만 각 알고리즘의 특성과 이론의 배경을 모르고 있어 현업 적용에 한계가 있는 학습자, 인공지능대학원의 체계적인 커리큘럼에 따른 딥러닝 강의로 AI 기반지식을 다지고 싶은 분들에게 추천합니다. 또한 본 과정 수료 후에 추가적인 교육(실습 및 캡스톤 프로젝트 수행) 이수를 통해서 인공지능부문 전문가로 성장할 수 있습니다. (성균관대의 인공지능분야 Micro Degree 연계 가능) * 오프라인 실습은 이론수업(머신러닝, 딥러닝) 수강을 마친 학습자들을 대상으로 운영되며, 2주-3주 간의 AI프로젝트를 통해 직접 모델을 설계하고 성능을 시험하는 캡스톤 프로젝트 과정을 수행할 수 있습니다. 프로젝트 기간 중에는 석박사 조교들의 지원이 제공될 예정입니다.   이 강의의 대상 프로그래밍을 위한 기본 이론을 학습하고 싶으나 체계적이고 정제된 커리큘럼과 교육과정을 찾기가 어렵다.현업에서 개발자로 근무하고 있지만 각 알고리즘의 특성과 이론의 배경을 모르고 있어 현업 적용에 한계가 있다.   ※ 본 강좌는 유료강좌지만 성균관대학교 재학생에 한하여 무료로 제공하고 있습니다.    (재학생 수강문의: skkux@skku.edu)

Deep LearningⅡ
Paid
Deep LearningⅡ
LEE JEE-HYONG

Professor

LEE JONG WUK

Learning Period

11-10-2022 ~ 11-10-2032

Course Introduction

배울 내용 ✔ 머신러닝 이론의 발전, 여러 이론에 대한 이해를 종합적으로 학습할 수 있습니다.✔ 개인적으로 학습해서는 얻을 수 없는 머신러닝 Insight를 얻을 수 있습니다✔ 다양한 사례를 활용하여 쉽게 접근하는 머신러닝 학습을 통해 실습과제를 모델링 할 수 있습니다.✔ 머신러닝의 여러 개념에 대해 개괄적으로 학습할 수 있습니다.   요구 사항 머신러닝 학습 입문자로 기계 학습 기반 지식이 필요한 분으로 크게 사전지식이 필요하지 않습니다.   설명본 과정은 성균관대 소프트웨어학과 대학원 수준에서 수강할 수 있는 고급 AI 과정으로 데이터에서 스스로 숨겨진 패턴을 효과적으로 찾아내는 다양한 기계학습 기법들의 기초개념과 학습과정을 파악하는 강의입니다. 기계학습이란 명시적인 규칙 또는 프로그래밍 없이 주어진 데이터를 통해 컴퓨터 스스로 학습할 수 있는 프로그램이라고 정의할 수 있습니다. 사람이 태어나서 어떤 행동이 올바른지 축적된 경험을 통해 스스로 터득해 나가는 과정을 컴퓨터가 흉내내는 것이 기계학습과 비슷하다고 할 수 있겠습니다. 자율주행도 이와 비슷합니다. 명시적 규칙을 알려주지 않고, 다양한 상황을 연출한 데이터를 통해 컴퓨터 스스로 상황을 인지하고 안전한 운행을 위해서 규칙을 찾아내는 과정이 기계학습의 또다른 사례입니다. 본 강좌에서는 이처럼 주어진 과제를 수행하기 위해 데이터에서 스스로 숨겨진 패턴을 효과적으로 찾아내는 다양한 기계학습 기법들의 기초 개념과 학습과정에 대해 배워보도록 하겠습니다. 본 과정 수료 후에 추가적인 교육(실습 및 캡스톤 프로젝트 수행) 이수를 통해서 인공지능부문 전문가로 성장할 수 있습니다. (성균관대의 인공지능분야 Micro Degree 연계)   이 강의의 대상 인공지능대학원의 체계적인 커리큘럼에 따른 머신러닝 강의로 AI 기반지식을 다지고 싶은 분   ※ 본 강좌는 유료강좌지만 성균관대학교 재학생에 한하여 무료로 제공하고 있습니다.    (재학생 수강문의: skkux@skku.edu)  

Machine LearningⅠ
Paid
Machine LearningⅠ
LEE JONG WUK

Professor

LEE JONG WUK

Learning Period

11-10-2022 ~ 11-10-2032

Course Introduction

배울 내용 ✔ 머신러닝 이론의 발전, 여러 이론에 대한 이해를 종합적으로 학습할 수 있습니다.✔ 개인적으로 학습해서는 얻을 수 없는 머신러닝 Insight를 얻을 수 있습니다✔ 다양한 사례를 활용하여 쉽게 접근하는 머신러닝 학습을 통해 실습과제를 모델링 할 수 있습니다.✔ 머신러닝 part1에서 이어지는 기계학습의 여러 개념에 대해 개괄적으로 학습할 수 있습니다   요구 사항 머신러닝 학습 입문자로 기계 학습 기반 지식이 필요한 분으로 크게 사전지식이 필요하지 않으며, 머신러닝part 1을 듣고 수강하는 것을 추천합니다.   설명 본 과정은 성균관대 소프트웨어학과 대학원 수준에서 수강할 수 있는 고급 AI 과정으로 데이터에서 스스로 숨겨진 패턴을 효과적으로 찾아내는 다양한 기계학습 기법들의 기초개념과 학습과정을 파악하는 강의입니다. 기계학습이란 명시적인 규칙 또는 프로그래밍 없이 주어진 데이터를 통해 컴퓨터 스스로 학습할 수 있는 프로그램이라고 정의할 수 있습니다. 사람이 태어나서 어떤 행동이 올바른지 축적된 경험을 통해 스스로 터득해 나가는 과정을 컴퓨터가 흉내내는 것이 기계학습과 비슷하다고 할 수 있겠습니다. 자율주행도 이와 비슷합니다. 명시적 규칙을 알려주지 않고, 다양한 상황을 연출한 데이터를 통해 컴퓨터 스스로 상황을 인지하고 안전한 운행을 위해서 규칙을 찾아내는 과정이 기계학습의 또다른 사례입니다. 본 강좌에서는 이처럼 주어진 과제를 수행하기 위해 데이터에서 스스로 숨겨진 패턴을 효과적으로 찾아내는 다양한 기계학습 기법들의 기초 개념과 학습과정에 대해 배워보도록 하겠습니다. 머신러닝 패키지 part 1에 이어서 Multilayer Perceptron, Learning Linear SVM, Classification and Regression Tree (CART) 등 머신러닝의 주요 이론들에 대해 살펴보게 됩니다. 보다 폭 넓은 이해를 위해 머신러닝 part1을 수강하고 오는 것을 추천합니다. 본 과정 수료 후에 추가적인 교육(실습 및 캡스톤 프로젝트 수행) 이수를 통해서 인공지능부문 전문가로 성장할 수 있습니다. (성균관대의 인공지능분야 Micro Degree 연계)   이 강의의 대상 인공지능대학원의 체계적인 커리큘럼에 따른 머신러닝 강의로 AI 기반지식을 다지고 싶은 분   ※ 본 강좌는 유료강좌지만 성균관대학교 재학생에 한하여 무료로 제공하고 있습니다.    (재학생 수강문의: skkux@skku.edu)  

Machine LearningⅡ
Paid
Machine LearningⅡ
LEE JONG WUK

Professor

Choi Woo Jin

Learning Period

11-01-2022 ~ 12-31-2023

Course Introduction

AI, 빅데이터, IoT 등으로 대표되는 4차 산업혁명은 많은 분야와 영역에서 기존 산업을 해체할 것으로 예상되고 있으나 반면에 자체 산업 영역의 새로운 확장을 위해서 그에 상응하는 규모의 신규 비즈니스 창업을 동시에 요구할 것으로 전망됩니다.이러한 4차 산업시대의 신규 비즈니스 창업 수요에 선제적으로 대응하는 것은 국가 차원에서는 향후 경쟁력 확보와 성장 발전에 매우 중요한 과제이며 개인적으로는 4차 산업시대의 무한한 과실을 선점할 수 있는 중요한 기회를 확보하는 것이라 할 수 있습니다.이 같은 4차 산업분야의 성공 창업을 위해서는 우선적으로 효과적인 비즈니스 모델이 개발되어야 하고 이에 기반한 전략적이고 구체적인 사업 계획이 수립되어야 합니다.본 과정은 비즈니스 모델 개발과 사업 계획 수립을 위한 실효적인 방법과 절차를 제시하고 있습니다.먼저 비즈니스 모델과 사업 계획에 대한 기본이론과 수행 방법론을 제시하고 사례를 통해 구체적인 개발 방법과 계획 작성요령을 학습하며 과제와 토론 등을 통해 해당 내용을 실습하도록 합니다. 아울러 4차 산업분야의 실제 비즈니스모델과 사 업 계획을 예시로 하여 학습내용을 확인하고 핵심사항을 정리하도록 하겠습니다.따라서 본 과정을 이수하면 비즈니스 모델의 개발 및 사업 계획 수립에 필요한 기본역량을 습득할 수 있으며 이를 통해 성공적인 창업을 시작할 수 있습니다.   교수소개 - 최우진 비즈컴퍼니 대표   강좌일정 구성: 총 14주차 × 주차당 각 2차시 (주당 01시간 00분)     문의: 성균관대학교 교무처 교육개발선터 (Center for Teaching & Learning)

[K-MOOC] Create a successful business model and draw up business plan
[K-MOOC] Create a successful business model and draw up business plan
Choi Woo Jin

Professor

LEE WOOSUNG

Learning Period

11-01-2022 ~ 12-31-2023

Course Introduction

생명이란 무엇일까요? 나무, 벌레와 사람 모두 DNA와 단백질 등의 물질들을 가지고 살아가고 있습니다. 생명들의 겉모습은 크게 다를지라도 살아가는 방식에선 큰 차이가 없습니다. 생명들은 생명으로 가져야 할 커다란 질서를 공유하고 있습니다. 이들은 따뜻하고, 낮과 밤을 구분할 줄 알고, 주변을 상황을 알아채고 이에 반응합니다. 35억년 동안 생명들이 가다듬어온 생명의 질서는 무척이나 신비해서 이제 겨우 현대과학을 통해 신비의 성을 아주 조금 씩 파헤치기 시작하고 있습니다. 14주에 걸쳐 벌어지는 ‘생명의 과학’ 학습을 통해 생명들이 간직하고 있는 ‘신비’에 도전하고자 합니다. 21세기를 살아가는 교양인으로 필요한 현대 생명과학의 발전상과 현대 생활과의 연관성이 부각됩니다. 고등학생, 대학생, 일반인 등 학습 배경에 관계없이 누구나 수강할 수 있도록 가급적 쉬운 내용으로 현대 생명과학의 중심 줄기를 이야기 형식으로 강의합니다. 풍부한 참고자료와 판서를 통해 학습 효과를 최대한 높이도록 하였습니다. 이번 수업을 통해 생명을 신비로만 바라보지 않고 그 안에 숨겨진 과학성을 함께 깊게 음미해 볼 수 있도록 강의가 설계되었습니다. 강의와 병행하여 토론학습 ‘함께’를 진행합니다. ‘함께’는 강의에서 파생되는 의문이나 논쟁거리, 좀 더 알아보고 싶은 내용들을 수강생들이 직접 제시하고, 이들 중 몇 개를 선택하여 수강생 동료들과 협동을 통해 결론이나 답을 찾아가게 됩니다. 혹시 자신에게 숨어있는 ‘창의성’이나 ‘대화 능력’을 발굴할 수 있는 기회가 되었으면 합니다. 생명의 신비 안에 숨어 있는 질문 거리를 찾아 함께 탐구해보는 즐거움을 경험할 수 있었으면 합니다. 강의를 통해 생명을 알게 되고 생명을 조금이라도 사랑하게 된다면 더 이상의 보람이 없을 것입니다.   교수소개 - 이우성 성균관대학교 자연과학대학 명예교수   강의일정 구성: 총 14주차 × 주차당 각 2~3차시 (차시당 20~30분) 문의: 성균관대학교 교무처 교육개발선터 (Center for Teaching & Learning)

[K-MOOC] The Science of Life
[K-MOOC] The Science of Life
LEE WOOSUNG

Professor

JEON JAE WOOK

Learning Period

11-01-2022 ~ 12-31-2023

Course Introduction

차량의 전자화 기술은 지속적으로 차량에 확대 적용되어 현재 고급 차량에서는 100여개 이상의 전자제어장치(Electronic Control Unit)가 있으며 향후 자율주행자동차에서 더욱 많은 전자제어장치가 추가될 것으로 예상됩니다. 차량의 안전성과 함께 편의성을 향상시키기 위해서 여러 전자제어장치 간에 효율적으로 정보를 공유하여야 합니다. 본 강좌에서는 대표적인 차량용 네트워크 CAN 및 CAN-FD 네트워크 기술을 소개하고자 합니다.이 강좌를 통하여 차량용 네트워크 필요성, 현재 차량용 네트워크로 가장 많이 사용되고 있는 CAN 네트워크 및 CAN 네트워크를 고속 형태로 변환한 CAN-FD 네트워크에 관해 이해하게 될 것 입니다. 따라서 이 강좌를 수강한 후에 차량용 CAN 및 CAN-FD 네트워크를 설계할 수 있게 되고, 실제 CAN 및 CAN-FD네트워크에서 error 발생 시 error 원인을 분석하여 제거할 수 있습니다. 또한 CAN 및 CAN-FD 통신을 수행할 수 있는 차량용 전자제어장치를 설계하는 데 도움이 될 것 입니다.   교수소개 - 전재욱 성균관대학교 반도체시스템공학과 교수   강좌일정 구성: 총 12강   문의: 성균관대학교 교무처 교육개발선터 (Center for Teaching & Learning)

[K-MOOC] Automotive Communication System in Vehicles
[K-MOOC] Automotive Communication System in Vehicles
JEON JAE WOOK

Professor

HWANG SUNGHO

Learning Period

11-01-2022 ~ 12-31-2023

Course Introduction

본 강좌에서는 스마트카 제어시스템에 대한 개요와 함께 개략적인 내용에 대해 다룹니다. 학습자들은 스마트카 또는 자율주행차의 핵심기술 개요에 대해 학습합니다. 자율주행 제어에 필요한 인지, 판단, 제어에 대해 기본적인 개념과 필요기술에 대해 학습한 후, 차량의 종방향 및 횡방향 동역학 방정식을 유도해 보고, 이를 이용하여 제어시스템의 특성에 대해 알아봅니다. 대표적인 종방향 제어 시스템인 표준 및 적응형 크루즈 제어에 대해 학습하고, 횡방향 조향제어 시스템의 제어 특성에 대해서도 다루어 봅니다. 마지막으로 가상환경에서 제어시스템 성능을 검증할 수 있는 가상주행 시뮬레이터와 차량 시뮬레이션 기술 개요에 대해 살펴봅니다.This lecture covers the introduction and overview of control systems for smart cars. Learners will learn about key technologies for smart cars or autonomous vehicles. This course introduces basic concepts and demand technologies of perception, decision and control required for autonomous driving control. Then, the longitudinal and lateral dynamics equations of a vehicle are derived, and the characteristics of the control system are analyzed using these equations. The standard and adaptive cruise controls, which are the typical longitudinal control systems, are studied, and control characteristics of the lateral steering control system are also discussed. At the end, this lecture will introduce virtual driving simulators and vehicle simulation technology that can verify the control system performances in virtual environments.   교수소개 - 황성호 성균관대학교 공과대학 기계공학부 교수   강좌일정 구성: 총 10주차 × 주차당 각 2차시 (주당 02시간 00분)   문의: 성균관대학교 교무처 교육개발선터 (Center for Teaching & Learning)

[K-MOOC] Control systems for autonomous vehicles
[K-MOOC] Control systems for autonomous vehicles
HWANG SUNGHO
Load More