AI활용창의적문제해결

강의상세

상세검색

언어유형

강의연도

CCL유형

AI활용창의적문제해결

대구가톨릭대학교
이광수,이종혁,최상일,김기성,신정훈,김정훈,전수빈

페이스북 트위터 카카오톡 네이버밴드 링크복사

주제분류

공학 >컴퓨터ㆍ통신 >컴퓨터과학
강의학기

2025년 1학기

조회수

93

강의계획서: 강의계획서

이 교과목은 인공지능(AI)의 기본 원리와 다양한 실제 응용 사례를 학습함으로써, 창의적이고 실질적인 문제 해결 능력을 배양하는 것을 목표로 한다. 학생들은 AI 기술의 핵심 개념과 활용 방법을 이해하고, 이를 바탕으로 융합적 사고와 다학제적 접근을 통해 사회적 문제를 해결하는 역량을 기른다.

수강안내 및 수강신청
※ 수강확인증 발급을 위해서는 수강신청이 필요합니다

인공지능의 개념과 역사 - 인공지능의 정의 및 주요개념

차시별 강의

1.	인공지능의 개념과 역사 - 인공지능의 정의 및 주요개념	이 차시에서는 인공지능(AI)의 기본적인 정의와 개념적 틀을 학습합니다. AI란 무엇인지, 어떤 방식으로 분류되는지 이해하고, AI가 작동하기 위해 필요한 핵심 요소인 데이터, 알고리즘, 컴퓨팅 파워의 역할을 알아봅니다. 이 과정을 통해 학생들은 AI 기술을 구성하는 기본 요소들을 체계적으로 파악하게 됩니다.
	인공지능의 개념과 역사 - 인공지능의 역사적 발전 과정 및 현재 위치	이 차시에서는 인공지능의 역사적 발전 흐름을 살펴보고, 현재 기술이 다양한 분야에서 어떻게 활용되고 있는지를 학습합니다. 또한 최근 인공지능 기술이 직면한 주요 이슈들, 예를 들어 데이터 편향, 할루시네이션, 윤리 문제 등에 대해 논의하며, AI의 책임 있는 활용에 대한 인식을 키웁니다.
2.	머신러닝: 인공지능의 핵심 - 머신러닝의 개념	이 차시에서는 머신러닝의 개념과 작동 원리를 이해하는 데 중점을 둡니다. 머신러닝이란 무엇인지 정의하고, 머신러닝의 세 가지 주요 유형인 지도학습, 비지도학습, 강화학습의 개념과 차이점을 학습합니다. 이를 통해 다양한 문제에 적합한 학습 방식이 어떻게 선택되는지 이해할 수 있습니다.
	머신러닝: 인공지능의 핵심 - 주요 알고리즘 및 데이터	이 차시에서는 머신러닝에서 자주 활용되는 알고리즘들을 유형별로 소개하고, 데이터가 학습 성능에 미치는 영향에 대해 학습합니다. 분류와 회귀를 위한 대표 알고리즘뿐 아니라, 비지도학습(군집화 등)에 활용되는 주요 기법들도 함께 다룹니다. 또한 머신러닝에서 양질의 데이터가 얼마나 중요한지 사례와 함께 이해합니다.
3.	딥러닝: 혁신적 AI 기술 - 딥러닝의 개념과 기본 원리	이 차시에서는 딥러닝의 기본 개념과 원리를 소개합니다. 인공신경망의 구조와 작동 방식을 이해하고, 기존의 머신러닝 기법과 딥러닝이 어떻게 차별화되는지 살펴봅니다. 특히, 심층신경망의 등장이 AI 성능을 어떻게 획기적으로 향상시켰는지를 설명합니다.
	딥러닝: 혁신적 AI 기술 - 딥러닝의 주요 기술과 응용	이 차시에서는 딥러닝의 대표적 기술인 합성곱 신경망(CNN)과 순환 신경망(RNN)의 구조와 활용 분야를 소개합니다. CNN은 주로 이미지 처리에, RNN은 시계열 및 자연어 처리에 활용됩니다. 또한 딥러닝 기술의 현주소와 함께, 그 한계와 앞으로의 발전 방향에 대해서도 토론합니다.
4.	강화학습: 스스로 배우는 AI - 강화학습의 기본 개념과 원리	이 차시에서는 강화학습의 핵심 개념과 작동 원리를 학습합니다. 에이전트가 환경과 상호작용하면서 보상을 최대화하는 방향으로 학습해나가는 구조를 이해하고, 상태, 행동, 보상 등 기본 구성 요소들을 소개합니다. 또한 대표적인 기법인 Q-러닝의 개념을 다룹니다.
	강화학습: 스스로 배우는 AI - 강화학습의 응용과 미래 전망	이 차시에서는 강화학습이 실제로 적용되는 다양한 사례를 학습하고, 심층 신경망과 결합된 심층 강화학습의 원리를 소개합니다. 또한 강화학습이 직면한 기술적·윤리적 도전 과제들, 예를 들어 안정성, 보상 설계 문제, 책임 문제 등에 대해 토론합니다.
5.	데이터 탐색과 검색 기술 - 전통적인 검색엔진의 구조와 동작 원리	이 차시에서는 전통적인 검색엔진이 정보를 수집하고 정렬하며 검색 결과를 제공하는 기본 구조와 동작 원리를 학습합니다. 크롤링, 인덱싱, 랭킹 등의 핵심 요소를 소개하고, 이러한 시스템이 가진 한계, 예를 들어 사용자 맥락 반영 부족이나 정적 순위 방식에 대해서도 분석합니다.
	데이터 탐색과 검색 기술 - 검색엔진과 인공지능 융합	이 차시에서는 인공지능 기술이 검색엔진과 융합되면서 나타나는 변화와 진화를 살펴봅니다. 딥러닝 기반의 자연어 처리 기술과 추천 시스템이 검색에 어떻게 통합되는지를 학습하고, 실제 적용 사례를 통해 AI 검색엔진의 가능성과 기술적 도전 과제를 이해합니다.
6.	추천 시스템의 원리와 응용 - 추천 시스템의 작동 원리와 필터링 기법	이 차시에서는 추천 시스템이 어떻게 작동하는지를 이해하고, 사용자 맞춤형 추천을 위한 다양한 필터링 기법을 소개합니다. 대표적으로 협업 필터링과 콘텐츠 기반 필터링을 다루며, 각 방식의 특징과 한계, 추천 시스템이 직면하는 문제점들을 함께 학습합니다.
	추천 시스템의 원리와 응용 - 추천 시스템의 응용과 사례 분석	이 차시에서는 다양한 산업 분야에서 추천 시스템이 어떻게 활용되고 있는지를 실 사례를 통해 분석합니다. 영화, 음악, 전자상거래, 교육 등에서의 활용 효과와 성과를 이해하고, 향후 추천 시스템이 나아가야 할 방향과 기술적 전망을 함께 살펴봅니다.
7.	대화형 AI와 챗봇 기술 - 대화형 AI의 기본 개념 및 활용 사례	이 차시에서는 대화형 AI의 개념과 작동 방식을 소개하고, 다양한 산업 분야에서의 활용 사례를 학습합니다. 자연어 처리의 기본 목표와 핵심 원리도 함께 다루며, 인간의 언어를 이해하고 응답하는 기술의 구조와 중요성을 파악합니다.
	대화형 AI와 챗봇 기술 - 자연어 처리 기초 기술 – 전처리 과정	이 차시에서는 자연어 처리에서 가장 기본이 되는 전처리 기술을 중심으로 학습합니다. 텍스트를 모델이 처리하기 쉬운 형태로 바꾸기 위해 필요한 텍스트 정제, 토큰화, 불용어 제거, 문장 길이 조절, 단어 인코딩 등의 주요 기법을 구체적인 예시와 함께 이해합니다.
8.	기계번역의 현재와 미래 - 기계번역 기술 개념 및 발전 과정	이 차시에서는 기계번역의 기본 개념과 기술 발전 과정을 살펴봅니다. 초기의 규칙 기반 번역부터 통계 기반 번역까지의 흐름을 중심으로, 각 방식의 원리와 한계점을 비교하며 기계번역 기술의 진화를 이해합니다.
	기계번역의 현재와 미래 - 최신 기계번역 기술 및 활용 분야	이 차시에서는 현재 가장 널리 사용되는 신경망 기반 번역 기술의 원리와 특징을 학습하고, 다양한 산업 분야에서의 기계번역 활용 사례를 소개합니다. 또한, 기계번역의 미래 발전 방향과 기술적·사회적 과제에 대해서도 논의합니다.
9.	AI를 활용하는 의료 혁신 - 의료 분야에 적용되는 AI 기술	이 차시에서는 인공지능이 의료 분야에서 어떻게 활용되고 있는지를 구체적으로 학습합니다. 영상 진단, 진료 보조, 환자 모니터링 등 다양한 분야에 적용된 AI 기술의 특징을 살펴보고, AI 도입을 위해 필요한 기술적·제도적 선결 조건과 실제 적용 사례를 함께 다룹니다.
	AI를 활용하는 의료 혁신 - 의료분야 AI 기술의 현재와 미래	이 차시에서는 의료 AI 기술이 현재 직면하고 있는 한계점과 윤리적 이슈를 짚어보고, 향후 의료기술과 AI의 융합이 가져올 변화와 전망에 대해 논의합니다. 의료 현장의 신뢰성과 인간 중심 기술의 필요성도 강조됩니다.
10.	창의적 예술과 AI - AI와 예술의 만남	이 차시에서는 인공지능이 예술 창작에 어떻게 활용되고 있는지를 살펴봅니다. AI와 예술의 융합이 갖는 문화적·기술적 의미를 이해하고, 음악, 미술, 문학 등 다양한 영역에서 실제로 이루어지고 있는 AI 창작 사례를 통해 AI 예술의 원리와 현황을 학습합니다.
	창의적 예술과 AI - AI 예술 창작의 제반 문제들	이 차시에서는 AI가 창작한 예술 작품이 직면하는 윤리적, 사회적, 법적 문제들을 논의합니다. 저작권, 창작의 주체성, 사회적 수용 가능성 등 다양한 이슈를 살펴보고, 미래 예술 분야에서 AI와 인간이 어떻게 공존하며 협업할 수 있을지에 대한 방향성을 제시합니다.
11.	금융을 변화시키는 AI - 주식 예측의 실제 사례와 기술	이 차시에서는 인공지능을 활용한 주식 예측 기술의 개념과 필요성을 이해하고, 실제로 사용되는 데이터 유형과 분석 기법들을 학습합니다. 과거 사례를 통해 AI 기반 예측 기술의 강점과 한계를 살펴보고, 향후 금융시장 변화에 대한 전망을 탐색합니다.
	금융을 변화시키는 AI - 리스크 관리와 금융 자동화	이 차시에서는 AI가 금융 리스크를 어떻게 예측하고 관리하는지, 그리고 금융 업무의 자동화에 어떤 영향을 미치고 있는지를 학습합니다. 다양한 실제 사례를 통해 금융 AI 기술의 적용 범위를 이해하고, 리스크 관리 및 자동화가 가지는 기술적·윤리적 과제들을 살펴봅니다.
12.	지구를 지키는 AI - AI로 미래를 바꾸다	이 차시에서는 기후 변화라는 전 지구적 문제에 대응하기 위해 인공지능이 어떻게 활용되고 있는지를 다룹니다. AI를 활용한 기후 변화 모니터링, 환경 복구 및 보호 기술, 정책 수립 과정에서의 기여 등을 학습하며, 지속 가능한 미래를 위한 AI의 역할과 도전 과제를 살펴봅니다.
	지구를 지키는 AI - 데이터 분석을 통한 에너지 효율화	이 차시에서는 에너지 자원 관리와 효율성 개선을 위해 AI가 수행할 수 있는 역할을 학습합니다. 에너지 소비 패턴 분석, 재생에너지 최적화, 산업 현장에서의 실제 적용 사례 등을 중심으로, 에너지 절감과 지속 가능한 산업 발전을 위한 AI의 가능성과 미래 과제를 고찰합니다.
13.	AI와 자율주행 기술 - 자율주행의 개념	이 차시에서는 자율주행의 정의와 기본 작동 원리를 이해하고, 자율주행 기술이 등장하게 된 배경과 발전 과정을 살펴봅니다. 기술이 현재 어느 수준까지 도달했는지, 그리고 향후 교통 및 사회 전반에 미칠 영향에 대해서도 논의합니다.
	AI와 자율주행 기술 - 자율주행의 기술과 AI	이 차시에서는 자율주행을 가능하게 하는 핵심 기술 요소들을 상세히 학습합니다. 차량 주변 환경을 인식하고, 상황을 판단해 행동을 결정하며, 안전하게 주행을 수행하기 위해 필요한 센서 기술, 객체 인식, 행동 예측, 경로 계획, 제어 시스템 등을 인공지능 기반으로 설명합니다.
14.	미래 AI의 전망과 도전 과제 - AI기술의 윤리적 문제	이 차시에서는 인공지능 기술이 사회에 미치는 윤리적 영향과 그로 인한 딜레마들을 다룹니다. 알고리즘의 편향과 공정성, 책임 소재, 투명성 확보, 프라이버시 침해, 보안 문제 등의 이슈를 중심으로, AI를 윤리적으로 설계하고 운영하기 위한 방향성을 모색합니다.
	미래 AI의 전망과 도전 과제 - AI 기술의 법적 이슈와 기술적 한계 및 도전	이 차시에서는 AI 기술 발전에 따른 법적 이슈와 기술적 한계를 중심으로, 인공지능의 안전하고 지속 가능한 발전을 위한 규제와 제도적 대응의 필요성을 학습합니다. 동시에, AI가 현재 직면한 기술적 과제들을 검토하며, 장기적인 발전 방향과 전망을 제시합니다.