AI 보안 음성인식

서울사이버대학교
윤상범

페이스북 트위터 카카오톡 네이버밴드 링크복사

주제분류

공학 >컴퓨터ㆍ통신 >정보통신공학
강의학기

2021년 1학기

조회수

22,288
평점

5/5.0 (2)

강의계획서

컴퓨팅기술과 데이터의 증가로 음성인식은 자연어 처리를 포함한 사람과 기계간의 대화를 가능하게 하는 수준으로 발전하고 있다. AI 음성인식의 구조와 세부 특징을 이해하고, 정보보안 영역에서의 보안 이슈 대응 및 AI 음성인식의 활용의 기반을 마련한다.

수강안내 및 수강신청
※ 수강확인증 발급을 위해서는 수강신청이 필요합니다

Start Up!

차시별 강의

1.	Start Up!	AI 보안 음성인식 과정에 대해 전반적으로 파악할 수 있다.
	음성인식 이해	AI 음성인식의 개념과 특징을 이해하고, 음성인식의 과정과 구성요소를 파악할 수 있다.
	AI 음성인식 트렌드	최근 AI 음성인식의 트렌드를 이해하고, AI 음성인식의 기술 변화를 파악할 수 있다.
	AI 음성인식의 산업활용사례 및 정보보호	AI 음성인식이 산업에 활용되고 있는 사례와 정보보호 이슈를 파악할 수 있다.
	형성평가	형성평가
2.	Start Up!	기초통계에 대해 전반적으로 파악할 수 있다.
	통계와 확률	통계와 확률의 개념을 이해하고 조건부 확률과 베이즈 정리에 대해 숙지할 수 있다.
	확률변수와 확률분포	확률변수의 기본적인 용어와 내용을 이해하고, 다양한 확률분포의 특성을 파악할 수 있다.
	추정과 정보이론	추정의 개념을 이해하고 점추정의 다양한 방법 및 정보이론에 대해 파악할 수 있다.
	형성평가	형성평가
3.	Start Up!	음성 신호처리에 대해 전반적으로 파악할 수 있다.
	신호와 시스템	신호와 시스템, 신호처리에 대한 개념을 이해하고, 디지털 신호의 생성방법을 파악할 수 있다.
	이산 신호와 시스템	이산신호와 이산 시스템의 개념과 유형을 파악하고, 음성 신호처리를 위한 기본 지식 및 용어를 설명할 수 있다
	음성 신호처리	음성 신호처리를 위한 시간과 주파수간의 관계를 이해하고, 정현파의 기본적인 개념과 특징을 파악할 수 있다.
	형성평가	형성평가
4.	Start Up!	음성 데이터 전처리에 대해 전반적으로 파악할 수 있다.
	음성 데이터 전처리 이해 1	음성 데이터 전처리를 위한 음성신호와 주파수간의 관계를 이해하고, 푸리에 전환의 개념을 파악할 수 있다.
	음성 데이터 전처리 이해 2	음성인식 학습 데이터 확보를 위한 스펙트럼, 스펙트로그램, MFCC의 개념을 파악할 수 있다.
	음성 데이터 전처리 적용	음성 데이터 전처리 실습을 통해 음성인식 학습 데이터를 단계별로 적용해 볼 수 있다.
	형성평가	형성평가
5.	Start Up!	음향모델에 대해 전반적으로 파악할 수 있다.
	음성학의 이해	음성학의 개념과 분류를 알아보고 음운론의 음소(Phoneme), 음절(Syllables), 단어(Words)를 구별할 수 있다.
	음향모델	음성신호의 다양성과 음향모델의 특성을 파악하고, Context Dependency와 음향 모델공유에 대한 개념을 이해할 수 있다.
	주요 음향모델	주요 음향 모델의 종류와 원리, 하이브리드 모델의 개념을 파악할 수 있다.
	형성평가	형성평가
6.	Start Up!	GMM에 대해 전반적으로 파악할 수 있다.
	GMM의 이해	GMM의 클러스터링을 이해하고 K-means 알고리즘의 Iteration 프로세스를 파악할 수 있다.
	GMM 알고리즘	GMM과 E-M 알고리즘의 기본 구조를 이해하고, EM 알고리즘의 프로세스를 파악할 수 있다.
	GMM 적용	음성인식과 GMM의 관계를 이해하고, 간단한 실습을 통해 적용해 볼 수 있다.
	형성평가	형성평가
7.	Start Up!	HMM에 대해 전반적으로 파악할 수 있다.
	HMM의 이해	음성인식에서의 HMM의 역할과 은닉상태에 대해 이해하고, Hidden Markov Chain에 대해 숙지할 수 있다.
	HMM 알고리즘 1	HMM의 구조를 파악하고, HMM의 3가지 핵심 알고리즘 중 Forward Algorithm에 대해 파악할 수 있다.
	HMM 알고리즘 2	HMM의 3가지 핵심 알고리즘 중 Viterbi Algorithm과 Forward-Backward Algorithm에 대해 파악할 수 있다.
	형성평가	형성평가
8.	중간고사	중간고사
9.	Start Up!	DNN에 대한 학습내용을 전반적으로 파악할 수 있다.
	딥러닝 개요 1	딥러닝의 동작원리를 파악할 수 있다.
	딥러닝 개요 2	딥러닝의 각 알고리즘의 흐름을 파악할 수 있다.
	TensorFlow 실습 1	구글 TensorFlow의 실습환경을 파악하여 실습을 위한 환경을 설정할 수 있다.
	TensorFlow 실습 2	구글의 TensorFlow를 이용해서 선형회귀와 XOR 문제를 해결하면서 DNN에 대한 이해를 심화할 수 있다.
	Keras DNN 응용 1	추상 API를 제공하는 Keras를 이용해서 쉽고 빠르게 딥러닝을 응용할 수 있다.
	Keras DNN 응용 2	추상 API를 제공하는 Keras의 회귀 문제 및 분류 문제를 이용해서 쉽고 빠르게 딥러닝을 응용할 수 있다.
	형성평가	형성평가
10.	Start Up!	RNN에 대한 학습내용을 전반적으로 파악할 수 있다.
	RNN 1	RNN의 동작 원리를 단계적으로 파악할 수 있다.
	RNN 2	RNN의 동작 원리를 단계적으로 파악할 수 있다.
	LSTM	RNN의 핵심 원리를 파악할 수 있다.
	텍스트 데이터 다루기 1	RNN을 이용하여 다양한 문제 해결에 응용할 수 있다.
	텍스트 데이터 다루기 2	RNN을 이용하여 다양한 문제 해결에 응용할 수 있다.
	형성평가	형성평가
11.	Start Up!	Hybrid 모델에 대해 전반적으로 파악할 수 있다.
	Hybrid 모델	전통적인 음향모델과 하이브리드 음향 모델의 구조를 이해하고 하이브리드 음향 모델의 Loss 함수를 파악할 수 있다.
	Advanced 모델 1	End to End 모델의 개념과 CTC 모델의 동작 방식을 파악할 수 있다.
	Advanced 모델 2	Sequence to Sequence 모델의 개념과 LAS 모델의 구조를 파악할 수 있다.
	형성평가	형성평가
12.	Start Up!	언어모델에 대해 전반적으로 파악할 수 있다.
	언어모델	언어모델의 역할과 유형을 이해하고 통계적 언어모델과 N-Gram 언어모델의 접근 원리 및 한계점을 파악할 수 있다.
	딥러닝 기반 언어모델	피드포워드 신경망 언어모델과 RNN 언어모델의 동작원리를 이해하고 장단점을 파악할 수 있다.
	언어모델 적용	언어모델의 주요 요소인 원-핫 인코딩, 워드 임베딩에 대해 파악하고 실습을 통해 RNN 언어모델을 적용해 볼 수 있다
	형성평가	형성평가
13.	Start Up!	음성합성에 대해 전반적으로 파악할 수 있다.
	음성합성 이해	음성합성의 기본적인 개념과 구성요소를 파악하고 음성합성의 텍스트 분석, 발음분석, 운율 분석을 할 수 있다.
	음성합성 유형	음성합성의 유형과 유형별 특징을 이해하고 연결합성과 파라미터 합성의 장단점을 파악할 수 있다.
	딥러닝 기반 음성합성	전통적 음성합성 방식과 딥러닝 기반 음성합성의 차이점을 이해하고 딥러닝 기반 음성합성의 동작 원리 및 최근 동향을 파악할 수 있다.
	형성평가	형성평가
14.	Start Up!	음성언어 이해에 대해 전반적으로 파악할 수 있다.
	음성언어 이해	음성언어의 개념과 특징을 이해하고 대화관리를 위해 고려해야 할 문제를 파악할 수 있다.
	자연어 처리	자연어 이해의 개념과 주요 구성요소를 이해하고 자연어처리의 단계와 주요 기법을 설명할 수 있다.
	음성언어 이해 적용	음성언어의 분류 대상의 특징을 파악하고 음성언어 이해를 위한 특징을 추출할 수 있다.
	형성평가	형성평가
15.	기말고사	기말고사