11/09/08 - 이클래스를 적극 활용하고자 합니다. 여러분들도 이클래스를 적극 활용하세요.
11/09/08 - 홈 페이지 오픈!
[중요] 미리 당부의 말씀
중요한 공지는 본 홈페이지에도 꼭 뜨니, 홈페이지를 수시로 체크해 주시기 바랍니다.
첫 주가 수강 신청 정정 기간입니다. 수강 신청을 정정하실 학생은 이 시기에 빨리 결정해서 수강 신청을 정정하시기 바랍니다. 당연한 거지만, 어떤 학생은 늦어서 수강 신청을 정정하기 못해 놓고 강사 탓을 하기도 해서, 드리는 말씀입니다. 궁금하신 사항은 첫 주 기간에 수업이나 이메일로 전부 다 물어보시기 바랍니다.
수업 시간 및 과제 데드라인, 프로젝트 데드라인은 정확히 지켜주시기 바랍니다.
발표나 시험 시간을 확인 못해서 시험을 못 친 경우나, 늦잠을 자서 못 친 경우 등에 대해, 재시험이랄지 학점 변경은 없습니다. 몸이 아파서 결석을 해야할 경우엔, 저에게 가급적 빨리 이메일로 알려주시기 바랍니다.
수업 시간에도 제 시간에 입실해야 하지만, 시험 시간만은 정확히 지켜서 가급적 5분 전에 입실하시기 바랍니다. 일부 수업에서 시험 시간에 늦게 들어와도 용인이 되는 경우가 있다 보니, 일부 학생들이 시험에는 10분쯤은 늦게 들어가도 된다는 생각을 가지고 있는 경우가 있습니다. 그러나, 하다 못해 운전 면허라도, 시험 시간에 늦으면 시험을 칠 자격이 없어지는 건 당연한 겁니다.
과제를 인터넷에서 다운받아 (예를 들어 레포트 월드) 복사해서 제출하면, 그 과제는 0 점입니다.
중간 시험이나 기말 시험 때, 시험지에 편지를 쓰지 마십시오. 대신, 궁금하신 점이나 건의하고 싶으신 점은 평소에 이메일로 보내주시기 바랍니다. 게다가 후에 보면, 시험지에 썼던 편지 내용대로 행동한 학생은 지금껏 한 명도 없었습니다.
수업 목표 - 컴퓨터를 통한 인공지능을 위한 탐색기법, 논리, 지식표현 기법, 규칙기반전문가시스템, 퍼지전문가시스템, 프레임기반전문가시스템, 인공신경망, 진화연산, 하이브리드 지능 시스템, 지식공학, 데이터마이닝 등을 배우며, 응용분야로 자연언어처리, 전문가시스템, 패턴인식, 학습 등을 다룬다. 즉, 인간의 지능에 해당하는 추론, 경험의 사용, 학습 등을 컴퓨터로 어떻게 구현하는지 배우며 여러 인공지능 응용분야를 소개한다.
수업 개요 - 우선, 인공 지능의 기본 개념을 소개한다. 인공지능의 역사적 발전 과정을 소개한다. 우선 탐색 기법과 논리, 지식표현기법 등의 심볼릭 인공지능에 대해 학습한다.
그리고 이를 응용한 규칙기반전문가시스템, 퍼지전문가시스템, 프레임기반전문가시스템을 소개하고 이들의 원리인 심볼릭 인공지능을 다시 이해한다.
그 다음, 인공신경망, 진화연산 등의 연결주의 인공지능을 학습한다. 이들의 응용으로 하이브리드 지능 시스템을 배운다. 최종적으로, 지식공학, 데이터마이닝 등을 배운다.
수업 방법 - 주교재를 이용한 강의와 실습을 하고, 각자의 주제에 따른 발표와 기말과제로 조사발표 및 보고서를 작성한다.
평가는 다음과 같이 진행된다.
이론 및 실습(따라하기 + 스스로 문제 해결하기)
평가방법:
중간 시험 (30%) - 이론 시험
기말 시험 (30%) - 이론 시험
과제 (30%) - 조사 발표와 보고서
출석 (10%), 또한 이력서, 자기 소개서, 강의에 대한 피드백 등을 제출함.
시험 - 중간 시험은 심볼릭 인공지능과 전문가 시스템에 대한 이론 시험이다.
지식, 전문가 시스템, 불확실성, 베이즈 추론, 퍼지 사고, 퍼지 집합, 프레임에 대한 지식을 평가한다.
기말 시험은 우선 이론에 대한 시험을 수행한다.
인공신경망, 진화연산, 하이브리드지능시스템, 지식공학, 데이터마이닝에 대해 다룬다.
학기 초에 이력서와 자기 소개서를 제출한다.
그리고 학기 말에 업데이트된 이력서와 자기 소개서를 다시 제출한다.
마지막으로 기말 시험일 이전까지 최종 보고서를 제출한다.
최종 보고서 주제는 해당 인공지능 분야에 대한 주제를 참고 문헌 등을 참고하여 잡는다.
손으로 써서 제출해야 하며, 네이버 지식인이나 인터넷에서 가져오는 경우엔 표절이므로 F 학점을 받는다.
교수는 학생들이 의무적으로 반드시 할 필요는 없지만 주기적으로 교수에게 질문과 피드백을 적어서 기명 또는 무기명으로 제출하기를 권한다.
피드백을 기명으로 충분히 많이 제출할 경우, 이 또한 점수에 반영한다.
