홈 > 강의목록
인공지능개론
양승정 교수님 동국대학교 대학원 산업공학과 박사졸업
강의 신청하기 | 총 합계금액 : 90,000원 |
제목 | 강의시간 | 상세내용 |
---|---|---|
인공지능 오리엔테이션 | ||
[1강] 인공지능 오리엔테이션
|
0 :
04 :
54
|
|
1장. 인공지능 개요와 발달사 | ||
[2강] 인공지능 개요와 발달사(1)
|
0 :
47 :
37
|
|
인공지능이란, 인공지능의 장단점, 인공지능 시스템의 구성, 인공지능의 한계 | ||
[3강] 인공지능의 시작과 발전
|
0 :
29 :
17
|
|
인공지능의 시작과 발전, 역사, 딥러닝의 탄생 이유와 알파고의 등장 | ||
[4강] 인간지능과 인공지능, 인공지능의 적용 영역
|
0 :
28 :
37
|
|
인간지능과 인공지능, 인공지능의 적용 영역, 미래 인공지능 수준 예상 | ||
2장. 인공지능 기술과 최근 응용 동향 | ||
[5강] 인공지능 기술과 최근 응용 동향(1)
|
0 :
51 :
05
|
|
인공지능 SW와 연구 동향 전망, 인공지능의 글로벌 교육 현황, 인공지능의 생활 속 응용 | ||
[6강] 인공지능 기술과 최근 응용 동향(2)
|
0 :
39 :
24
|
|
인공지능의 타 학문 응용, 인공지능과 일자리 | ||
3장. 인공지능 연구와 구현 | ||
[7강] 인공지능 연구와 구현(1)
|
0 :
33 :
10
|
|
인공지능의 분류 체계, 인공지능의 연구 분야 | ||
[8강] 인공지능 연구와 구현(2)
|
0 :
44 :
07
|
|
인공지능의 시대별 연구 요약, 획기적 인공지능 시스템, 앨런 튜링과 인공지능 테스트 | ||
[9강] 인공지능 연구와 구현(3)
|
0 :
28 :
31
|
|
인공지능에서의 문제 해결과 코딩, 인공지능과 소프트웨어 | ||
4장. 인공지능 미래와 인공지능 윤리 | ||
[10강] 인공지능 미래와 윤리
|
0 :
40 :
37
|
|
인공지능의 수준별 분류, 약한 인공지능과 강한 인공지능, 인공지능 미래와 기술적 특이점 | ||
[11강] 인공지능의 위험성 대두, 인공지능 윤리 강령
|
0 :
36 :
14
|
|
인공지능의 위험성 대두, 인공지능 윤리 강령 | ||
5장. 인공지능과 4차 산업혁명 | ||
[12강] 인공지능과 4차 산업혁명(1)
|
0 :
36 :
02
|
|
4차 산업혁명의 시작과 현재, 인공지능과 4차 산업혁명 | ||
[13강] 인공지능과 4차 산업혁명(2)
|
0 :
34 :
45
|
|
지능형 로봇과 인공지능, 사물인터넷 | ||
[14강] 인공지능과 4차 산업혁명(3)
|
0 :
37 :
55
|
|
자율자동차의 개념과 전망, 4차 산업혁명의 미래 기술 | ||
6장. 인공지능을 위한 수학과 프로그래밍 | ||
[15강] 인공지능을 위한 수학과 프로그래밍(1)
|
0 :
48 :
42
|
|
인공지능에 필요한 수학적 기초, 인공지능과 함수 | ||
[16강] 인공지능을 위한 수학과 프로그래밍(2)
|
0 :
34 :
34
|
|
미분과 델타 규칙, 벡터의 개념과 표현, 행렬과 행렬 연산 | ||
[17강] 인공지능을 위한 수학과 프로그래밍(3)
|
0 :
29 :
46
|
|
확률과 통계, 인공지능용 프로그래밍 언어 | ||
7장. 규칙기반 인공지능 | ||
[18강] 규칙기반 인공지능(1)
|
0 :
35 :
16
|
|
인공지능의 추론과 논리, 인공지능에서의 탐색 기법 | ||
[19강] 규칙기반 인공지능(2)
|
0 :
54 :
56
|
|
인공지능과 알고리즘, 규칙기반 전문가 시스템, 인공지능과 관련된 문제들 | ||
8장. 머신러닝의 학습과 분류 | ||
[20강] 머신러닝의 학습과 분류(1)
|
0 :
32 :
44
|
|
머신러닝의 개요, 역사적 배경, 머신러닝과 전통적인 프로그래밍과의 차이점, 머신러닝의 종류 | ||
[21강] 머신러닝의 학습과 분류(2)
|
0 :
46 :
21
|
|
머신러닝의 학습방법, 머신러닝의 비지도학습, 회귀 (Regression) | ||
[22강] 머신러닝의 학습과 분류(3)
|
0 :
30 :
14
|
|
강화학습 (Reinforcement Learning), 에드워드 손다이크, 효과법칙(Law of Effect), 베이지안 네트워크와 은닉 마르코프 모델(Hidden Markov Model) | ||
9장. 신경망의 개념과 응용 | ||
[23강] 신경망의 개념과 응용(1)
|
0 :
32 :
29
|
|
신경망의 개요, 초기의 신경망 | ||
[24강] 신경망의 개념과 응용(2)
|
0 :
56 :
36
|
|
다층 퍼셉트론, 신경망을 이용한 문자인식과 음성인식 | ||
10장. 딥러닝 기반의 심층신경망과 활용 | ||
[25강] 딥러닝 기반의 심층신경망과 활용(1)
|
0 :
33 :
55
|
|
딥러닝과 심층신경망 | ||
[26강] 딥러닝 기반의 심층신경망과 활용(2)
|
1 :
02 :
49
|
|
딥러닝 심층신경망의 종류, 딥러닝의 활용과 동향 | ||
11장. 인공지능의 패턴인식 | ||
[27강] 인공지능의 패턴인식(1)
|
0 :
42 :
54
|
|
인공지능에서의 패턴인식, 패턴인식을 활용한 음성인식 기술 | ||
[28강] 인공지능의 패턴인식(2)
|
0 :
54 :
10
|
|
신경망과 딥러닝을 이용한 영상인식, 인공지능의 자연어 처리 | ||
12장. 인공지능과 데이터 사이언스 | ||
[29강] 인공지능과 데이터 사이언스(1)
|
1 :
05 :
54
|
|
데이터 사이언스 개요, 데이터의 수집, 관리, 분석, 보고, 데이터 분석 단계 | ||
[30강] 인공지능과 데이터 사이언스(2)
|
0 :
42 :
32
|
|
빅데이터, 데이터 마이닝, 데이터 사이언스의 미래 | ||
13장. 인공지능 적용 사례 | ||
[31강] 인공지능 적용 사례(1)
|
0 :
40 :
03
|
|
주목해야 할 인공지능 트렌드, 분야별 인공지능 동향, 사례 노인돌봄 분야 | ||
[32강] 인공지능 적용 사례(2)
|
0 :
51 :
04
|
|
인공지능 기반의 지능로봇 사례, 마케팅에서 활용하고 있는 AI 사례 |
![]() |
|
오늘 팝업 보이지 않기 | 닫기 |