블록체인전공 학수번호 과목명 학점 개 요 본과목에서는블록체인의기본기술들과암호화폐개념에대해공부한다. Bitcoin에서구체화된블록과체 GSIT101 블록체인및암호화폐입문 Introduction to Blockchain & Cryptocurrency 인, 분산합의, Double Spending Problem, Proof of Work, Data Integrity & Security, Peer-to-Peer Network, Authentication, Consensus algorithms, Blockchain Platforms, DApp, Smart contracts, Cryptocurrency, ICO, Coin Exchange, Crypto Economy 등에대한기본개념을학습하고과제와프로젝트를통하여실무기술을습득한다. GSIT110 블록체인이론및응용 Blockchain Algorithms & Applications 블록체인의구조, 생성, 저장에서출발하여블록체인시스템의작동원리, Mining Process, Proof of Work, Proof of Sake 등의합의알고리즘, smart property, smart contract 등블록체인의핵심이론을학습하고이를비트코인과이더리움에응용한사례등을살펴본다. 블록체인이론의이해를통해다양한산업분야에의응용성을모색해본다. 분산데이터베이스기술 본과목에서는블록체인을구성하는다양한요소인블록, 트랜잭션, 컨트랙트들을분산환경에서효율적으로 GSIT120 Distributed Database Technology 저장하고처리하는분산데이터베이스기술들을학습한다. 최근에활발하게사용되고있는 Ledger, for Blockchains Enterprise Ethereum 등의내부데이타베이스구조를학습한다. 본과목에서는블록체인에서적용되는비밀키, 공개키, 메시지축약, 0- 지식증명, 전자서명과같은암호학의 GSIT10 블록체인보안기술 Blockchain Security 기초원리와, 보안의 대요소인기밀성, 무결성, 가용성을보장하기위한시스템보안, 네트워크보안의원리들을배운다. 그리고블록체인이활용된응용분야에서발생된다양한형태의보안침해문제들과이문제 들의가능한해결방법론에대하여배우고자한다. 블록체인과함께급부상하고있는스마트계약에대해서학습한다. 스마트계약의기본개념부터시작하여 GSIT140 스마트계약및응용 Smart Contracts & Applications 실제로어떻게동작하는지를기반기술인 VM, 컴파일러, 런타임시스템을중심으로살펴보고간단한스마트계약언어를직접만들어본다. 또한스마트계약의취약점을검증하려는최신연구결과를통해서안전한스마트계약코딩에대해서알아보고, 최근활발하게연구되는웹어셈블리기반의 VM을비롯한스마트 계약기술의동향에대해서소개한다.
퍼블릭블록체인 (Ethereum) 과엔터프라이즈블록체인 (LoopChain, Hyperledger) 으로나눠서블록체인플랫 GSIT150 블록체인플랫폼및응용 Blockchain Platforms & Applications 폼의아키텍처와특성에대해살펴보고개발환경 ( 예 : CodeChain) 과테스트넷을사용해스마트컨트랙트를구현해본다. DApp 형태로실제서비스가가능하게만들기위해필요한 off-chain과 on-chain의연계방안을 살펴보고구현해본다. 블록체인은 Public 과 Private 으로구분되어운영이된다. 여기에다양한트랜젝션들이네크워크를통하여전 GSIT160 블록체인트랜젝션모니터링및분석 Blockchain Transction Monitoring & Analysis 달이되고저장이된다. 이러한트랜젝션들뿐만아니라트랜젝션들을 processing하는노드들이블록체인네트워크를구성한다. 본과목에서는블록체인트렉젝션들과참여하는네트워크노드들도모니터링을하고분석을한다. 대표적인코인들의트랜젝션과참여 miner들을모니터링하는시스템을프로젝트로개발할예정이다. 이결과들은전세계적으로검찰청, 국세청, 금융감독원뿐만아니라 ICO를한기업들도모두관심을 갖고있다. GSIT170 암호화폐와디지털경제 Crytocurrency and Digital Economy 본과목에서는암호화화폐의개념과역사에대해서살펴보고, 활용현황, Initial Coin Offering (ICO), Related Laws, Coin Exchange, Digital/Token Economy에대해공부한다. 또한블록체인기반한새로운산업과다양한비즈니스모델을통해블록체인기술의만들고있는디지털경제에대해서살펴본다. GSIT900 석사논문연구 12 지도교수와함께석사학위논문프로젝트를확정하고기업프로젝트를진행한다. 프로젝트결과를논문으로 작성하고논문발표를심사위원들앞에서발표한다.
인공지능전공 학수번호과목명학점개요 인공지능문제의특성과기본원리를파악하고, 인공지능문제해결에필요한이론과방법론을학습한다. 구 GSIT201 인공지능 Introduction to Artificial Intelligence 체적으로기계학습이론, 탐색, 게임, Markov Decision Process, Constraint Satisfaction, Graphical Model, Logic 등을학습한다. 또한, 인공지능구현실습을통해일상생활에서만나는인공지능문제를해결하기위 한능력을기른다. 빅데이터분석이론을공부하고, 다양한언어및툴을사용해실습한다. 본과목은크게두부분 (1) 실제 GSIT210 빅데이터 Big Data 에서빅데이터를처리하는방법을다루는시스템관점의빅데이터와 (2) 데이터로부터모델을생성하는방법론관점의빅데이터 으로나누어져있다. 구체적으로, 처음반은빅데이터를저장, 검색, 분석하기위한대표적인솔루션인 SQL, 맵리듀스, 하둡, 스파크를공부하고, 나머지반은대표적인기계학습, 군집, 추천시 스템, 링크분석, 빈번패턴분석알고리즘등을공부한다. 기계학습이란컴퓨터가스스로학습능력을갖출수있게하는컴퓨터알고리즘에대하여공부를하는분야 이다. 패턴인식, 예측, 의사결정등인간이하는능력을컴퓨터가갖추도록하는알고리즘에대한공부를주 로한다. 이과목에서는기계학습을위한주로수학적이고통계학적인방법론에대하여공부를하며, 응용에 GSIT220 기계학습 Machin Learning 대해서도살펴본다. 한학기동안다루게되는토픽들은확률밀도추정 (density estimation), 베이즈결정이론 (Bayes decision theory), 은닉변수모델 (latent variable models), 혼합모델 (mixture models), 판별해석 (discriminant analysis), 군집화 (clustering), 분류 (classification), 차원축소 (dimensionality reduction), 회귀분 석 (regression), 커널방법 (kernel methods), VC- 차원 (VC-dimension), HMM, MLP, RBF 등이다. 주로여러기 계학습방법을위한통계학적, 확률적방법론에대하여배우며, supervised, unsupervised, semi-supervised 학습에대하여배운다. 인공지능의핵심기술인딥러닝과관련된다양한모델과학습방법을배우고, 이를활용한실제응용프로젝 GSIT20 딥러닝 Deep Learining 트를수행한다. 기본적인딥뉴럴네트웍인 MLPs, CNNs, RNNs 과 regularization/optimization 방법을배우고최근활발히연구되고있는 variational autoencoder 와 generative adversarial network (GAN) 에대해서 도배운다.
확률그래프모델은확률이론과그래프이론이서로의장점을살릴수있게결합된새로운모델링방법이 다. 본과목에서는크게다음과같은세가지토픽을다룬다. 첫째, 확률변수의결합확률분포를세가지종 류의그래프 (directed graphs, undirected graphs, factor graphs) 로어떻게표현하는지에대하여배운다. 둘 째, 노이즈데이터가관측되었을때, 그래프상에서특정노드의조건부확률을구하는확률적추론 GSIT240 확률그래프모델 Probablistic Graphical Models (probabilistic inference) 방법에대하여배운다. Sum product algorithm, belief propagation, junction tree algorithm과같은 exact inference 방법과 variational method, sampling methods 와같은 approximate inference 방법에대하여배운다. 셋째, 그래프상에서매개변수들을추정하는학습 (learning) 방법에대하여 다루고, maximum likelihood estimation, MAP, Bayesian estimation, expectation maximization 방법을배운 다. 이와같은기본적인그래프모델을다루면서, 마지막으로컴퓨터비전, 생물정보학, 텍스트마이닝, 자연 언어처리등응용분야에적용되는사례를선택하여스스로해보는기회를갖는다. 컴퓨터비전과목에서는사진및동영상과같은시각적데이터를사람의힘을빌리지않고자동으로이해하 GSIT250 컴퓨터비전 Computer Vision 는기술에관하여학습한다. 시각적데이터를수학적으로모델링하고다양한방법으로분석함으로써그내용을이해하는것을목표로하고있다. 기계학습, 알고리즘, 그래픽스등과도밀접한관련이있는이과목은 기본적인개념뿐만아니라실용적인구현능력을배양할수있도록한다. 인간의언어능력을어떻게기계화할수있는가를다루는자연언어처리과목으로서, 언어학기초개념을소 GSIT260 자연언어처리 Natural Language Processing 개하고공학적관점에서의다양한언어분석기법들을강의한다. 이를통하여언어처리의기본적인개념과문제점들을이해하고, 이를실용적인수준에서구현하기위한능력을습득하게한다. 본강의에서다루는토픽은 morphology, language model, POS tagging, sequence labeling, syntax and parsing, computational semantics 등이다. 또한, 이들기법들의응용분야로서텍스트마이닝, 정보검색, 기계번역등을소개한다. GSIT261 정보검색 Information Retrieval 텍스트문헌들의자동색인및검색을위한자료구조, 알고리즘을배운다. 또한문서들의자동분류및자동요 약기법들에대해서도다룬다.
텍스트자동번역시스템이나대화체자동통역시스템구축을위한여러가지방법론들로서규칙기반시스 GSIT262 기계번역 Machine Translation 템 (Rule-based MT) 과말뭉치기반시스템 (Corpus-based MT) 을강의하며번역시스템의평가방법론에대해서도다룬다. 또한이를바탕으로기존의대표적인실용시스템들을상호비교, 분석해봄으로써기계번역 시스템에대한평가및설계안목을높인다. GSIT900 석사논문연구 12 지도교수와함께석사학위논문프로젝트를확정하고기업프로젝트를진행한다. 프로젝트결과를논문으로 작성하고논문발표를심사위원들앞에서발표한다.