전기정보공학부: 기계학습 기초 및 전기정보 응용

1. 전공 소개 

전기정보공학부에서는 전기, 전자, 컴퓨터 등 굉장히 다양한 분야를 접해볼 수 있는데요, 그 중에서 인공지능을 공부하려는 학생들에게 추천해드리고 싶은 수업이 “기계학습 기초 및 전기정보 응용” 입니다. 이 수업에서는 요즘 굉장히 핫한 딥러닝 뿐만 아니라 좀 더 근본적인 머신러닝 이론 및 모델들을 배울 수 있어 기초를 다지기 굉장히 좋습니다.

 

2. 수업 구성

수업 내용은 크게 좀 더 고전적인 머신러닝 관련된 내용과 딥러닝 관련된 내용으로 나눌 수 있는데, 딥러닝을 공부하고자 하는 학생들에게도 앞쪽의 머신러닝 관련된 내용들이 유용하기 때문에 관련 분야를 공부하고자 학생 입장에서는 수업 구성이 알차게 되어 있다고 느껴졌습니다. 또 교수님 강의력도 굉장히 좋으시고, 혹시 놓친 부분이 있으면 유튜브에 올라와 있는 강의 영상을 다시 참고해도 되기 때문에 수업 퀄리티에 대해서는 만족하면서 수업을 들었습니다.

머신러닝이 기초적인 단계에서는 신호 및 시스템, 전자기학, 양자역학과 같은 전공 지식을 요구하는 분야가 아니기 때문에 필요한 선이수 과목이나 필수 지식은 굉장히 널널한 편입니다. 1학년 수학에서 배우는 벡터 미적분학, 행렬 계산 방법, 파이썬 코딩, 그리고 확률에 대해서 어느 정도만 알고 있으면 이수하는데 문제가 없기 때문에 여유가 된다면 2학년 학생들이 들어도 괜찮은 것 같습니다. 인공지능을 공부하고자 학생들은 전기정보공학부에서 열리는 인공지능 관련 수업이 그렇게 많이 있지는 않기 때문에 아마 딥러닝의 기초, 컴퓨터 비전과 같은 수업과 이 수업을 졸업 전에 한번씩 수강하게 되실 것 같습니다.

 

3. 수업 내용 및 과제

구체적인 수업 내용은 기초적인 머신러닝 모델, learning theory, SVM, 딥러닝 모델, probabilistic ML 등으로 이루어져 있습니다. 평가는 시험 2번과 과제, 기말 프로젝트를 통해 이루어지는데 과제와 프로젝트는 정해진 내용을 구현하는 것이기 때문에 큰 문제가 없다면 점수를 다 잘 받아가는 것 같았고, 변별은 중간/기말 시험을 통해 이루어지는 것 같았습니다.

과제로 나온 것 중에 하나를 예시로 들어보자면, 다음과 같이 데이터 집단을 분류하는 고전적인 머신러닝 모델인 SVM을 구현해보는 것이 과제로 나왔습니다.

4. 응용분야

인공지능, 특히 딥러닝은 아시다시피 여러 분야에서 폭넓게 응용이 되고 있고, 직접 딥러닝 이론을 연구하지 않더라도 딥러닝 기반 모델들을 도구로 써서 연구를 하시는 분들도 굉장히 많기 때문에 잠재적인 응용 포텐셜이 굉장히 높습니다.

 

5. 마무리

이 수업은 앞으로 인공지능을 공부하고자 하는 학생들 뿐만 아니라, 또는 인공지능 분야에 흥미가 있어서 한번 찍먹을 해보려는 학생에게도 유용할 것 같습니다. 요즘 굉장히 인공지능이 핫하다 보니 대학원에서 인공지능을 직접 연구하지 않는 사람들도 연구 과정에서 인공지능을 피하기 점점 어려워져 가는 것 같고, 인공지능에 대한 기초적인 내용을 알고 있으면 분명 훗날 도움이 되리라 생각이 듭니다.