교육

ACADEMIC

학부과정

전자디자인 랩 〈로봇 지능을 위한 인공지능: 인식, 계획, 제어〉

과목코드
주요연구
학점
과목구분
선수과목
EE.40005(B)
Computer, Circuit, Communication, Signal, Wave, Device
3
전공필수

이 과목은 최신 인공지능 기술을 활용하여 로봇의 지능적 행동을 설계하는 방법을 학습합니다. 수강생은 ROS, SLAM, 비전 기반 로봇 팔, 음성 및 영상 인식 기능이 탑재된 로봇 플랫폼을 제공받아 실습합니다. 초기에는 ROS와 SLAM의 기초를 배우고, 로봇 매니퓰레이션 및 차량 제어를 위한 운동학을 학습합니다. 이후에는 객체 탐지, 대형 언어 모델(LLM), 강화학습(RL)과 같은 머신러닝 기법을 로봇에 통합하여, 환경 인식 기반의 자율적이고 상호작용 가능한 로봇을 설계합니다. 마지막으로, 수강생은 팀 프로젝트를 통해 실제 문제를 해결할 수 있는 지능형 로봇 시스템을 직접 구현하게 됩니다.

권장과목

EE.20002 | 
EE.20002 | 
EE.20002

시연속 그리고 이산 신호 및 시스템을 소개한다. 푸리에 급수, 푸리에 변환, 라플라스 변환, z 변환 및 그들의 응용에 대하여 알아보고 시불변 선형 시스템이 강조되면서 다양한 시스템에 대해서 알아본다.

타학과 선수과목 : MAS101 미적분학

권장과목
EE.20009

본 과목에서는 전기 및 전자공학에 필요한 자료구조, 알고리즘, Web Programming, JAVA등을 학습한다. 또한 객체 지향적 프로그래밍 기법을 학습하며 프로그래밍 언어로는 C, JAVA를 사용한다. companion 과목으로 최신소프트웨어 개발연습(EE.20017)이 있다.

권장과목
EE.20010

확률과 기초 확률과정을 다룬다. 확률 부분에서는 확률 공간, 확률을 얻는 방법, 여러 가지 확률분포를 살펴본다. 확률변수와 확률변수의 변환을 공부하고, 이를 다차원 확률변수로 – 곧, 확률벡터로 – 확장한다. 그 뒤, 확률과정의 기초적인 개념을 소개하고 몇 가지 기본적인 보기를 다룬다.

 

권장과목
EE.30031 | 
EE.30031 | 
EE.30031

본 강의에서는 기계학습의 기본 원리와 응용분야를 모델링과 예측; 학습문제 그리고 신호를 요약한다는 관점에서 소개한다. 구체적으로 generalization, over-fitting, regularization, deep learning, regression, classification, clustering, recommendation problems, probabilistic modeling, reinforcement learning, 내용을 다룬다.

타학과 선수과목 : CS101 프로그래밍기초

 
EE.30081 | 
EE.30081 | 
EE.30081

본 과목은 다이나믹 시스템의 분석과 디자인 방법을 다룬다. 주요 내용으로는 제어시스템의 서론, 시스템의 수학적 모델, 궤환제어시스템의 특성, 궤환제어시스템의 성능, 선형궤환시스템의 안정성, 근궤적 기법, 주파수 응답 기법, 주파수영역에서의 안정성, 제어시스템의 시간영역 해석, 궤환 제어시스템의 설계와 보상 등이다.

권장과목