• XAI506-딥러닝 (Deep Learning) 본 과목은 딥러닝의 기초가 되는 신경망의 원리, 딥러닝의 학습 원리, 그리고 딥러닝을 위한 다양한 모델들을 학습하도록 한다. 이를 위하여 CNN, RNN, LSTM, Attention Mechanism, Sequence-to-Sequence 모델의 학습 원리와 이를 이용한 응용 시스템에 대하여 학습한다.    This course covers the principles of neural networks and deep learning, and training neural networks. Studied topics include training principles and applications of CNN, RNN, LSTM, Attention Mechanisms, Sequence-to-Sequence models.

• XAI505-미적분 (Calculus) 본 강의는 인공지능을 배우는 데 필수적인 기초 수학으로서의 미적분학에 대해 학습한다. 구체적으로 미적분학의 기초, 미분 방정식, 다중 적분, 벡터 미적분, 복소수 함수론 등 필수 개념을 다룬다. 이는 머신러닝에서 활용하는 역전파 알고리즘, 확률 추론에 활용한다.    Calculus as a necessary basic mathematics for artificial intelligence is covered. Important concepts regarding the basics of calculus, differential equations, multiple integral, vector calculus, and complex analysis will be included. The concepts will then be exemplified in the context of machine learning algorithms, such as back-propagation and probabilistic inference.

• XAI504-선형대수 (Linear Algebra) 본 강의는 인공지능을 배우는 데 필수적인 기초 수학으로서의 선형대수학에 대해 학습한다. 구체적으로 행렬연산, 선형시스템 및 선형변환 등 선형대수의 필수 개념과, 머신러닝에 자주 등장하는 개념인 고유값분해 및 특이값 분해 등에 대한 지식을 습득한다.    Linear algebra as a necessary basic mathematics for artificial intelligence will be covered. Pivotal concepts of linear algebra such as matrix calculations, linear system, or linear transformations, and frequently discussed topics in machine learning as eigendecomposition and singular value decomposition will be included.

• XAI503-최적화 이론 (Optimization Theory) 본 강의는 기계학습 알고리즘의 학습에 있어 필수적인 최적화 알고리즘에 대해 학습한다. 구체적으로는 목적함수, 제약조건 등의 최적화에 관한 기초 개념 및 문제 설정, 그리고 볼록 함수 및 쌍대성 등에 대해 배운다.    This course is designed to provide the student with optimization algorithms necessary for studying machine learning. Topics covered will include basic concepts and problem settings for the optimization regarding the objective function and constraints, convex functions, and duality.

• XAI502-확률과 통계 (Probability and Statistics) 본 강의는 인공지능에 있어 필수적인 기초 수학 중 하나인 확률 및 통계에 대해 학습한다. 구체적으로는 확률에 대한 기초 개념과 확률변수, 샘플 통계 분포, 파라메터 추정, 가설 검정, 회귀 분석 등에 대한 이론 및 예제를 다룬다.    This course covers probability and statistics, as part of fundamental mathematics necessary for studying artificial intelligence. Basic concepts of probability, random variable, sample statistics, parameter estimation, statistical hypothesis testing, and regression analysis will be discussed

• XAI501-기계학습 (Machine Learning) 본 과목에서는 기계 학습의 개괄, 즉 지도 학습, 비지도 학습의 기본 개념을 비롯하여, 과적합, 정규화, 최적화 등의 관련 개념들을 학습한다. 더 나아가, 차원축소, 군집화, 이상탐지 등의 다양한 기계학습 문제 정의 및 대표 방법론에 대한 이론 및 실제 응용 사례를 다룬다.    This course covers basic machine learning concepts, including supervised learning and unsupervised learning, overfitting, regularization, and optimization. Also, theories and applications on the definition and methods of various machine learning problems such as dimension reduction, clustering, and anomaly detection will be discussed.

• XAI516-기술 마케팅 (Technology Marketing) 본 강의는 연구에서 생성된 결과물을 사업화하는 과정, 즉 기술마케팅에 대한 이해를 목적으로 하여, 과거 및 현대의 사업과정을 학습한다. 본 과목은 사업 도출 및 기술 마케팅 프로세스 강의로 진행된다.    This course aims to give students understanding on how to convert research into commercial products, i.e., technology marketing, by studying past and recent commercialization and technology transfer examples. This course will give lectures on creating business items and technology marketing processes

• XAI517-창업 보육 정책/법규 (Incubator Policy and Regulation) 창업 보육이란 창업기업 및 예비창업자를 대상으로 실시하는 각종 지원 및 행위를 말하며 본 과목에서는 창업 보육 정책 및 법규에 대한 지식이 필요한 예비 기업가들이 법인 구성 및 등록 관련, 정책/법규 관련 정보를 습득할 수 있도록 도움을 준다.    Startup Incubator refers to various support and policies for startup companies and preliminary founders, and this course provides preliminary founders with information regarding corporate constitution, registration, and related policies and laws