강의계획서

전공과목안내

과정명	[2026년 2-9학기]인공지능	학점인정	3 학점
수강신청	2026-05-04 ~ 2026-09-15	수강료	45,000원
교육기간	2026-09-16 ~ 2026-12-29 15주차	샘플강의	샘플강의
- 본 기관은 학점은행제 학사관리지침(2015.09.09) 시행 공포에 따라 학습과목을 운영하고 있습니다. - 학점은행제 학사관리지침에 대리출석 및 시험 부정행위 방지를 위해 범용공동인증서 사용이 의무화 되었습니다.

수료 및 평가기준

출석	중간	기말	과제	토론	쪽지시험	참여	계
15%	30%	30%	10%	5%	5%	5%	100%

※학점인정 : 100점 만점에서 60점이상이면 합격(학점인정)

관련전공소개

관련 전공 영역	학사	컴퓨터공학 전공
관련 전공 영역	전문학사	자동제어 전공

수업목표

본 교과목은 학습자가 인공지능이란 무엇이며, 어떤 응용 분야가 있으며, 인공지능이 어떻게 동작하고, 이를 어떻게 구현해야 하는지에 대해 학습하고 설명하는 것을 목표로 한다. 이를 위해서 인공지능 시스템의 성공 기준, 인공지능의 문제 정의와 일반 문제 풀이 기법, 경험적 탐색과 A* 알고리즘, 지식의 표현 방법과 논리를 이용한 지식의 표현 방법 및 추론 방법, 게임놀이, 퍼지 논리, 전문가 시스템, 자연어 처리, 퍼셉트론과 신경망의 기계학습 원리에 대해 학습하고 최근의 동향을 파악한다.

본 교과목의 구체적인 목표는 다음과 같다.
1. 인공지능의 개념 및 인공지능의 발전 과정을 학습하여 현재의 인공지능 상황을 설명할 수 있다.
2. 인공지능 시스템의 성공 기준을 이해하고 이에 따르는 문제점을 제시할 수 있다.
3. 비구조적인 문제를 풀이하는 방법에 대해 학습하고 일반 문제 풀이 방법의 특성을 정리할 수 있다.
4. 맹목적 탐색과 경험적 탐색에 대해 구분하고 최적 우선 탐색과 A* 알고리즘에 대해 기술할 수 있다.
5. 지식의 표현 방법과 논리를 이용한 지식의 표현 방법을 습득하고 명제 논리에서의 연역적 추론 방법에 대해 설명할 수 있다.
6. 게임놀이의 이론과 가지 치기에 대해 서술할 수 있다.
7. 퍼지 논리에 대해 학습하고 이를 통해 퍼지 시스템의 원리를 설명할 수 있다.
8. 전문가 시스템의 구성과 응용 분야를 제시할 수 있다.
9. 자연어 이해 시스템의 원리와 구성에 대해 설명할 수 있다.
10. 신경망의 원리를 이해하고 퍼셉트론에 대해 서술할 수 있다.
11. 기계학습 알고리즘의 원리를 학습하고 오류 역전파에 대해 기술할 수 있다.
12. 패턴 인식과 합성곱 신경망의 원리를 이해하고 이에 대해 기술할 수 있다.

학습자 참고사항 (부정행위처리)

1. 과목별 전체출석률 80% 미만 F 처리 2. 과목 출석시 반드시 범용공동인증서로 로그인 3. 주차별 학습콘텐츠 100% 수강시만 출석인정 4. 로그인시 IP 및 Mac address 중복여부 체크 5. 부정행위 적발시 0점 처리 6. 과목별 최종성적 60점 미만시 F처리

강의목차

주차	차시	학습내용	수강기간
1 주차	1	[강의 주제] 인공지능 개요 Ⅰ [강의 목표] 1. 인공지능이란 무엇인지 설명할 수 있다. 2. 인공지능의 활용 분야에 대해 기술할 수 있다. 3. 인공지능의 발전 과정을 서술할 수 있다.	2026-09-16 ~ 2026-09-29
	2	[강의 주제] 인공지능 개요 Ⅱ [강의 목표] 1. 인공지능의 유형을 분류하고 설명할 수 있다. 2. 인공지능 프로그램이 성공했다는 판단의 기준을 제시할 수 있다. 3. 인공지능의 미래에 대해 구술할 수 있다.

2 주차	1	[강의 주제] 상태와 상태공간 [강의 목표] 1. 지식의 특성을 이해하고 설명할 수 있다. 2. 지능적인 시스템에 대해 서술할 수 있다. 3. 패턴 인식 프로그램의 알고리즘을 제시할 수 있다.	2026-09-23 ~ 2026-10-06
	2	[강의 주제] 상태공간 표기법에 의한 문제 정의 [강의 목표] 1. 일반 문제 풀이 기법(GPS)에 대해 설명하고 단계를 나열할 수 있다. 2. 상태와 상태공간을 이해하고 이를 이용하여 문제를 정의할 수 있다. 3. 인공지능 분야의 대표적인 문제들을 제시할 수 있다.

3 주차	1	[강의 주제] 제어 기법과 탐색 [강의 목표] 1. 탐색 기법을 분류하고 설명할 수 있다. 2. 맹목적인 탐색에 대해 기술할 수 있다. 3. 깊이 우선 탐색과 너비 우선 탐색에 대해 정리할 수 있다. 4. OPEN 큐와 CLOSED 큐의 역할을 서술할 수 있다.	2026-09-30 ~ 2026-10-13
	2	[강의 주제] 그래프 탐색 [강의 목표] 1. 그래프에서 사용되는 용어를 제시할 수 있다. 2. 트리 탐색과 그래프 탐색의 차이점을 서술할 수 있다. 3. OPEN 큐와 CLOSED 큐를 이용한 그래프 탐색 방법을 정리할 수 있다. 4. AND-OR 그래프의 특성과 탐색 방법을 설명할 수 있다.

4 주차	1	[강의 주제] 경험적 탐색 [강의 목표] 1. 경험적 탐색이란 무엇인지 설명할 수 있다. 2. 경험적 탐색에 사용하는 평가함수에 대해 서술할 수 있다. 3. 언덕 오르기 방법에 대해 이해하고 문제점과 해결책을 제시할 수 있다. 4. 최적 우선 탐색의 방법을 설명할 수 있다.	2026-10-07 ~ 2026-10-20
	2	[강의 주제] A* 알고리즘 [강의 목표] 1. A* 알고리즘에 대해 서술할 수 있다. 2. 탐색에서 탐색의 방향을 결정하는 요인이 무엇인지 설명할 수 있다. 3. 평가함수의 역할에 대해 기술할 수 있다.

5 주차	1	[강의 주제] 지식의 표현 방법 [강의 목표] 1. 지식의 표현 방법을 분류하고 장단점을 설명할 수 있다. 2. 명제 논리에 대해 학습하고, 명제 논리에 의한 지식 표현 방법을 서술할 수 있다. 3. 명제 논리 연산자와 명제 논리의 추론 방법들에 대해 설명할 수 있다.	2026-10-14 ~ 2026-10-27
	2	[강의 주제] 명제 논리 [강의 목표] 1. 명제 논리에서 연산 법칙을 기술할 수 있다. 2. 명제 논리에서 해를 얻는 방법들 간의 관계를 설명할 수 있다. 3. resolution refutation에 대해 서술할 수 있다.

6 주차	1	[강의 주제] 술어 논리 [강의 목표] 1. 명제 논리의 한계에 대해 설명할 수 있다. 2. 술어 논리의 차이점에 대해 기술할 수 있다. 3. 자연어 문장을 술어 논리로 표현할 수 있다.	2026-10-21 ~ 2026-11-03
	2	[강의 주제] 술어 논리와 후진 추론 [강의 목표] 1. 술어 논리에서 후진 추론 방법에 대해 정의할 수 있다. 2. 술어 논리에서 계산 가능한 함수에 대해 설명할 수 있다. 3. 술어 논리에서 동치 관계에 대해 서술할 수 있다.

7 주차	1	[강의 주제] 술어 논리에서의 resolution refutation [강의 목표] 1. 술어 논리 표현을 절로 변환하는 과정을 제시할 수 있다. 2. 스콜렘 함수와 변수명 표준화 과정을 기술할 수 있다. 3. 술어 논리에서의 resolution refutation을 설명할 수 있다.	2026-10-28 ~ 2026-11-10
	2	[강의 주제] 지식의 술어 논리 표현 [강의 목표] 1. 지식을 술어 논리로 표현하는 방법을 제시할 수 있다. 2. 술어 논리 표현에서 연산자와 한정사의 적용 방법을 설명할 수 있다. 3. 주어진 지문을 읽고 이를 술어 논리로 표현하며, 새로운 질문에 대답할 수 있다.

중간고사			2026-11-04 ~ 2026-11-17
9 주차	1	[강의 주제] 게임놀이 [강의 목표] 1. 게임놀이의 특성을 설명할 수 있다. 2. 최대최소 탐색 방법을 제시할 수 있다. 3. 알파-베타 가지 치기 방법을 서술할 수 있다.	2026-11-11 ~ 2026-11-24
	2	[강의 주제] 퍼지 논리 [강의 목표] 1. 크리스프 집합과 퍼지 집합을 비교할 수 있다. 2. 퍼지 논리에 대하여 서술할 수 있다. 3. 전문가 시스템에서의 퍼지 활용을 설명할 수 있다.

10 주차	1	[강의 주제] 전문가 시스템 [강의 목표] 1. 지식의 개념을 설명할 수 있다. 2. 규칙 기반 전문가 시스템의 구조와 요소를 제시할 수 있다. 3. 전문가 시스템의 개발 과정을 나열할 수 있다. 4. 전문가 시스템에서 추론이 이루어지는 과정을 서술할 수 있다. 5. 전문가 시스템의 장단점을 정리할 수 있다.	2026-11-18 ~ 2026-12-01
	2	[강의 주제] 자연어 처리(NLP) [강의 목표] 1. 자연어 처리의 개념을 서술할 수 있다. 2. 규칙 기반 자연어 처리의 원리를 설명할 수 있다. 3. 규칙 기반 자연어 처리의 각 과정을 기술할 수 있다. 4. 신경망 기반 자연어 처리의 역사를 구술할 수 있다. 5. 자연어 처리와 LLM의 관계를 설명할 수 있다.

11 주차	1	[강의 주제] 기계학습(machine learning) [강의 목표] 1. 컴퓨터와 사람의 뇌 그리고 인공 신경망과 사람의 뇌의 차이점을 구별할 수 있다. 2. 기계학습의 활용 분야와 역사를 서술할 수 있다. 3. 기계학습의 장점을 설명할 수 있다.	2026-11-25 ~ 2026-12-08
	2	[강의 주제] 퍼셉트론 [강의 목표] 1. 기계학습의 원리를 서술할 수 있다. 2. 회귀에 대해 설명할 수 있다. 3. 퍼셉트론의 원리를 구술할 수 있다.

12 주차	1	[강의 주제] 학습이론 [강의 목표] 1. 신경망의 학습규칙을 서술할 수 있다. 2. 헤비안 룰(법칙)과 델타 룰(법칙)의 차이를 설명할 수 있다. 3. 퍼셉트론의 한계와 원인을 제시할 수 있다. 4. 학습 방법을 분류할 수 있다.	2026-12-02 ~ 2026-12-15
	2	[강의 주제] 손실 함수와 경사하강법 [강의 목표] 1. 손실 함수를 정의할 수 있다. 2. 평균 제곱근 오차와 교차 엔트로피 오차의 차이를 설명할 수 있다. 3. 경사하강법의 원리를 제시할 수 있다.

13 주차	1	[강의 주제] 오류 역전파 [강의 목표] 1. 오류 역전파의 원리를 제시할 수 있다. 2. 오류 역전파 알고리즘의 학습 절차를 설명할 수 있다. 3. 편미분의 연쇄 법칙에 대해 서술할 수 있다. 4. 다단계에 걸친 신경망 학습 방법에 대해 설명할 수 있다.	2026-12-09 ~ 2026-12-22
	2	[강의 주제] 딥러닝 [강의 목표] 1. 오류 역전파 알고리즘의 한계에 대해 서술할 수 있다. 2. 딥러닝의 필요성을 정리할 수 있다. 3. 딥러닝에서 사용하는 방법들을 설명할 수 있다.

14 주차	1	[강의 주제] 패턴 인식 시스템 [강의 목표] 1. 패턴 인식 시스템의 구조를 설명할 수 있다. 2. 특징을 추출하는 이유와 원리를 서술할 수 있다. 3. 패턴 인식에 사용하는 분류기의 원리를 기술할 수 있다. 4. 합성곱 신경망의 출현 이유를 설명할 수 있다.	2026-12-16 ~ 2026-12-29
	2	[강의 주제] 합성곱 신경망 [강의 목표] 1. 합성곱 신경망(CNN)의 원리를 서술할 수 있다. 2. 컨벌루션의 원리를 설명할 수 있다. 3. 특징 지도(feature map)와 패딩(padding), 풀링(pooling)의 원리와 동작에 대해 기술할 수 있다.

기말고사			2026-12-23 ~ 2027-01-05