K2WebWizard

강의계획서

테이블 이름 - 주차 및 주제내용
주차	주제
1주차	산업 응용 관점에서 신경망의 역할과 한계를 이해하고, 본 교과목의 목표와 학습 범위를 소개함.
2주차	퍼셉트론과 다층 신경망 구조를 통해 기본 신경망 모델의 구성 원리를 학습함.
3주차	행렬 연산 관점에서 신경망의 순전파 과정과 추론 계산 구조를 이해함.
4주차	역전파 알고리즘의 원리와 손실 함수 기반 학습 메커니즘을 학습함.
5주차	경사하강법 기반의 다양한 학습 방법과 산업 환경에서의 학습 제약을 이해함.
6주차	FNN, CNN, RNN, LSTM 등 주요 신경망 구조의 특징과 적용 분야를 학습함.
7주차	신경망 구조별 학습 전략과 지도·비지도·자기지도 학습 방식을 비교함.
8주차	시험
9주차	데이터 분포 변화에 대응하기 위한 도메인 적응 기법의 개념과 필요성을 이해함.
10주차	산업 시스템에서 요구되는 모델 불확실성 개념과 신뢰성 있는 AI 판단 구조를 학습함.
11주차	고장 진단, 예측 유지보수 등 산업 현장에서의 신경망 응용 사례를 분석함.
12주차	최신 신경망 동향을 살펴보고 산업 적용 관점에서의 한계를 분석함.
13주차	운영체제 없는 단일 코어 임베디드 환경에서의 신경망 배포 구조를 학습함.
14주차	듀얼코어 MCU 기반 임베디드 시스템에서 제어와 신경망 추론의 병렬 배포 전략을 학습함.
15주차	프로젝트 발표
16주차