컴퓨터 과학의 기본 사항: 프로그래밍, 데이터 구조, 알고리즘, 컴퓨터 아키텍처, 운영 체제 등 컴퓨터 과학의 기본 개념을 배웁니다.
기계 학습 및 데이터 과학: 기계 학습 알고리즘, 데이터 분석, 통계, 데이터 마이닝 및 패턴 인식을 학습하여 모델을 교육하고 데이터에서 유용한 정보를 추출할 수 있습니다.
인공지능의 기초: 지식표현, 추리, 계획과 같은 인공지능의 기본 개념을 이해합니다.
심화 학습: 신경망, 컨볼 루션 신경망 (CNN) 및 재귀 신경망 (RNN) 과 같은 심도 있는 학습 모델 및 기술에 대한 심도 있는 학습입니다.
자연어 처리 (NLP) 및 컴퓨터 시각: 언어 모델 및 텍스트 분류, 객체 감지 및 이미지 분할을 포함한 이미지 및 비디오 데이터 처리와 같은 텍스트 데이터 처리 기술을 배웁니다.
윤리와 사회적 영향: 인공지능의 사회, 윤리, 법적 영향, AI 기술 개발 시 도덕적 고려를 연구한다.
데이터 관리 및 대용량 데이터: 대규모 데이터를 효과적으로 수집, 저장 및 처리하고 데이터베이스 관리 시스템 지식을 습득하는 방법을 배웁니다.
소프트웨어 엔지니어링: 소프트웨어 개발 및 설계 모범 사례를 배우고 소프트웨어 수명 주기 및 엔지니어링 원리를 이해합니다.
이 분야는 인공지능 전공의 일부일 뿐이다. AI 는 여러 학과의 교차와 관련된 넓은 영역이기 때문이다. 학생들은 보통 수학, 통계학, 논리학, 확률론 등의 기초를 배운다. 문제 해결, 혁신, 팀워크도 필요합니다.