UCD Advanced Artificial Intelligence 석사

UCD Advanced Artificial Intelligence 석사는 딥러닝, 생성형 AI, 최적화와 머신러닝 시스템 구축을 한 과정 안에서 심화하는 90학점 과정입니다. AI 모델의 성능만 비교하는 데 그치지 않고 복잡성, 해석 가능성, 확장성, 견고성과 일반화 사이의 균형을 평가합니다. 컴퓨터 비전, 시계열, 음성, 추천 시스템과 디지털 문화유산 등 다양한 응용 분야에서 적절한 기술을 선택하고, 결과를 책임 있게 해석해 비전문가에게 명확히 전달하는 역량도 함께 발전시킵니다.

필수 모듈은 고급 AI 모델을 설계하고 실제 환경에 배포하기 위한 공통 기반을 구성합니다. Autumn에는 딥러닝과 비전·이미징, 책임 있는 AI, 고급 머신러닝과 최적화를 다루고, Spring에는 윤리적 쟁점과 생성형 AI·대규모 언어모델, 머신러닝 시스템 배포를 연결합니다.
COMP41780 Foundations of Deep Learning ·
5 credits · Autumn
COMP41790 Applied AI in Vision & Imaging ·
5 credits · Autumn
COMP41800 Responsible Artificial Intelligence ·
5 credits · Autumn
COMP41810 Advanced ML (AAI) ·
5 credits · Autumn
COMP47790 Optimisation ·
5 credits · Autumn
COMP41820 AI and Ethics ·
5 credits · Spring
COMP41830 Advanced Generative AI & LLMS ·
5 credits · Spring
COMP41860 ML System Deployment ·
5 credits · Spring

Autumn 선택군에서는 사람 중심의 AI 설계와 인간 지능과의 비교, 센서 기반 시계열 분석 또는 양자컴퓨팅의 기초 가운데 한 영역을 선택합니다. 필수 모듈에서 익힌 모델링 방법을 관심 응용 분야나 새로운 계산 패러다임으로 확장하는 구성입니다.
COMP41740 Human-Centred AI ·
5 credits · Autumn
COMP41760 Artificial/Human Intelligence ·
5 credits · Autumn
COMP41850 AI for Time Series ·
5 credits · Autumn
EEEN40680 Intro. to Quantum Computing ·
5 credits · Autumn

Spring에는 여러 응용 모듈 가운데 세 과목을 선택합니다. 최적화 알고리즘, 추천 시스템, 헬스케어 AI와 자율적으로 계획·수행하는 Agentic AI를 통해 알고리즘 설계와 실제 문제 적용을 심화할 수 있습니다.
ACM41030 Optimization Algorithms ·
5 credits · Spring
COMP31010 Recommender Systems ·
5 credits · Spring
COMP41840 AI for Health ·
5 credits · Spring
COMP41930 Agentic AI ·
5 credits · Spring

음성·오디오, 양자 머신러닝, 정보 시각화, 디지털 문화유산, Bayesian 분석과 기후 극값 분석은 AI를 서로 다른 데이터와 산업·연구 맥락에 적용하는 선택지를 제공합니다. 각 모듈의 데이터 특성과 평가 방식을 비교하며 자신의 학업 방향에 맞는 조합을 구성합니다.
COMP47700 Speech and Audio ·
5 credits · Spring
COMP47950 Quantum Machine Learning ·
5 credits · Spring
COMP47970 Information Visualisation (Blended Delivery) ·
5 credits · Spring
IS41850 AI & Digital Cultural Heritage ·
5 credits · Spring
STAT40850 Bayesian Analysis (online) ·
5 credits · Spring
STAT41150 Extremes for Climate ·
5 credits · Spring

세 번째 Trimester에는 산업체 인턴십, 지도교수와 수행하는 dissertation, 팀 AI 프로젝트 가운데 한 경로를 선택합니다. 인턴십은 조직의 실제 AI 문제와 개발 환경을 경험하는 방식이며, dissertation은 학술적 질문을 정하고 심층 연구를 수행하는 경로입니다. 팀 프로젝트에서는 구체적인 문제에 적합한 AI 기술을 선택해 설계·구현·평가 과정을 함께 수행합니다. 인턴십 배정과 dissertation 기회는 경쟁 절차를 거치며 자동으로 보장되지 않습니다.

수업과 평가는 최신 AI 연구를 읽고 토론하는 활동, 프로그래밍과 모델 구현, 데이터 분석, 팀 기반 문제 해결을 연결합니다. 산업체 경로를 택하면 조직의 제약과 일정 안에서 모델을 적용하고 결과를 설명하는 경험을 쌓을 수 있습니다. 연구 경로에서는 질문 설정, 관련 연구 검토, 실험 설계와 결과 해석을 거쳐 독립적인 연구 결과를 정리합니다. 어느 경로를 선택하더라도 기술적 성능과 함께 윤리, 책임성, 해석 가능성을 고려하는 것이 과정의 중요한 축입니다.

과정을 마치면 딥러닝과 생성형 AI를 포함한 고급 기술의 가능성과 한계를 설명하고, 문제와 데이터의 특성에 맞는 모델과 최적화 방법을 선택할 수 있습니다. 모델의 복잡성·확장성·견고성·일반화를 비교해 실험 결과를 비판적으로 평가하며, AI 시스템을 실제 사용 환경에 배포하는 과정도 이해하게 됩니다. 또한 결과에서 얻은 통찰을 경영진과 다양한 이해관계자에게 전달하고, AI를 윤리적이고 책임 있는 방식으로 적용하는 판단력을 발전시킵니다.

UCD Computer Science가 Advanced Artificial Intelligence 석사의 학업 내용과 과정 특징을 소개합니다.

졸업 후에는 데이터 사이언스, 데이터 분석, 비즈니스 인텔리전스, 머신러닝 엔지니어링, AI 윤리와 AI 제품 관리 분야에서 전문성을 활용할 수 있습니다. 모델 개발뿐 아니라 데이터와 AI 결과를 조직의 의사결정에 연결하거나, 책임 있는 AI 운영 기준을 설계하는 역할도 진로 범위에 포함됩니다. 연구에 관심이 있다면 dissertation이나 팀 프로젝트에서 발전시킨 주제를 바탕으로 AI와 머신러닝 관련 박사과정에 진학할 수 있습니다.