홈으로 센터소개 센터소개 IC-PBL Connect & Share 교수지원 학습지원 IC-PBL Connect & Share IC-PBL 소개 IC-PBL Connect & Share IC-PBL 명예의 전당 IC-PBL 통계 IC-PBL 자료실 IC-PBL Share IC-PBL Connect IC-PBL Share IC-PBL Share IC-PBL Share는 한양대학교에서 이루어진 다양한 학부와 대학원 IC-PBL 수업 과정 및 결과를 공유하는 공간입니다. (비로그인 회원에게는 일부정보가 제한되어 표기됩니다.) ※ 2022학년도 첨부파일만 제공되니 전년도 자료가 필요하신 분들은 IC-PBL 교수학습센터로 메일 주시기 바랍니다. 기본정보 입력 * 표시는 필수입력 사항입니다. 게시물 작성 비밀번호 * * 글 수정 삭제시 필요하시 꼭 기재해 주시기 바랍니다. IC-PBL유형 * M(현장통합형) / 문제제시 : 기업 / 평가 : 기업 E(현장평가형) / 문제제시 : 교수자 / 평가 : 기업 C(문제해결형) / 문제제시 : 교수자 / 평가 : 교수자 A(현장문제형) / 문제제시 : 기업 / 평가 : 교수자 계열 * -- 계열 선택 -- 인문사회계열 이공계열 예체능계열 학부/대학원 * -- 선택 -- 학부 대학원 학과선택 간호학과 건설환경공학과 건축공학과 건축학과 경영전문대학원 경영학과 경제금융학과 고령산업융합학과 공공정책대학원 관광학과 교육공학과 국제법전공 글로벌YES트랙 글로벌기업경영트랙 글로벌기후환경학과 글로벌스포츠산업학과 기술경영학과 도시·지역개발경영학과 도시개발경영전공 도시공학과 도시재생·설계전공 디지털미디어콘텐츠전공 디지털비즈니스트랙 랜드스케이프어바니즘전공 러닝사이언스학과 문화예술경영트랙 물리학과 미래자동차공학과 법학과 법학전문대학원 부동산학전공 비즈니스인포매틱스학과 사회복지정책전공 사회복지학과 산업공학과 생명공학과 생명과학과 생체의공학과 식품영양학과 신소재공학과 실내건축디자인학과 실내건축디자인학과 아동심리치료학과 아트앤스포테인먼트학과 에너지공학과 연극영화학과 유기나노공학과 유아교육전공 융합기계공학과 융합전자공학과 응용미술학과 응용통계학과 의료경영트랙 의료행정학과 의류학과 의생명과학과 인공지능학과 자원환경공학과 전기공학과 정보디스플레이공학과 조직인사/기업경영트랙 창업융합학과 컴퓨터소프트웨어학과 행정학과 화학공학과 화학과 학년도 * -- 년도선택 -- 2025 2024 2023 2022 2021 2020 2019 2018 학기 * 1학기 2학기 과목명 * :: 분류선택 ::학부대학원 ※ 과목명 앞에 있는 "분류선택" 항목은 검색조건 박스 아래에 있는 학부/대학원 탭 구분 항목값입니다. 계열 항목 우측에 있는 "학부/대학원" 선택항목과 별개의 값이니 필히 입력해주시기 바랍니다. 교수명 * 소속 게시물 노출 비공개 ※ 해당 항목에 체크하면 게시물이 비밀글 처리되어 작성자 외에는 열람이 불가합니다. 일부공개 ※ 해당 항목에 체크하면 작성자 외에는 수업활동 / 총평 및 첨부파일 열람이 불가합니다. (사용자 등급 관계없음) 보고서 내용 입력 ※ 일부 단어는 금지어로 지정되어 있습니다. 유의하여 작성하시기 바랍니다. 예) drop/create/print 게시물 작성 수업목표 - 학습 내용: 딥러닝 연산 가속을 위한 Neural Processing Unit의 알고리즘/하드웨어 최적화 - 핵심 목표: 1) 딥러닝 연산 복잡도 및 데이터 재사용에 대한 심층적인 이해 2) 딥러닝 연산 효율을 높이기 위한 알고리즘/하드웨어 최적화 방법 학습/구현 - 교과목 목적: 이 강좌는 딥러닝 중심의 인공지능 가속 하드웨어의 성능 향상을 위한 최적화 기법을 학습하고 구현하는 실습 중심 수업이다. 이 강좌에서는 딥러닝 가속을 위한 소프트웨어와 하드웨어 스택을 소개하고 딥러닝 계산에서의 문제점과 최근의 하드웨어 혁신을 탐구한다. 수강생은 학기말에 있을 AI 도전과제에 참여하여 수업에서 익힌 기술을 팀별로 경쟁함으로써 하게 된다. IC-PBL 수업 문제(문제, 문제 상황, 시나리오 등) 1) 기술 배경: 딥러닝은 현대 인공지능의 핵심 기술로 음성인식, 사물인식, 자연어 처리 등의 다양한 응용에서 인간 수준의 인지 능력을 달성 가능케 한다. 딥러닝 기반 인공지능 기술을 실생활에서 서비스하려면, 딥러닝 수행에 수반하는 대량의 데이터를 저전력으로 빠르게 처리하기 위한 효율적인 플랫폼 기술이 필수적이다. 2) 산업체 문제 제시: 딥러닝 응용의 복잡도가 늘어나고, 처리할 데이터의 크기가 기하급수적으로 늘어나면서, 딥러닝 연산을 수행하는 플랫폼의 성능 향상에 대한 요구가 날로 커져가고 있다. 기존의 반도체 공정 고도화를 통한 하드웨어 성능 향상은 무어의 법칙의 쇠퇴로 인해 인공지능의 발전 속도를 맞추기 어렵다. 이 문제를 해결하기 위해 딥러닝 연산 가속에 특화된 Neural Processing Unit (NPU) 하드웨어가 활발히 개발되고 있는데, NPU의 성능을 최적화하기 위한 알고리즘과 하드웨어 구조의 핵심 기술 개발이 시급한 상황이다. 3) 해결 방법: 딥러닝의 저전력 고속 연산을 위해서는 NPU의 하드웨어 복잡도를 줄이기 위한 저정밀도(Reduced-Precision) 연산 알고리즘 개발과 메모리 접근의 에너지 손실을 최소화하기 위한 데이터 재사용(Data-Reuse) 최적화가 필수적이다. 본 IC-PBL+ 수업에서는 관련 기술에 대해 학습한 지식을 바탕으로 산업체가 활용 가능한 NPU 알고리즘/하드웨어 최적화 방안을 도출하고자 한다. 이를 위해 본 수업에서는 학생들이 팀을 이루어서 저정밀도 알고리즘과 데이터 재사용 최적화에 대한 최신 기술을 학습하고, 산업체가 타겟으로 하는 응용에 이 기술을 복합적으로 적용하여 NPU 플랫폼의 성능을 향상시킬 수 있는 방법을 도출한다. 학생들의 작품은 AI Challenge 형태의 Learder board 경쟁을 통해 최고의 성능 향상을 유도한다. IC-PBL 수업활동(IC-PBL 활동을 했던 주차별 내용 및 운영 전략을 작성해 주세요) 주차 Course Intro 주차 Overview of Deep Neural Networks 주차 Popular DNNs and Datasets / Benchmarking Metrics 주차 Deep Learning Framework (Lab1: Pytorch) 주차 DNN Kernel Computation 주차 DNN Accelerators 1 주차 DNN Accelerators 2 (Lab2: Deep Learning Accelerator) 주차 DNN Algorithm & Hardware Co-Design 1 주차 DNN Algorithm & Hardware Co-Design 2 (Lab3: DNN Quantization) 주차 DNN Algorithm & Hardware Co-Optimization 1 주차 DNN Algorithm & Hardware Co-Optimization 2 주차 Advanced Topic: Processor-in Memory 주차 Final Project Proposal 주차 Final Project Discussion - Invited Lecture 주차 Final Project Discussion 주차 Final Project Presentation IC-PBL 수업 총평 실제 산업체에서 관심 있을 최신 연구 주제를 설명하기 위한 코스 내용 구성이 학생들의 학업 성취도를 높이는 데 기여한 것으로 보임. 또한 산업체 인사를 초청하여 세미나 및 질의응답을 진행함으로써 학생들이 산업계 동향을 파악하고 실제 산업에 필요한 기술을 습득하도록 동기 부여함. 첨부파일 업로드 할 파일을 드래그 하세요 (최대 20개) 리스트 top