정보공학(분야)

Information engineering (field)
이 기사는 공학 분야에 관한 것이다.소프트웨어 엔지니어링 접근법에 대해서는 정보 엔지니어링을 참조하십시오.

정보공학은 [1][2][3][4][5][better source needed]시스템에서의 정보, 데이터 및 지식의 생성, 배포, 분석 및 사용을 다루는 공학 분야입니다.이 분야는 21세기 [citation needed]초에 처음으로 식별이 가능해졌다.

An example of object detection (a stop sign) in computer vision.
정지부호의 객체 검출.

정보공학의 구성요소는 기계학습, 인공지능, 제어이론, 신호처리, 정보이론과 같은 더 많은 이론적인 분야와 컴퓨터 비전, 자연언어처리, 생물정보학, 의료영상컴퓨팅, 화학정보학, 자율로봇학, 모바일로봇학 등의 더 많은 응용 분야를 포함한다.식물학, 통신학.[1][2][5][6][7]이들 중 대부분은 컴퓨터 공학, 전기 공학, 생명 공학 등의 다른 공학 분야뿐만 아니라 컴퓨터 과학에서 비롯되었습니다.

An example of clustering in machine learning.
머신 러닝에서의 클러스터링의 예.

정보 공학 분야는 수학, 특히 확률, 통계, 미적분, 선형 대수, 최적화, 미분 방정식, 변분 미적분, 그리고 복소 해석에 크게 기반을 두고 있다.

정보 엔지니어는[citation needed] 정보 공학 또는 관련 분야의 학위를 가지고 있는 경우가 많으며, 엔지니어링 기술 연구소 또는 측정 및 [8][9][10]제어 연구소 같은 전문 기관의 일부이기도 합니다.이들은 정보공학의 광범위한 사용으로 인해 거의 모든 산업에 고용되어 있다.

역사

정보공학이라는 용어는 현재 일반적으로 정보공학 또는[citation needed] 정보공학 방법론으로 알려진 소프트웨어 엔지니어링 방법론을 지칭하는 데 사용됩니다[citation needed].그것은 21세기 [citation needed]초부터 현재의 의미를 갖기 시작했다.

요소들

기계학습 및 통계

주요 기사:기계 학습

기계학습은 컴퓨터가 명시적으로 [11]프로그래밍되지 않고 데이터로부터 "학습"할 수 있도록 통계적 및 확률적 방법을 사용하는 분야이다.데이터 과학은 데이터로부터 지식을 추출하기 위한 기계 학습의 적용을 포함한다.

기계 학습의 하위 분야에는 딥 러닝, 지도 학습, 비지도 학습, 강화 학습, 반지도 학습 및 능동 학습이 포함됩니다.

인과적 추론은 정보공학의 또 다른 관련 요소이다.

제어 이론

주요 기사:제어 이론

제어이론은 지연, 오버슈트 또는 [12]불안정성을 회피하는 것을 목적으로 하는 (연속적인) 동적 시스템의 제어를 말합니다.정보 엔지니어는 제어 시스템 및 회로의 물리적 설계보다 제어 이론에 더 집중하는 경향이 있습니다(전기 공학에 속하는 경향이 있습니다).

제어 이론의 하위 분야에는 고전적 제어, 최적 제어 및 비선형 제어가 포함됩니다.

신호 처리

주요 기사: 신호 처리

신호 처리는 신호의 생성, 분석 및 사용을 의미하며, 이미지, 소리, 전기 또는 [13]생물과 같은 다양한 형태를 취할 수 있습니다.

An example of how image processing can be applied to radiography.
2D 푸리에 변환을 사용하여 X선 스캔에서 원치 않는 정보를 제거하는 방법의 예입니다.

정보 이론

주요 기사:정보 이론

정보이론은 정보의 분석, 전달, 저장을 연구한다.정보 이론의 주요 하위 분야에는 코딩과 데이터 [14]압축이 포함됩니다.

컴퓨터 비전

주요 기사:컴퓨터 비전

컴퓨터 비전은 컴퓨터가 이미지와 비디오 데이터를 높은 [15]수준에서 이해하도록 하는 것을 다루는 분야입니다.

자연어 처리

주요 기사 : 자연어 처리

자연어 처리는 컴퓨터가 인간의 (자연어) 언어를 높은 수준에서 이해하도록 하는 것을 다룬다.이것은 보통 텍스트를 의미하지만, 음성 처리와 [16]인식을 포함하는 경우도 많다.

생물정보학

주요 기사:생물정보학

생물정보학은 생물학적 [17]데이터의 분석, 처리, 사용을 다루는 분야이다.이는 보통 유전체학이나 단백질학 등의 주제를 의미하며 의료 이미지 컴퓨팅을 포함할 수도 있습니다.

화학 정보학

주요 기사:화학 정보학

화학정보학은 화학 [18]데이터의 분석, 처리 및 사용을 다루는 분야입니다.

로보틱스

주요 기사: 로보틱스

정보 공학에서 로봇 공학은 주로 로봇을 제어하는 데 사용되는 알고리즘과 컴퓨터 프로그램에 초점을 맞춘다.따라서 정보공학은 자율, 모바일 또는 확률론적 로봇에 [19][20][21]더 초점을 맞추는 경향이 있다.정보 엔지니어가 연구하는 주요 하위 분야에는 제어, 지각, SLAM 및 모션 [19][20]플래닝이 포함됩니다.

도구들

과거에는 신호 처리와 같은 정보 공학 분야에서 아날로그 전자 제품을 사용했지만, 오늘날 대부분의 정보 공학은 디지털 컴퓨터로 이루어진다.정보공학의 많은 작업은 병렬화할 수 있기 때문에 최근에는 CPU, GPU, AI [22][23]가속기를 사용하여 정보공학을 수행하고 있습니다.또한 기계 학습이나 로봇 공학 같은 [24][25][26]정보 공학의 일부 하위 분야에 양자 컴퓨터를 사용하는 것에 관심이 있었다.

「 」를 참조해 주세요.

레퍼런스

  1. ^ a b "2009 lecture Past Lectures BCS/IET Turing lecture Events BCS – The Chartered Institute for IT". www.bcs.org. Retrieved 11 October 2018.
  2. ^ a b Brady, Michael (2009). "Information Engineering & its future". Institution of Engineering and Technology, Turing Lecture. Retrieved 4 October 2018.
  3. ^ Roberts, Stephen. "Introduction to Information Engineering" (PDF). Oxford Information Engineering. Retrieved 4 October 2018.
  4. ^ "Department of Information Engineering, CUHK". www.ie.cuhk.edu.hk. Retrieved 3 October 2018.
  5. ^ a b "Information Engineering Department of Engineering". www.eng.cam.ac.uk. Retrieved 3 October 2018.
  6. ^ "Information Engineering Main/Home Page". www.robots.ox.ac.uk. Retrieved 3 October 2018.
  7. ^ "Information Engineering". warwick.ac.uk. Retrieved 3 October 2018.
  8. ^ "Academic Partners and Affiliates 2017/2018 – The IET". www.theiet.org. Retrieved 3 October 2018.
  9. ^ "Electronic and Information Engineering – Imperial College London". Times Higher Education (THE). Retrieved 3 October 2018.
  10. ^ "Accreditation of the MEng CUED undergraduate teaching". teaching.eng.cam.ac.uk. Retrieved 3 October 2018.
  11. ^ Bishop, Christopher (2007). Pattern Recognition and Machine Learning. New York: Springer-Verlag New York Inc. ISBN 978-0387310732.
  12. ^ Nise, Norman (2015). Control Systems Engineering. Wiley. ISBN 978-1118170519.
  13. ^ Lyons, Richard (2010). Understanding Digital Signal Processing. Prentice Hall. ISBN 978-0137027415.
  14. ^ Cover, Thomas (2006). Elements of Information Theory. Wiley-Interscience. ISBN 978-0471241959.
  15. ^ Davies, Emlyn (2017). Computer Vision: Principles, Algorithms, Applications, Learning. Academic Press. ISBN 978-0128092842.
  16. ^ Jurafsky, Daniel (2008). Speech and Language Processing. Prentice Hall. ISBN 978-0131873216.
  17. ^ Lesk, Arthur (2014). Introduction to Bioinformatics. Oxford University Press. ISBN 978-0199651566.
  18. ^ Leach, Andrew (2007). An Introduction to Chemoinformatics. Springer. ISBN 978-1402062902.
  19. ^ a b Siegwart, Roland (2011). Introduction to Autonomous Mobile Robots. MIT Press. ISBN 978-0262015356.
  20. ^ a b Kelly, Alonzo (2013). Mobile Robotics. Cambridge University Press. ISBN 978-1107031159.
  21. ^ Thrun, Sebastian (2005). Probabilistic Robotics. MIT Press. ISBN 978-0262201629.
  22. ^ Barker, Colin. "How the GPU became the heart of AI and machine learning ZDNet". ZDNet. Retrieved 3 October 2018.
  23. ^ Kobielus, James. "Powering artificial intelligence: The explosion of new AI hardware accelerators". InfoWorld. Retrieved 3 October 2018.
  24. ^ Wittek, Peter (2014). Quantum Machine Learning. Academic Press. ISBN 978-0128100400.
  25. ^ Schuld, Maria (2018). Supervised Learning with Quantum Computers. Springer. ISBN 978-3319964232.
  26. ^ Tandon, Prateek (2017). Quantum Robotics. Morgan & Claypool Publishers. ISBN 978-1627059138.