❚ 전공 교과목 목록

강화학습(Reinforcement Learning) / 3시간, 3학점 

강화 학습(Reinforcement learning)은 기계학습이 다루는 문제 중에서 다음과 같이 기술 되는 것을 다룬다. 어떤 환경을 탐색하는 에이전트가 현재의 상태를 인식하여 어떤 행동을 취한다. 그러면 그 에이전트는 환경으로부터 포상을 얻게 된다. 포상은 양수와 음수 둘 다 가능하다. 강화 학습의 알고리즘은 그 에이전트가 앞으로 누적될 포상을 최대화하는 일련의 행동으로 정의되는 정책을 찾는 방법이다

고급C프로그래밍및실습(Advanced C Programming and Lab) / 4시간, 3학점 

C프로그래밍의 문법 및 프로그래밍 기법들에 대한 심화 학습과 실습을 한다. 특히, 자기참조 구조체 및 포인터, 문자열 처리 및 파일 입출력 등을 사용하는 고급 프로그래밍 기법을 학습한다. 문제해결 연습시간에는 개별 프로젝트 및 팀 프로젝트를 통해 소프트웨어 개발 과정을 학습한다.

고급인공지능활용 (Advanced Artificial Intelligence) / 3시간, 3학점

인공지능 기법들을 공학 및 바이오 등의 다양한 분야로의 직접 적용 및 구현을 목표로 한다. 이 과목에서는 인공지능과 관련된 다양한 문제 정의와 해결을 통해 논리 표현 및 추론, 메커니즘 디자인 등의 능력을 배양한다.

기계학습실습 (Machine Learning with Practice) / 3시간, 3학점

본 교과목에서는 기계학습 알고리즘을 실제 구현하고 성능을 평가해 본다. 다양한 예제를 통해 기계학습을 활용한 문제해결능력을 배양한다.

기계학습개론 (Introduction to Machine Learning) / 3시간, 3학점

본 교과목은 감독학습, 무감독 학습, 강화학습 등 기계학습의 기본 개념과 원리, 여러 가지 학습 방법에 대한 모델 구조와 학습 알고리즘 및 그 수학적인 기반을 제공하는 것을 목적으로 한다. 기계학습을 위한 구체적인 학습 구조와 알고리즘을 살펴보며 실제 응용문제 해결을 위한 미니 프로젝트를 통하여 그 활용 방법을 습득한다.

대용량데이터처리 (Big Data Processing) / 3시간, 3학점 

대용량 데이터 분석과 연관된 기초이론, 분석 방법론 및 기반 기술, 다양한 응용분야 등의 기본을 이해하고 학습한다.

데이터베이스  (Database) / 3시간, 3학점 

데이터베이스의 기본개념을 알고 데이터베이스의 설계방법, 데이터베이스를 다루는 언어, 데이터베이스의 안정성과 완전성 등에 대하여 학습한다.

데이터시각화  (Data Visualization) / 3시간, 3학점 

시각화를 통하여 다양한 분야를 연계함으로써 Open Idea Platform에 필요한 창의융합 사고력을 키우고 창의적 문제 해결 능력을 개발할 수 있다. 또한 과학기술과 스토리텔링, 예술적 상상력의 연계를 통하여 시각화 개발 실무 역량을 갖춘다. 교육효과로는 창조형 인재를 양성하고, 혁신 데이터 분석을 통한 콘텐츠 개발, 데이터 시각화 기술 및 의사결정 시스템을 활용한 산업 기획 및 관리, 공공빅데이터 활용을 통한 산업창출, 천문, 기상, 해양, 재난 등 전문연구 기관에의 취업 및 창업이 있다.

데이터문제해결및실습 (Data Analysis and Practice) / 3시간, 3학점

본 과목은 데이터분석의 핵심 도구인 통계 분석방법에 대한 이해를 바탕으로 주요 통계분석 툴을 활용하여 데이터의 조사, 분석을 수행할 수 있는 능력을 배양할 수 있도록 하는데 목적을 두고 있다. 특히, 본 과목은 실제 통계분석기법과 관련 소프트웨어 툴을 어떻게 적용하는지에 대하여 사례 분석 및 실습을 중심으로 진행된다.

디지털신호처리 (Digital Signal Processing) / 3시간, 3학점 

디지털 신호처리의 기초가 되는 샘플링 이론 및 이산 신호의 특징, 이산 시간상에서의 시스템 이론과 Z-transform, Discrete Fourier Transform에 대하여 학습한다.

딥러닝개론 (Introduction to Deep Learning) / 3시간, 3학점

이 과목의 목표는 최근 인공지능 발전을 이끌고 있는 현대적 신경망과 관련한 기계학습 분야인 딥러닝에 대한 기초적인 이론과 실제를 공부하는 것이다. 다루는 내용은 표준적인 신경망 모델들, 학습기법들, 그리고 영상, 언어, 음성 인식 문제들에 대한 기초 연구를 포함한다. 

딥러닝실습 (Deep Learning and Lab) / 3시간, 3학점

본 과목은 인공지능에 관련된 이론, 사례, 실습으로 구성이 된다. 인공지능과 관련된 주요 이론과 함께 인공지능이 어떻게 경영학의 각 분야에 응용이 되는지의 사례를 공부한다. 또한 인공신경망과 딥러닝 실습 프로그램으로 인공지능 모델을 만드는 실습이 병행된다.

선형대수및프로그래밍 (Linear Algebra and Programming) / 3시간, 3학점

전반적인 선형대수 기본 개념을 설명하고 프로그래밍을 통해 선형대수의 기본 개념 이해를 돕고 선형대수가 어떻게 소프트웨어 분야에 활용되는지를 학습한다.

수치해석  (Numerical Analysis) / 3시간, 3학점 

근사해 및 오차에 대한 기본 개념들을 다루고 이를 바탕으로 방정식의 해 구하기, 보간법, 수치적 미분 및 적분, 선형 연립 방정식에 대한 기본 이론 및 알고리즘을 소개하고 그에 따른 오차를 분석한다.

시계열분석및예측 (Time Series Analysis and Prediction) / 3시간, 3학점 

시계열자료의 성질을 이해하고 추세분석, 평활법, ARIMA 모형을 이용한 분석법 등을 이용하여 실생활에서 접하는 시계열 자료들을 분석을 할 수 있도록 한다.

알고리즘및실습 (Algorithms and Lab) / 3시간, 3학점 

이과목에서는데이타를처리하고 문제를해결하기위한기초적인알고리즘을익히고, 더 나아가 기초 알고리즘을 다양한 문제에 해결하기 위한 응용방법에 대해 학습한다. 단순히 기존 알고리즘을 통해 알고리즘 설계기법에 대해서도 학습한다.

영상처리 (Image Processing) / 3시간, 3학점 

기본적인 영상처리 방법을 알아보고 여러 가지 영상 표현 및 압축방식을 학습한다. 가상현실, 영상통신 등의 주제에 대하여도 학습 한다.

오픈소스SW개론 (Introduction to Open Source Software) / 3시간, 3학점

본 강의를 통해서 학생들은 다양한 오픈소스 커뮤니티를 알아보고, 관련 지식을 습득함. 본 강의는 학생들에게 오픈소스 커뮤니티 및 프로그램을 접할 수 있도록 하며, 오픈소스 소프트웨어 설계를 체험할 기회를 제공한다.

운영체제 (Operating System) / 3시간, 3학점 

컴퓨터 운영체제에 대한 전반적인 이론을 학습한다. 실습을 통해서 운영체제에 대한 개념을 더 효과적으로 학습한다.

이산수학및프로그래밍 (Discrete Mathematics and Programming) / 3시간, 3학점 

컴퓨터는 이진수 체계로 운영되는 특성상 그 응용과정에서도 주로 이산적인 자료를 대상으로 하게 된다. 컴퓨터에 관련된 집합과 함수, 행렬, 부울대수, 알고리즘 등의 수학적 배경을 학습하고, 프로그래밍으로 구현해 본다

인공지능수학1,2 (Mathematics for Artificial Intelligence1,2) / 3시간, 3학점 

AI를 이해하기 위한 기초적인 수학 지식을 학습하는 교과이다. 기초적인 선형대수, 수치해석, 확률과 통계와 관련된 내용으로 구성된다.

인공지능문제해결및실습 (Artifical Intelligence Problem Solving and Practice) / 3시간, 3학점

본 과목은 학생들에게 인공지능 기반 데이터 분석 방법론에 대한 폭넓은 이해를 바탕으로, 인공지능 기술들을 실제 산업 내 다양한 의사결정 문제에서 활용할 수 있는 능력을 배양할 수 있도록 하는데 목적을 두고 있다. 특히, 학생들이 직접 문제 설정부터 인공지능 기술을 활용하여 문제를 해결하는 과정까지 모두 실습해볼 수 있도록 진행한다.  

앱프로그래밍  (App Programming) / 3시간, 3학점 

무선통신과 모바일 플랫폼의 기본원리를 학습한 후 모바일 애플리케이션 프로그램을 실습한다.

자료구조및실습 (Data Structure and Lab) / 4시간, 3학점 

이 과목에서는 컴퓨터 프로그래밍에 사용되는 데이터를 저장하는 기초적인 방법을 익히고, 더 나아가 추상적인 개념이나 대상물을 표현하기 위한 자료구조 및 이와 관련된 기초적인 연산을 학습한다.

자연어처리 (Natural Language Processing) / 3시간, 3학점 

자연어와 프로그래밍 언어 간의 유사성과 차별성을 학습함으로써 자연어의 과학적 체계를 이해함과 동시에 자연어에 대한 지식을 바탕으로 한 프로그래밍 전략을 습득함으로써 효율적인 프로그래밍 학습이 되도록 한다.

졸업연구및진로1,2 (Independent Study and Career Skills/Senior Project1,2) / 1시간, 1학점

본 교과는 졸업 전까지 해당학과에서 학습한 전공지식을 바탕으로 관심있는 분야의 프로젝트를 진행하거나 논문을 작성하는 과목으로서, 졸업 후 사회 진출을 위한 진로교육 프로그램을 함께 이수하도록 하여 사회적응력 향상을 도모하고자 한다.

창의AI융합연구1,2 (Creative AI convergence study 1,2) / 3시간, 3학점

인공지능 기술을 활용하여 실생활에서 경험하는 간단한 사회적 문제를 해결하는 모델을 개발하고 설명해보는 체험 실습형 강좌임

최적화 (Optimization) / 3시간, 3학점

본 과목에서는 데이터 과학에서 필수적인 최적화 개념에 대한 이해와 선형계획법, 비선형계획법 등을 포함한 다양한 최적화 방법론들에 대하여 학습한다. 또한 이러한 방법론들을 바탕으로, 실제 산업 내에서 발생하는 여러 의사결정 문제를 모델링하고 해결하는 방법을 학습한다.

컴퓨터구조 (Computer Architecture) / 3시간, 3학점 

컴퓨터 하드웨어의 구성요소인 프로세서, 기억장치, 입출력장치들의 기능과 동작원리, 구성, 및 제어방법 등에 대하여 학습한다.

컴퓨터그래픽스 (Computer Graphics) / 3시간, 3학점 

정보의 시각적 표현수단인 그래픽스 환경 하에서 2차원 또는 3차원 객체를 효율적으로 묘사하기 위한 여러 가지 이론을 학습하고, 그래픽스 프로그래밍 능력을 배양하는데 목표가 있다. 또한 모델링, 애니메이션, 가상현실감 등 그래픽스 관련 분야의 최신 기술을 소개함으로써 최근의 연구동향을 파악할 수 있도록 한다.

컴퓨터비전 (Computer vision) / 3시간, 3학점

이미지 및 동영상으로부터 취득한 다양한 시각 데이터들을 수집, 처리, 분석, 관리하는 방법을 학생들이 습득하고 프로젝트들을 통해 실습을 진행해보는 것을 목적으로 한다.

특허와창업 (Patent and Foundation) / 3시간, 3학점 

자신의 아이디어를 특허로 출원하거나 이러한 아이디어를 이용해 창업을 시작하는 데 필요한 지식을 학습한다.

패턴인식  (Pattern Recognition) / 3시간, 3학점 

인터렉티브한 디지털콘텐츠를 위한 사용자 인터페이스 기술에 적용되는 음성인식, 영상인식, 제스처 인식 등과 관련된 기본 원리를 학습한다

확률통계및프로그래밍 (Probability and Statistics Programming) / 3시간, 3학점

공학의 기본인 확률이론을 공부하고, 통신의 기초가 되는 통신 신호의 확률적 모델의 기본 이론을 살펴 본다. 인터넷의 기본인 확률이론을 공부하고 불규칙 변수 및 불규칙 프로세스 등 통신 및 신호처리의 기본이 되는 신호의 확률적 모델에 대하여 학습한다.

AR/VR/MR (Augmented, Virtual & Mixed Reality) / 3시간, 3학점

본 교과목은 AR/VR/MR 기술을 이해하기 위한 기초적인 컴퓨터공학지식, 구현언어의 학습, 시스템 구축에 대한 기본적인 지식들을 습득함과 동시에, 그래픽 엔진을 이용한 다양한 실습을 진행함으로써 학생들의 가상현실 콘텐츠의 개발에 대한 역량 습득을 목표로 함. 

C프로그래밍및실습  (C Programming and Lab) / 4시간, 3학점 

C프로그래밍의 기본 문법 및 프로그래밍 기법들에 대한 강의와 실습을 한다. 산술문, 조건문, 반복문 및 함수 등을 포함하는 기본 프로그램 구조를 학습한다. 컴퓨터시스템의 기본 구조와 프로그램의 작동 원리를 이해한다. 문제해결연습 시간에는 다양한 문제를 분석하고 프로그램을 설계하는 방법을 배운다.

Capstone디자인(산학협력프로젝트) (Capstone Design(Senior Project)) / 6시간, 6학점 

실무에서 부딪히는 문제를 해결할 수 있도록, 졸업 시 학부과정에서 배운 전공지식을 바탕으로 프로젝트를 기획, 설계, 제작하는 전 과정을 학습한다.

미적분학1 (Calculus 1)

함수와 함수의 미분과 적분 그리고 미분과 적분의 응용에 대하여 학습한다.

확률및통계 (Probability and Statistics)

확률 및 확률변수의 개념을 소개하고, 확률변수에 대한 평균, 분산, 상관계수 등을 구하는 방법을 다룬다.

공업수학1 (Engineering Mathematics 1)

공학인으로서 기초적인 필수과목으로 공학계열 학부 과정을 이수하기 위해 필요로 하는 기본적인 수학에 대해 학습한다.

선형대수 (Linear Algebra)

선형 연립방정식과 행렬, 선형변환과 행렬의 대각화 직교대각화 및 일반화된 벡터공간에 대하여 학습한다.