대학공통 전공

• 사제동행세미나 (Seminar in Special Topics)

  교수, 학생간의 대면관계를 통하여 학생의 지적 호기심을 유발시키고 학생 상호간(동료․선후배) 관계를 활성화함을 목적으로 한다. 또한 학생의 탐구적 학습활동을 독려하여 상급 학위과정 진학 및 취업에 대비하도록 한다. 담당교수에 따라 세미나, 연구발표, 현장실습 및 견학 등 다양한 형태로 강의가 진행되며 담당 교수별로 강의내용에 따른 소제목을 두고 있다.

• S-TEAM Class(S-TEAM Class)

  신입생을 대상으로 대학 이해, 학부(과)에 대한 이해, 상담과 검사를 실시하며, 강의 후반부에는 실제 교내 다양한 비교과 활동에 참여하는 수업으로 구성된다. 이를 통해 신입생의 소속감 강화 및 성공적인 대학 생활 설계와 대학 생활 적응을 지원한다.

인공지능전공

• 인공지능개론 (Introduction to Artificial Intelligence)

  인공지능에 대한 기본적인 이해를 위하여 컴퓨터로 문제를 해결하기 위하여, 소프트웨어적인 문제해결 절차와 방법론을 배움으로써 소프트웨어 및 인공지능에 기본적으로 필요한 설계 및 보편적인 능력을 배양한다. Python 언어를 이용한 실습과 과제를 통해 다양한 컴퓨터공학 및 인공지능 분야의 소프트웨어적 사고 능력 및 방법을 익힌다.

• 공학기초수학 (Engineering Calculus)

  공학에 기초적으로 필요한 대수학을 강의한다. 함수, 극한, 도함수, 미분과 적분, 행렬, 입체해석기하 및 미분방정식의 기초를 학습한다.

• 유레카프로젝트 (EurecaProject)

  현재 산업 현장에서 활용되는 최신 기술을 산업체 강사에 의하여 진행함으로써 소프트웨어 전공 학생들의 지식을 고취함과 동시에 학생들에게 동기 부여함을 목표로 한다. 다양한 분야의 산업체 전문가를 통해 실제적으로 산업체에 사용될 수 있는 기술 및 관련 분야의 동향을 분석할 수 있도록 한다.

• 프로그래밍기초 (Introduction to Programming)

  인공지능 및 소프트웨어 관련 교과목에서 활용하는 운영체제 및 소프트웨어 개발 도구들에 대한 실습을 통하여 이후 인고지능 관련 전공 과목들에서 요구되는 개발 환경에 적응할 수 있도록 한다. 또한, 이 도구들을 활용한 간단한 소프트웨어 개발 프로젝트를 수행함으로써 인공지능 엔지니어링 프로세스의 기초 개념을 익힌다.

• 선형대수 (Linear Algebra)

  행렬과 벡터의 기본 개념을 이해하고 벡터공간, 행렬과 벡터 연산, 선형변환의 원리를 이용하여 이학, 공학, 경제학, 생물학 등의 다양한 분야의 문제해결에 적용할 수 있는 능력을 배양한다.

• 객체지향프로그래밍 (Object-Oriented Programming)

  객체지향 프로그래밍의 특징적인 개념인 클래스, 정보은닉, 상속, 다형성 등의 개념을 상세히 학습하고 이를 실제로 구현할 수 있는 프로그래밍 능력을 배양한다. 실습을 통해 이미 설계되어 있는 객체지향 라이브러리를 분석·활용해 봄으로써 실무적인 객체지향프로그래밍 능력을 배양한다.

• 창업연계공학설계입문 (Introduction to Engineering Design)

  설계기초 입문과정으로서 다양한 과제들에 대해 공학적인 차원으로 접근하고 해결하는 학습을 수행한다. 본 교과목을 통해 각종 기초 공학 도구의 사용법 및 보고서, 포트폴리오 작성법 등 기초적인 공학지식을 습득할 수 있을 뿐만 아니라, 기초설계 주제에 대해 기획, 설계, 제작 과정을 수행함으로써 팀 프로젝트 수행능력, 발표 및 토론 능력을 향상할 수 있으며, 지식재산권 기초를 익힌다.

• 자료구조 (Data Structure)

  실세계의 문제 해결에 필요한 다양한 자료구조들의 개념 및 사용법과 알고리즘 기술에 필요한 원칙과 기법에 대해 소개하며, 스택(stack), 큐(queue), 정렬(sorting), 검색(searching), 등을 구현하고 분석한다. 따라서 자료구조를 정의하고 그 자료구조에 적합한 연산자들의 알고리즘을 설계하며, 프로그램 도구(C, C++, JAVA 등)를 이용하여 실습을 병행함으로서 문제해결능력 및 응용력을 배양한다.

• C++프로그래밍 (C++ Programming)

  객체지향 프로그래밍 언어인 C++의 구성과 문법을 익히고, C++ 언어를 기반으로 한 프로그래밍 개발 능력을 배양하도록 하는 과정이다. 특히 객체지향 언어의 특징적인기능들에 대한 개념들을 상세하게 학습하고, 다양한 실습문제를 통하여 이러한 개념들을 실제로 구현하여 객체지향 프로그래밍의 기틀을 마련한다.

• 수치해석 (Numerical Analysis)

  수학적 모델링을 세우고 알고리즘으로 바꾸어 효과적으로 처리할 수 있는 방법을 제시한다. 구간법, 개방법과 고전/현대지식공학, 해석해, 수치해를 통한 최적해, 모델링 잔차와 손실함수, 파라미터 학습, 해석미분과 수치미분의 응용, 미분방정식의 해법 등을 포함한다.

• 머신러닝기초 (Introduction to Machine Learning)

  머신러닝은 인공지능을 구현하기 위한 핵심 기술로서, 데이터 분석 및 활용을 통하여 인공지능 분야에 활용하기 위한 모델을 개발하고, 데이터 기반 학습 및 패턴을 찾기 위한 방법론을 찾기 위한 방법론데 대하여 학습한다. 다양한 모델에 대한 이해 및 실습을 통하여 실무 중심 문제 해결 능력을 배양한다.

• AIX

  인공지능 기술을 접목하여 다양한 분야에 적용함으로서 인공지능에 대한 이해를 높이고, 응용할 수 있는 능력을 배양할 수 있는 것을 목표한다. 특히, 자율주행 자동차와 관련하여 실질적으로 컴퓨터공학 및 인공지능 기술을 활용하여 필요한 도구를 개발하여, 인공지능의 활용 가치에 대하여 이해할 수 있는 능력을 배양한다.

• 데이터과학 (Data Science)

  인터넷 기술이 발달함에 따라 우리는 범람하는 정보의 홍수 속에 살고있다. 수 많은 정보 속에서 유의미한 정보는 어떻게 찾아낼 수 있을까? 데이터 과학은 융복합적 방법을 통해 정제되지 않은 데이터로부터 지식과 통찰을 얻는 융합 분야이다. 본 과목에서는 데이터 과학의 핵심인 과학적 방법론, 알고리즘, 시스템에 관하여 학습하고, 학습한 기법을 프로그래밍을 통해 실제 데이터에 적용하여 실습해본다.

• 인공지능하드웨어 (Artificial Intelligence Hardware)

  인공지능이 실제 구현될 컴퓨터 시스템의 하드웨어적 기능적 요소와 특성을 이해하고, 인공지능에 특화된 하드웨어 시스템을 활용하기 위한 기법을 익힌다. 인공지능시스템의 하드웨어적 유형에 따른 SW 역량도 함께 학습하여 고성능, 고신뢰 인공지능 시스템의 설계, 구현, 활용을 위한 인공지능 시스템의 기초 역량을 배양한다.

• 이산수학 (Discrete Mathematics)

  컴퓨터 시스템의 문제들을 해결을 위해 귀납적 증명법, 집합이론, 순열/조합 분석, 트리, 그래프 등 디지털 컴퓨터 시스템의 기본적인 알고리즘들을 이해함으로써, 컴퓨터 시스템 개발을 위한 모델링 능력 및 사고능력을 배양한다.

• 응용통계학 (Probability and Statistics)

  해석학(calculus)의 기초를 갖춘 학생을 대상으로 하며, 공학 분야를 공부할 학생들에게 통계적 분석에 대한 기초 개념과 통계적 추론 방법을 교육함으로써 여러 가지 응용분야에 이러한 개념과 기법을 활용할 수 있는 능력을 배양하는 것을 목적으로 한다. 기초 확률 개념, 주요 확률 분포, 통계적 추정 및 추론 등의 내용 다루며, SAS 등과 같은 통계 패키지 사용 방법을 함께 다룬다.

• 딥러닝기초 (Introduction to Deep Learning)

  인공지능 모델을 구현하기 위해 사용되는 딥러닝 방법론에 대한 기초적인 개념을 소개하고 이러한 개념을 활용하여 여러 문제해결을 위해 적용해보는 실습을 진행해 본다. 딥러닝 방법론을 활용하는 데 필요한 인공신경망 모델의 개념, 손실 함수와 모델의 편향-분산 문제, 모델 학습에 사용되는 경사 하강법 등의 기초적인 개념들을 학습한다. 이후에는 학습한 개념들을 이미지와 텍스트 데이터에 적용하여 실습을 진행해 보고 응용력을 배양한다.

• 클라우드컴퓨팅 (Cloud Computing)

  인공지능 개발 현장에서 널리 사용되는 클라우드 컴퓨팅 서비스를 소개하고 이를 활용하여 확장성, 안정성, 유지보수성을 겸비하는 컴퓨터 시스템을 구축하는 방법을 배운다. 분산시스템 설계 이론을 바탕으로, 클라우드컴퓨팅 분야 선두업체인 AWS의 서비스를 활용한 시스템 설계 실습을 진행한다. 나아가 초기 클라우드 컴퓨팅 서비스의 모습과 현재의 모습을 비교하며, 미래의 클라우드 컴퓨팅 서비스는 어떤 형태로 발전할지에 대해 논의하는 시간을 가진다.

• SW기술영어Ⅰ(English for Software DevelopersⅠ)

  기술적인 의사소통에 필요한 기술을 연습한다. 국내외 관련 기술인, 사업자들과 소통하기 위해 사용되는 표준 언어의 사용, 용례, 관용 표현과 기본예절들을 습득하고 영어로 기술 인터뷰를 할 수 있는 모의 실습을 수행한다.

• 데이터베이스 (Database)

  정보 시스템의 핵심은 데이터를 조직, 저장, 관리해주는 데이터베이스 시스템이다. 이 과목에서는 데이터베이스(DB)와 데이터베이스 관리 시스템(DBMS)의 전반적인 개념, 데이터 모델, SQL 등 데이터베이스를 이해하고 사용하는 기본 개념을 익힌다. 또한 상용 DBMS 시스템을 이용해 SQL 질의를 작성하고, SQL 질의를 이용한 프로그래밍을 직접 경험하게 함으로써 이 분야의 실제적인 일을 할 수 있는 필수적 이론 배경과 관련 프로그래밍 지식을 익힌다.

• 소프트웨어아키텍처 (Software Architecture)

  소프트웨어 설계의 기능적과 비기능적 요구 사항에 대한 품질 속성을 반영하는 최적 설계 방법론을 습득한다. 이를 위한 소프트웨어 설계 방법론들의 특성과 적용, 소프트웨어 설계의 단계 별 주요 접근법을 배운다. 다양한 소프트웨어 아키텍처 스타일들과 아키텍처 패턴들을 습득하여, 서버 시스템, 응용 소프트웨어 시스템, 분산 시스템, 엔터프라이즈 시스템 상에서의 설계 적용 방법을 UML 설계 및 프로그래밍을 통하여 능력을 배양한다.

• 인공지능플랫폼 (Artificial Intelligence Platform)

  실제 인공지능과 관련된 다양한 분야의 문제를 해결하거나 인공지능을 구현하기 위해 제공되는 플랫폼을 경험하고, 현장 중심의 프로젝트를 수행하면서 인공지능 플랫폼을 활용할 수 있는 역량을 배양한다. 더불어 오픈소스 기반의 인공지능 플랫폼을 실제 살펴보면서 플랫폼 기술에 대한 이해를 높이고자 한다.

• 정보검색과텍스트마이닝 (Information Search and Text Mining)

  정보검색 시스템의 구조, 웹 search engine의 설계 및 구현 방법, 역파일 구현 방법, 대용량 데이터 저장 기법을 배운다. 벡터 모델과 확률 모델 등 정보검색 모델을 학습하고 용어 빈도와 역문헌 빈도, 구글의 PageRank 등 연관 문서를 랭킹하는 방법을 배운다. 오픈소스 검색엔진으로 Lucene/Solr, Elasticsearch를 설치하고 색인 및 검색 기법을 익힌다. 한글 문서처리에 필요한 유니코드와 완성형 코드, 형태소 분석 등 한국어 정보처리의 기초 지식을 습득하고 키워드 추출 및 문서 벡터 구성 실습을 한다. 텍스트마이닝 기법으로 문서 분류, 클러스터링의 기본 개념을 배우고 기계학습 기법으로 구현하는 실습을 한다. 기말과제로 정보검색과 텍스트마이닝 관련 주제를 선택하여 프로젝트를 수행한다.

• 알고리즘 (Algorithms)

  일반적으로 널리 알려진 알고리즘들을 소개하고, 알고리즘을 설계하는 대표적인 기법에 관하여 배운다. 또한 다양한 문제들에 대하여 이러한 기법에 따라 알고리즘을 설계하는 예를 다루어 보고, 설계된 알고리즘의 복잡도를 분석하는 방법에 대하여 배운다.

• SW기술영어Ⅱ (English for Software DevelopersⅡ)

  소프트웨어와 관련된 기술을 국내외 기술인들에게 효과적으로 전달하고 또한 상대방의 기술 발표를 이해할 수 있는 실습을 중심으로 발표 능력을 키운다. 100% 영어 강의/발표로, 자신이 개발한 소프트웨어 사례 중심으로 진행한다.

• 컴퓨터비전 (Computer Vision)

  카메라로부터 입력된 영상을 컴퓨터가 이해하기 위하여 필요한 과정 및 기술을 습득하는 것을 목표로 한다. 이를 위하여 카메라 모델 및 캘리브레이션, 필터 설계 및 특징점 검출, 인식 및 세분화 이론을 바탕으로 프로젝트를 수행한다.

• 엣지컴퓨팅 (Edge Computing)

  클라우드 컴퓨팅 기술을 사용자에게 보다 밀접하고 신속한 형태로 제공하기 위한 엣지 컴퓨팅 기술에 대한 개념을 학습한다. 이를 위해 저전력 IoT기기를 활용한 데이터 수집 및 관리 방법과 함께 탈중앙화된 엣지 시스템에서 실시간으로 정보를 분산 처리하는 기법에 대한 기본적인 방법론에 대해 습득한다.

• 자율주행 컴퓨팅 (Automatic Driving Computing)

  인공지능 기술이 적용된 자율주행자동차는 자동차뿐만 아니라 드론, 로봇까지 다양한 이동체와 관련된 자율주행에 필요한 주요 인공지능 및 소프트웨어 기술에 대하여 이해할 수 있도록 한다. 자율주행에 필요한 다양한 소프트웨어 모듈을 기반으로 자율주행하기 위한 인공지능 기술 전반에 대하여 학습한다.

• 자연어처리 (Natural Language Processing)

  형태소 분석, 품사 태깅, 구문 분석, 단어 임베딩 등 자연어처리 분야의 주요 주제들에 대한 이론적인 지식을 배우고, 파이썬 환경에서 언어처리 모듈을 사용하여 한글 텍스트를 분석하는 실습을 통해 자연어처리의 기본 개념을 학습한다.
  자연어처리를 위해 필요한 주요 언어자원과 학습 말뭉치의 구축 방법과 대규모 한글 텍스트를 분석하는 실습을 한다. 단어 임베딩 기법과 문서 벡터를 구성하는 방법을 배우고 자연어처리 기술을 이용하여 빅데이터 분석, 텍스트마이닝, 감정분석 등에 언어처리 기술을 활용하는 실습을 한다. 기말과제로 감정 분석 등 자연어처리와 관련된 주제를 선택하여 언어처리 시스템을 설계 및 구현하고 그 내용을 학술발표 논문 형식으로 작성하는 연습을 한다.

• 추천시스템설계 (Recommendation System Design)

  인스타그램, 페이스북 등의 소셜네트워크 시스템에서는 어떻게 친구를 추천해 주는 것인가? 유튜브, 넷플릭스, 디즈니플러스, 왓챠 등 스트리밍 서비스 등에서는 내가 좋아할 영상을 어떻게 추천하는 것인가? 이 과목에서는 추천시스템의 다양한 사례, 기본 원리, 다양한 추천 기법들을 학습한다. 또한, 실제 데이터에 적용하는 실습을 통하여 나만의 추천시스템을 만드는 방법을 익히는 것을 목적으로 한다.

• 다학제간캡스톤디자인(Interdisciplinary Capstone Design)

  최종학년의 프로젝트 위주의 과목으로 완전한 하나의 프로젝트의 수행을 통하여 하위 학년에서 수강하여 획득한 전문지식을 서로 연계함으로써 완성도 있는 기술로 통합할 수 있는 기회를 제공하며, 특히 학생들이 실무에서 접하게 될 기술적, 그리고 업무적 환경을 경험하게 하여 졸업 후 실무에 바로 투입될 수 있도록 하는 것이 목적이다. 프로젝트에 따라 통상적으로 4인이 팀을 이루어 수행하게 되며, 완성된 하나의 프로젝트 수행을 위하여 기술 및 기능적 프로젝트 수행과 함께, 프로그램 code에 대한 documentation, 결과물에 대한 기능설명서, 사용설명서가 작성되어야 한다.

• 인공지능보안 (Artificial Intelligence Security)

  인공지능보안의 핵심이론과 응용기술, 최신동향을 학습한다. 정보보호 기본지식과 핵심이론을 학습하고, 인공지능 분야와 연계될 수 있는 다양한 보안 기술을 학습한다. 보안을 위한 인공지능 기술(AI for Security)과 인공지능을 위한 보안 기술(Security for AI)을 학습하며, 보안데이터 분석을 위한 인공지능 활용 사례를 학습한다.

• 인공지능프로젝트 (Artificial Intelligence Project)

  인공지능 기술을 활용하여, 컴퓨터비전, 자연어처리, 음성인식, 보안 및 데이터 마이닝과 관련된 심도있는 프로젝트를 수행함으로써, 인공지능에 대한 완성도 높은 기술을 이해하고 수행할 수 있는 기회를 제공한다. 학생이 이론과 실습을 함께 이해하고 프로젝트를 진행함으로써 실무 경험을 극대화할 수 있는 기회를 제공한다.

• AIX최신기술 (Practice in AIX)

  인공지능 기술을 활용하여 다양한 분야에 응용할 수 있는 프로젝트를 수행함으로써 인공지능에 대한 깊이있는 이해를 바탕으로 다양한 분야에 활용할 수 있는 엔지니어로서의 역량을 배양한다. 소프트웨어 및 타 학부(과) 교수진 또는 산업체 강사와 팀티칭으로 운영되며, 인공지능 융합 주제와 관련된 프로젝트를 수행한다.

• 음성및오디오인식 (Speech Recognition)

  음성 및 오디오 신호에 대한 다양한 분석이론을 바탕으로 음성 및 오디오신호의 인식, 압축, 합성 방법에 대하여 이해하는 것을 목표로 한다. 인공지능 모델을 활용하여 다양한 음성 및 오디오신호에 대하여 모델링하고 실습 및 분석할 수 있도록 한다.

• 산업체특강 (Industrial Seminar in Computer Science)

  현재 산업 현장에서 활용되는 최신 기술을 산업체 강사에 의하여 진행함으로써 인공지능 전공 학생들의 지식을 고취함과 동시에 학생들에게 동기 부여함을 목표로 한다. 다양한 분야의 산업체 전문가를 통해 실제적으로 산업체에 사용될 수 있는 기술 및 관련 분야의 동향을 분석할 수 있도록 한다.

• 학부연구참여(UROP)Ⅰ (Undergraduate Research Opportunity ProgramⅠ)

  담당 교수 면담을 거쳐 선발된 학생을 대상으로 교수 연구 프로젝트에 참여하게 함으로써 학생들의 전공 창의성을 개발시키고 문제 해결 능력을 배양한다. 참여 학생은 담당 교수의 개별 지도하에 대학원생들과 함께 공동 연구에 참여하거나 독자적인 과제를 부여받아 심화 연구 관련 실습 및 훈련을 수행한다.

• 학부연구참여(UROP)Ⅱ (Undergraduate Research Opportunity ProgramⅡ)

  담당 교수 면담을 거쳐 선발된 학생을 대상으로 교수 연구 프로젝트에 참여하게 함으로써 학생들의 전공 창의성을 개발시키고 문제 해결 능력을 배양한다. 참여 학생은 담당 교수의 개별 지도하에 대학원생들과 함께 공동 연구에 참여하거나 독자적인 과제를 부여받아 심화 연구 관련 실습 및 훈련을 수행한다.

• 실전프로젝트 I (Practical Programming I)

  매주 다양한 알고리즘 문제에 대하여 온라인 코딩 테스트를 통하여, 학생 스스로 자신의 알고리즘 문제 해결 능력에 대하여 이해하고, 자기 주도 문제 해결 능력을 향상하는 것을 목표로 한다. 자료구조, 알고리즘 등 다양한 전공 분야의 알고리즘 코딩 테스트 및 코드 리뷰를 통해 실무 능력을 향상할 수 있도록 한다.

• 실전프로젝트 II (Practical Programming II)

  매주 다양한 알고리즘 문제에 대하여 온라인 코딩 테스트를 통하여, 학생 스스로 자신의 알고리즘 문제 해결 능력에 대하여 이해하고, 자기 주도 문제 해결 능력을 향상하는 것을 목표로 한다. 자료구조, 알고리즘 등 다양한 전공 분야의 알고리즘 코딩 테스트 및 코드 리뷰를 통해 실무 능력을 향상할 수 있도록 한다.