발전기금
교과목명을 클릭하시면 과정 설명을 볼 수 있습니다.
| 학수번호 | 교과목명 | 학점 |
자기 학습 시간 |
영역 | 학위 |
이수 학년 |
비고 | 언어 |
개설 여부 |
|---|---|---|---|---|---|---|---|---|---|
| COM3029 | 클라우드컴퓨팅개론 | 3 | 6 | 전공 | 학사 | 3-4 | 한 | Yes | |
| 클라우드 컴퓨팅의 핵심 기술을 이해하고, 관련 기술이 현재 산업전반에서 실제로 이용되는 사례를 파악한다. 또한, 관련 기술이 실생활에서 응용되는 서비스 사례를 통해 다양한 활용 방안을 모색한다. 클라우드 컴퓨팅의 개념부터 모델, 기술 아키텍처에 이르기까지 클라우드 컴퓨팅의 주요 요소들을 명확하게 정의하고, 다양한 응용 사례를 다루는 강의이다. 클라우드 컴퓨팅에 대해 관심이 있는 학생부터, 실무에 바로 응용 가능한 전문지식을 얻고자 하는 학생에 이르기까지 모두에게 필요한 지식을 전달해 주는 강의이다. | |||||||||
| COM3030 | 모바일프로그래밍입문 | 3 | 6 | 전공 | 학사 | 3-4 | - | No | |
| 모바일 컴퓨팅의 핵심 기술을 이해하고, 관련 기술이 현재 산업전반에서 실제로 이용되는 사례를 파악한다. 모바일 컴퓨팅 환경에 관련된 모바일 무선 통신, 응용 기술, 개발 플랫폼 및 개발 도구 등에 대한 기본적인 개념과 원리에 대하여 배우며, 프로그래밍 실습을 통하여 모바일 응용 프로그램을 기획, 설계하고 개발하는 지식을 습득한다. | |||||||||
| COM3033 | 빅데이터시각화 | 3 | 6 | 전공 | 학사 | 3-4 | - | No | |
| 본 강좌는 빅데이터를 효과적으로 시각화하는 기법을 학습한다. Python 언어를 사용한 다양한 형태의 데이터 분석을 바탕으로 시각화하는 기법을 구현 및 검증한다. | |||||||||
| COM3034 | 지능형비전 | 3 | 6 | 전공 | 학사 | - | No | ||
| 이 과목에서는 지능형 비전 이론과 산업 제품의 융합에 대해 학습한다. 강의 초반에는 이미지 데이터 기초, 기본 템플릿 클래스, 픽셀 처리, 이미지 분류 및 장면 이해 등을 포함한 컴퓨터 비전 기본 이론에 대해 학습한다. 강의 후반에는 최신 딥러닝 모델 훈련 및 추론 과정 관련 이론을 학습하고, OpenCV DNN 모듈을 이용해 Tensorflow, Pytorch, Darknet 등의 최신 프레임워크로 개발된 다양한 딥러닝 모델을 입력으로 딥러닝 모델 추론 과정을 실습한다. | |||||||||
| COM3035 | 데이터과학및분석소개 | 3 | 6 | 전공 | 학사 | 3-4 | 한 | Yes | |
| 이 과정은 데이터 과학 및 분석의 기초를 가르칩니다. 이 과정에서 다루는 주제는 데이터 과학의 기초, 기본 데이터 분석, 데이터 분석 프레임워크, 데이터 분석을 배우기 위한 도구 및 기술, 데이터 분석의 클라우드, 데이터 분석 시스템 및 데이터 과학의 추세 기술입니다. | |||||||||
| COM3036 | 소프트웨어설계 | 3 | 6 | 전공 | 학사 | 한 | Yes | ||
| 본 교과목에서는 객체지향 및 일반화 프로그래밍 언어를 이용한 프로그래밍 기법을 익혀 실무에 응용할 수 있도록 한다. 객체지향언어의 기본적인 개념과 오브젝트, 클래스, 다형성, 상속 등을 이해하고 활용하며 객체지향언어를 이용하여 문제를 해결할 수 있는 능력을 배양한다. 또한, 일반화 프로그래밍 기법을 통해 다양한 환경에서 동작하는 소프트웨어를 설계하는 방법을 학습한다. | |||||||||
| COM3037 | 글로벌인공지능교육트렌드분석 | 3 | 6 | 전공 | 학사 | 한 | Yes | ||
| 본 교과는 인공지능 기술 수준과 발전에 대한 글로벌 트렌드 분석을 통해 학생들이 인공지능 기술과 관련된 효과적인 교육전략을 탐구하는 능력을 갖출 수 있도록 돕는다. 해외 주요국의 인공지능 교육 정책과 최신 인공지능 교육 연구 동향 등을 살펴봄으로써 학생들이 글로벌 인공지능 교육환경에 대해 폭넓게 이해하고 경쟁력 있는 인공지능 교육 전문가로 성장하는 것을 목표로 한다. 이 수업을 통해 학생들은 글로벌 교육환경에서의 다양한 인공지능 교육 정책 및 전략을 비교, 분석하고 향후 발전 가능성 등에 대해 논의해 볼 기회를 갖게 되며 우리나라 인공지능 교육 분야에 적용가능한 전략을 도출하여 실제 교육현장에의 적용방안을 강구할 수 있게 될 것이다. | |||||||||
| ERP4001 | 창의심화탐구 | 3 | 6 | 전공 | 학사/석사 | 교무팀 교육연구 | - | No | |
| 이 과목은 교육을 중심으로 하는 연구를 병행하는 교과목으로서, 연구수행능력을 일정 수준 갖춘 학사과정생들을 중심으로 창의적인 아이디어를 도출하고, 학사과정생이 자율적으로 연구할 수 있는 기회를 확대하고자 설계되었다. 학생들은 과학기술 분야를 중심으로 한 인문사회, 문화예술 분야의 융합과 통섭을 기반으로 과학적 탐구력과 창의적 문제해결역량 신장에 적합한 창의 주제 탐구 수행한다. 또한 본 과목은 학제간 융합주제에 대한 교육-탐구설계-수행-논문지도-결과발표에 이르는 전 과정을 포함하고 있다. | |||||||||
| ISS3222 | Introduction to Machine Learning | 3 | 6 | 전공 | 학사 | 국제하계대학 | 영 | Yes | |
| Covers fundamental concepts for intelligent systems that autonomously learn to perform a task and improve with experience, including problem formulations (e.g., selecting input features and outputs) and learning frameworks (e.g., supervised vs. unsupervised), standard models, methods, computational tools, algorithms and modern techniques, as well as methodologies to evaluate learning ability and to automatically select optimal models. Applications to areas such as computer vision (e.g., characte r and digit recognition), natural language processing (e.g., spam filtering) and robotics (e.g., navigating complex environments) will motivate the coursework and material. | |||||||||
| MAE3029 | 인공지능수학 | 3 | 6 | 전공 | 학사 | 수학교육과 | 한 | Yes | |
| 본 과목에서는 기계학습을 공부하는데 도움이 되는 수학내용들을 먼저 다루고 이를 바탕으로 기계학습의 네 개의 요소에 대하여 소개한다. 다루는 수학내용들은 선형대수, 해석적 기하, 행렬 분해, 벡터 미적분, 그리고 확률과 분포 들이다. 이 외에도 이론적인 최적화 내용과 경사하강법과 같은 기법을 다루는 최적화 방법론에 대하여도 공부한다. 이러한 수학내용들을 바탕으로 회귀, 차원 줄임, 밀도 추정, 분류에 대해 소개하고 더 나아가 신경망과 딥러닝에 대하여 간략하게 다룬다. | |||||||||