Inspiring Future, Grand Challenge

통합검색
메뉴
통합검색
메뉴
닫기
통합검색
 

학사과정

  • home
  • 학사과정
  • 시스템경영공학과
  • 교육 과정

시스템경영공학과

교과목명을 클릭하시면 과정 설명을 볼 수 있습니다.

교육과정
학수번호 교과목명 학점 자기
학습
시간
영역 학위 이수
학년
비고 언어 개설
여부
BUS2003 마케팅관리 3 6 전공 학사 1-4 경영학과 한,영,한 Yes
마케팅관리에서는 마케팅의 기본적인 개념, 이론, 기법 등을 두루 다루며 마케팅의 네가지 믹스를 어떻게 관리하느냐에 중점을 둔다. 이 과목을 통해 학생들은 미래사회에서 마케팅이 얼마나 중요한 구실을 하게 될 것인가를 알게 되며 따라서 다른 마케팅 과목들에 대해 큰 기대와 흥미를 갖게 된다.
BUS2004 마케팅전략 3 6 전공 학사 1-4 경영학과 Yes
이 과목을 통해 학생들은 그 동안 습득한 모든 마케팅 지식을 통합하여 마케팅상 황을 종합적으로 분석하고 주어진 상황에 가장 알맞는 마케팅전략을 개발하고 시행하는 연습을 하게 된다. 과목의 성질상 실제사례를 많이 다루게 되며, 마케팅의 여러 이론과 기법 그리고 개념을 실제상황에 적용하는 것에 촛점을 맞춘다.
BUS3008 경영전략 3 6 전공 학사 1-4 경영학과 한,영,한 Yes
경영전략은 변화하는 경영환경 속에서 기업이 어떻게 생존과 발전을 할 것인가를 다룬다. 본 과목에서는 경영전략의 수립과 실행이라는 이슈에 중점을 둔다.
CHS2002 데이터과학과소셜데이터분석 1 2 전공 학사 1-4 도전학기 - No
본 과목은 데이터과학을 통해 인간행동, 사회현상을 바라보는데 그 목적을 둔다. 온라인 소셜미디어공간에서의 데이터 수집과 분석도 배운다. 이론과 실습을 함께하지만, 실습의 비중은 운영하는 학기마다 변할 수 있음.
CHS2003 빅데이터와인공지능을활용한시스템강건설계 2 4 전공 학사 1-4 도전학기 Yes
본 교과목에서는 공학 시스템의 성능 유지와 고장 진단 등 건전성 관리를 위한 빅데이터 분석 및 인공지능 알고리즘에 대한 기초 이론 및 방법론에 대하여 학습한다. 구체적으로 신뢰성 분석, 센서 기반 빅데이터 획득, 빅데이터 신호 처리, 통계적 영향인자 추출, 인공지능 기반 모델링 기법 등에 관하여 이론적 방법론 및 실습 기반 학습을 수행한다. 또한 사례 소개를 통해 학습한 방법론 적용을 통한 공학 시스템 강건 설계에 관하여 고찰한다.
CHS2009 창의적발상 2 4 전공 학사 1-4 도전학기 - No
창의적이라고 하면 대부분의 사람들은 ‘무언가 새로운 것’, ‘무언가 독창적인 것’을 머릿속에 떠올린다. 그런데 막상 ‘무언가 새로운 것’, ‘무언가 독창적인 것’을 스스로 생각해내야 한다고 하면 어떻게 해야 할지 막막하다. 그런데 ‘하늘 아래 새로운 것이 없다’는 말처럼 관점을 바꾸어, 우리가 새롭고 독창적이라고 여기는 것들도 모아서 보면 그 안에 뚜렷한 공통점이 나타난다. 본 강좌에서는 수많은 창의적 사례를 통하여 이러한 생각의 패턴을 학습한다. 주요 내용으로는 체계적 발명사고, 창의발상코드, 자연에서 배우는 창의성, 문화예술에서 배우는 창의성 등이 포함된다.
CHS2012 IoT프로젝트 2 4 전공 학사 1-4 도전학기 - No
소프트웨어와 하드웨어에 익숙하지 않지만, 사물인터넷에 관심을 갖고 있는 학생들이 쉽고 편리하게 교육받을 수 있는 교육으로, 아두이노 등을 활용하여 C언어 기본, 다양한 디지털/아날로그 센서 제어 교육을 진행함. 조별 활동을 통해서 IoT 프로젝트를 수행함으로써 커뮤니케이션 능력, 협동심도 얻을 수 있음.
CHS2013 인문사회과학기반뇌인지공학융합기술 3 6 전공 학사 1-4 도전학기 - No
본 과목은 인간 뇌의 작동 방식에 대한 기본적 이해와 최근 연구성과들을 소개합니다. 이를 바탕으로 인문·사회과학과의 접목을 통해 어떻게 뇌인지과학 및 뇌공학 융합기술 (예, 뇌-컴퓨터 인터페이스, 뇌과학기반 인지 컴퓨팅, 신경인체공학, 등)이 개발되어 왔는지 살펴보며, 다양한 적용사례들과 미래전망에 대한 토론을 통해 미래지향적 융합 전문 인력이 될 수 있는 기초지식을 제공하는 것을 목적으로 합니다.
CHS7002 머신러닝과딥러닝 3 6 전공 학사/석사/박사 도전학기(대학원) - No
본 수업에서는 기초적인 머신러닝 및 딥러닝 알고리즘의 이론 및 실습을 다룬다. 구체적으로, 선형 분류, 선형 회귀, 의사결정나무, 서포트 벡터 머신, 다층신경망, 컨볼루션 네트워크 등 실제 사례에 널리 사용되고 있는 알고리즘들을 이론 강의를 통하여 습득하고, python을 이용하여 이론에서 배운 알고리즘을 실습을 통하여 자기주도적으로 학습한다. 본 수업의 원활한 수강을 위하여, 학생들은 기본적인 미적분학, 선형대수학, 확률 및 통계, python language의 활용 등에 대한 지식이 필요하다.
CHS7003 인공지능응용 3 6 전공 학사/석사/박사 도전학기(대학원) - No
스탠포드 대학교의 공개 강좌인 cs231n은 이미지 인식과 딥러닝에 대한 가장 유명한 공개 강좌 중 하나이다. 본 수업은 스탠포드 대학교의 공개 강좌 cs231n을 이용하여 Flipped class 방식으로 수업을 진행한다. 본 수업을 수강하기 위해서는 학부 수준의 기본적인 수학 지식(선형대수, 미적분학, 확률/통계)와 기본적인 파이썬 기반의 코딩 능력이 요구된다. 수업에서 진행하는 구체적은 진행방식과 활동은 다음과 같다. 1) On-line 강의(English)를 청취 (학습자 주도) 2) On-line 강의(English) 청취한 내용에 대해 개별 노트 정리 (학습자 주도) 3) On-line 강의(English) 청취한 내용에 대해 QnA 토론 (학습자 주도) 4) QnA 기반의 교수자 주도의 Off-line 강의(Korean) 강의 (교수자 주도) 5) 팀별 보충 발표 (학습자 주도) 매 토픽에 대하여 위에 언급한 1) ~ 5)의 진행방식을 활용하여 학습한다. 평가는 각 활동과 과제, 중간 시험, 기말 프로젝트에 기반하여 절대평가한다. 수업에 다루는 내용은 다음과 같다. - Introduction Image Classification Loss Function & Optimization (Assignment # 1) - Introduction to Neural Networks - Convolutional Neural Networks (Assignment # 2) - Training Neural Networks - Deep Learning Hardware and Software - CNN Architectures-Recurrent Neural Networks (Assignment # 3) - Detection and Segmentation - Generative Models - Visualizing and Understanding - Deep Reinforcement Learning - Final Project. 본 수업은 이미지 인식과 관련한 딥러닝 방법에 대하여 기초부터 응용까지 다루므로 관심이 있는 학생들에게 좋은 기회가 될 것이라 생각한다.
EAM4014 글로벌테크노경영 2 4 전공 학사/석사 1-4 신소재공학과 - No
산업계에서 CEO 출신 전문가를 초청하여 해당 현장에서 필요한 기술의 요구사항 및 문제점을 파악하고 이를 해결할 수 있는 문제 해결 능력을 기른다. 또한, 특강을 통해 기업 경영, 창업 등에 관한 다양한 주제를 학습한다.
EME3030 Computer Aided Engineering 3 6 전공 학사 2-4 기계공학부 Yes
이 과목에서는 기계공학의 각종 역학적인 해석문제를 컴퓨터를 이용하여 수치해석적으로 푸는 방법을 소개한다. 먼저, 트러스, 빔 등의 정역학문제와 2차원평면, 축대칭 등의 고체역학 문제의 유한요소 수식화를 다루며, 이를 실용적인 기계설계에 활용하는 방법을 소개한다. 끝으로, 동역학과 열전달문제에 대한 수치해석적인 방법도 소개한다.
EME3031 최적설계 3 6 전공 학사 2-4 기계공학부 Yes
최적설계의 목표는 공학설계과정을 체계화하고 구체화 하는 것이다. 공학설계의 기본개념을 이해하고 이를 최적화문제로 하는 것을 다루며, 구성된 최적화 문제의 기본적인 해법을 다룬다. 그리고 PC 프로그램을 이용하여 다양한 최적화 문제를 실습한다.
EME3068 스마트카융합종합설계 3 6 전공 학사 4 기계공학부 Yes
본 수업은 스마트카와 연관된 프로젝트를 수행하는 수업으로, 학생들이 각각의 학문 분야별로 습득한 전문지식을 바탕으로 스마트카와 연관된 주제에 대해 학생들 스스로 설계, 제작, 시험/평가의 과정을 수행한다. 이러한 융합설계 팀 프로젝트 경험을 토대로 학생들이 창의성과 실무능력, 복합학제적인 팀웍 능력, 리더의 역할을 수행할 수 있는 능력을 보유할 수 있도록 한다.
ENA3032 나노융합미래기술 3 6 전공 학사 3-4 나노공학과 영,한 Yes
나노융합 미래학문 분야에 대한 입문 교과목으로서, 나노화학, 나노물리, 나노생물에 대한 기초 지식을 습득하고, 이를 응용한 나노기반 IT, BT, ET 기술에 대한 다양한 지식 및 최근 연구 동향과 신기술을 소개한다. 이를 통해 학부 3, 4학년 때부터 다양한 학문분야를 접하고 또한 학문간 융합에 의한 새로운 연구분야를 선행학습 하는 기회를 제공한다. 이를 위해 다양한 전공 (화학, 물리, 기계공학, 화학공학, 전자공학)을 가진 교수진의 팀 티칭을 통해 각 분야에 대한 전문성을 바탕으로 한 체계적인 나노기반 융합과학 및 기술을 습득하도록 한다.
ERC2006 창의적공학설계 3 6 전공 학사 2-3 공과대학 - No
전 공학 분야의 엔지니어의 Life-Long Learning의 기본이 되는 창의적인 문제해결 능력, 스케치 및 시각적 추론능력, 팀을 이루어 문제해결 하는 능력 및 팀원들과의 조화 능력, 소비자 트렌드를 이해하고, 사용자 입장을 고려하는 능력, 소비자의 필요를 반영하는 기능을 실현시킬 개념을 설계하는 능력, 설계한 내용을 발표하고, 이를 토론을 통하여 개선할 수 있는 능력 등의 설계기본소양을 다양한 팀-기반 설계과제를 통하여 교육.
ERC2007 공학수치해석 3 6 전공 학사 2-3 공과대학 한,영,한 Yes
최근 들어 공학 전반에 걸쳐 수치 근사기법의 응용능력에 대한 요구가 급격히 확산되고 있다. 본 과목은 기초과목으로서 수리문제를 수치적으로 해결하기 위한 기법으로 오차의 분석, 비선형 방정식의 근사해법, 연립 일차방정식의 해법, 보간다항식, 수치미분, 수치적분 그리고 곡선의 근사 등을 다룬다.
ERC2008 기술경영개론 3 6 전공 학사 2-3 공과대학 한,한 Yes
동 과목은 기술경영에 관한 다양한 이론과 실제적 응용을 다룬다. 주요내용은 기술혁신과정의 분석, R&D전략, 창조성관리, 특허관리, R&D프로젝트 계획수립, 시장분석, 기술가치평가, 기술계약, 기술관리임.
ERC2009 다학제융합종합설계 3 6 전공 학사 2-4 공과대학 - No
본 교과목은 공과대학, 정보통신대학의 학생들이 다학제융합종합설계를 수행하여 다양한 학문 분야를 아우르는 종합적 설계능력(capstone design)을 증진시키는 것을 목표로 한다. 수강 학생들은 다학제 이론 적용과 문제해결이 필요한 산업체 현장 수준의 문제들을 대상으로 - 소속 학부/학과에서 배운 전공이론과 지식을 적용하면서, - 공과대학, 정보통신공학부의 여러 학문 분야를 아우르는 다학제간 지식과 이론을 융합하고, - 현장의 실제 상황과 다양한 고려사항들을 반영하며, - 여러 가지 open-ended solution의 모색, 검증, 시험, 개선, 실현을 통한 문제 해결과정을 수행하고, - 실제로 응용 가능한 설계 결과물을 직접 준비하고 제작함으로써 엔지니어로서의 자질과 소양을 연 마하며, 실용적인 다학제 융합 종합 설계능력을 계발한다. 본 교과목의 설계과제는 여러 학부/학과의 학생으로 구성된 팀 단위로 수행하며, 학기말에 작품을 전시, 발표한다. 학제간 융합 설계를 지원하기 위하여 다수의 학부/학과 교수과 지도하며, 산업체 현장에서 직접 문제를 의뢰받은 경우는 산업체 소속 엔지니어가 공동 지도한다.
ERC2010 공학기초수학1 3 6 전공 학사 공과대학 한,영,한 Yes
자연계의 현상들을 모형화하여 이것을 수학적인 방법으로 풀어 그 수학적 결과들을 물리적으로 해석하는 기법을 취급하는 과목이다. 미분 방정식에서 1계,2계 그리고 고계방정식과 함께 Laplace변환을 다룬다. 복소 해석에서는 코시 리만 방정식, 복소 적분, 그리고 등각 사상이 소개된다.
ERC2011 공학기초수학2 3 6 전공 학사 공과대학 한,영,한 Yes
공학기초수학1의 연속 과목으로 선형대수의 핵심 개념 중 공학 분야에 유용한 개념들을 다룬다. 이후 편미분 방정식의 응용과 그 해법이 소개되며 이 과정에서 푸리에 급수의 이론적, 실제적 중요성에 대해 알아본다.
ERC2012 인공지능과디지털수학 3 6 전공 학사 공과대학 Yes
본 수업에서 학생들은 다양한 분야의 수학을 통하여 인공지능(AI)의 주된 분야를 학습하게 될 것이다. 인공지능을 학습할 때 데이터, 모델, 모수추정 등의 요소들을 기본적으로 가지고 있다. 학생들은 선형회귀, 데이터의 차원축소, 데이터에 적합한 밀도함수의 추정, 데이터의 분류 등 인공지능의 중요한 이론들을 학습한다. 학생들은 데이터를 묘사할 할 모델을 이용하여 AI의 중요한 한 분야인 데이터로부터의 선형회귀와 분류를 통계학과 선형대수학을 기반으로 배운다. 또한 선형대수학을 기반으로 AI에서 데이터의 차원축소와 통계학을 기반으로 데이터를 적용할 수 있는 모델을 찾는 방법을 배운다. 선형대수학과 통계학을 바탕으로 인공지능의 다양한 분야인 회귀직선, 최소제곱문제, 그레디어트 하강법, 주성분분석 등을 학습한다. 이 수업을 통하여 학생들은 인공지능학습의 기반을 얻게 될 것이다. 학생들의 지식습득과 능력향상을 위하여 개별적 또는 그룹으로 문제풀이, 사례별 연구, 대화식 토론, 중간 및 기말시험 등을 수행할 것이다. 또한 이들로부터 학생들 간의 평가를 한다.
ERC3001 글로벌캡스톤디자인 3 6 전공 학사 3-4 공과대학 Yes
공과대학 및 정보통신대학의 여러 학문 분야를 아우르는 다학제간 지식과 이론의 융합을 기반으로 사용자의 다양한 니즈 발견 및 이를 기반으로 한 문제 정의, 실제적인 제한 조건의 고려, 여러 가지 open-ended solution의 모색, 검증, 시험, 개선, 실현을 통한 문제 해결과정의 수행, 디자인 결과물의 제작 등 일련의 디자인 프로세스를 국제적 융합 팀을 구성하여 수행함으로써 차세대 엔지니어로서 필요한 글로벌 경쟁력, 혁신 능력 및 다학제 융합 기반 종합 설계 능력을 계발한다.
ERC3002 공학연구프로젝트Ⅰ 2 4 전공 학사 2-4 공과대학 Yes
공학연구프로젝트 교과목은 우수학부생들에게 공과대학 각 부문의 최근 연구분야에 대하여 소개한다.
ERC3003 공학연구프로젝트Ⅱ 2 4 전공 학사 2-4 공과대학 Yes
공학연구프로젝트 교과목은 우수학부생들에게 공과대학 각 부문의 최근 연구분야에 대하여 소개한다.
ERC3004 공학연구프로젝트Ⅲ 2 4 전공 학사 2-4 공과대학 Yes
공학연구프로젝트 교과목은 우수학부생들에게 공과대학 각 부문의 최근 연구분야에 대하여 소개한다.
ERC3005 공학연구프로젝트Ⅳ 2 4 전공 학사 2-4 공과대학 Yes
공학연구프로젝트 교과목은 우수학부생들에게 공과대학 각 부문의 최근 연구분야에 대하여 소개한다.
ERC3010 지식재산창업전략 3 6 전공 학사 2-4 공과대학 - No
- 4차 산업혁명시대를 맞이하여 인간의 고도의 창작물인 지식재산은 점점 더 중요해지고 있고, 지식재산의 이해를 통하여 지식재산을 창출하고 이를 활용하여 사업에 적용하는 것은 핵심역량의 한 분야가 되고 있다. 지식재산의 깊은 이해를 통하여 지식재산 창출과 관리 및 창업에 적용하는 것에 대한 학습을 필요로 한다. - 이 교과목은 지식재산에 대한 이해, 지식재산 창출 및 관리 방법, 관리된 지식재산을 기반으로 한 사업의 적용(창업)에 대한 이론 전반과 실전적 노하우를 학습한다. - 구체적인 학습내용은 지식재산의 개념 및 종류(산업재산권, 저작권, 신지식재산권), 지식재산 창출, 지식재산의 관리, 지식재산의 가치평가, 지식재산의 거래, 그리고 지식재산 기반 창업의 이론을 포함하고 - 지식재산창업 성공 및 실패기업 사례를 실증분석하여 지식재산창업 성공요인을 높이고, 지식재산창업기업의 대표 등에게서 지식재산창업의 실전적인 노하우를 직접 습득한다.
ERC3011 산학융합캡스톤디자인 3 6 전공 학사 3-4 공과대학 - No
본 교과목은 공과대학, 정보통신대학, 소프트웨어대학, 자연과학대학의 3~4학년 학생들이 연구팀을 형성하여 산업체 및 사회 니즈 분석(산업체 방문/전문가 인터뷰)을 통해 해결해야 할 산업체 연계 문제 해결 과제를 정의하고(Empathize-Define), 종합적 창의 설계 아이디어를 바탕으로 문제해결안을 도출하며(Thinking), 이를 실제 시험(Making)하고 결과를 공유(Sharing)하는 것을 목표로 한다. 수강 학생들은 문제해결이 필요한 산업체 현장 수준의 문제를 중심으로 - 다학제 연구팀을 형성하여 - 전공지식과 인문학적 지식을 바탕으로, - 현장의 실제 상황과 다양한 고려사항들을 반영하며, - 여러 가지 open-ended solution의 모색, 검증, 시험, 개선, 실현을 통한 문제 해결과정을 수행하고, - 실제로 응용 가능한 설계 결과물을 직접 준비하고 제작함으로써 엔지니어로서의 자질과 소양을 연마하며, 실용적인 산학 융합 종합 설계능력을 계발한다. 본 교과목의 설계과제는 여러 학부/학과의 학생으로 구성된 팀 단위로 소통.융합.협업을 통해 수행하며, 최종 결과물을 전시, 발표한다. 산학융합캡스톤디자인을 지원하기 위하여 다수의 학부/학과 교수 및 산업체 전무/엔지니어가 공동 지도한다.
ERC3012 특허아이디어검색과활용 3 6 전공 학사 3-4 공과대학 - No
1. 배경 지식재산과 같은 무형적 가치가 중시되는 4차 산업혁명을 맞이하여, 타인의 아이디어에 대한 법적 권리 관계 검토 능력은 매우 중요한 Skill입니다. 2. 강의목표 본 교과목은 과학기술 분야 선행기술조사 이론 학습과 실습을 통해, 미래 공학도의 기술 탐색 능력을 배양하기 위함을 목적으로 합니다. 또한, 본 교과목 수강을 통하여, 지식재산권에 대한 기본소양과 전문 능력을 기를 수 있습니다. 3. 수업 내용 가. 지식재산권(특허, 상표, 디자인 등)의 이해 - 지식재산권 개요 - 특허 등록요건 및 출원절차 - 지식재산권의 권리행사 - IP 청구범위의 해석 나. 선행기술조사 - 선행기술조사 대상(특허, 논문 등 기술 문헌) - 각국의 특허검색사이트 활용방법 및 검색전략 - 선행기술조사 활용(등록 가능성 검토, 무효사유 검토, 특허맵 등) - 선행기술조사 DB 사용법 (WIPS, KIPIRIS 등) - 선행기술조사를 위한 키워드 검색식 작성법 - 선행기술조사 실습 다. 본인 아이디어·기술의 차별성 도출(이론적용, 활용) - 보유 기술·아이디어 특정하기 - 기술·산업·정책 동향조사분석, 선행기술조사 분석 실습 - 분석툴(구글, 기술동향사이트, 신업동향사이트, 정부정보사이트) 이용법 숙지 - 선행기술과의 아이디어·기술 차별성 도출 - 아이디어·기술 적용 제품군/사업화모델/연구방향 도출 4. 기대효과 가. 지식재산권 제도 전반을 이해하고, 본인 관심기술분야의 선행기술조사 실습을 통해 미래 공학도의 기술탐색 능력 및 효과적인 연구방향을 수립할 수 있다. 나. 각국의 특허검색사이트 활용방법 및 검색전략을 익힘으로써 지식재산권 활용을 위한 기본소양을 기를 수 있다. 다. 실습을 통해 직접 본인의 아이디어·기술에 이론을 적용해 봄으로써, 지식재산권 정보 검색을 활용한 본인 기술의 제품군도출/사업화모델/연구방향을 결정하는 밑거름을 다질 수 있다.