교과목명을 클릭하시면 과정 설명을 볼 수 있습니다.
| 학수번호 | 교과목명 | 학점 |
자기 학습 시간 |
영역 | 학위 |
이수 학년 |
비고 | 언어 |
개설 여부 |
|---|---|---|---|---|---|---|---|---|---|
| COV7006 | AI시대논문작성법 | 1 | 2 | 전공 | 석사/박사 | 일반대학원 성균융합원 | 한 | Yes | |
| 본 교과목은 학위논문을 준비하는 대학원생을 대상으로 AI 시대에 생성형 AI 도구를 책임 있게 활용하는 원칙과 절차를 습득하도록 기획된 대학원 공통 1학점 온라인 교과목이다. 본 과목은 BIGs 2.0 전략과제인 '대학원 공통 교육 개발'의 일환으로 신설되었으며, 학위논문 본심 자격 선수학점 구조를 계승하는 동시에 최신 AI 활용법과 연구윤리 쟁점을 유기적으로 통합하였다. 교육과정은 교육부·한국연구재단·대학연구윤리협의회가 제정한 「대학 연구자를 위한 생성형 AI 연구윤리 가이드」(2026. 6.)를 핵심 준거로 삼아 연구의 전 과정(설계-수행-보고-인용)을 단계별로 학습할 수 있도록 구성되었다. 16주간 진행되는 핵심 교육 내용은 다음과 같다. 1개월차에는 AI의 기본 원리·한계와 전통적 연구윤리(FFP 및 저자성 기준)를 다루고, 2개월차에는 문헌 탐색, 연구 문제 설정, 데이터 해석에서의 AI 활용 원칙을 학습한다. 3개월차에는 초안 작성, 문장 교정, 교차검증을 결합한 학술적 글쓰기를 실습하며, 4개월차에는 AI 활용 내역 공개, 저작권, 연구자의 최종 검증 책임을 학습한다. '연구윤리'가 과목명에 직접 명시되지는 않았으나, 전체 16주 중 약 3분의 1을 구성하는 핵심 축을 이룬다. 본 과목은 원리 중심 교육을 통해 기술이나 도구가 변화하더라도 스스로 적응할 수 있는 회복탄력적 연구 역량을 강화한다. 또한 환각 현상에 의한 가짜 인용이나 미공개 원고 입력 등 잘못된 사용법을 교육 단계에서 사전에 예방함으로써 사후 연구부정 심의 발생을 줄이는 데 기여하고자 한다. 나아가 AI 내재화 교육과정의 '대학원 공통층'을 담당하는 모범적 실행 사례로서, 단순히 AI를 잘 쓰는 연구자가 아닌 'AI를 책임 있게 활용하는 연구자'를 양성하는 데 주안점을 둔다. | |||||||||
| ERC5001 | 글로벌공동연구특론 | 3 | 6 | 전공 | 석사/박사 | 공과대학 일반대학원 | 한 | Yes | |
| 본 수업은 공과대학, 정보통신대학, 소프트웨어대학 등 혁신성장분야를 연구하고 있는 석사/박사과정 학생들의 해외 파견 및 국제공동연구의 경험을 통해 신진연구자로서의 글로벌 역량을 제고하는 것을 목표로 한다. 해외 현지 파견 및 공동연구를 수행하는 학생들이 - 해외 공동프로젝트 참여를 통해 글로벌 네트워크를 구축하고 - 인류의 지속가능한 발전 및 혁신성장분야의 신산업 창출을 위해 정진하며 - 초문화, 초학제, 초세대간 횡단하는 창의융합 경험의 혁신을 통해 창의(Value Creation), 융합(Convergence), 혁신(Innovation), 협업(Collaboration) 역량을 겸비한 글로벌 혁신 리더로 미래 공유 가치를 창출할 수 있는 역량을 키울 수 있도록 지원한다. 본 수업을 통해 학생들은 현지파견기간 동안 프로젝트에 몰두하여 연구 결과의 질적 수준을 향상시킬 것으로 기대하며, 파견연구를 종료한 연구자들의 최종 결과 발표회를 통하여 수행 과정 및 결과에 대해 평가 및 학점을 부여한다. | |||||||||
| ERC7001 | 메타버스플랫폼이해와활용 | 3 | 6 | 전공 | 학사/석사/박사 | 공과대학 일반대학원 | - | No | |
| 본 과목은 메타버스를 구성하는 기술요소의 이해와 주요 플랫폼 및 관련 기기에 대한 체험 실습을 바탕으로 메타버스 기반의 비즈니스 혹은 서비스 기획 능력을 갖추도록 하는 교육을 주목적으로 한다. 각 기술구성요소의 특징과 용도에 대한 이해와, 주요 서비스들의 사례 연구, 체험을 통한 사용자 관점의 장단점 파악 기회가 주어지며, 나아가 메타버스 서비스 활용과 개선에 대한 창의적 아이디어를 도출하는 능력을 배양하게 된다. | |||||||||
| ERC7002 | NFT이해와활용 | 3 | 6 | 전공 | 학사/석사/박사 | 공과대학 일반대학원 | - | No | |
| 본 과목은 NFT의 개념과 기반 기술, 관련 디지털 경제 생태계, NFT프로젝트 들의 사례에 대한 이해와 NFT제작 및 판매 실습을 바탕으로 NFT를 활용한 비즈니스 혹은 서비스 기획 능력을 갖추도록 하는 교육을 주목적으로 한다. NFT의 기반 기술인 블록체인과 암호화폐, 그리고 기존 주요 적용 대상인 디지털아트, 디지털애셋 등에 대한 기초적인 이해과정이 포함되어 있으며, 주요 프로젝트 사례와 법률적 고려사항, 시장 분석 요령, 기술 트렌드에 대한 학습을 통해 향후 폭넓은 활용에 대한 창의적 아이디어를 도출하는 능력을 배양하게 된다. | |||||||||
| ERC7003 | AI기반공학연구방법론 | 1 | 2 | 전공 | 학사/석사/박사 | 공과대학 일반대학원 | 한 | Yes | |
| AI기반공학연구방법론은 학사·석사·박사 과정 학생이 공통으로 수강할 수 있는 1학점 교과목으로, AI 시대에 필요한 보편적 연구 수행 역량을 체계적으로 기르는 것을 목표로 한다. 본 과목은 단순히 생성형 AI 사용법을 익히는 강의가 아니라, 연구자가 AI를 연구 과정의 보조 도구로 활용하되 그 결과를 비판적으로 검토하고 책임 있게 재구성하는 방법을 배우는 연구방법론 교과목이다. 수업은 AI가 연구와 학습 방식에 가져온 변화, 생성형 AI의 원리와 한계, 연구주제 탐색, 문헌 검색, 선행연구 분석, 연구 공백 도출, 연구문제와 가설 설정, 연구 설계, 자료 수집, 데이터 정리와 분석, 시각화, 연구계획서 작성, 연구윤리와 데이터 보안까지 연구 전 과정을 다룬다. 특히 AI가 제시한 답변의 환각, 편향, 허위 인용, 최신성 부족, 논리적 비약, 개인정보 및 비공개 자료 유출 가능성을 점검하는 훈련을 포함한다. 학생들은 자신의 전공 또는 관심 분야를 바탕으로 연구주제 후보를 만들고, 관련 문헌을 탐색하며, 연구문제와 분석 계획을 구체화한다. 최종적으로는 AI 활용 과정, 선행연구 정리, 연구 공백, 연구문제 또는 가설, 자료 수집·분석 계획, 검증 과정, 연구윤리 점검, 학습 성찰을 포함한 AI 연구 포트폴리오를 작성한다. 학부생은 기초 탐구 과제형, 석사과정생은 예비 연구계획서형, 박사과정생은 독립 연구 설계형 산출물을 목표로 한다. 본 교과목은 학생들이 AI를 활용해 연구 생산성을 높이며 연구자의 비판적 사고와 책임성을 유지하도록 돕는 미래형 연구역량 교육이다. | |||||||||
| ETM5009 | 기술기획 | 3 | 6 | 전공 | 석사/박사 | 1-4 | 기술경영학과 | 한 | Yes |
| R&D와 조직의 전략을 효과적으로 연계시키기 위한 전략적 기술계획과 평가에 대한 개념과 방법을 제시한다. 기업전략에 있어 R&D전략의 범위 및 수립방안, 기술 및 시장예측방안, 연구개발에 대한 목표관리, R&D의 측정 및 평가방안 등 학습 | |||||||||
| ETM5065 | 기술사업화 | 3 | 6 | 전공 | 석사/박사 | 1-4 | 기술경영학과 | 한 | Yes |
| 우리나라는 과거 인력집약적인 산업에서, 현재는 기술집약적인 산업으로 변모하고 있다. 따라서, 기술개발을 위해 투입된 R&D투자가 빠른 폭으로 증가하고 있으며 이를 통해 확보한 기술의 사업적 성과 역시 효과적이고 효율적으로 높여나가야 한다. 본 교과목은 이와 같은 R&D생산성의 향상을 위해 기술사업화에 필요한 기본개념은 물론 여러 가지 방법론과 다양한 사례를 통해 관련 전문지식을 습득하고자 한다. | |||||||||
| ETM5097 | AI데이터기반사업화이론 | 3 | 6 | 전공 | 석사/박사 | 1-4 | 기술경영학과 | - | No |
| KISTI에서 실제로 활용, 보급하고 있는 AI/데이터 기반 기술사업화 모델들의 바탕이 되는 주요 이론을 소개한다. 전통적인 QFD를 개선한 방법론에서 최신 DNN 모델들이 어떤 사업화 문제 해결에 적합한지를 중점적으로 소개한다. | |||||||||
| ETM5110 | 오픈이노베이션과사업화 | 3 | 6 | 전공 | 석사/박사 | 1-4 | 기술경영학과 | 한 | Yes |
| 본 과정에서 수강생들은 다양한 유형의 오픈 이노베이션 사례(기술소싱, 벤처투자, M&A, 특허 수익화 등)와 성공 및 실패 요인들을 학습한다. 특히, 본 과정에서는 기업에서 근무하고 있는 오픈 이노베이션 책임자나 실무자를 특강 연사로 초청하여 현장감 있는 지식과 경험을 제공한다. 본 과정을 수강하게 되면 수강생들이 연구 논문 주제 발굴이나 재직하고 있는 기업 현장의 문제 해결에 도움이 될 것이다 | |||||||||
| NAT7001 | AI를활용한자연과학연구방법론 | 1 | 2 | 전공 | 학사/석사/박사 | 자연과학대학 일반대학원 | 한 | Yes | |
| 본 교과목은 자연과학대학 학생들이 생성형 AI와 대규모 언어모델을 연구 과정 전반에 효과적이고 책임감 있게 활용할 수 있도록 설계된 온라인 기반 연구방법론 강의이다. 특정 전공에 한정하지 않고, 자연과학 분야 연구자가 공통적으로 수행하는 연구 주제 설정, 문헌 조사, 데이터 정리, 분석 보조, 논문 작성 및 연구 그림 제작, 발표자료 구성, 연구윤리 및 검증 방법을 다룬다. 본 교과목을 통하여 학생들은 생성형 AI를 단순한 답변 생성 도구가 아니라 연구 질문을 구체화하고, 문헌과 데이터를 비판적으로 검토하며, 연구 결과를 논리적으로 전달하고 검증하는 연구 보조 도구로 활용하는 역량을 기른다. | |||||||||
| SFC5007 | 스마트팩토리클라우드플랫폼 | 3 | 6 | 전공 | 석사/박사 | 스마트팩토리융합학과 | 한 | Yes | |
| 이 코스는 많은 상용 클라우드 플랫폼들과 그들의 고수준 아키텍처와 기술적인 내용들의 개요를 제공한다. 그리고 이러한 클라우드 플랫폼 개념과 특징 그리고 클라우드 플랫폼이 클라우드 환경과 소프트웨어 정의 네트워크, 소프트웨어 정의 스토리지 솔루션을 구현 및 구성하고 관리하는 방법을 학생들에게 가르친다. 또한, 이 코스는 필수적으로 제공되는 구현과 구성 관리, 네트워킹과 모니터링 등의 클라우스 플랫폼 컨포넌트를 이용하는 직접적인 경험을 제공한다. | |||||||||
| SFC5011 | 지능형로봇및인공지능응용 | 3 | 6 | 전공 | 석사/박사 | 스마트팩토리융합학과 | - | No | |
| 이 코스는 로봇과 지능형 시스템의 설계와 분석을 위한 방법론에 대하여 학생들에게 제공한다. 그리고 인공지능(AI)은 최소한의 인간 개입으로 지능적인 행위를 배우고 수행하기 위한 알고리즘의 개발과 분석을 학습한다. 특히, 모델링 다이나믹 시스템, 행위 측정과 컨트롤, 미래 행동의 결정 등을 탐구한다. 교육내용은 상당히 넓고, 코스 수준은 소개 단계로 제공된다. | |||||||||
| SFC5015 | 산업인공지능 | 3 | 6 | 전공 | 석사/박사 | 스마트팩토리융합학과 | - | No | |
| 인공 지능(AI)은 컴퓨터에서 지능적인 인간 행동을 실현하는 방법을 연구하는 연구 분야이다. 산업에서 AI의 궁극적 인 목표는 자율적으로 문제를 배우고 계획하고 해결할 수있는 컴퓨터를 만드는 것이다. AI는 반세기 이상 동안 연구되어 왔지만 모든 측면에서 인간처럼 지능적인 컴퓨터를 만들 수는 없다. 그러나 많은 성공적인 응용 프로그램이 있다. 어떤 경우에는 AI 기술이 장착 된 컴퓨터가 우리보다 훨씬 지능적 일 수 있다. 산업에서 AI의 주요 연구 주제로는 문제 해결, 추론, 계획, 자연어 이해, 컴퓨터 비전, 자동 프로그래밍, 기계 학습 등이 있다. 물론 이러한 주제는 서로 밀접한 관련이 있다. 예를 들어, 학습을 통해 얻은 지식은 문제 해결과 추론에 모두 사용될 수 있다. 실제로 문제 해결 기술은 학습을 통해 습득해야한다. 또한 문제 해결 방법은 추론과 계획에 유용하다. 또한, 패턴 인식 분야에서 개발 된 방법을 사용하여 자연어 이해와 컴퓨터 비전을 모두 해결할 수 있다. 이 코스에서는 산업에서 AI 이해에 대한 가장 기본적인 지식을 공부한다. 문제 해결을위한 지식 표현 및 추론, 패턴 인식, 퍼지 로직, 신경망 등 몇 가지 기본 검색 알고리즘을 학습한다. | |||||||||
| SFC5018 | 스마트팩토리융합기술세미나 | 3 | 6 | 전공 | 석사/박사 | 스마트팩토리융합학과 | 한 | Yes | |
| 본 교과목에서는 스마트팩토리 융합기술 분야에서의 최신 이슈와 지능정보 기술 적용과 관련된 전문지식을 외부 전문가들의 세미나를 통해 습득한다. 기존 제조업 환경에 클라우드/엣지컴퓨팅, IoT 센서 데이터, 디지털 트윈, AI 기반의 비전 및RPA 등의 스마트팩토리 융합기술을 결합해 데이터 가치 극대화, 운영 최적화, 통합 품질 관리 등을 구현하는 미래형 제조 시스템이 매우 중요하다. 본 교과목에서는 스마트팩토리에 대한 이해와 전망을 조명함은 물론 주요 융합기술을 분석하고 다양한 디지털 제조 시스템과 솔루션 개발을 위한 전략과 방법론을 학습한다. | |||||||||
| SFC5019 | 제조빅데이터분석 | 3 | 6 | 전공 | 석사/박사 | 스마트팩토리융합학과 | 한 | Yes | |
| 본 과목에서는 빅데이터 기술에 대한 전반적인 내용에 대해 다룬다. 먼저, 빅데이터 기술에 대한 기본 원리를 이해하고 현재 개발되고 있는 최신 기술들에 대해 학습한다. 빅데이터 기술의 기본 구조와 함께 핵심인 HDFS, 맵리듀스, NoSQL에 대한 기술적인 내용을 다룬 후, 실시간 빅데이터 처리 기술인 Storm, Kafka, Spark streaming 등의 최신 트렌드에 대해서도 학습한다. 또한 제조 분야에서 빅데이터 프로젝트를 구현하기 위하여 필요한 Machine Leaning 및 데이터 과학 등의 최신 기술도 학습한다. 마지막으로 조별 프로젝트를 통해 특정 제조 영역에서의 현실 문제를 해결하기 위한 빅데이터 시스템을 설계하고 구축 프로젝트를 진행한다. | |||||||||
| SFC5024 | 딥러닝기술응용 | 3 | 6 | 전공 | 석사/박사 | 1-4 | 스마트팩토리융합학과 | - | No |
| 이 코스는 실제 적용에 중점을 둔 딥러닝 기술과 이론을 소개한다. 고도로 매개변수화된 모델을 최적화하는 데 사용되는 개념 및 방법, 이를 구성하는 모듈 및 공통 신경망 아키텍처 등을 포함한다. 컴퓨터 비전에서 자연어 처리 및 의사 결정(강화 학습)에 이르는 응용 프로그램을 시연한다. 심층 프로그래밍 과제를 통해 학생들은 이러한 기본 구성 요소를 구현하는 방법과 인기 있는 딥러닝 라이브러리인 PyTorch를 사용하여 구성하는 방법을 배운다. 최종 프로젝트에서 학생들은 자신이 열정을 갖고 있는 문제와 함께 이러한 개념을 탐구함으로써 배운 내용을 실제 시나리오에 적용할 것이다. | |||||||||
| SPE5001 | 에너지ICT개론 | 3 | 6 | 전공 | 석사/박사 | 1-4 | 한 | Yes | |
| 본 교과목은 화력 발전 설비의 상태 감시 및 진단을 위한 센서와 사물인터넷(Internet of Things) 기술을 접목한 센서 네트워크 구축, 센서 네트워크를 통해 수집된 신호의 필터링, 변환, 특징요소 추출 신호처리 기법 등에 관하여 학습한다. 또한 고장예지 및 장비 건전성 진단(Prognostics and Health Management, PHM) 및 사이버 물리 시스템(Cyber-Physical System)의 개념에 대하여 소개하고 주요 핵심 기술을 적용한 기초 실습을 수행한다. | |||||||||
| SPE5005 | 플랜트CFD특론 | 3 | 6 | 전공 | 석사/박사 | 한 | Yes | ||
| 본 교과목에서는 전산유체역학(CFD)의 기초와 발전 설비에서의 응용을 이론과 실습을 통해 교육한다. CFD 기초는 지배방정식의 이산화와 경계조건, 난류와 복사 등 다양한 세부 모델을 학습하고, 상용 코드인 ANSYS Fluent를 이용하여 발전설비에서의 유동, 입자 거동, 연소 및 화학반응과 열전달을 해석하는 방법을 실습을 통해 학습한다. | |||||||||
| SPE5007 | 스마트발전공학세미나 | 3 | 6 | 전공 | 석사/박사 | - | No | ||
| 본 교과목에서는 발전 분야에서의 최신 이슈와 4차산업혁명 기술 적용과 관련된 전문지식을 외부 전문가들의 세미나를 통해 습득한다. 주제별 외부 전문가를 통해 최근의 전력 정책과 새로운 발전 설비 개발, 가상 플랜트, 인공지능 및 빅데이터 기술을 적용한 설비 최적화와 성능 예측 등 다양한 주제를 세미나를 통해 학습하고, 해외선진설비 견학을 통해 체험하게 된다. | |||||||||
| SPE5010 | 스마트발전공학석사논문연구1 | 3 | 6 | 전공 | 석사/박사 | 1-4 | 한 | Yes | |
| 본 교과목은 스마트발전공학과 석사 학위논문 작성을 위한 개별 논문연구를 수행하고 연구학점을 취득한다. 개별 논문 연구는 연구 수행을 위한 관련 기술 리뷰, 연구 방법론 수립, 실험 및 해석적 방법을 적용한 결과의 획득과 분석, 결론의 도출과 학위논문 작성을 포함한다. | |||||||||
| SPE5011 | 스마트발전공학석사논문연구2 | 3 | 6 | 전공 | 석사/박사 | 1-4 | 한 | Yes | |
| 본 교과목은 스마트발전공학과 석사 학위논문 작성을 위한 개별 논문연구를 수행하고 연구학점을 취득한다. 개별 논문 연구는 연구 수행을 위한 관련 기술 리뷰, 연구 방법론 수립, 실험 및 해석적 방법을 적용한 결과의 획득과 분석, 결론의 도출과 학위논문 작성을 포함한다. | |||||||||
| SPE5013 | 빅데이터플랜트응용 | 3 | 6 | 전공 | 석사/박사 | - | No | ||
| 본 교과목은 화력 발전 설비에 응용되는 빅데이터 기술을 다룬다. 화력발전 설비 내 다양한 센서와 계측을 통해 기록되는 방대한 자료로부터 유의미한 자료를 추출하는 데이터마이닝, 발전 효율과 오염물질 배출 등의 최적화와 기계학습 알고리즘을 이용한 설비 고장 진단, 수명 예측에 활용하기 위한 다양한 분석 기법을 학습한다. | |||||||||
| SPE5016 | 에너지4IR사례연구 | 3 | 6 | 전공 | 석사/박사 | - | No | ||
| 본 교과목은 발전 분야에 응용되는 4차산업혁명 기술을 다양한 사례 연구와 실습을 통해 학습하기 위한 것이다. 화력발전 플랜트 및 태양광, 풍력 등 신재생에너지 발전 설비의 고장 진단, 연소 및 환경설비 개선, 성능 예측 및 효율 향상 등에 활용되는 AI/딥러닝과 디지털플랜트 기술의 적용 사례에 대한 연구와 함께 실제 데이터를 이용한 실습을 수행한다. | |||||||||