발전기금
교과목명을 클릭하시면 과정 설명을 볼 수 있습니다.
| 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 | 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 | 영 | 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 | Yes |
| 경영전략은 변화하는 경영환경 속에서 기업이 어떻게 생존과 발전을 할 것인가를 다룬다. 본 과목에서는 경영전략의 수립과 실행이라는 이슈에 중점을 둔다. | |||||||||
| 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. | |||||||||
| EME3031 | 최적설계 | 3 | 6 | 전공 | 학사 | 2-4 | 기계공학부 | 영 | 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 | 한 | 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 | 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. | |||||||||
| ERC2007 | 공학수치해석 | 3 | 6 | 전공 | 학사 | 2-3 | 공과대학 | 한,영 | 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 | Yes |
| 동 과목은 기술경영에 관한 다양한 이론과 실제적 응용을 다룬다. 주요내용은 기술혁신과정의 분석, R&D전략, 창조성관리, 특허관리, R&D프로젝트 계획수립, 시장분석, 기술가치평가, 기술계약, 기술관리임. | |||||||||
| ERC2010 | 공학기초수학1 | 3 | 6 | 전공 | 학사 | 공과대학 | 한,영 | 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 | 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 | - | No | |
| 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. | |||||||||
| ERC2013 | 기계와인간그리고지능 | 3 | 6 | 전공 | 학사 | 공과대학 | - | No | |
| 역사는 당대의 시대가 맞닥뜨린 과제를 극복하는 과정이다. 인간은 기계를 만들어 대응하며 비로소 지구 생명체와 구분되기 시작했다. 따라서 문명은 기계의 역사라고 부를 수 있다. 이처럼 인류는 기계와 공존하며 기계 인류의 시대를 만들어왔고, 이제는 기계 학습이 만들어낸 생각하는 기계, 즉 인공지능을 마주하고 있다. 이 강의에서는 역사 속의 기계가 어떻게 오늘의 산업을 만들었는지 돌아보고, 이렇게 형성된 오늘날 기계 인류의 시대가 앞으로 어떤 방향으로 전개될 지 통찰하는 시간을 갖도록 한다. | |||||||||
| ERC2014 | 공과대학전공입문 | 2 | 4 | 전공 | 학사 | 1-2 | 공과대학 | - | No |
| 이 과목은 공학계열과 자유전공계열 신입생들을 대상으로, 다양한 공학 전공 분야에 대한 체계적인 탐색 기회를 제공하는 전공입문형 세미나입니다. 학생들은 본 과목을 통해 공과대학 내 여러 학과(화학공학, 신소재공학, 기계공학, 건설환경공학, 시스템경영공학, 나노공학, 양자정보공학 등)의 학문적 배경, 주요 연구 분야, 교육 목표, 산업 응용 사례 등을 폭넓게 이해하게 됩니다. 각 주차별로 해당 전공 소속 교수진이 직접 강의에 참여하여, 학과의 교육과정, 연구실 구성, 졸업 후 진로, 산학 협력 사례 등을 소개함으로써, 학생들이 자신의 적성과 진로 목표에 부합하는 전공을 선택할 수 있도록 돕습니다. 또한 다양한 공학 분야 간의 연계성과 융합 가능성에 대한 인식을 높여, 공학적 사고력과 문제 해결 역량의 기반을 형성할 수 있도록 설계되어 있습니다. 이 과목은 전공 선택에 앞서 학문적 방향성과 진로 설계를 모색하는 데 중요한 기초를 제공하며, 향후 공학 교육 전반에 대한 학습 동기와 주체적 태도를 형성하는 데 중점을 둡니다. | |||||||||
| ERC3001 | 글로벌캡스톤디자인 | 3 | 6 | 전공 | 학사 | 3-4 | 공과대학 | 한 | 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 | 한 | Yes |
| 공학연구프로젝트 교과목은 우수학부생들에게 공과대학 각 부문의 최근 연구분야에 대하여 소개한다. | |||||||||
| ERC3003 | 공학연구프로젝트Ⅱ | 2 | 4 | 전공 | 학사 | 2-4 | 공과대학 | 한 | Yes |
| 공학연구프로젝트 교과목은 우수학부생들에게 공과대학 각 부문의 최근 연구분야에 대하여 소개한다. | |||||||||
| ERC3004 | 공학연구프로젝트Ⅲ | 2 | 4 | 전공 | 학사 | 2-4 | 공과대학 | 한 | Yes |
| 공학연구프로젝트 교과목은 우수학부생들에게 공과대학 각 부문의 최근 연구분야에 대하여 소개한다. | |||||||||
| ERC3005 | 공학연구프로젝트Ⅳ | 2 | 4 | 전공 | 학사 | 2-4 | 공과대학 | 한 | 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. | |||||||||
| ERC3013 | 기술사업화캡스톤디자인 | 3 | 6 | 전공 | 학사 | 공과대학 | - | No | |
| 기술 및 공학 관련 아이디어를 지식재산권으로 보호하고 이를 실제 사업화(기술이전 등)까지 연계시킬 수 있는 전략을 설계하는 이론 및 실습으로 구성된다. | |||||||||
| ERC3014 | 공학과인공지능 | 3 | 6 | 전공 | 학사 | 공과대학 | 한 | Yes | |
| 본 교과목에서는 공학도를 위하여 인공지능의 다양한 측면에 대해 학습한다. 인공지능은 활용분야 및 전공분야에 따라 정의와 적용기법 등이 상이하다, 이에 본 과목에서는 공학과관련된인공지능의 다양한 정의와 기본 개념 및 방법론에 대해 학습한다. 일반적으로 인공지능은 지식기반시스템(knowledge-based system 또는 symbolic approach)과 계산지능시스템(computational intelligent system)으로 나누어진다. 전자는 전문가로부터 지식을 수집해 시스템을 개발하며 후자는 과거 데이터를 이용해 지능을 모델로 계산한다. 본 교과목에서는 규칙기반시스템(RBS), 검색알고리즘, RBS의 불확실성, 퍼지시스템 등과 같은 지식기반 시스템과 인공신경망, 심층신경망 및 유전자 알고리즘과 같은 계산지능시스템의 방법론을 학습한다. 이 과정은 실용적일 뿐만 아니라 이론적인 과정이기도 하다. 실용적인 지식을 얻기 위해 학생들은 지식기반 및 계산기반 AI를 위한 프로토타입 시스템을 제작할 수 있다. 과제수행을 위해 학생들은 개별적으로 또는 그룹으로 작업해야 한다. 또한 학생들의 지식과 능력은 사례연구, 프로젝트, 대화식토론, 중간 및 기말 시험을 통해 평가한다. | |||||||||
| ERC3015 | 기업가정신과창업전략 | 1 | 2 | 전공 | 학사 | 3-4 | 공과대학 | - | No |
| 이 수업에서는 각 기업의 전문가들이 창업에 대한 아이템 및 방향성을 제시하며, 4차산업에 맞는 아이템 구현 및 스마트기술의 구성 요소에 대하여 함께 분석하고 그와 관련된 창업 아이템을 탐구하는 형식으로 진행이됩니다. 융합IT 사례 연구를 통해 학생들은 최근의 기술과 트랜드 이해를 도우며,지식 재산과 창업 역량을 기르는데 목표로 하고 있습니다. 수업태도, 기말과제 및 개인 레포트 제출을 통하여 강의 이해도를 평가하게 됩니다. | |||||||||
| ERC3016 | 공학연구프로젝트Ⅴ | 2 | 4 | 전공 | 학사 | 2-4 | 공과대학 | 한 | Yes |
| 공학연구프로젝트 교과목은 우수학부생들에게 공과대학 각 부문의 최근 연구분야에 대하여 소개한다. | |||||||||
| ERC3017 | AI시대의에너지전략과원자력 | 3 | 6 | 전공 | 학사 | 공과대학 | 한 | Yes | |
| 본 교과목은 산업혁명부터 AI 시대까지 에너지와 산업 발전의 역사를 살펴보고, 에너지 안보와 탄소중립 시대의 국가 에너지 전략을 탐구한다. 특히 대한민국 산업화와 첨단산업 성장 과정에서 원자력이 수행한 역할과, 미래 전력 수요에 대응하기 위한 원자력, 재생에너지, 수소, SMR, 핵융합 등의 가능성을 이해한다. 이를 통해 학생들은 에너지 기술뿐 아니라 산업, 경제, 정책을 아우르는 통합적 시각을 함양하고 미래 에너지 시스템과 국가 발전 전략을 조망할 수 있는 역량을 갖추게 된다. | |||||||||
| 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. | |||||||||