교과목명을 클릭하시면 과정 설명을 볼 수 있습니다.
학수번호 | 교과목명 | 학점 |
자기 학습 시간 |
영역 | 학위 |
이수 학년 |
비고 | 언어 |
개설 여부 |
---|---|---|---|---|---|---|---|---|---|
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. | |||||||||
GCO2001 | 프로그래밍입문 | 3 | 6 | 전공 | 학사 | - | No | ||
비전공 학생들이 쉽게 컴퓨터 프로그래밍 언어를 습득하는 것을 목표로 한다. 다양한 프로그래밍 언어 중에서 가장 쉽게 배울수 있는 언어를 선택해서 플로우 챠트(flowchart)를 그리는 방법과 플로우 챠트를 언어로 변환할 수 있는 문법을 배운다. 따라서, 해당 학기마다 프로그래밍 언어가 변경될 수 있다. 본 과목은 비전공 학생들이 컴퓨터공학을 배우기 위한 브릿지 과목으로 사용된다. | |||||||||
GCO2002 | 인공지능개론 | 3 | 6 | 전공 | 학사 | - | No | ||
비전공 학생들이 쉽게 인공지능개론을 습득하는 것을 목표로 한다. 인공지능을 이해하는 데 필요한 확률·집합론 등의 수학 이론부터 인공지능 논리와 실생활 예제까지 전반적인 내용을 배운다. 다양한 실생활 예제를 통해 인공지능 시스템들의 원리와 특징을 알아보고 해결 과정을 살펴보고 배우는 것을 목표로 한다. | |||||||||
GCO2003 | 글로벌융합학부세미나 | 3 | 6 | 전공 | 학사 | 1-4 | 한 | Yes | |
글로벌융합학부에서 제공하는 다양한 융복합 교육과정을 미리 체험하는데 목표를 둔다. 본 수업에는 글로벌융합학부 재직 교원들이 매주 새로운 융복합 주제를 가지고 강의를 펼치며, 학생들과 개방적 인터랙션을 통해 융복합의 의미를 새기고 체험할 수 있도록 한다. | |||||||||
GCO2005 | 코딩테스트를대비한역량강화 | 3 | 6 | 전공 | 학사 | 1-4 | - | No | |
코딩테스트에 대비한 다양한 문제사례를 경험하여 실제 취업에 도움이 될 수 있는 skill set을 갖추도록 한다. 단순히 취업을 위한 코딩테스트 준비가 아니라 그동안 배워온 코딩과 기계학습, 딥러닝에 관한 지식을 실전문제를 통해 심화하는데 목표를 둔다. | |||||||||
GCO2006 | 심화독서 | 3 | 6 | 전공 | 학사 | 1-4 | - | No | |
학교/교수가 추천하는 도서와 학생 본인이 희망하는 도서를 50%씩 리스트에 포함시켜 한 권 한 권 읽으며 독서의 기쁨을 느끼고 지적충만을 경험하게 한다. 교양에서의 독서과목과 차별화 하기 위해 blog에 독후감 essay 쓰기, 소셜미디어상 비디오 게재 등의 기록을 하도록 한다. 가능하다면 학교/교수 추천과목은 미래, 4차산업혁명 등 신 기술과 그 사회적 영향 관련 서적 등을 포함한다. | |||||||||
GCO2007 | 융합원론 | 3 | 6 | 전공 | 학사 | 1-4 | - | No | |
이 과목에서는 융합이 생겨나게 된 기본 원리를 공부하고, 융합 제품/융합 서비스가 가지고 있는 기존의 제품/서비스와는 다른 특성을 공부한다. 이 과목은 컴퓨터 기술에서부터 인문사회 영역까지, 융합을 공부하는 그야말로 융합된 과목이 될 것이다. | |||||||||
GCO2008 | 인공지능가치평가 | 3 | 6 | 전공 | 학사 | 1-4 | - | No | |
인공지능은 개발자 측면에서뿐만 아니라 사용자 측면에서도 평가되어야 하며, 본 수업에서는 인공지능의 기술들을 세분화하고 그 세분화된 기능들이 사용자들에게 어떻게 평가될 수 있는지 그 방법론을 배움으로서 향후 사용자에게 더 큰 가치를 제공할 수 있는 인공지능을 만드는데 도움을 주고자 한다. | |||||||||
GCO2009 | 빅데이터처리 | 3 | 6 | 전공 | 학사 | 1-4 | - | No | |
본 교과목에서는 R이라는 프로그래밍언어를 활용하여 다양한 데이터타입, 종류 및 사이즈별 데이터분석하는 방법론을 학습하고 결과를 해석하는 방법을 배운다. 특히, 데이터사이즈가 큰 경우 분산시스템에서 데이터분석을 효율적으로 처리하고 개인 혹은 팀별 관심있는 연구주제로 연구를 확장하는 방법론을 학습한다. 문제별 필요시 머신러닝, 딥러닝 및 강화학습을 활용하여 R로 구현하여 문제해결최적화 방법을 경험하는 것을 목표로 한다. | |||||||||
GCO2010 | 확률론 | 3 | 6 | 전공 | 학사 | 1-4 | - | No | |
Combinatoril analysis (Counting, Sample space, Event, Prob. 등) - 기초수학의 개념이 되는 조합론 및 Axioms of Prob. (확률의 기본 성질, 공리, 집합과의 연관성등)에 대해서 깊게 학습하고 중요한 예제는 파이썬으로 구현하는 실무능력을 키우는 것을 목표로 한다. 또한, 머신러닝 및 인공지능의 추론에서 필요한 Axioms of Prob.를 바탕으로 Conditional Prob. (조건부 확률) 및 Bayes's Formula(베이즈 공식)을 깊게 배우고 베이지안 네트워크(Bayesian Network)로 확장해봄으로써 확률론과 고급기계학습간의 연관성을 학습해본다. Random variable(확류변수)의 정의, 종류, Expectation, Limit Theorems등을 배우고 인공지능 및 머신러닝 응용 간단 사례에서 활용하여 확장해보는 팀별 과제를 수행해본다. | |||||||||
GCO2011 | 기계학습입문 | 3 | 6 | 전공 | 학사 | 1-4 | 한 | Yes | |
수업내용: 확률기반 모델, 베이지안 네트워크, Genetic Algorithm, SVM, DT 등 기본적인 머신러닝 알고리즘을 이론을 통해 배움 수업진행방법: 70%의 pre-recorded video와 30%의 실시간 수업(온or오프)을 이용하여 먼저 video 강의를 시청한 후, 실시간 수업을 통해 질의응답 등 필요한 수업 활동으로 진행함 | |||||||||
GCO2012 | 딥러닝기초및실습 | 3 | 6 | 전공 | 학사 | 1-4 | - | No | |
수업내용: 퍼셉트론, MLP, 딥뉴럴네트워크의 구조와 이슈들을 배우고, 라이브러리를 통해 실습과 프로젝트를 진행해봄 수업진행방법: 70%의 pre-recorded video와 30%의 실시간 수업(온or오프)을 이용하여 먼저 video 강의를 시청한 후, 실시간 수업을 통해 질의응답 등 필요한 수업 활동으로 진행함 | |||||||||
GCO2013 | 인공지능과윤리 | 3 | 6 | 전공 | 학사 | 1-4 | - | No | |
이 과목은 학생들로 하여금 인공지능 시스템을 개발하면서 개발자나 연구자나 겪을 수 있는 윤리적/도덕적 이슈들을 실제 사례들을 통해 소개하고, 이러한 이슈들에 대해 고민해 볼 수 있는 기회를 제공하는 데 목표를 둔다. 향후 인공지능 시스템이 사회 전반에 다양한 영향을 미칠 수 있다는 점을 고려하여, 윤리적/도덕적 쟁점을 간과할 때 나타날 수 있는 문제점을 논의한다. 또한, 인공지능 시스템의 객관성을 맹신하는 경우에 야기될 수 있는 문제들에 대해서 생각해볼 시간을 갖는다. 또한 윤리적인 인공지능 시스템 개발이 사회적 공공선을 실현하는 데 어떠한 기여를 할 수 있을지를 생각해보도록 하고자 한다. | |||||||||
GCO2014 | 정치커뮤니케이션데이터분석실습 | 3 | 6 | 전공 | 학사 | 1-4 | - | No | |
디지털 미디어 기술과 커뮤니케이션의 발달로 시민들의 직접적인 정치 참여가 가능해지고 있다는 점에서, 데이터사이언스와 인공지능 기술을 활용하여 온라인 공간에서의 정치 현상을 분석하려는 시도가 늘어나고 있다. 이러한 점에서 본 과목은 학생들로 하여금 현실 세계에 존재하는 다양한 형태의 데이터를 분석하여 현대 사회의 정치 커뮤니케이션 행위에 관한 이해를 높이려는 목표를 가지고 있다. 본 수업에서는 실제 온라인 공간의 다양한 데이터를 수집/분석하는 기회를 통해 데이터사이언스 및 인공지능 시스템 개발자로서 필수적으로 갖춰야할 리서치 스킬을 키우는 기회를 제공하고자 한다. | |||||||||
GCO3001 | 글로벌융합현장실습1 | 2 | 4 | 전공 | 학사 | - | No | ||
전공학습을 통해 습득한지식을 적용할 수 있는 능력을 갖추기 위하여 관심분야 현장에서 갖는 실습강좌 (2주 이상) | |||||||||
GCO3002 | 글로벌융합현장실습2 | 3 | 6 | 전공 | 학사 | 한 | Yes | ||
전공학습을 통해 습득한지식을 적용할 수 있는 능력을 갖추기 위하여 관심분야 현장에서 갖는 실습강좌 (5주 이상) | |||||||||
GCO3003 | 글로벌융합현장실습3 | 3 | 6 | 전공 | 학사 | - | No | ||
전공학습을 통해 습득한 지식을 적용할 수 있는 능력을 갖추기위하여 관심분야 현장에서 갖는 실습강좌 (5주 이상) | |||||||||
GCO3004 | 글로벌융합현장실습4 | 6 | 12 | 전공 | 학사 | 한 | Yes | ||
전공학습을 통해 습득한 지식을 적용할 수 있는 능력을 갖추기 위하여 관심 분야 현장에서 갖는 실습강좌 (9주간 이상) | |||||||||
GCO3005 | 글로벌융합학부캡스톤프로젝트 | 3 | 6 | 전공 | 학사 | 영 | Yes | ||
본수업에서는인공지능의활용, 데이터사이언스의 활용, 컬쳐 앤 테크놀로지를주제로팀프로젝트를수행합니다.수강신청에앞서반드시담당교강사와주제를먼저상담해야하고,학생의관심주제와교강사의지도주제가잘부합될때수강하도록합니다.본연구의주요결과물은인공지능, 데이터사이언스, 컬쳐 앤 테크놀로지를활용한서비스/시스템개발,관련작품의프로토타입제작,논문작성,오픈소프트웨어출시를목표로합니다. | |||||||||
GCO3006 | 융합전공의진로설계와역량계발 | 3 | 6 | 전공 | 학사 | 3-4 | - | No | |
융합전공의 경우 방법론적, 기술적 역량(skill set)을 갖췄다는 장점이 있지만, 의식적으로 이론적 기반을 갖추지 않으면 자칫 기술만 갖춘 인재가되기 쉽다. 성균관대의 강한 인문적 전통의 기반 위에 방법론적 수월성과 이론적 깊이를 갖춘 인재로 성장하게 되면, 어떤 경력을 추구할 수 있는지 배우고 그러한 경력에 필요한 기초 역량을 함양한다. |