교과목명을 클릭하시면 과정 설명을 볼 수 있습니다.
| 학수번호 | 교과목명 | 학점 |
자기 학습 시간 |
영역 | 학위 |
이수 학년 |
비고 | 언어 |
개설 여부 |
|---|---|---|---|---|---|---|---|---|---|
| ADS5035 | 데이터기반보안과프라이버시 | 3 | 6 | 전공 | 석사/박사 | 1-8 | 데이터사이언스융합학과 | 한 | Yes |
| 해당 과목은 보안과 프라이버시 문제들에 있어서 데이터 및 빅데이터 분석 기법들이 어떤 역할을 하는지를 소개한다. 특히 난해한 보안 및 프라이버시 문제를 해결을 하는데 다양한 기계학습, 인공지능 및 빅데이터 분석 방법들이 어떻게 활용 되는지 소개한다. | |||||||||
| 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. | |||||||||
| CHS7004 | Python활용인문사회과학논문쓰기 | 3 | 6 | 전공 | 학사/석사/박사 | 도전학기(대학원) | 한 | Yes | |
| 논문을 쓰기 위한 과목으로 인문사회과학 영역의 연구를 위하여 빅데이터를 활용한 논문을 쓰기 위한 과정이다. 기본적으로 논문 쓰기 방법에 대한 학습을 하며, 논문을 위한 연구 방법론으로 프로그래밍 처리를 학습한다. 프로그래밍 언어 가운데 인문사회과학 관련 자료를 처리하기 가장 적합하며, 자료 시각화 기능이 뛰어난 파이선을 활용하여 논문 쓰는 법에 대하여 구체적으로 학습한다. 논문 작성을 위한 기본 적인 연구 방법론 및 논문 내용 구성에 대한 이론 강의가 우선 진행된다. 논문 작성을 위하여 주제 선정 및 토론이 진행된다. 주제가 선정되면 관련 연구 정리 방법에 대한 강의가 진행된다. 다음 과정으로 연구 방법론에 따라 필요한 내용 작성에 대한 학습이 진행된다. 제언 및 참고 문헌 정리 방법에 대하여 학습하여 이론적 접근법을 완성한다. 파이선 활용을 통한 자료 분석을 위하여 기본적인 파이선 문법에 대한 학습이 이루어지며, 입력 자료 처리를 위한 실습을 진행한다. 각 연구 분야에서 필요한 파이선 패키지 설치 방법 및 활용 방법에 대하여 학습한 후, 실제 데이터 처리에 대한 실습이 진행된다. 공동 연구 진행을 대비하여 쥬피터 노트북 (jupyter notebook) 사용법을 기본 환경으로 설정하여 분석할 수 있도록 학습한다. 자료 가시화를 위한 matplolib 활용법을 학습하며, 빅데이터 처리를 위한 pandas 활용을 학습한다. 이 과목의 목적은 각 전공 분야에 필요한 연구를 파이선 언어로 프로그래밍 구현을 실행하여 의미 있는 연구 결과를 도출하는 것이다. 이를 위하여 과정 기간 내에 논문 1편 완성을 목표로 한다. | |||||||||
| CHS7006 | 신인류AI사피엔스경험디자인 | 3 | 6 | 전공 | 학사/석사/박사 | 도전학기(대학원) | 한 | Yes | |
| "신인류 AI 사피엔스 경험 디자인" 교과목은 급변하는 디지털 환경에서 인공지능, 빅데이터, 디지털 플랫폼이 소비 행태와 시장 생태계에 미치는 영향을 분석하고, 이를 기반으로 신인류 ‘AI 사피엔스’ 시대에 적합한 경험 디자인 원리를 탐구하는 것을 목표로 한다. AI와 인간의 상호작용을 중심으로 사용자 경험(UX) 및 서비스 디자인 전략을 연구하여 기업과 사회가 변화에 대응할 수 있는 방향성을 제시한다. 이 교과목에서는 AI 발전이 소비심리 및 행동 변화에 미치는 영향을 살펴보고, AI 기반 시장 생태계 변화 및 디지털 전환 사례를 연구한다. 또한 AI 및 데이터 기반 UX/UI 디자인 개념과 사례를 분석하며, 챗봇, 음성인식, 추천 시스템 등 AI 기술을 경험 디자인에 적용하는 방법을 학습한다. 5G, 사물인터넷, 자율주행차, 스마트팩토리 등의 기술 발전과 경험 디자인의 변화를 탐구하며, AI 윤리, 프라이버시 보호, 인간 중심 설계 원칙에 대해서도 다룬다. 실습과 프로젝트 기반 학습을 통해 AI 기반 서비스 디자인 프로젝트를 수행하고, 실제 기업 사례를 분석하며 디자인 솔루션을 도출한다. 이를 통해 AI와 인간의 관계를 이해하고 새로운 사용자 경험을 설계하는 능력을 배양하며, AI 기반 서비스 및 제품 기획을 위한 창의적 사고력과 문제 해결 능력을 향상시킨다. 또한 디지털 전환 시대의 기업 및 사회가 요구하는 AI 경험 디자인 전문가를 양성하고, 혁신적인 비즈니스 모델과 마케팅 전략을 수립할 수 있는 역량을 강화하고자 한다. | |||||||||
| CHS7007 | AI기반미디어텍스트이해 | 3 | 6 | 전공 | 학사/석사/박사 | 도전학기(대학원) | 한 | Yes | |
| 이 교과목은 학생들이 인공지능(AI)을 활용하여 뉴스, 광고, 영화, 소셜미디어 등 다양한 미디어 텍스트를 분석하고 비판적으로 이해하는 능력을 기르는 것을 목표로 한다. 자연어 처리(NLP)를 통한 감성 분석, 키워드 추출, 요약 기술과 함께 CNN, GAN 등의 모델을 활용한 이미지·영상 데이터 해석 기술을 학습하며, AI 생성 콘텐츠의 신뢰성과 윤리 문제에 대한 고찰도 포함한다. 수업은 이론 강의와 실습을 병행하며, Python 기반 AI 모델(GPT, Gemini AI 등)을 활용한 분석 과제 및 프로젝트를 통해 실전 중심의 학습 경험을 제공한다. | |||||||||
| CHS7008 | AI기반전략적의사결정 | 3 | 6 | 전공 | 학사/석사/박사 | 도전학기(대학원) | 한 | Yes | |
| 본 과목은 생성형 AI를 활용하여 전략적 의사결정을 수행하는 고급 역량을 체계적으로 함양하는 것을 목표로 한다. 급변하는 기술 환경 속에서 단순한 데이터 분석 능력만으로는 한계가 존재하며, AI가 생성한 방대한 정보를 비판적으로 검토하고 이를 바탕으로 최적의 전략을 수립하는 능력이 필수적이다. 본 교과목은 바로 이러한 시대적 요구에 부응하여, 학생들이 AI를 단순한 도구가 아닌, 신뢰할 수 있는 협력자로 활용할 수 있도록 학습을 설계하였다. 본 과목에서는 먼저 AI의 기본 원리와 생성형 AI 시스템의 동작 메커니즘을 이해하고, AI가 제공하는 다양한 형태의 비정형 데이터(텍스트, 예측 결과 등)를 분석하는 방법을 배운다. 나아가 AI가 생성한 정보의 오류 가능성과 편향 문제를 식별하고, 신뢰성 평가 기준을 적용하여 올바른 의사결정을 내리는 훈련을 집중적으로 진행한다. 특히 AI 의사결정 과정의 윤리적 문제를 고려하고, 책임 있는 AI 활용 방안을 모색함으로써, 단순 기술 습득을 넘어 사회적 책임까지 아우르는 폭넓은 관점을 기를 수 있다. 이 과목은 단순한 데이터 분석 교육을 넘어, 인간과 AI의 협력 모델을 전략적으로 이해하고 실제 업무에 적용할 수 있도록 설계되었다. 기업 경영, 의료, 금융, 공공 정책 등 다양한 분야에서의 AI 기반 의사결정 사례를 심층적으로 분석하고, 학생들은 팀 프로젝트를 통해 AI 기반 전략적 문제 해결 과제를 수행한다. 이를 통해 실제 산업 및 공공 현장에서 요구하는 실질적 의사결정 역량을 갖추게 된다. 또한 본 교과목은 글로벌 교육 트렌드를 적극 반영하였다. MIT의 'Artificial Intelligence and Decision Making (Course 6-4)', Stanford의 'CS 372: Artificial Intelligence for Reasoning, Planning, and Decision Making', 카네기멜론대학교(CMU)의 'SDS 88436 - Human-AI Complementarity for Decision Making'과 같은 선진 대학 과정을 벤치마킹하여, 최신 흐름에 부합하는 교육 내용을 구성하였다. 이를 통해 국내외를 아우르는 글로벌 수준의 경쟁력을 확보할 수 있도록 지원한다. AI 기술은 앞으로 모든 산업과 사회 전반을 재편할 것이다. 본 과목은 이와 같은 변화를 선도할 인재를 양성하는 데 초점을 맞추었다. 학생들은 AI의 잠재력과 한계를 동시에 이해하고, 인간 중심적 사고를 기반으로 AI와 협력하여 전략적 결정을 이끌어내는 능력을 기른다. 나아가, 미래 사회의 복잡한 문제를 해결하고 조직을 혁신으로 이끄는 AI 기반 리더로 성장할 수 있는 토대를 다진다. 본 과목은 단순한 AI 활용법을 넘어, 전략적 사고와 혁신적 리더십을 갖춘 AI 활용 전문가 양성을 목표로 하는, 지금 이 시대에 가장 필요한 핵심 교과목이다. | |||||||||
| CLA7101 | AI를활용한언어데이터연구방법론 | 1 | 2 | 전공 | 학사/석사/박사 | 문과대학 일반대학원 | 한 | Yes | |
| 본 교과목(AI를 활용한 언어 데이터 연구방법론, AI-Assisted Research Methods for Linguistic Data)은 언어 데이터를 활용한 연구를 수행하고자 하는 학생을 대상으로, 연구 주제 탐색부터 데이터 수집·전처리·실험·시각화·논문 작성까지 실제 연구 전 과정을 생성형 AI 및 다양한 보조 도구와 함께 단계별로 실습하는 학석박 공통 교과목이다. 본 교과목 이수 후 수강생은 언어 데이터 연구의 전 과정을 독립적으로 수행할 수 있을 뿐 아니라, 각 단계에 적합한 다양한 AI 도구를 효율적으로 활용하고 그 결과물을 비판적으로 검토하여 연구에 주체적으로 활용하는 역량을 갖추게 된다. | |||||||||
| COV7001 | 논문작성법및연구윤리1 | 1 | 2 | 전공 | 석사/박사 | 일반대학원 성균융합원 | 한 | Yes | |
| 1) 논문작성의 전반을 소개하고, 논문작성의 필수적인 교양을 습득한다. 2) 연구 결과를 영어로 표현하는 효과적인 방법을 공부함으로써 향후 국내외학술지에 효율적으로 논문을 개제할 수 있도록 한다. 3) 연구 윤리를 습득한다. | |||||||||
| DAI4001 | 인공지능과프로그래밍 | 3 | 6 | 전공 | 학사/석사 | 인공지능융합학과 | - | No | |
| 본 강좌는 프로그래밍에 대한 지식이 없는 비전공자를 대상으로 인공지능 활용을 위한 프로그래밍 언어인 파이썬의 기본 개념을 이해하고 인공지능과 빅데이터 활용을 위한 패키지와 시각화, 실제 데이터 분석과 응용을 수행할 수 있는 능력을 함양한다. | |||||||||
| DAI5001 | 인공지능기초 | 3 | 6 | 전공 | 석사/박사 | 1-8 | 인공지능융합학과 | - | No |
| 인공지능은 사람의 지능과 인지 기능을 흉내낼 수 있는 정보처리 모델을 연구하는 분야이다. 인공지능의 근본적인 문제로서 경험적 탐색, 추론, 학습, 지식표현 방법에 관한 이론과 근본적인 계산학적 문제들을 다룬다. 논리 기반의 정리증명, 게임이론, 지능형 에이전트 등에 관해 다루며 신경망, 진화연산, 베이지안망의 기본 원리를 학습하고 이의 응용 사례로서 전문가시스템, 컴퓨터비전, 자연언어처리, 데이터마이닝, 정보검색, 바이오정보학 등의 분야에 대해 살펴본다. | |||||||||
| DAI5002 | 인공지능프로그래밍 | 3 | 6 | 전공 | 석사/박사 | 1-8 | 인공지능융합학과 | 한 | Yes |
| 본 강좌는 프로그래밍에 대한 지식이 없는 비전공자를 대상으로 인공지능 활용을 위한 프로그래밍 언어인 파이썬의 기본 개념을 이해하고 인공지능과 빅데이터 활용을 위한 패키지와 시각화, 실제 데이터 분석과 응용을 수행할 수 있는 능력을 함양한다. | |||||||||
| DAI5003 | 인공지능을위한수학 | 3 | 6 | 전공 | 석사/박사 | 1-8 | 인공지능융합학과 | 한 | Yes |
| 본 과목은 인공지능융합학과에 입학하는 신입생을 위해 인공지능을 이해하고 활용하는 데 필요한기초 수학/통계를 습득하는 과목으로 향후 인공지능을 자유롭게 활용하기 위한 통계적 토대가 되는 강좌이다. 즉, 본 과목을 통해 수강생이 머신러닝을 이해하는데 있어 필요한 수학을 프로그래밍과 연계하여 학습하는데 있다. 이를 위해 본 강의는, 대수학, 미적분학, 선형대수, 기하학과 같이 머신러닝 학습 및 강좌에 필수적으로 요구되는 내용을 다루고자 한다. | |||||||||
| DAI5004 | 고급머신러닝/딥러닝 | 3 | 6 | 전공 | 석사/박사 | 1-8 | 인공지능융합학과 | 한 | Yes |
| 본 강좌에서는 머신러닝과 딥러닝, 그리고 이와 관련된 최적화 기법들을 배우고, 기본적인 신경망에 대해서 학습한다. 그리고 영상 처리와 자연어 처리의 핵심 모델들은 CNN과 RNN의 이론과 활용, 적용에 대해 학습하고 실습을 수행한다. | |||||||||
| DAI5005 | 고급데이터마이닝 | 3 | 6 | 전공 | 석사/박사 | 1-8 | 인공지능융합학과 | - | No |
| 데이터 마이닝은 최근 빅데이터 분석을 위한 필수 도구로 많은 관심을 받고 있다. 특히 인공지능과 컴퓨터공학에서 고급 데이터 마이닝 알고리즘 및 분석 플랫폼을 설계하고 구현하는 기술을 학습하는 것은 빅데이터와 데이터 과학 분야에서 가치 있는 지식을 도출하는 데 핵심적인 역할을 한다. 본 과목은 이를 위한 컴퓨터공학, 데이터과학 기반 고급 기술, 알고리즘, 핵심 플랫폼을 다룬다. 또한 초대용량 데이터, 초고속 데이터 등을 효과적으로 분석하는 기법을 학습한다. | |||||||||
| DAI5006 | 고급자연어처리 | 3 | 6 | 전공 | 석사/박사 | 1-8 | 인공지능융합학과 | 한 | Yes |
| 본 수업은 온라인 수업으로 진행하고, 기말고사/발표 등 일부 수업을 오프라인으로 진행할 수 있다. 본 과목은 자연어를 입력으로 받아 전처리/분석하여 의미를 이해하고, 자연어를 출력하는 프로그램을 구현하는 것을 목표로 한다. 수업은 교수의 이론 설명과 학생들의 논문 발표로 이루어지며, 과제/발표 및 프로젝트 수행이 평가요소에 반영된다. 학생들은 본 수업을 수강하기 위하여 머신러닝과 딥러닝 기술을 이해하고 있어야 하며, 파이썬 프로그래밍 능력이 필수적으로 갖추고 있어야 한다. 수업의 내용은 자연어 전처리, NLTK 패키지 사용법, 단어 벡터 임베딩, 형태소 분석, 파싱, 머신러닝 기반 텍스트 분류/예측/생성 모델, 신경망 기반 언어 모델, NLP 응용 프로그램을 포함한다. | |||||||||
| DAI5007 | 융합서비스디자인프로세스 | 3 | 6 | 전공 | 석사/박사 | 1-8 | 인공지능융합학과 | - | No |
| 경제적/환경적/경험적 관점의 인간 가치에 대한 분석 및 모델링, 서비스 소비자 심리 및 행동 분석 등을 기반으로 서비스 수혜자, 제공자 등 서비스 관련자의 가치 주제 및 요소를 정의하고, 이들 가치를 견인하는 관련자 행위, 상호작용 및 터치포인트를 디자인한다. 특히 이들을 관련자의 종합적 경험으로 관리하는 서비스 디자인 과정 기반 프로세스를 팀-기반 프로젝트를 통하여 학습한다. 인공지능과 데이터마이닝과 관련된 지식을 기반으로 고객 데이터 분석을 어떠한 형태로 수행하고, 이에 따른 서비스 디자인을 어떠한 형태로 수행하는 지를 학습한다 (사전선수과목: 인공지능 기초, 고급데이터마이닝, 고급머신러닝/딥러닝). | |||||||||
| DAI5008 | 고급강화학습 | 3 | 6 | 전공 | 석사/박사 | 1-8 | 인공지능융합학과 | - | No |
| 강화 학습은 로봇공학, 게임, 소비자 모델링 등 광범위한 문제에 적용될 수 있는 대표적인 기계 학습 기법 중 하나이다. 본 수업에서는 강화 학습의 방법론으로 마르코프 의사결정 과정, 동적 프로그래밍에 의한 계획, 모델 프리예측, 모델 프리 제어, 가치 함수 근사, 정책 그레디언트, 학습과 계획, 탐구 및 탐사 등을 다루고자 한다. | |||||||||
| DAI5009 | 서비스마케팅과인공지능 | 3 | 6 | 전공 | 석사/박사 | 1-8 | 인공지능융합학과 | - | No |
| 서비스 마케팅 이슈에 대한 이론적, 실용적 이해를 제공함과 함께, 인공지능 기술의 마케팅 분야 활용이 서비스 마케팅에 어떠한 형태로 적용될 수 있는 지 다룬다. 특히, 서비스와 유형상품에 대한 차이를 이해하고 이 차이가 전략적 방향에서 어떠한 차이를 보이게 되는지를 알게 될 것이며, 서비스 마케팅의 역할을 정의하고, 그것의 핵심 개념을 토의하며, 고객 가치, 만족, 생산성, 그리고 질을 높일 수 있는 인공지능 기술의 기획을 경험한다. 그리고 이를 통해 서비스 비즈니스에서 경쟁적 우위를 가질 수 있게 해주는 요소가 무엇인지를 알게 되며, 그 요소를 바탕으로 인공지능 서비스를 디자인해본다. | |||||||||
| DAI5013 | 고급컴퓨터비전 | 3 | 6 | 전공 | 석사/박사 | 1-8 | 인공지능융합학과 | 영 | Yes |
| 컴퓨터비전은 최근 가장 빠르게 발전하는 인공지능의 한 분야로, 3차원 세계를 기록한 사진 및 동영상과 같은 시작정보들을 획득, 처리, 분석, 이해하는 데에 그 목적이 있다. 본 과목은 학부 컴퓨터비전과 관련한 기초적인 개념과 방법론 및 그 응용을 배운다. 본 과목에서 다루는 주제들은, 영상 처리 및 분할, 특징점 검출, 광학, 영상 추적, 사진기 모델, 3차원 복원, 인물 및 물체 인식과 검출 등을 포함한다. | |||||||||
| DAI5015 | 융합정보학이론 | 3 | 6 | 전공 | 석사/박사 | 1-4 | 인공지능융합학과 | - | No |
| 지금의 AI와 IT 산업을 연구하기 위해서는 IT 기술 및 서비스의 가장 기본 단위라 할 수 있는 “융합 정보”의 특성에 대한 정확한 이해가 필요하다. IT 연구를 위한 기본 강좌로서, 이 강좌에서는 융합 정보의 특성을 알아보고, 이를 바탕으로 융합 정보의 가격, 디지털 정보와 지적재산권 등 융합 정보에 대하여 다양하고 새로운 방향의 분석을 시도한다. | |||||||||
| DAI5016 | 전산사회과학 | 3 | 6 | 전공 | 석사/박사 | 1-8 | 인공지능융합학과 | - | No |
| 본 과목에서는 사회과학 문제를 computational한 방법으로 해결하기 위한 다양한 연구 주제에 대해 다룬다. 이를 위한 기계학습, 그래프 이론, 통계학 등 다양한 방법론에 대해 다루고, 각 방법론이 실제적인 문제에 어떻게 적용되는지에 대해 학습한다. 최신 연구들에 대한 리뷰를 통해 사회과학 문제에 대한 이해 및 해결을 위한 관련 소셜 데이터 수집, 분석, 모델링, 결과 분석 방법에 대한 실제에 대해 탐색한다. | |||||||||
| DAI5017 | 데이터사이언스컴퓨팅 | 3 | 6 | 전공 | 석사/박사 | 1-8 | 인공지능융합학과 | 한 | Yes |
| 본 강좌는 데이터사이언스와, 인공지능, 그리고 이를 위한 실제 프로그래밍에 대한 지식이 없는 대학원 진입자를 대상으로 인공지능 활용을 위한 프로그래밍 언어인 파이썬의 기본 개념을 이해하고 인공지능과 빅데이터 활용을 위한 패키지와 시각화, 실제 데이터 분석과 응용을 수행할 수 있는 능력을 함양한다. | |||||||||
| DAI5019 | 그래프마이닝및학습 | 3 | 6 | 전공 | 석사/박사 | 인공지능융합학과 | - | No | |
| 그래프는 다양한 종류의 관계를 표현할 수 있는 구조이다. 소셜네트워크, WWW, 전력망 등이 그래프로 표현될 수 있다. 본 과목에서는 먼저 그래프에 대한 분석 방법을 다양한 사례를 바탕으로 학습한다. 또한 그래프 구조를 학습하는 그래프 기계학습 방법에 대해 공부한다. 최신 그래프 학습 응용 사례들에 대해 토의한다. | |||||||||
| DBA5109 | 산업과문화크로스경영세미나 | 3 | 6 | 전공 | 석사/박사 | 경영학과 | - | No | |
| 로봇과 인공지능이 공장자동화와 연구실을 벗어나 경영 일선과 생활 깊숙한 곳까지 도입되고 있다. 본 과목에서는 로봇과 인공지능의 도입이 가져올 기업 경영과 업무 환경 변화에 대해서 다양한 관점을 통해 학습한다. 첫째, 도구로서의 기술이 아닌 동료로서의 기술로 변화하고 있는 로봇과 인공지능 연구의 최근 트렌드를 둘러보고 경영학적, 사회과학적 함의를 함께 논의한다. 특히, 로봇과 인공지능이 협동, 업무 프로세스, 의사결정, 창의성, 그리고 리더십 등에 가져올 변화에 대해서 생각해 본다. 둘째, 로봇과 인공지능을 통해 기업과 소비자의 관계가 변화하는 양상을 문화적 관점에서 조명한다. 광고와 대중 매체에서 로봇과 인공지능이 어떻게 다루어지는지 살펴본다. | |||||||||
| DIM5002 | 메타버스빅데이터분석 | 3 | 6 | 전공 | 석사/박사 | 실감미디어공학과 | - | No | |
| 본 과목은 다양한 메타버스 환경에서 산출되는 데이터의 수집, 분석, 예측, 그리고 함의 도출방안을 다룬다. 데이터 분석 기초, 메타버스 관련 데이터 분석에 관한 기존 연구 분석, 새로운 연구의 디자인 등을 포함할 수 있다. 영어강의를 원칙으로 함. 학생 발표 중심으로 수업 진행하나, 일부 내용은 강좌형태로 진행 가능. | |||||||||
| DIM5029 | 신뢰가능한AI | 3 | 6 | 전공 | 석사/박사 | 실감미디어공학과 | 한 | Yes | |
| 신뢰가능한 인공지능 이 수업은 사회적으로 책임 있는 AI를 만들어가고 사용하기 위해 고려되어야 할 문제들과 신뢰성 확보에 영향을 미치는 요소들을 살펴본다. 먼저, AI가 개인과 사회에 미치는 영향을 이해하기 위해 기본적인 윤리적, 법적, 사회적 문제들을 살펴본 다음, 신뢰할 수 있는 AI를 설계하고 구현하기 위한 핵심 원칙과 프레임워크를 알아본다. 또한, 데이터 편향, 알고리즘의 투명성, 설명 가능성, 인간의 감정을 기반으로 관계를 쌓고 신뢰를 쌓는데 영향을 미치는 주요 요소들을 검토한다. 학습자들은 실제 사례와 기존 연구를 통해 AI 개발 및 사용 과정에서 발생하는 복잡한 문제를 비판적으로 분석하고 해결 방안을 학제 간 접근 방식으로 모색한다. 이를 통해, 학생들에게 AI를 사회적 책임과 신뢰성을 갖추도록 디자인하는데 필요한 지식과 AI 사용에 대한 더욱 깊이 있는 이해를 제공한다. | |||||||||
| 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. | |||||||||
| ESW4025 | 인공지능윤리 | 3 | 6 | 전공 | 학사/석사 | 소프트웨어학과 | - | No | |
| 현재 인공지능의 발전으로 사회 곳곳에서 이들을 만날 수 있다. 하지만 인공지능은 윤리적인 판단을 스스로 내릴 수 없는 amoral이다. 그렇기에 인공지능으로 인해 나오는 여러 윤리적인 문제를 이해하고 해결해야하는 것이 지금 그리고 미래의 과제이다. 본 과목에서는 인공지능이 가지는 윤리적인 문제와 원인 그리고 해결책에 대해 살펴볼 것이다. 먼저 인공지능에 대해 간략히 배운 후 그들이 가지는 윤리적인 문제를 살펴볼 것이다. 이들은 크게 데이터, 알고리즘, 어플리케이션으로 나눠 볼 수 있어 이를 각각 살펴볼 것이다. 그 후 이러한 문제에 대한 원인을 살펴볼 것이다. 더해서 분석한 문제와 원인을 바탕으로 실제 이를 해결하는 알고리즘 및 사례를 살펴볼 것이다. | |||||||||
| HAI4001 | 양자계산과양자기계학습기초 | 3 | 6 | 전공 | 학사/석사 | 1-4 | 한 | Yes | |
| 이 기초 강좌는 양자계산과 양자기계학습의 기본 원리, 주요 실험 및 응용에 대한 포괄적인 개요를 제공합니다. 학생들은 양자역학과 계산의 풍부한 상호작용을 탐구하며, Qiskit이라는 파이썬 기반의 양자컴퓨팅 프레임워크를 사용한 이론적 이해와 실습 구현 모두에 능숙해질 것입니다. 이 강좌는 선형대수학과 그것이 양자계산에서 수행하는 중요한 역할에 대한 철저한 탐구로 시작됩니다. 학생들은 벡터 공간, 행렬, 선형 변환의 기본 개념을 이해하게 되어 양자 상태와 연산을 이해하는 기초를 다질 것입니다. 그 후, 학생들은 양자물리학의 두 가지 주요 실험인 스턴-게를라흐 실험과 마흐-젠더 실험을 조사할 것입니다. 이러한 실험들은 양자역학 자체의 중요성뿐만 아니라 양자계산에 대한 깊은 의미 때문에 설명됩니다. 이론적 기초를 바탕으로 강의는 양자 회로를 기반으로 하는 양자계산의 필수 개념을 다룹니다. 주제에는 양자 비트(큐비트), 양자 게이트, 양자 병렬 처리가 포함됩니다. 강의, 토론, 실습을 통해 학생들은 양자 회로의 기본 원리와 고유한 기능을 이해할 것입니다. 마지막으로, 양자계산과 기계학습의 융합인 양자기계학습의 최근 발전을 논의합니다. 우리는 몇 가지 양자 강화된 고전 기계학습 알고리즘을 논의하여 양자기계학습 접근법의 잠재적 이점과 한계에 대한 통찰력을 제공합니다. 이 강의는 Qiskit을 사용한 실습 구현을 강조합니다. 프로그래밍 과제를 통해 학생들은 양자 알고리즘을 구현하고 성능을 분석하며 양자 회로 설계 및 시뮬레이션에 대한 능숙함을 얻을 것입니다. 이 강의를 마치면 학생들은 양자계산에 대한 기본적이면서도 포괄적인 이해를 갖추게 되며, 이 급속히 발전하는 분야에서 더 나아가 탐구하고 연구할 수 있는 이론적 지식과 실습 기술을 갖추게 될 것입니다 | |||||||||