교과과정

인공지능전공

교육목표

인공지능학과는 인공지능(AI), 소프트웨어&시스템, 데이터분석, AI응용기술 분야의 전문가 양성을 목표로 합니다.

1. 인공지능 핵심 기술을 깊이 있게 이해하고 적용할 수 있는 AI 엔지니어 및 개발자 육성
2. 소프트웨어와 시스템에 대한 폭넓은 지식을 갖춘 전문가 양성
3. 빅데이터 처리 및 분석 능력을 갖춘 데이터 분석 전문가 육성
4. AI 로봇 및 AI 응용 기술 개발 능력을 갖춘 전문가 양성
5. 실무 중심의 프로젝트 경험을 통한 현장 적용 능력 강화

수업계획

1. 단계적 학습 구조:
   • 1-2학년: 기초 과목 중심 (예: 인공지능개론, 파이썬프로그래밍, 데이터구조 등)
   • 3-4학년: 심화 및 응용 과목 중심 (예: 딥러닝, 협동로봇활용, 머신러닝시스템 등)
2. 트랙별 체계적 교육:
   • 인공지능핵심: 기계학습, 딥러닝, 컴퓨터비전, 자연어처리 등
   • 소프트웨어&시스템: 운영체제, 컴퓨터구조, 클라우드컴퓨팅 등
   • 데이터분석: 빅데이터기초, R프로그래밍, 지능형시스템 등
   • AI응용기술: 로보틱스기초, 협동로봇활용, 게임프로그래밍 등
3. 실무역량 강화:
   • 3-4학년에 걸쳐 캡스톤디자인 1-4를 연속적으로 진행
   • 산업체 연계 프로젝트 및 인턴십 기회 제공
4. 최신 기술 동향 반영:
   • 정기적인 커리큘럼 업데이트를 통해 신기술 및 산업 요구사항 반영
   • 차세대인공지능 등의 과목을 통해 최신 AI 기술 학습

차별화전략

1. 통합적 AI 교육 체계:
   • 인공지능 핵심 기술부터 응용, 시스템, 데이터 분석까지 아우르는 종합적 교육 제공
   • 5개 트랙(인공지능핵심, 소프트웨어&시스템, 데이터분석, AI응용기술, 실무역량)을 통한 체계적 학습
2. 실무 중심 프로젝트 교육:
   • 4학기에 걸친 캡스톤디자인 과목을 통해 지속적인 프로젝트 기반 학습 실시
   • 협동로봇활용, 머신러닝시스템 등 실무 지향적 과목 제공
3. 융합 기술 교육:
   • AI와 로보틱스, 게임, HCI 등 다양한 분야와의 융합 기술 교육
   • 멀티모달생성형인공지능, 3D엔진 등 최신 기술 트렌드를 반영한 과목 제공
4. 단계적 심화 학습:
   • 학년별로 기초에서 심화까지 체계적으로 학습할 수 있는 커리큘럼 구성
   • 각 트랙별로 기초부터 고급 과정까지 단계적 학습 가능
5. 산학 연계 교육:
   • 산업체 요구사항을 반영한 커리큘럼 구성
   • 실제 산업 문제 해결을 위한 프로젝트 중심 학습

교과로드맵

교과목개요

• 인공지능과사회

  인공지능의 사회적 영향과 윤리적 문제를 다룬다. AI 기술의 발전이 사회, 경제, 문화에 미치는 영향을 분석하고, AI 활용에 따른 윤리적 딜레마와 해결 방안을 모색한다.

• 인공지능수학

  AI에 필요한 수학적 기초를 학습한다. 선형대수, 확률론, 최적화 이론 등 AI 알고리즘의 수학적 기반을 다루며, 실제 AI 문제에 적용하는 방법을 익힌다.

• 기초파이썬코딩

  Python 프로그래밍의 기초를 학습한다. 변수, 제어문, 함수, 객체지향 프로그래밍 등 Python의 핵심 개념을 다루며, AI 관련 라이브러리 사용법도 익힌다.

• 정보보안개론

  정보 보안의 기본 개념과 원리를 학습한다. 암호화, 네트워크 보안, 시스템 보안 등 다양한 보안 기술을 다루며, AI 시스템의 보안 이슈도 함께 고려한다.

• 인공지능개론

  AI의 기본 개념, 역사, 주요 기술 분야를 소개한다. 기계학습, 신경망, 자연어처리, 컴퓨터비전 등 AI의 핵심 영역에 대한 기초적인 이해를 제공한다.

• 언어모형과자연어처리

  자연어처리의 기본 개념과 언어모델의 원리를 학습한다. 텍스트 분석, 기계번역, 감성분석 등 자연어처리의 다양한 응용 분야를 다루며, 최신 언어모델 기술을 소개한다.

• 확률통계의기초

  확률론과 통계학의 기본 개념을 학습한다. 확률 분포, 추정, 검정 등 데이터 분석에 필요한 통계적 방법론을 다루며, AI와 머신러닝에서의 활용 방법을 익힌다.

• 빅데이터기초및실습

  빅데이터의 개념과 처리 기술을 학습한다. Hadoop, Spark 등 빅데이터 플랫폼과 데이터 분석 기법을 실습하며, AI와 빅데이터의 연계 방안을 탐구한다.

• 기계학습

  기계학습의 기본 원리와 알고리즘을 학습한다. 지도학습, 비지도학습, 강화학습 등 다양한 학습 방법론과 실제 적용 사례를 다루며, 실습을 통해 실무 능력을 키운다.

• 컴퓨터비전

  디지털 이미지 처리와 분석의 기본 원리를 학습한다. 이미지 인식, 객체 검출, 얼굴 인식 등 컴퓨터 비전의 주요 응용 분야를 다루며, 최신 딥러닝 기반 비전 기술을 소개한다.

• 신호및시스템

  신호 처리와 시스템 이론의 기초를 학습한다. 디지털 신호 처리, 주파수 분석, 필터 설계 등을 다루며, AI 시스템 설계에 필요한 기본 지식을 제공한다.

• R프로그래밍

  R 언어를 이용한 데이터 분석 기법을 학습한다. 데이터 처리, 시각화, 통계 분석 등 R의 주요 기능을 실습하며, 머신러닝 알고리즘 구현에도 활용한다.

• 계산과학

  수치해석, 시뮬레이션 등 과학적 계산 방법을 학습한다. AI 알고리즘의 수학적 기반을 이해하는 데 필요한 지식을 제공하며, 복잡한 AI 모델의 최적화 기법을 다룬다.

• 운영체제

  컴퓨터 운영체제의 구조와 원리를 학습한다. 프로세스 관리, 메모리 관리, 파일 시스템 등 OS의 핵심 기능을 다루며, AI 시스템 운영에 필요한 OS 지식을 제공한다.

• 데이터구조

  기본적인 데이터 구조와 알고리즘을 학습한다. 배열, 연결 리스트, 트리, 그래프 등의 자료구조와 관련 알고리즘을 다루며, AI 알고리즘 구현에 필요한 효율적인 데이터 구조 설계 방법을 익힌다.

• 패턴인식

  데이터로부터 패턴을 인식하고 분류하는 기법을 학습한다. 통계적 패턴인식, 신경망 기반 패턴인식 등 다양한 방법론을 다루며, AI 시스템의 핵심 기술로서의 패턴인식 응용을 탐구한다.

• 음성인식및합성

  음성 신호 처리, 음성 인식, 음성 합성의 기본 원리를 학습한다. 음성 기반 AI 시스템 개발에 필요한 이론과 실습을 진행하며, 최신 딥러닝 기반 음성 처리 기술을 소개한다.

• 객체인식추적

  컴퓨터 비전에서 객체를 인식하고 추적하는 기술을 학습한다. 실시간 객체 탐지, 다중 객체 추적 등의 고급 기술을 다루며, 로봇 비전, 자율주행 등의 응용 분야를 탐구한다.

• 로보틱스기초

  로봇 공학의 기본 원리를 학습한다. 기구학, 동역학, 제어 이론 등 로봇 설계와 제어에 필요한 기초 지식을 다루며, AI와 로보틱스의 융합 기술을 소개한다.

• AI보안

  AI 시스템의 보안 취약점과 대응 방안을 학습한다. 적대적 공격, 프라이버시 보호 등 AI 특유의 보안 이슈를 다루며, 안전하고 신뢰할 수 있는 AI 시스템 개발 방법을 탐구한다.

• 딥러닝

  심층 신경망의 구조와 학습 알고리즘을 학습한다. CNN, RNN, GAN 등 다양한 딥러닝 모델과 그 응용을 다루며, 실제 프로젝트를 통해 딥러닝 모델 설계 및 구현 능력을 키운다.

• 알고리즘

  컴퓨터 알고리즘의 설계와 분석 방법을 학습한다. 정렬, 검색, 그래프 알고리즘 등 기본적인 알고리즘부터 AI에 사용되는 고급 알고리즘까지 다루며, 효율적인 AI 시스템 구현 능력을 키운다.

• 멀티모달생성형인공지능

  텍스트, 이미지, 음성 등 다양한 모달리티를 통합하여 처리하고 생성하는 AI 기술을 학습한다. 최신 멀티모달 AI 모델과 그 응용을 다루며, 창의적인 AI 시스템 개발 능력을 키운다.

• 협동로봇활용

  인간과 협력하여 작업을 수행하는 협동 로봇의 원리와 응용을 학습한다. 로봇 프로그래밍, 안전 설계, 인간-로봇 상호작용 등을 다루며, AI 기반 로봇 제어 시스템 개발 능력을 키운다.

• 지능형시스템

  AI 기반의 지능형 시스템 설계와 구현 방법을 학습한다. 전문가 시스템, 의사결정 지원 시스템 등 다양한 지능형 시스템을 다루며, 실제 산업 분야에서의 AI 시스템 응용을 탐구한다.

• 딥러닝자연어처리

  딥러닝 기반의 자연어처리 기술을 학습한다. 트랜스포머, BERT 등 최신 언어모델과 그 응용을 다루며, 대화 시스템, 질의응답 시스템 등 고급 NLP 응용 개발 능력을 키운다.

• 클라우드컴퓨팅

  클라우드 컴퓨팅의 개념과 기술을 학습한다. 가상화, 분산 컴퓨팅, 클라우드 서비스 모델 등을 다루며, 대규모 AI 시스템의 클라우드 기반 구축 및 운영 방법을 익힌다.

• 게임프로그래밍

  게임 개발에 필요한 프로그래밍 기법을 학습한다. 게임 엔진 활용, 그래픽스 프로그래밍, AI 게임 에이전트 개발 등을 다루며, AI 기술을 활용한 게임 개발 능력을 키운다.

• 지능형HCI와UX

  인공지능을 활용한 인간-컴퓨터 상호작용(HCI) 설계와 사용자 경험(UX) 최적화 방법을 학습한다. AI 기반 인터페이스 설계, 사용자 모델링, 적응형 시스템 개발 등을 다룬다.

• 머신러닝시스템

  실제 환경에서 머신러닝 모델을 설계, 구현, 배포하는 방법을 학습한다. MLOps, 모델 최적화, 대규모 머신러닝 시스템 구축 등을 다루며, 산업 현장에서의 AI 시스템 운영 능력을 키운다.

• 3D엔진

  3D 그래픽스 엔진의 구조와 원리를 학습한다. 렌더링, 애니메이션, 물리 시뮬레이션 등 3D 엔진의 핵심 기능을 다루며, AI 기술을 활용한 3D 콘텐츠 생성 및 처리 방법을 익힌다.

• 개인화AI신호처리

  사용자 맞춤형 AI 신호 처리 기술을 학습한다. 개인화된 음성 인식, 이미지 처리 등 AI 기반의 신호 처리 응용을 다루며, 적응형 신호 처리 시스템 개발 능력을 키운다.

• 차세대인공지능

  최신 AI 기술 동향과 미래 전망을 다룬다. 양자 컴퓨팅, 뉴로모픽 컴퓨팅 등 차세대 AI 기술을 소개하며, AI의 미래 발전 방향과 잠재적 영향에 대해 탐구한다.

• 캡스톤디자인1-4

  학부 과정에서 배운 지식을 종합하여 실제 프로젝트를 기획, 설계, 구현하는 과정을 4학기에 걸쳐 진행한다. 산업체 연계 프로젝트를 통해 실무 경험을 쌓으며, AI 시스템 개발의 전 과정을 경험한다.