발전기금
교과목명을 클릭하시면 과정 설명을 볼 수 있습니다.
| 학수번호 | 교과목명 | 학점 |
자기 학습 시간 |
영역 | 학위 |
이수 학년 |
비고 | 언어 |
개설 여부 |
|---|---|---|---|---|---|---|---|---|---|
| DSC2017 | 지식그래프 | 3 | 6 | 전공 | 학사 | 2-4 | - | No | |
| 본 수업은 데이터 표현방식의 하나인 지식그래프의 디자인, 구축, 활용방안 등에 대해 폭넓게 다룬다. 이외에 국내외의 다양한 지식그래프 사용의 성공사례로부터 의미적 데이터관리의 효율적인 방법의 중요성을 배운다. | |||||||||
| DSC2018 | 데이터베이스모델링 | 3 | 6 | 전공 | 학사 | 1-2 | - | No | |
| 국내 및 해외 정보서비스 기관과 제공 데이터베이스분야별 종류 및 주제내용을 연구하며, 데이터베이스 관리시스템과 검색시스템 및 인터페이스 처리 등을 다룬다. | |||||||||
| DSC2019 | 수치적데이터분석방법 | 3 | 6 | 전공 | 학사 | 2-3 | 영 | Yes | |
| 이 수업은 기계 학습과 데이터 분석의 측면에서 근간이 되는 수치적 방법을 다루고 있습니다. 이 수업은 수 체계, 반복법에 의한 선형 방정식의 해결, 선형 시스템을 해결하기 위한 직접 방법, 보간, 스플라인 피팅, 커브 피팅, 기계 학습 모델, 수치 적분, 미분 방정식 및 확률 이론의 기본개념과 같은 데이터 분석을 위한 수치적 방법의 주요 주제를 다루는 입문 수업입니다. 이 수업을 통하여 학생들은 데이터로부터 이해하고 나아가 결정을 도출하기 위하여 필요한 수치적 접근 방식을 사용할 수 있는 능력을 갖추게 될 것입니다. | |||||||||
| DSC2020 | 통계및확률개론 | 3 | 6 | 전공 | 학사 | 2-3 | 영 | Yes | |
| 이 수업은 과학 및 공학분야에서 응용을 강조하는 확률 및 통계학 입문 수업입니다. 이 수업은 과학 및 공학분야의 관찰 및 실험 연구에서 생산되는 데이터를 수집하고, 분석하고, 추론하는 것은 물론이고 이와 관련된 다양한 통계적 도구를 다루고 있습니다. 이 수업의 목표는 확률의 개념에 대한 소개를 제공하고 통계적 추론에 대한 기본을 제공하는 것입니다. | |||||||||
| DSC3001 | 빅데이터분석실습 | 3 | 6 | 전공 | 학사 | 3-4 | - | No | |
| 이 수업은 빅데이터를 저장하고, 조작하고, 분석하는 데 필요한 핵심기술과 통계분석법인 R과 기계학습의 핵심방법론도 함께 다룰 것이다. 이 수업은 비정형 데이터를 SQL과 같은 방법으로 접근할 수 있는 도구들을 다룰 것이다. 이 수업에서는 데이터의 IO 스피드, 데이터 일관성, 대용량으로 변환시킬 기능과 같은 핵심역량의 관점에서 다양한 NoSQL 저장 솔루션에 대한 분석도 수행할 것이다. 또한 이 수업은 실시간 데이터 분석을 가능케 하는 데이터베이스와 스트리밍 기술을 배울 것이다. 이 수업을 통해서 학생들은 대량 비정형 데이터를 수용, 저장, 분석할 수 있는 시스템 설계법을 습득하게 될 것이다. | |||||||||
| DSC3002 | 데이터시각화실습 | 3 | 6 | 전공 | 학사 | 3-4 | 영 | Yes | |
| 본 수업에서는 데이터 시각화 와 관련된 제반 원리 및 이론을 학습하고, 데이터시각화 관련 애플리케이션을 사용해 다양한 시각화 작업 경험을 습득한다. 특히 인문학적 소양을 활용할 수 있는 데이터 스토리텔링이라는 관점에서 수업을 설계한다. 데이터 시각화와 관련된 제반 원칙 및 이론을 학생들에게 제시하고 경험적인 차원에서 다양한 시각화 실습 기회를 제공한다. 특히 세계 최고 수준의 시각화 애플리케이션을 활용하여 복잡, 대용량 데이터를 이용자 요구 및 의사결정 상황에 적절하게 대응하는 시각화 전략을 개발, 실행하는 구체적인 경험을 통해 실무에서의 적용성을 높이고자 한다. 데이터시각화 기법을 전수하는 것에 머무르지 않고 인문학적 소양을 활용할 수 있는 데이터 스토리텔링이라는 관점에서 수업을 설계한다. | |||||||||
| DSC3004 | 디지털인문학 | 3 | 6 | 전공 | 학사 | 3-4 | - | No | |
| 디지털 인문학이란 정보기술(Information Technology)의 도움을 받아 새로운 방식으로 수행하는 인문학 연구와 교육, 그리고 이와 관계된 창조적인 저작활동을 지칭하는 말이다. 이것은 전통적인 인문학의 주제를 계승하면서 연구 방법 면에서 디지털 기술을 활용하는 연구, 그리고 예전에는 가능하지 않았지만 컴퓨터를 사용함으로써 시도할 수 있게 된 새로운 성격의 인문학 연구를 포함한다. 이 수업에서는 전통적인 인문학의 연구과정에 편집, 저장, 분석, 추출, 시각화 등의 정보기술을 융합하는 방법론을 다룬다. 본 과목은 데이터사이언티스트가 갖추어야 할 상당한 수준의 사회, 철학적인 이론적 지식을 갖추고, 아울러 인문학적 컨텐츠의 편집, 저장, 분석, 추출, 시각화를 위한 방법론을 체계적으로 다룸으로써, 컨텐츠를 기획하고 제작할 수 있는 기본 소양을 제공하고자 한다. | |||||||||
| DSC3008 | 의료정보시스템실습 | 3 | 6 | 전공 | 학사 | - | No | ||
| 이 강의는 의학 및 건강 관련 데이터의 주요특징, 표준 및 관리를 비롯하여 건강정보기술의 발달로 인한 최근 이슈들, 특히, 모바일 건강 및 의료 기술, 의학정보학, 보건정보학, 의료품질향상전략, 온라인 의학정보자원 및 의학정보검색, 영상의학기술, 그리고 질병데이타 관리 및 레지스트리에 관하여 논한다. 의학 및 건강 정보 데이터베이스를 활용하기 위해, 펍메드 (PubMed)와 씨날 (CINAHL)을 실습한다. | |||||||||
| DSC3009 | 데이터마이닝실습 | 3 | 6 | 전공 | 학사 | 3-4 | 영 | Yes | |
| 이 수업의 목적은 학생들에게 데이터마이닝의 다양한 방법론을 체득시키는 것이며, 그 방법론을 활용하여 문제의 핵심파악과 해결능력을 배양시키는 것이다. 이 수업은 실용적이고 효율적이며 통계적으로 입증된 데이터마이닝 기술을 활용하여 소비자의 요구에 부응하는 새로운 사실의 발견과 그것과 연관된 유용성을 예측할 능력을 배양시킬 것이다. 이 수업은 실습 위주로 진행되며, 학생들은 아주 복잡한 데이터마이닝 비즈니스 시장을 순항하는데 필요한 직관력을 배양할 기회를 얻게 될 것이다. | |||||||||
| DSC3011 | 응용머신러닝 | 3 | 6 | 전공 | 학사 | 3-4 | 영 | Yes | |
| 본 수업은 핵심 머신러닝 과제, 알고리즘과 실제의 머신러닝 프로젝트에서 꼭 필요한 기술들을 다룬다. 학생들은 주요한 머신러닝 과제인 분류, 군집화, 회귀분석과 이러한 과제 들에서 널리 쓰이는 알고리즘에 대해 배운다. 알고리즘에 대한 기본 이론뿐만 아니라 실습을 통하여 알고리즘의 실제 응용에 대해 학습한다. 실제 머신러닝 프로젝트에서 매우 중요한 부분인 데이터 전처리, 차원 축소, 모델 평가 등에 대해서도 다룬다. 모든 실습은 파이썬 기반의 오픈 소스 머신러닝 패키지로 진행된다. | |||||||||
| DSC3012 | 소셜데이터실습 | 3 | 6 | 전공 | 학사 | 3-4 | - | No | |
| 이 수업에서는 소셜미디어를 분석하는 방법론에 대한 기본 개념과 실시간 소셜데이터를 다루기 위해서 필요한 실제적인 기술을 배울 것이다. 수업의 주요목적은 학생들이 소셜미디어 데이터를 잘 이해하고 그것을 분석할 수 있도록 하는 것이다. 학생들은 실습을 통해 소셜데이터 분석에 필요한 온톨로지를 효과적이고 효율적으로 구축하는 방법을 배우게 될 것이다. 더 나아가, 이 수업에서 콘텐츠 분류기인 SAS Enterprise와 같은 분석소프트웨어를 사용할 수 있는 기본 기능을 습득할 것이다. 또한 학생들은SAS ECC(텍스트 분석 솔루션) 설계와 주어진 분석주제에 대한 데이터 관리를 할 수 있는 기본개념을 배우게 될 것이고, 마지막으로 SAS ECC 데이터에 관한 분석 결과를 바탕으로 마케팅에 대한 이해를 도출하고, 이러한 분석을 바탕으로 관리자들의 의사결정에 도움을 줄 통찰력보고서(Insight Report)를 작성하고 발표할 능력을 배양하게 될 것이다. | |||||||||
| DSC3013 | 딥러닝개론 | 3 | 6 | 전공 | 학사 | 3-4 | - | No | |
| 이 과목은 딥러닝의 기초 지식을 배우고 실용적 기술을 습득하는 것을 목표로 하고 있으며 딥러닝의 기본 구성 요소인 신경망에 대해 소개한다. 학생들은 출력 레이어(fully connected layer), 컨볼루션 레이어 및 리커런트 레이어와 같은 서로 다른 측면을 고려한 딥신경망을 구축하는 실습을 한다. 또한 컨볼루션 신경망 (CNNs)과 리커런트 신경망(RNNs)과 같은 주요 딥러닝 기술에 대해 토론한다. TensorFlow, PyTorch, Keras와 같은 최첨단 프레임워크를 사용한 딥신경망 훈련 과제는 학생들이 딥러닝 기술을 갖춘 데이터사이언티스트가 되기 위한 준비과정이다. 이 수업을 듣는 학생들은 프로그래밍 (Python / R), 선형 대수학 및 미적분학, 그리고 머신러닝에 대한 기본 지식을 가지고 있어야 한다. | |||||||||
| DSC3021 | 인공지능개론 | 3 | 6 | 전공 | 학사 | 영 | Yes | ||
| 이 과목은 초보자를 위한 인공지능의 기본 개념과 지능형 에이전트와 같은 현대 인공지능의 기초적인 학습을 목표로 하며 문제 해결을 탐구하고 검색 개념을 소개할 뿐만 아니라 논리 및 계획과 같은 지식 표현과 추론의 기본 사항을 탐구한다. 빠르게 성장하는 인공지능의 한 분야인 기계학습(머신러닝)에 관해 배우며 자연어 처리, 시맨틱 웹, 로봇 공학 및 컴퓨터 비전의 기초, 합리적인 에이전트와의 의사 소통, 인식 및 행동을 결정짓는 주제에 대해 공부한다. 이 과목은 입문 과정으로써 인공지능 학습을 시작하고자 하는 모든 사람들에게 적합하며 학생들은 최소한의 프로그래밍만으로 과제를 수행할 수 있다. | |||||||||
| DSC3023 | 글로벌데이터사이언스캠프 | 3 | 6 | 전공 | 학사 | - | No | ||
| 이 수업을 통해 학생들은 교수의 지도 아래 해온 I-School 자매학교를 방문하여 수업 및 기업 탐방을 통해 문헌정보학 및 데이터사이언스 이론과 현장 실무 역량을 개발한다. | |||||||||
| DSC3024 | 위치기반데이터분석 | 3 | 6 | 전공 | 학사 | - | No | ||
| 이 수업을 통해 학생들은 지리정보시스템 및 이의 활용에 대해 학습한다. 지리정보시스템은 지리 형태에 관한 데이터를 수집, 저장하고 이를 분석, 가공하여 관련 응용 분야에 활용할 수 있는 정보를 제공하는 시스템을 말한다. 학생들은 다양한 지리 기반 데이터를 지리정보시스템 및 관련 시스템을 통해 분석하는 것을 학습한다. | |||||||||
| DSC3025 | 응용자연어처리 | 3 | 6 | 전공 | 학사 | 2-4 | - | No | |
| 본 수업은 자연어처리의 기본 이론과 응용에 대해 다룬다. 자연어 분석, 이해, 생성 등의 이론과 기술에 대해 다루며 파이썬을 이용하여 자연어처리기술을 여러가지 분야에 응용하는 방법을 다룬다. | |||||||||
| DSC3026 | 응용시계열분석 | 3 | 6 | 전공 | 학사 | 2-4 | 영 | Yes | |
| 본 수업은 시계열 데이터를 분석하기 위한 시계열분석기법에 대해 다룬다. 시계열 데이터의 전처리, 저장 및 분석을 위한 통계학적 모델, 기계학습, 및 응용분야에 대해 다룬다. | |||||||||
| DSC3027 | 응용네트워크분석 | 3 | 6 | 전공 | 학사 | 2-4 | - | No | |
| 본 수업은 그래프/네트워크 형태의 데이터를 분석하기 위한 기법인 네트워크분석에 대해 다룬다. 네트워크 분석 이론과 알고리듬, 네트워크의 계량적 분석, 소셜네트워크 분석 등 응용분야를 다룬다. | |||||||||
| DSC3028 | 데이터사이언스캡스톤프로젝트 | 3 | 6 | 전공 | 학사 | 4 | 한 | Yes | |
| 본 수업은 학생들이 데이터사이언스 학문적 지식을 응용하여 현실사회에 존재하는 문제를 해결하는 능력을 키우는 것을 목표로 한다. 현실사회문제를 학생들이 직접 찾아내고 데이터 기반의 해결방법을 제시하고 제시한 해결방법을 구현하고 평가한다. | |||||||||
| DSC3029 | 데이터마케팅 | 3 | 6 | 전공 | 학사 | 한 | Yes | ||
| 데이터사이언스 개론은 데이터에 대한 기초적인 이해를 바탕으로 데이터를 활용한 사회 여러 프로젝트 개발에 대한 지식을 함양하고 실전에 적용해 보는 과목이다. 데이터 수집, 분석, 큐레이션, 저장, 사용에 대한 정의와 주요 개념, 이론적 모델과 함께 데이터사이언스 관련 프로젝트들을 조사하여 경험하고 데이터 사용에 있어 윤리적, 사회적, 기술적 가치에 대해 토론한다. 데이터마케팅 최신 트렌드와 업무현장의 마케팅 프로젝트 수행 결과를 기반으로 데이터마케팅에 대해 이해하고, 마케팅 각 프로세스에서 발생하는 데이터의 종류와 특징, 활용방안을 학습. - 최신 데이터마케팅의 트렌드를 알고, 소비자 분석을 할 수 있다. - Digital 채널에서 발생하는 소비자 행동 데이터를 알고 이를 수집/분석 할 수 있다. - 각 디지털 채널 별로 보다 효과적인 콘텐츠의 유형을 알고 효과 분석을 할 수 있다. - 데이터 분석을 적용하여 성과를 측정하고, 마케팅 전략을 도출 할 수 있다. | |||||||||
| DSC3032 | 딥러닝1:이미지처리 | 3 | 6 | 전공 | 학사 | 3-4 | 영 | Yes | |
| 이 강의는 딥러닝, 특히 이미지 처리에 대한 실무적 기술을 제공하는 것을 목표로 한다. 딥 러닝은 AI 혁명과 데이터 과학의 핵심이다. 딥 러닝의 기본 구성 요소인 신경망(NNs)과 tensors에 대한 소개로 시작한다. Google Colaboratory 환경에서 Python-based libraries와 PyTorch framework를 사용하여, 학생들은 간단한 NNs에서 심화 NNs으로 코딩하는 방법을 배운다. 이를 통해 학생들은 패션 아이템을 분류하고, 손으로 쓴 숫자를 인식하고, 개와 고양이의 이미지를 구별할 수 도 있다. 이미지 처리를 위한 다층 퍼셉트론, 컨볼루션 신경망(CNNs), VAEs 및 GANs과 같은 Deep learning architectures를 탐구할 것이다. 또한 대표적인 데이터 세트(MNIST, CIFAR-10 등)와 잘 알려진 모델(Inception v3, AlexNet 등)을 사용하여, 딥 러닝 모델을 훈련하는 실제 과제는 필요한 기술 능력을 파악하는 데 도움이 될 것이다. 학생들은 Python에 대한 기본 지식과 AI/머신 러닝에 대한 기본 지식을 갖추게 될 것으로 예상된다. | |||||||||
| DSC3033 | 딥러닝2:자연어처리 | 3 | 6 | 전공 | 학사 | 3-4 | 영 | Yes | |
| 이 강의는 자연어 처리(NLP)에 대한 실무적 기술을 제공하는 것을 목표로 한다. 자연어는 우리 일상의 언어뿐 아니라 텍스트 데이터 형태의 디지털 플랫폼, 모든 곳에서 사용된다. NLP는 오늘날 혁신적이고 빠르게 진화하는 분야이다. PyTorch 및 Hugging Face와 같은 최신 기술을 사용하여 학생들은 딥 러닝 모델에 적용되기 전에 먼저 텍스트 데이터가 사전 처리되고 준비되는 방법을 배운다. 순환 신경망(RNN), Sequence2Sequence 및 Transformers와 같은 NLP용 Deep learning architectures에 대해 자세히 살펴볼 것이며, 감정 분석, 기계 번역 및 텍스트 완성과 같은 NLP 작업은 실습 및 과제에서 구현된다. 학생들은 Python에 대한 훌륭한 실무 지식과 딥 러닝의 기초(예: 딥러닝 1 수강)가 있어야 한다. | |||||||||
| DSC3036 | NoSQL데이터베이스 | 3 | 6 | 전공 | 학사 | 3-4 | - | No | |
| 이 과목의 주 목적은 빅데이터를 처리하기 위해서 새로 개발된 비정형데이터베이스(NoSQL)의 전반적인 내용을 다루는 것이다. 본 과목에서 학생들은 NoSQL의 기원과 다른 데이터베이스에 비해서 어떤 특성을 지니고 있는지, NoSQL의 핵심개념, NoSQL을 개발하기 위해서 사용된 다양한 데이베이스 기술에 대해서 배울 것이다. | |||||||||
| DSC3037 | 관계형데이터베이스 | 3 | 6 | 전공 | 학사 | 3-4 | 영 | Yes | |
| 이 수업을 통해 학생들은 데이터베이스 관리 및 설계의 기본 원리와 실행에 대해 학습한다. 특히 관계형 데이터베이스의 설계, 노멀라이제이션, SQL 쿼리, 보고서 및 데이터베이스의 데이터와 도큐멘테이션과 같은 인터페이스에 대해 학습한다. | |||||||||
| 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. | |||||||||
| 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. | |||||||||
| 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. | |||||||||