성균관대학교 글로벌융합학부 | 전공소개 | 인공지능융합전공

교과목명을 클릭하시면 과정 설명을 볼 수 있습니다.

교육과정
학수번호	교과목명	학점	자기 학습 시간	영역	학위	이수 학년	비고	언어	개설 여부
DSC3028	데이터사이언스캡스톤프로젝트	3	6	전공	학사	4	데이터사이언스융합전공	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		데이터사이언스융합전공	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	데이터사이언스융합전공	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	데이터사이언스융합전공	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	데이터사이언스융합전공	-	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	데이터사이언스융합전공	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.
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.
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.
GCO2001	프로그래밍입문	3	6	전공	학사		글로벌융합학부	-	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.
GCO2002	인공지능개론	3	6	전공	학사		글로벌융합학부	-	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.
GCO2003	글로벌융합학부세미나	3	6	전공	학사	1-4	글로벌융합학부	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.
GCO2005	코딩테스트를대비한역량강화	3	6	전공	학사	1-4	글로벌융합학부	-	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.
GCO2006	심화독서	3	6	전공	학사	1-4	글로벌융합학부	-	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.
GCO2007	융합원론	3	6	전공	학사	1-4	글로벌융합학부	-	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.
GCO2008	인공지능가치평가	3	6	전공	학사	1-4	글로벌융합학부	-	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.
GCO2009	빅데이터처리	3	6	전공	학사	1-4	글로벌융합학부	-	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.
GCO2010	확률론	3	6	전공	학사	1-4	글로벌융합학부	-	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.