교과목명을 클릭하시면 과정 설명을 볼 수 있습니다.
학수번호 | 교과목명 | 학점 |
자기 학습 시간 |
영역 | 학위 |
이수 학년 |
비고 | 언어 |
개설 여부 |
---|---|---|---|---|---|---|---|---|---|
CHS5003 | 에이전트모델링을활용한소셜시뮬레이션 | 3 | 6 | 전공 | 석사/박사 | 도전학기(대학원) | - | No | |
우리가 살아가고 있는 세상(system)은 물리적 환경(environment)과 그 안에서 행동하는 일종의 객체인 행위자(agent)로 구성되어 있다. 각각의 행위자는 어떠한 기준에 따라 스스로 판단하고 행동하며, 이들 구성요소 간의 상호작용을 통해 다양한 현상을 보인다. 행위자 기반 모델링을 통한 시뮬레이션은 이러한 형태의 사회적 현상들을 모델링하기 위해 활용되며, 교통, 공중보건, 국방 등 다양한 분야에서 활용되고 있다. 본 과목에서는 기초 통계, 소셜 시뮬레이션의 기본 구성단위인 인구에 대한 모델링 (인구생성), 행위자 기반 모델링 방법론, 감염병 확산 분석 등을 중심으로 이론 및 연구사례를 통해 소셜 시뮬레이션의 개념과 사례를 익히는 것을 목표로 한다. | |||||||||
CHS5006 | 3D프린팅최적화및성능평가 | 3 | 6 | 전공 | 석사/박사 | 1-4 | 도전학기(대학원) | - | No |
3D 프린팅 응용분야 관련 시장의 활성화가 느리지만 최근 항공 우주산업 분야에서 다시 활용이 진지하게 검토되고 외국에선 이미 진행중인 3D 프린팅 적층 과정을 이해하고 최적화기법과 실시간 데이터 분석을 통한 적층 프로세스의 성능평가와 최적화 이론을 배우고 금속 3D DED 방식의 실제 데이터를 분석하여 교과과정에서 습득한 이론의 실제 사용을 배우고 검증한다. 또한 데이터 분석에 deep learning과 machine learning을 적용하는 실습을 병행한다. | |||||||||
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. | |||||||||
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. | |||||||||
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. | |||||||||
ERC5002 | 국제융복합연구특론1 | 3 | 6 | 전공 | 석사/박사 | 1-8 | 공과대학 일반대학원 | 한 | Yes |
주 목표: 공과대학의 혁신분야를 연구하고 있는 석사/박사/석박사과정 학생들의 해외 파견 및 국제공동연구를 통한 융복합 연구 결과 도출 및 국제 네트워크 형성, 글로벌 신진연구인력으로 성장하는 것을 목표로 함 세부 목표: 국제 공동네트워크를 통한 융복합 공동연구, 글로벌 연구역량 제고, 글로벌 네트워크 구축 | |||||||||
ERC5003 | 국제융복합연구특론2 | 3 | 6 | 전공 | 석사/박사 | 1-8 | 공과대학 일반대학원 | 한 | Yes |
주 목표: 공과대학의 혁신분야를 연구하고 있는 석사/박사/석박사과정 학생들의 해외 파견 및 국제공동연구를 통한 융복합 연구 결과 도출 및 국제 네트워크 형성, 글로벌 신진연구인력으로 성장하는 것을 목표로 함 세부 목표: 국제 공동네트워크를 통한 융복합 공동연구, 글로벌 연구역량 제고, 글로벌 네트워크 구축 | |||||||||
ERC5005 | 공학필수머신러닝 | 3 | 6 | 전공 | 석사/박사 | 공과대학 일반대학원 | - | No | |
본 과목은 인공지능과 머신러닝에 대한 관심 증가에 따라, 딥러닝 이외의 머신러닝 기법들을 수리적으로 설명하여 학생들이 이를 이해하고 올바르게 활용할 수 있도록 하는 것을 목표로 한다. Imbalanced Learning, Bayesian Neural Networks, Monotonic Neural Networks, Neural Additive Models, Gaussian Process, Ensemble Learning, Expectation and Maximization, Neighbor Embedding 등에 대해 학습하며, 본 과목을 통해 학생들은 머신러닝 관련 논문을 더 쉽게 이해하고, 각자의 전공 분야에서 실제 공학 문제를 해결할 때 이러한 기법들을 올바르게 활용할 수 있도록 한다. | |||||||||
ERC7001 | 메타버스플랫폼이해와활용 | 3 | 6 | 전공 | 학사/석사/박사 | 공과대학 일반대학원 | 한 | Yes | |
본 과목은 메타버스를 구성하는 기술요소의 이해와 주요 플랫폼 및 관련 기기에 대한 체험 실습을 바탕으로 메타버스 기반의 비즈니스 혹은 서비스 기획 능력을 갖추도록 하는 교육을 주목적으로 한다. 각 기술구성요소의 특징과 용도에 대한 이해와, 주요 서비스들의 사례 연구, 체험을 통한 사용자 관점의 장단점 파악 기회가 주어지며, 나아가 메타버스 서비스 활용과 개선에 대한 창의적 아이디어를 도출하는 능력을 배양하게 된다. | |||||||||
ERC7002 | NFT이해와활용 | 3 | 6 | 전공 | 학사/석사/박사 | 공과대학 일반대학원 | 한 | Yes | |
본 과목은 NFT의 개념과 기반 기술, 관련 디지털 경제 생태계, NFT프로젝트 들의 사례에 대한 이해와 NFT제작 및 판매 실습을 바탕으로 NFT를 활용한 비즈니스 혹은 서비스 기획 능력을 갖추도록 하는 교육을 주목적으로 한다. NFT의 기반 기술인 블록체인과 암호화폐, 그리고 기존 주요 적용 대상인 디지털아트, 디지털애셋 등에 대한 기초적인 이해과정이 포함되어 있으며, 주요 프로젝트 사례와 법률적 고려사항, 시장 분석 요령, 기술 트렌드에 대한 학습을 통해 향후 폭넓은 활용에 대한 창의적 아이디어를 도출하는 능력을 배양하게 된다. | |||||||||
ERP4001 | 창의심화탐구 | 3 | 6 | 전공 | 학사/석사 | 교무팀 교육연구 | 한 | Yes | |
이 과목은 교육을 중심으로 하는 연구를 병행하는 교과목으로서, 연구수행능력을 일정 수준 갖춘 학사과정생들을 중심으로 창의적인 아이디어를 도출하고, 학사과정생이 자율적으로 연구할 수 있는 기회를 확대하고자 설계되었다. 학생들은 과학기술 분야를 중심으로 한 인문사회, 문화예술 분야의 융합과 통섭을 기반으로 과학적 탐구력과 창의적 문제해결역량 신장에 적합한 창의 주제 탐구 수행한다. 또한 본 과목은 학제간 융합주제에 대한 교육-탐구설계-수행-논문지도-결과발표에 이르는 전 과정을 포함하고 있다. | |||||||||
ESM4002 | 확률모형론 | 3 | 6 | 전공 | 학사/석사 |
3-4
1-4 |
- | No | |
불확실성이 포함된 일반적인 모형들을 다룬다. 확률론 및 확률과정론에 기초한 모델링 기법과 분석을 배운다. | |||||||||
ESM4005 | 통계자료분석 | 3 | 6 | 전공 | 학사/석사 |
3-4
1-4 |
- | No | |
이 과정은 통계자료 수집 및 분석 방법을 소개하고 그러한 분석 과정에 컴퓨터 소프트웨어를 어떻게 활용하는지를 다룬다. 주요 논제로는 자료 수집, 자료 분류, 분석 및 제시, 그리고 연구개발과 자료분석과의 관계 등을 포함한다. | |||||||||
ESM4010 | 정보통신네트웍 | 3 | 6 | 전공 | 학사/석사 |
3-4
1-4 |
한 | Yes | |
정보통신 네트워크는 현대적 정보시스템의 구축에 필수적인 부분이다. 이 강좌를 통해 데이터 송수신에 관한 이론을 배우고 통신프로토콜, 네트워크 토폴로지, OSI 모델, TCP/IP, LAN, WAN, 각종통신망 장비, ethernet, fast ethernet, ATM, 인터넷, 인트라넷, WWW 등을 통하여 기업의 정보통신 네트워크 구축에 필요한 실질적인 기술을 습득한다. | |||||||||
ESM4013 | 웹정보시스템 | 3 | 6 | 전공 | 학사/석사 |
3-4
1-4 |
- | No | |
웹 환경하에서 정보시스템 구축방법 방법과 관련된 기술을 학습하고 개발한다. 웹 환경에서의 정보시스템 구조, 전자문서교환(EDI), 문서형식정의(DTD), 웹 문서의 활용, 웹 출판, 웹 DB 설계와 연동, 웹정보의 자동검색과 가공, 에이전트의 설계와 활용, 웹정보의 전략적 활용, 웹 환경에서의 BPR과 ERP 등의 내용을 공부한다. | |||||||||
ESM4014 | 인간정보처리론 | 3 | 6 | 전공 | 학사/석사 |
3-4
1-4 |
- | No | |
인간의 정보처리 능력에 관한 모델과 이론을 학습한다. 정보처리론과 관련 모델에 관한 배경과 이론적 전개과정을 집중적으로 다루며, 연관된 실험을 계획하고 자료 수집 및 분석 과정을 연구한다. | |||||||||
ESM4025 | 실험적자료분석론 | 3 | 6 | 전공 | 학사/석사 |
3-4
1-4 |
- | No | |
실험적 자료설명 기법에 대한 새로운 기법들이 소개된다. 이 강의에서 다루는 기법들은, 도표기법, 자료변환, 강건 및 레지스탄트 요약법, 잔차분석, 재추출 기법등이다. 실제 자료를 갖고 응용을 실시하며, 통계적 소프트웨어의 사용이 강조된다. | |||||||||
ESM4026 | 이산최적화 | 3 | 6 | 전공 | 학사/석사 |
3-4
1-4 |
- | No | |
이 과목에서는 현재 시스템 최적화 응용을 위해 가장 널리 쓰이는 operations research 분야의 하나인 discrete optimization 분야의 이론과 응용 방법을 학습한다. 구체적으로, modeling 방법론, polyhedral 이론, computational complexity 이론, branch-and-bound algorithm, cutting plane algorithm, approximation 이론 등의 주제에 대하여 시스템 응용을 염두에 둔 분석 및 알고리듬 설계 및 구현 방법론을 강의한다. 또한 discrete optimization 분야의 최근 연구 동향 및 응용 사례를 학습한다. | |||||||||
ESM4027 | MetaHeuristic | 3 | 6 | 전공 | 학사/석사 | 1-4 | - | No | |
이 과목에서는 현재 시스템 최적화 응용을 위해 널리 쓰이는 operations research 분야 중 정확한 해법의 개발이 어려운 경우 사용되는 Meta Heuristic 분야의 이론과 응용 방법을 학습한다. 구체적으로, modeling 방법론, computational complexity 이론, local improvements, simulated annealing, tabu search, genetic algorithm 등의 이론을 학습하며, 이러한 기법을 활용하여 특정한 discrete optimization 분야의 문제에 대한 학생 개인의 Meta Heuristic 기법 활용 프로젝트를 수행한다. | |||||||||
ESM4028 | 네트웍이론및응용 | 3 | 6 | 전공 | 학사/석사 | 1-4 | - | No | |
생산, 제조, 서비스 등 다양한 시스템경영공학의 응용분야에서의 그래프 이론과 네트워크 모델링의 역할을 배우고 이를 통해 전체 시스템 에 미치는 다양한 영향의 평가와 새로운 응용 방법을 강의한다. 또한 random graph, 무척도 네트워크, small world 이론 등의 최근의 복잡계 네트워크 이론도 학습한다. 이를 통해 다양한 경영문제에 응용하는 네트워크 모델링과 분석기법을 학습하고 대학원생으로서의 관련 분야에 대한 독자적인 연구 능력을 배양한다. | |||||||||
ESM4029 | 지능정보시스템 | 3 | 6 | 전공 | 학사/석사 |
3-4
1-4 |
- | No | |
인공지능과 전문가시스템의 기술이 발달함에 따라 이 기술들의 원리를 이해할 필요가 있을 뿐만 아니라, 기존의 정보시스템기술과 경쟁 및 보안 관계를 이루며 정보시스템을 설계할 수 있어야 한다. 그래서 이 과목은 인공지능과 전문가시스템의 주요 개념과 개발도구 실습을 먼저 수행한 후 이 기술이 경영의사결정지원에 어떻게 응용될 수 있는 지 교육한다. 기본적인 인공지능 기법을 토대로 추론방법, 기계학습, 계획수립, 사례기반추론, 신경망이론, 퍼지이론 등에 관한 최신이론을 연구하며, 최근의 학술지와 문헌을 중심으로 새로운 연구 분야를 개척한다. | |||||||||
ESM4032 | 확률과정론 | 3 | 6 | 전공 | 학사/석사 |
3-4
1-4 |
- | No | |
산업현장에서 발생하는 다양한 확률과정들의 분석을 위한 기초이론을 다룬다. | |||||||||
ESM4035 | 사용편의성공학 | 3 | 6 | 전공 | 학사/석사 | 1-4 | - | No | |
정보 전달의 주된 도구인 웹과 정보통신 기기의 인간-컴퓨터 인터페이스의 설계에서 발생하는 사용편의성(usability)의 개념과 측정 방법을 파악한다. 사용편의성의 원칙과 방법론이 어떻게 실제 인터페이스 설계에 적용되고, 이를 어떻게 평가해야 하는지 실습을 통해서 공부한다. | |||||||||
ESM4036 | 감성정보처리 | 3 | 6 | 전공 | 학사/석사 | 1-4 | - | No | |
인간의 감성 정보처리 능력에 대한 이론적인 접근방법과 Human-Machine Interface Design에 구체적으로 활용되는 사례를 공부한다. 시각, 청각, 및 촉각 등의 오감을 통한 정보의 습득과 처리 과정, 그리고 인간의 감성정보 처리능력을 향상시킬 수 있는 인터페이스 디자인 방법, 감성적인 만족을 유발하는 affection factors, technology acceptance, user experience에 관한 이론을 습득한다. | |||||||||
ESM4037 | 금융공학 | 3 | 6 | 전공 | 학사/석사 | 1-4 | - | No | |
본 강좌는 기업의 투자 및 재무관리에 활용되는 투자과학 및 금융공학을 학습한다. 따라서 이자 개념, 현금 흐름을 기초로 하여 고장이율자산, 이자율 분석, 평균-분산 포트폴리오 이론, CAPM 등을 학습한다. 또한 각종 금융 파생 상품과 이들에 관련있는 Option 이론, 선물시장 전략 등의 제반 이론과 Binomial Tree 모형, Black-Scholes 모형, Interest Rate Derivative 모형 등을 학습한다. | |||||||||
ESM4038 | 경영위험관리 | 3 | 6 | 전공 | 학사/석사 | 1-4 | - | No | |
경영환경상의 다양한 위험들을 정량적으로 분석, 평가하는 방법들을 소개하고, 실제로 익혀 보도록 한다. 주로 기업 기술개발, 인수합병, 신규투자 등이 위험분석의 대상이 된다. 재무관리의 수익-위험 포트폴리오 분석기법을 기본으로, VaR, 점프모델링 등의 몇 가지 최신기법들을 소개한다. | |||||||||
ESM4040 | 분산분석·회귀분석 | 3 | 6 | 전공 | 학사/석사 | 1-4 | - | No | |
본 과목은 인간공학 및 HCI 연구에 필요한 실험의 계획 및 통계 자료 분석에 관한 방법론을 공부한다. 특히 다양한 형태의 실험계획법, 분산분석과 회귀분석, 통계분석 결과에 대한 해석을 실습을 통해 공부한다. | |||||||||
ESM4043 | SCM특론 | 3 | 6 | 전공 | 학사/석사 | 1-4 | - | No | |
본 과목에서는 공급사슬관리(Supply chain management)분야에서 이용되는 최신의 모델과 응용과 관련된 심도있는 주제들을 다룬다. 특히, 경영과학 기법을 이용한 수리 모델의 작성과 최적해를 구하기 위한 다양한 기법들에 관한 이해에 중점을 둔다. 본 과목에서 논의하는 주요 주제에는 공급 사슬 생산 계획, 재고 관리, 수송 의사 결정, 입지와 분배 의사 결정, 공급자 선정 모델, 공급사슬 리스크 관리, 글로벌 공급 사슬 관리 등이 있다. | |||||||||
ESM4047 | 물류관리시스템 | 3 | 6 | 전공 | 학사/석사 | 1-4 | - | No | |
<과목 소개> 이 과목은 물품이 고객에게 인도될 때까지 전체적인 화물, 정보, 서비스의 흐름을 계획하고 운영하는 물류 관리에 대해 다룬다. 물류 관리는 적은 비용으로 고객의 만족도를 높이는 것을 목적으로 하며 각 단계에서의 운영 최적화뿐만 아니라 전체 물류의 흐름을 효율적으로 관리하는 것이 중요하다. 이 과목에서는 기본적인 수요 예측 모델, 재고관리, 설비 입지 선정 문제 (facility location problem), 화물 운송 관리 (freight transport), 물류 운용 시스템 (material handling systems), 물류 창고 디자인 및 운영 방법에 관해 소개한다. 경영과학(Operations Research)과 컴퓨터 프로그래밍에 대한 기본적인 지식을 가진 학생들이 수강하기에 적합하다. <과목 내용> 자재 구매, 설비 위치, 재고 관리 등을 위한 기본적인 수요 예측 모델부터 자동 물류 창고의 디자인, 고객주문만족 시스템(customer order fulfillment system)의 효율적인 운영을 위한 storage assignment, order picking에 관하여 자세히 다룬다. 실제 Amazon에서 사용하고 있는 물류 창고 운영시스템을 소개하고 직접 현장 문제를 접할 수 있도록 한다. 또한 물류 자동화를 위해 널리 사용되는 automated guided vehicle이나 overhead hoist transport와 같은 물류 운용 시스템의 최적화를 위한 다양한 알고리즘과 문제 해결방법을 소개한다. 이 과목은 물류관리 시스템의 이해도를 높이고 이론적인 문제 접근 방법을 배워, 물류의 흐름을 최적화하고 효율적으로 관리할 수 있는 능력을 키우는 것을 목표로 한다. <성적평가> 최종 성적은 숙제, 출석 및 퀴즈, 프로젝트, 중간고사 성적, 기말고사 성적을 기반으로 산출된다. <교재> Introduction to Logistics Systems Management, Gianpaolo Ghiani, Gilbert Laporte, and Roberto Musmanno, Wiley. |