발전기금
교과목명을 클릭하시면 과정 설명을 볼 수 있습니다.
| 학수번호 | 교과목명 | 학점 |
자기 학습 시간 |
영역 | 학위 |
이수 학년 |
비고 | 언어 |
개설 여부 |
|---|---|---|---|---|---|---|---|---|---|
| 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. | |||||||||
| ESM4039 | 비즈니스정보시스템분석및설계 | 3 | 6 | 전공 | 학사/석사 | 1-4 | - | No | |
| 본 과목은 정보시스템의 요구분석, 설계, 구현에 필요한 데이터 및 프로세스 모델 방법을 학습하기 위해 다양한 방법론 (Structured Analysis and Design, Information Engineering, etc)과 기법(object-Oriented technique, data modeling, process modeling) 및 도구 (CASE, RDBMS, data dictionary)등을 사용한다. 본 과목에서 수행하는 프로젝트를 통해 학생들은 실제 정보시스템 개발 능력을 가질 수 있다. | |||||||||
| 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. | |||||||||
| ESM4050 | 스마트공장개론 | 3 | 6 | 전공 | 학사/석사 | 산업공학전공 | 한 | Yes | |
| 이 과목은 스마트제조(Smart Manufacturing)와, 핵심 실행 전략인 스마트공장(Smart Factory)에 대한 입문과목으로, 스마트공장의 배경/개념/기술/사례/전략과 방법에 대한 기본 내용을 학습한다. 특히 제조시스템의 역사와 전망, 스마트공장 운영방법론, 스마트공장 경영, 스마트공장 운영설계 핵심기술에 대해 배운다. | |||||||||
| ESM4100 | 산학연계융복합연구Ⅰ | 3 | 6 | 전공 | 학사/석사 | 한 | Yes | ||
| 스마트공장(Smart Factory) 분야의 산학연 공동 프로젝트에 참여하여 스마트공장의 운영, 설계나 소프트웨어 솔루션 개발에 관련된 실무적인 융복합 연구를 수행하며, 성과 발표를 진행한다. | |||||||||
| ESM4101 | 제조빅데이터관리 | 3 | 6 | 전공 | 학사/석사 | - | No | ||
| 제조현장에서 수집될 수 있는 데이터의 형태에 대해 살펴보고 적절한 전처리 과정에 대해 학습한다. 데이터 분석 관점에서 보았을 때 제조현장에서 공통적으로 발생하는 문제점을 소개하고, 이를 해결하기 위한 기본적인 분석 방법에 대해 학습한다. 공개 데이터를 활용하여 기말 프로젝트를 수행한다. | |||||||||
| ESM4102 | 데모공장IIoT시스템및실습 | 3 | 6 | 전공 | 학사/석사 | - | No | ||
| 본 교과목은 스마트공장에 대한 이해와 산업용 사물인터넷(IIoT)의 구조와 구성요소들에 대해 다루며, IIoT 임베디드 시스템을 이용하여 실제 제조현장 문제들을 해결하는 과정을 데모공장에서 학습한다. | |||||||||
| ESM4103 | 스마트공장ICT생산시스템및실습 | 3 | 6 | 전공 | 학사/석사 | - | No | ||
| 본 교과목은 ICT 기술을 활용한 공정설계 및 공정제어 최적화 기법을 다룬다. 상용 솔루션을 활용하여 조립공정 구성, 실시간 데이터 취합/분석/최적화, 실제 장비와의 디지털 트윈 구성을 실습한다. | |||||||||
| ESM4104 | 스마트생산관리 | 3 | 6 | 전공 | 학사/석사 | - | No | ||
| 본 교과목은 스마트공장 생산관리의 개념부터, 수요예측, 재고관리, 레이아웃 설계, 용량 설계, 생산계획 및 스케줄링 기법 등에 대해 배운다. | |||||||||
| ESM4105 | 스마트품질관리 | 3 | 6 | 전공 | 학사/석사 | 한,영 | Yes | ||
| 본 과목은 제조 및 서비스 품질관리를 위한 다양한 분석기법을 소개한다. 핵심 주제로는 고객 수요 및 품질, 품질비용, 프로세스 역량 분석, 통계적 프로세스 관리, 변수 및 속성 제어, 실험 설계, 정보 신뢰도, 핵심 성과 지수, 벤치마킹, 경향 분석, 성과 향상을 위한 평가체계, 식스 시그마가 있다. 또한 다양한 산업체의 사례를 통해 장단기 성과평가 전략 및 향상방안을 학습한다. | |||||||||
| ESM4106 | 스마트생산및물류정보시스템 | 3 | 6 | 전공 | 학사/석사 | - | No | ||
| 본 교과목은 스마트 공장의 생산 및 물류 프로세스 실행을 지원하는 정보시스템의 기초, 기술, 응용에 대해 다루며, 해당 환경에 대한 핵심적 이해를 가진 IS 전문가 양성을 목표로 한다. | |||||||||
| ESM4107 | 스마트공장운영최적화 | 3 | 6 | 전공 | 학사/석사 | - | No | ||
| 스마트팩토리 운영 최적화를 위한 스케줄링 이론 및 알고리즘을 소개한다. Single machine, parallel machines, flow shop, job shop으로 구분되는 제조시스템의 복잡도, 속성, 여러 가지 이론 및 알고리즘 등을 배운다. | |||||||||
| ESM4108 | 스마트공장모델링및시뮬레이션 | 3 | 6 | 전공 | 학사/석사 | - | No | ||
| 스마트공장을 모델링과 시뮬레이션에 필요한 시뮬레이션 이론과 응용기법을 학습하고, 시뮬레이션 모델링 언어인 ARENA, SIMIO, ANYLOGIC 등의 SW를 학습한다. 또한, 스마트공장 모델링과 시뮬레이션의 최신 연구 동향을 함께 탐색하고 토의하여 스마트공장 모델링과 시뮬레이션에 관한 최신 연구기법들에 대해서도 학습 한다. | |||||||||
| ESM4109 | 스마트공장인턴십1 | 3 | 6 | 전공 | 학사/석사 | 한 | Yes | ||
| 방학기간을 이용하여 국내기업과 외국기업에서 단기 인턴십 수행을 통한 취업 역량의 강화 및 업무 수행능력 신장 | |||||||||
| ESM4110 | 스마트공장인턴십2 | 3 | 6 | 전공 | 학사/석사 | 한 | Yes | ||
| 방학기간을 이용하여 국내기업과 외국기업에서 단기 인턴십수행을 통한 취업 역량의 강화 및 업무 수행능력 신장 | |||||||||
| ESM4111 | 데이터분석과기계학습 | 3 | 6 | 전공 | 학사/석사 | 영 | Yes | ||
| 본 과목은 데이터 분석을 위한 기계학습과 데이터마이닝의 기본 개념 및 기법을 다룬다. 데이터 탐색, 분류 모델링, 군집 분석, 이상치 탐지, 연관 분석 등의 주요 방법론과 적용 사례를 소개한다. | |||||||||
| ESM4112 | 스마트헬스케어시스템 | 3 | 6 | 전공 | 학사/석사 | 한 | Yes | ||
| 데이터 기반 헬스케어 시스템은 현대 의료 서비스의 혁신과 효율성을 크게 증진시키는 중요한 요소로, 건강 데이터의 수집, 분석 및 활용을 통해 개인화된 치료, 질병 예측 및 예방, 그리고 의료 서비스의 전반적인 품질 향상을 가능하게 한다. 이 시스템의 핵심은 빅데이터, 인공지능, 머신러닝, 그리고 IoT와 같은 첨단 기술의 통합으로, 빅데이터 분석은 환자의 건강 기록, 임상 시험 결과, 실시간 모니터링 데이터 등 다양한 소스로부터 통찰력을 추출하는데 사용되며, 인공지능과 머신러닝 알고리즘은 이러한 데이터를 통해 병리학적 패턴을 식별하고, 치료 결과를 예측하며, 맞춤형 치료 계획을 제안하는 데 도움을 준다. 본 "스마트헬스케어시스템"과목은 이러한 데이터 기반 헬스케어 시스템 전반에서 활발히 응용되는 다양한 데이터 분석 기술을 살펴보고, 그 활용 예를 통해 실제 환경에서 어떻게 사용되는지 접하며 이를 구현해보는 것을 목표로 한다. 이에 본 과목은 다음과 같은 다양한 모듈로 구성될 수 있다. 1. 스마트 헬스케어 시스템 개론: 수업 개요 역할의 첫 모듈에서는 스마트 헬스케어의 기본 개념, 역사 및 최근 발전 동향을 소개한다. 스마트 헬스케어의 정의와 그것이 현대 의료에 어떻게 통합되고 있는지에 대한 개요를 제공하며, 이 분야의 기술적 진보와 그것이 의료 서비스에 끼친 영향을 간단히 살펴본다. 2. 기술과 건강 관리의 통합: 웨어러블 기기, IoT, 인공지능, 빅데이터와 같은 기술들이 건강 관리에 어떻게 적용되는지에 대해 다룹니다. 이 모듈은 기술이 진료, 질병 감지, 환자 모니터링 및 예방 건강 관리에서 어떻게 활용되는지를 탐구합니다. 또한 의료 데이터들의 다양한 종류를 살펴보고 다양한 종류의 데이터들이 어떻게 분석되고 활용되는지 살펴본다. 3. 데이터 분석 및 기술적 접근: 본 수업의 주된 내용인 데이터 분석 모듈은 건강 데이터의 수집, 처리, 분석과 관련된 기술적 측면을 다룬다. 이 모듈은 머신러닝, 딥러닝, MDP(Markov Decision Processes)과 강화학습, 그래프 뉴럴 네트워크 등 데이터를 분석하고 해석하는 다양한 고급 기술을 소개한다. 4. 스마트 헬스케어 응용 사례 연구: 이 부분에서는 스마트 헬스케어 시스템의 실제 사례 연구를 분석한다. 특히, 앞서 배운 데이터 분석 기술이 실제 의료 환경에서 추출되는 데이터에 어떻게 활용되는지 살펴보고, 헬스케어 관련 연구에서 유의해야 할 부분과, 연구에 대한 결과가 어떠한 효과를 불러올 수 있는지를 알아본다. | |||||||||