발전기금
교과목명을 클릭하시면 과정 설명을 볼 수 있습니다.
| 학수번호 | 교과목명 | 학점 |
자기 학습 시간 |
영역 | 학위 |
이수 학년 |
비고 | 언어 |
개설 여부 |
|---|---|---|---|---|---|---|---|---|---|
| ESM5091 | 리스크경영공학특론 | 3 | 6 | 전공 | 석사/박사 | 1-4 | - | No | |
| 본 과목은 철저한 리스크 관리를 수행하는 방법에 대한 지식과 리스크 관리, 위험 평가 및 위험 분석, 리스크 관리를 수행하는 방법의 절차를 제공한다. 본 과목을 마친 후 위험 예측을 하는 위험관리의 기본을 적용하고 사고를 방지할 수 있다. | |||||||||
| ESM5095 | 다변량통계분석및응용 | 3 | 6 | 전공 | 석사/박사 | 1-4 | - | No | |
| 다변량선형모형, 요인분석, 주성분분석, 다차원척도법 등의 다변량 분석방법들의 이론 및 비즈니스분석을 중심으로 한 응용사례들을 학습 한다. SAS, SPSS 또는 R 등의 소프트웨어를 사용하여 실제 비즈니스 데이터를 분석함으로써 과학적 근거에 기반한 의사결정을 경험할 수 있게 한다. | |||||||||
| ESM5096 | 인공지능응용 | 3 | 6 | 전공 | 석사/박사 | 1-4 | 한 | Yes | |
| 본 과목은 기존의 최적화 기법으로 풀 수 없는 복잡한 문제(NP 문제)들을 인공지능 알고리즘으로 해결토록 다양한 computational intelligence (CI) 알고리즘을 이론적으로 검토하고, 다양한 사례에 적용하여 최적해 또는 근사 최적해를 제시하는 능력을 제공함. Fuzzy, Neural Network, Swarm Intelligence, Genetic Algorithm, Genetic Programming 외 새롭게 출현하는 알고리즘을 포함하며 그들의 성능을 계산시간, 해의 질 등의 기준으로 평가함. | |||||||||
| ESM5098 | 공급사슬관리특론 | 3 | 6 | 전공 | 석사/박사 | 1-4 | - | No | |
| 공급 사슬 관리는 최종 고객에게 제품이나 서비스를 제공하기 위해 관여되는 참여자들을 통합적으로 관리하는 경영기법을 의미한다. 본 수업에서는 공급 사슬 관리와 관련된 최근 연구 주제를 논의하며, 특히 글로벌 공급 사슬 관리, 공급 사슬의 위험 관리, 공급사슬의 파괴 및 회복 관리, 지속 가능한 공급 사슬 관리, 친환경 공급 사슬관리 등을 포함한다. 또한, 이와 같은 주제를 바탕으로 다양한 최신 연구 방법론을 이용한 공급 사슬의 최적 설계와 운영의 수리적 모델을 개발하고, 최적해를 구하기 위한 알고리즘들을 학습한다. 공급 사슬관리와 관련된 고등 논제를 다루기 위하여, 본 수업은 연구 주제의 학습, 토의, 프로젝트를 통한 연구 주제의 제안을 진행한다. | |||||||||
| ESM5099 | 강건최적화및동적게임이론 | 3 | 6 | 전공 | 석사/박사 | 1-4 | - | No | |
| 불확실성과 경쟁 환경은 개인과 조직의 의사 결정에 있어서 가장 다루기 어려운 외부적 요인이다. 본 수업에서는 불확실성과 경쟁이 존재하는 환경에서 최적의 의사 결정을 수립하기 위한 다양한 경영과학 기법을 학습한다. 우선, 예측하기 어려운 불확실성이 존재하는 경우를 수리적으로 모델링하기 위한 강건 최적화 기법을 바탕으로 해의 보수성 문제를 해결하기 위한 adjustable robust optimization, gobalized robust optimization, chance constraint programming 등을 포함하는 다양한 변형된 강건 최적화 방법론을 학습한다. 이 후, 동적 게임 이론을 기반으로 시장의 참여자들이 경쟁하는 상황에서의 최적 의사 결정 모델로 differential variational inequality, mathematical programming with equilibrium constraints 등을 학습한다. 그리고 이들 방법론을 응용하여 교통, 통신, 전력을 포함한 다양한 산업의 문제를 해결하는 프로젝트를 진행한다. | |||||||||
| ESM5100 | 데이터마이닝고등논제 | 3 | 6 | 전공 | 석사/박사 | 1-4 | - | No | |
| 신경망, 서포트 벡터 머신, 차원축소법, 앙상블방법, EM알고리즘 등 데이터마이닝의 통계적 기계학습기법들을 이론적으로 심도 있게 학습 한다. R 또는 MATLAB 등의 프로그래밍 소프트웨어를 이용하여 직접 알고리즘을 구현함으로써 해당기법들을 완전히 이해할 수 있도록 한다. 기존 방법의 개선 혹은 새로운 알고리즘 개발을 목표로 하는 기말 프로젝트를 수행한다. | |||||||||
| ESM5101 | 데이터마이닝연구세미나 | 3 | 6 | 전공 | 석사/박사 | 1-4 | - | No | |
| 데이터마이닝 분야의 가장 최근 몇 가지의 연구주제에 대해 학습하고 토론하여 새로운 연구주제를 도출해 내는 과정에 대해 학습한다. 각 주제별로 핵심이 되는 연구 논문들을 요약, 비평 및 학습하여 연구 흐름을 파악하고, 실현 가능성이 있는 향후 연구주제를 제안하도록 한다. 기존 방법의 개선 혹은 새로운 알고리즘 개발을 목표로 하는 기말 프로젝트를 수행한다. | |||||||||
| ESM5109 | 특허와창업1 | 3 | 6 | 전공 | 석사/박사 | 1-4 | 한,한 | Yes | |
| 연구 결과를 보호받기 위해 특허를 출원하는 일련의 프로세스 및 특허 출원시 중점 사안을 학습한다. 또한 연구결과 및 지식 재산의 기술이전 및 사업화를 학습한다. 이를 위한 관련 제도 및 실제 성공 사례를 학습한다. | |||||||||
| ESM5114 | 경쟁우위경영전략 | 3 | 6 | 전공 | 석사/박사 | - | No | ||
| 신제품개발과정의 필수적 고려사항들인 고객의 니즈 파악, 제품의 기능성, 생산가능성, 경제성 등의 평가를 위한 이론과 방법을 다룬다. 제품설계단계와 가공 및 조립단계를 위한 핵심적 파라메터들을 정의하고 각 단계에서 발생하는 파라메터 정보를 바탕으로 생산공정을 설계하는 이론과 방법을 다룬다. 아울러 성공적 제품설계와 공정설계를 위한 다양한 리스크와 대응전략을 논한다. | |||||||||
| ESM5118 | 데이터마이닝방법론1 | 3 | 6 | 전공 | 석사/박사 | 한 | Yes | ||
| 이 과정은 기계학습을 포함한 데이터마이닝 응용 프로그램에 관련된 최적화 알고리즘에 관해 학습한다. 텍스트분류 및 신경망 트레이닝에 대한 사례연구를 통해 데이터마이닝 및 기계학습에 관련된 최적화문제와 기존 최적화문제와의 차이점을 이해한다. 이 과정의 주요 테마는 대규모 데이터마이닝 문제에 대하여 전통적인 기존의 그래디언트 기반 비선형 최적화기법에 비해 확률적 그레디언트 (SG) 방법이 문제를 더 잘 해결하는 이유를 이해함에 있으며, 이 관점을 토대로 이 과정은 간단하면서도 다목적인 SG 알고리즘에 대한 포괄적인 이론을 학습하고 실용적인 알고리듬의 움직임을 이해하여 개선 된 성능의 알고리즘을 설계 할 수 있는 역량을 배운다. 또한 차세대 연구분야인 확률적 노이즈 감소 기법과 헤시안을 이용하는 방법을 포함하여 대규모 기계학습 문제 최적화를 학습한다. 이 과정의 주요 토픽은 다음과 같다. -데이터마이닝 사례 연구, 최적화 기법 개요, 확률적 기법의 분석, 잡음제거 기법, 헤시안 기법 | |||||||||
| ESM5119 | 데이터마이닝방법론2 | 3 | 6 | 전공 | 석사/박사 | - | No | ||
| 이 과정은 데이터마이닝, 기계학습 및 신경망에 대한 수리계획법적 접근법을 학습한다. 데이터베이스의 응용에서 데이터마이닝 문제의 주요 토픽에 대한 일반적인 개요를 학습함과 동시에, 이 과정에서는 이 분야의 주요 연구과제를 살펴보고 최적화연구가 기여할 수 있는 분야 발굴한다. 이러한 학습목표를 위하여 이 과정은 데이터마이닝 방법의 기본 범주를 계량화하여 수리계획문제로 정립하는 역량을 배우며, 또한 일부 데이터마이닝 문제에 대한 성공적인 수리계획 접근법의 예를 학습한다. 데이터마이닝은 통계, 데이터베이스, 패턴인식/AI, 최적화, 시각화 및 고성능 및 병렬 컴퓨팅을 비롯한 여러 분야를 아우르는 빠르게 진화하는 연구분야로서 이 과정은 이 분야의 기본 개념에 대해 개략적으로 설명하고 주요 아이디어와 문제점을 정의하고 그 중요성을 이해한다. 이 과정의 주요 목표는 최적화기법이 중요한 기여를 할 수 있는 분야를 개괄적으로 설명하고 이를 위해 데이터마이닝의 기본 문제 중 일부를 수리계획법 문제로 구체화 하여 이 분야에 대한 높은 수준의 내용을 학습함에 있다. | |||||||||
| ESM5120 | 데이터기반학습 | 3 | 6 | 전공 | 석사/박사 | - | No | ||
| 본 과목은 데이터 기반 학습을 위한 머신러닝과 딥러닝의 주요 개념을 다룬다. 기본적인 신경망 구조에서부터 최근 많이 활용되고 있는 convolutional neural networks, recurrent neural networks, auto-encoders, 그리고 deep generative models 등의 주요 방법론과 적용 사례를 소개한다. | |||||||||
| ESM5121 | UX경영 | 3 | 6 | 전공 | 석사/박사 | - | No | ||
| 제품과 서비스 디자인에 있어서 점차 중요해지는 사용자경험(User Experience)의 특성에 대해서 학습하고 토론한다. UX의 디자인 과정, life cycle, 이를 활용하는 기업에서의 UX 전략과 사례, 디자인 경영에서의 UX의 중요성 등을 이론과 사례로 확인하고, 제품 기획과 서비스 기획 등의 경영 관점에서 어떻게 전략적으로 활용되어야 하는지 살펴본다. | |||||||||
| ESM5200 | 산학연계융복합연구Ⅱ | 3 | 6 | 전공 | 석사/박사 | 한 | Yes | ||
| 스마트공장(Smart Factory) 분야의 산학연 공동 프로젝트에 참여하여 스마트공장의 운영, 설계나 소프트웨어 솔루션 개발에 관련된 실무적인 융복합 연구를 수행하며, 성과 발표를 진행한다. | |||||||||
| ESM5202 | 스마트공장공급사슬관리 | 3 | 6 | 전공 | 석사/박사 | - | No | ||
| 공급업자에서부터 생산자, 유통업자, 최종 소비자까지 이어지는 공급사슬에서 제품, 현금 및 정보의 이동을 관리하고 전체 공급사슬의 이익을 최대화 시킬 수 있는 여러 가지 기법과 전략을 배운다. | |||||||||
| ESM5203 | 빅데이터분석실무 | 3 | 6 | 전공 | 석사/박사 | - | No | ||
| 본 과목은 비즈니스 가치창출에 요구되는 데이터 구조화, 분석, 시각화 기법들을 소개한다. 수강생들은 고객, 판매, 운영 등 비즈니스 성과지표와 관련된 데이터를 오픈소스 및 상업용 소프트웨어를 통해 직접 분석하고 그 결과를 시각화함으로써 최적의 의사결정에 이를 수 있는 능력을 갖추게 될 것이다. 특히, 구체적인 데이터 분석 방법론에 해당하는 통계 및 데이터 마이닝, 텍스트 마이닝, 인공지능 및 기계학습 기법 등을 실제 데이터를 활용하여 실습해 봄으로써 빅데이터 분석에 대한 이해도 제고와 함께, 향후 실무 적응능력의 토대를 제공한다. 또한 본 과목에서는 정보과학, 경영 및 사회과학 등 다양한 분야의 융합적 지식을 통해 새로 출현하고 있는 기술에 대한 이해도를 높이고, 통합적 탐구 및 사고 역량을 제고시킬 것이다. | |||||||||
| ESM5205 | 빅데이터활용실무 | 3 | 6 | 전공 | 석사/박사 | - | No | ||
| 본 과목은 빅데이터로부터 유의미한 지식을 도출하기 위한 주요 기술인 머신러닝/딥러닝의 주요 개념을 다룬다. 기본적인 neural network 구조에서부터 최근 많이 활용되고 있는 convolutional neural networks, recurrent neural networks, graph neural networks, autoencoders, 그리고 deep generative models 등의 주요 방법론과 적용 사례를 소개한다. | |||||||||
| ESM5206 | 창의발상세미나 | 3 | 6 | 전공 | 석사/박사 | - | No | ||
| 본 과목은 공학 및 경영 문제의 창의적 발상력 향상을 목표로 하고 있다. 주요 내용으로는 창의성의 기초이론, 창의성의 저해요인, 창의적 문제해결 프로세스, 문제의 발견 및 정의, 아이디어 발상, 아이디어의 평가 및 실행 등이 포함된다. | |||||||||
| ESM5207 | 품질경영세미나 | 3 | 6 | 전공 | 석사/박사 | - | No | ||
| 품질비용, 품질개선, 품질기능전개, 품질공학, 관리도, 샘플링검사, 신뢰성, 표준화와 품질보증, 제품책임, 서비스품질, 식스시그마 혁신전략, 경영품질 등과 같은 품질경영의 주요 주제들에 대한 세미나 | |||||||||
| ESM5208 | 생산관리론 | 3 | 6 | 전공 | 석사/박사 | - | No | ||
| 과학적 현장관리, 전사적 설비보전, 도요타생산시스템, 생산능력계획, 총괄계획, 생산일정관리, 재고관리, MRP시스템, 수요예측, 공급망관리, 프로젝트관리, 생산전략 등과 같은 생산관리의 주요 주제들을 학습한다. | |||||||||
| ESM5209 | 생산성분석 | 3 | 6 | 전공 | 석사/박사 | - | No | ||
| 본 수업에서는 생산성 분석기법인 자료포락분석(Data Envelopment Analysis)의 개발 배경, 이론적 원리, 프로그래밍, 응용사례를 소개한다. 학생들은 자료포락분석 기법에 대한 이해를 바탕으로 운영 생산성(예: 공장, 병원, 은행, 대학, 등) 및 기술 효율성(예: 전환비, 처리량, 속도, 등)을 정의하고, 측정함으로써, 궁극적으로 그 프로세스의 개선 방향을 제안할 수 있다. 수업 후반부에는 전통적인 자료포락분석을 확장한 다-계층(Network) 설계, 시계열(Dynamic) 설계, 역-최적화(Inverse optimization) 등의 최신 기법들을 다룬다. 한 학기에 거쳐 학생들은 그룹 과제를 수행하며, 해당 주제에 관한 토론 및 발표를 통해 평가받는다. | |||||||||
| ESM5212 | 건전성예측관리 | 3 | 6 | 전공 | 석사/박사 | - | No | ||
| 본 과목은 건전성 예측관리(PHM: Prognostics and Health Management)의 개념과 방법을 다양한 산업 적용사례를 통해 소개한다. 건전성 예측관리는 크게 센싱, 진단, 예측, 관리 모듈을 포함한다. 각 모듈의 대표적 구현 방법에 대한 최신 기술동향 및 산업적용 사례를 리뷰한다. | |||||||||
| ESM5213 | 공학역학특론 | 3 | 6 | 전공 | 석사/박사 | - | No | ||
| 본 과목은 공학문제 해결을 위한 역학의 기본 개념과 응용을 다룬다. 시스템 다이나믹스 이해에 기반한 공학 시스템 모델링 방법과 산업 적용사례를 리뷰한다. | |||||||||
| ESM5214 | PHM세미나 | 3 | 6 | 전공 | 석사/박사 | - | No | ||
| 본 과목은 PHM(건전성예측관리) 기술의 생산, 에너지, 국방 등 다양한 산업에 적용 사례 및 연구 개발 동향과 산업 적용에 따르는 주요 난제들을 소개한다. | |||||||||
| ESM5215 | 스마트제조세미나 | 3 | 6 | 전공 | 석사/박사 | 한 | Yes | ||
| 스마트제조에 대한 이론과 실무를 다양한 현장 사례와 세미나를 통해 이해하고 익힌다. 특히 생산기술과 미래 제조시스템의 새로운 패러다임, Industry 4.0, 스마트제조, 스마트공장 등에 대해 다룬다. | |||||||||
| ESM5219 | 스마트제품개발및제조 | 3 | 6 | 전공 | 석사/박사 | 한 | Yes | ||
| 본 과목은 제조 기업에서 제품을 개발하고 양산할 때까지의 과정에 필요한 실무 기법을 다룬다. 데이터를 기반으로 어떻게 설계하고 제조하는지 현장 중심의 스마트한 문제 해결 방법을 실제 사례들을 중심으로 설명한다. 제조업의 일반적 조직 구조와 그 조직들의 기능과 역할, 조직 간의 이해 관계의 이해를 시작으로, 개발의 선행 연구부터 양산까지의 업무 프로세스, 설계 시 필수 요소들, 스마트 설계에 필요한 시뮬레이션 기법, VE(Value Engineering), Triz와 최적화 기법, 6-Sigma 등 여러 개발 및 설계에 필요한 툴을 어떻게 현장에 접목하는지 실제 사례들을 중심으로 다룬다. 또한 전자 제품을 중심으로 제품 별 기본 공정 지식과 스마트 팩토리의 개념과 실제, 현장의 실제 제조혁신 활동들, 제조 설비 개발과 데이터 기반 제조 관리 사례의 설명한다. 아울러, 제품 개발 시 필수적으로 협력해야 하는 품질, 구매, 디자인, 상품 기획의 업무를 소개하고, 여러 부서 간의 이해관계 충돌 등을 어떻게 해결하여 협력하는지, 엔지니어링 실무에 필요한 전략적 마인드 및 자료 작성법과 함께 다룬다. | |||||||||
| ESM5220 | 디지털트윈고도처리특론 | 3 | 6 | 전공 | 석사/박사 | 1-8 | 한 | Yes | |
| 사이버물리시스템, 디지털트윈 및 고도처리 기술에 대한 배경, 기본 이론, 응용과 실무를 다루며, 강의와 다양한 문제중심 학습을 통해 이를 이해하고 익힌다. - 제품/공장 설계 및 운영 - 고도처리 기술 - 스마트제조와 스마트공장 - 사이버물리시스템, 디지털트윈 | |||||||||
| ESM5221 | 스마트제조및고도처리특론 | 3 | 6 | 전공 | 석사/박사 | 1-8 | 한 | Yes | |
| 스마트제조 및 고도처리 기술과 시스템에 대한 배경, 기본 이론, 응용과 실무를 다루며, 다양한 문제중심 학습을 통해 이를 이해하고 익힌다. - 제품 설계 및 개발, PLM, 고도처리 기술 - 공장 설계 및 생산 운영, 생산기술과 정보시스템 - 스마트제조와 스마트공장 - IIoT, 스마트센서, 클라우드, 플랫폼, 사이버물리시스템, 디지털트윈 | |||||||||
| ESM5222 | 확률적최적화 | 3 | 6 | 전공 | 석사/박사 | 한 | Yes | ||
| 본 교과목은 확률적 최적화에 관한 수업으로 주로 확률적 계획법에 대해 다룰 것입니다. 비즈니스, 공학, 과학 분야의 많은 문제에는 불확실성이 수반되지만 이러한 복잡한 시스템의 최적화는 실제로 결정론적 모델 매개변수를 사용하여 수행되는 경우가 많습니다. 본 교과목의 확률적 계획법은 무작위 변수와 확률론적 설명을 통합하여 결정론적 최적화로 확장합니다. 본 교과목에서는 이러한 문제들을 해결하기 위한 (i) 모델링, (ii) 이론, (iii) 해결기술을 학습합니다. | |||||||||
| ETM5107 | 특허및논문서지정보분석세미나 | 3 | 6 | 전공 | 석사/박사 | 1-4 | 기술경영학과 | 한 | Yes |
| 본 강의에서는 기술혁신 연구를 위해 특허 및 논문의 서지 정보 데이터를 분석하고 활용하는 방법을 학습한다. 강의 전반부에서는 특허 데이터 기반 기술혁신 지표 및 과학 논문 정보를 계량적으로 분석하는 방법을 주로 소개한다. 후반부에서는 세미나를 통해 특허 데이터 및 서지 정보 데이터 분석을 주 연구 수법으로 활용한 기술경영 분야의 주요 논문을 익힌다. | |||||||||