subvisual


기반입문 과목 (6학점)

                                                                                                                                                   


MAT2410 응용수학Ⅰ /  3학점

MAT3020과 동등한 과목이다. 

자료의 정리방법, 확률, 확률분포, 표본분포, 추정, 검정 등에 대한 기초개념을 다루고, 또 한 통계 팩키지를 이용하여 실제문제의 처리 방법을 다룬다.


MAT2420 응용수학Ⅱ /  3학점

선수과목 : MAT2410

벡터해석, 벡터함수의 미분학, 선적분 및 면 적분과 그 응용, Fourier 급수, Fourier 변환, 1 계 및 2계 편미분 방정식의 해법과 이에 관련 한 수학적 모델, 열전도 방정식과 파동 방정식의 해법을 다룬다.



기반필수 과목(18학점)

                                                                                                                                                   


AII1001 자유전공진로탐색 / 0학점

본 교과는 AI를 기반으로 하는 다양한 전공에 대한 전반적인 이해를 통해 학생들의 적성에 부합하는 진로를 찾고 설계할 수 있도록 하는 교과목이다. 주로 AI분야로부터 비롯된 현상을 이해하고 그 인과관계의 분석이 우리의 삶과 밀접한 관계가 있다는 것을 배운다.


AII2010 인공지능입문 / 3학점

인공지능의 기본 개념부터 인공지능 기술 구현에 필요한 소프트웨어, 하드웨어 등 요소 기술에 대해 학습한다. 인공지능 모델 개발에 필요한 기본 알고리즘 등에 대하여 학습하고, 딥러닝, 자연어처리, 컴퓨터비전 등 주요 인공지능 기술에 대하여 소개한다.


AIE3090 인공지능실험 / 3학점

학습한 머신러닝 및 인공지능 이론을 토대로 다양한 분야에 기계학습을 활용한 인공지능 어플리케이션을 직접 개발한다. 머신러닝 기 술 및 다양한 신경망 구조(CNN, RNN, LSTM, Transformer, Diffusion 모델)를 컴퓨터 과학 관련분야에 직접 접목해봄으로써 학생 의 창의력 및 인공지능 어플리케이션 개발 역량을 향상한다. 


CSE2003 컴퓨터프로그래밍Ⅰ / 3학점

컴퓨터 프로그래밍 언어의 구문 및 기법을 C언어를 기반으로 학습한다. 

학습한 내용에 대한 프로그래밍 실습 위주의 수업을 통하여 문제해결 능력을 함양한다.


CSE3080 자료구조 / 3학점

선수과목：CSE2035

배열, 스택, 큐, 링크드리스트, 트리, 그래프 등의 자료구조들을 소개하고 그것들을 이용 한 구현과 분석을 다루어, 효율적인 알고리 즘(프로그램) 개발 능력의 기초를 함양한다.


CSE4130 기초머신러닝 / 3학점

본 교과목에서는 머신러닝에 관한 이론과 실 용적인 알고리즘을 이해함으로써 머신러닝 의 기초, 응용분야, 가능성과 한계에 대하여 학습하도록 한다. 머신러닝에서 주로 다루어 지는 Bayes rule, decision tree, Support Vector Machine 등의 분류기법을 소개하고, 지도/준 지도/비지도학습 등의 일반적인 학습 이론 과 HMM, Active Learning, Reinforcement Learning, Artificial Neural Networks 등에 대하 여 학습한다.


AIE4090 인공지능캡스톤디자인Ⅰ / 3학점

본 과목은 인공지능 전공과목으로부터 습득 한 이론적 지식과 개념을 바탕으로 산업현장 에서 발생하고 있는 기술적 문제점을 파악 및 정의하여 해결할 수 있는 방안을 설계하 고 실제 구현해봄으로써 체계적인 프로세스 에 바탕을 둔 실제적 문제 해결 능력을 함양 시키는 것을 목표로 한다.