인공지능학과(교육과정)

체계적인 커리큘럼과 실습 프로젝트를 통한 인공지능 전문가 양성

인공지능 기술의 이해와 실무능력 향상을 위한 교육

인공지능학과는 기초부터 심화까지 체계적인 커리큘럼을 제공하여 학생들이 인공지능 기술의 기본 원리를 이해하고, 실제 문제 해결을 위한 실무능력을 키울 수 있도록 다양한 수업을 구성하고 있다. 또한, 학생들은 프로젝트 및 캡스톤디자인 수업을 통해 실제 인공지능 기술을 적용하고, 팀워크 및 문제 해결 능력을 향상시킬 수 있다.

온라인강의체험 학과홈페이지

커리큘럼

2024년 커리큘럼 상세내용 - 학년, 이수구분, 교과목정보(교과목명, 자격, 학점), 개설학기(1, 하계, 2, 동계)를 보여줌
학년	이수 구분	교과목정보			개설학기
학년	이수 구분	교과목명	자격	학점	1	하계	2	동계
1	전공선택	기초수학1		3	■개설
1	전공선택	데이터과학입문		3	■개설
1	전공선택	미래사회와미래기술		3	■개설
1	전공선택	컴퓨팅사고		3	■개설
1	전공선택	데이터과학실습		3			■개설	■개설
1	전공선택	문제해결프로그래밍입문		3			■개설	■개설
1	전공선택	기초수학2		3			■개설
1	전공선택	블록코딩과인공지능		3			■개설
1	전공선택	AI프로그래밍기초		3			■개설
1	추천교양	모두를위한인공지능		3	■개설
1	추천교양	코딩첫걸음		3	■개설
2	전공선택	코드없이따라하는머신러닝		3	■개설	■개설
2	전공선택	데이터구조와활용		3	■개설
2	전공선택	빅데이터기초수학		3	■개설
2	전공선택	파이썬데이터분석		3	■개설
2	전공선택	빅데이터분석및AI모델링		3			■개설
2	전공선택	코딩테스트입문		3			■개설
2	전공선택	GitHub포트폴리오		3			■개설
3	전공선택	강화학습과현대인공지능		3	■개설
3	전공선택	문제해결알고리즘		3	■개설
3	전공선택	생성형AI활용		3	■개설
3	전공선택	인공지능개론		3	■개설
3	전공선택	코드없이따라하는데이터분석		3	■개설
3	전공선택	데이터모델링과SQL(SQLD)		3			■개설
3	전공선택	딥러닝		3			■개설
3	전공선택	실용데이터전처리		3			■개설
3	전공선택	코딩테스트실습		3			■개설
4	전공선택	데이터분석준전문가(ADsP)		3	■개설
4	전공선택	머신러닝		3	■개설
4	전공선택	빅데이터통계분석		3	■개설
4	전공선택	AI융합캡스톤디자인		3	■개설
4	전공선택	빅데이터분석실무		3			■개설
4	전공선택	챗GPT와자연어처리		3			■개설
4	전공선택	AI캡스톤디자인		3			■개설

교과목소개

교과목소개 - 교과목명, 교과목소개를 나타낸 표
교과목명	교과목 소개
강화학습과현대인공지능 (Reinforcement Learning and Modern Artificial Intelligence)	인공지능의 핵심 분야 중 하나인 강화학습은 머신과 환경이 상호작용하면서 스스로 학습하는 방법론으로, 인공지능의 미래를 이끌어갈 핵심 기술 중 하나이다. 본 교과목에서는 강화학습의 기본 개념과 원리를 이해하고, 강화학습 알고리즘의 종류와 특징을 이해한 후, 강화학습 알고리즘을 사용하여 실제 문제를 해결하는 경험을 갖도록 한다.
기초수학1 (Basic Mathematics I)	빅데이터나 인공지능 분야를 접하는 학생들에게 필요한 기초적인 수학 지식을 다루는 첫 번째 수업으로, 해당 분야를 이해하는 데 필요한 수학적 내용들을 개념적인 부분부터 다루고자 한다. 본 교과목에서는 기초적인 수학 지식을 바탕으로 빅데이터나 인공지능 분야를 이해하고 활용할 수 있는 기본 능력을 학습하고자 한다.
기초수학2 (Basic Mathematics II)	빅데이터나 인공지능 분야를 접하는 학생들에게 필요한 기초적인 수학 지식을 다루는 두 번째 수업으로, 해당 분야를 이해하는 데 필요한 수학적 내용들을 개념적인 부분부터 다루고자 한다. 본 교과목에서는 기초적인 수학 지식을 바탕으로 빅데이터나 인공지능 분야를 이해하고 활용할 수 있는 기본 능력을 학습하고자 한다.
데이터과학실습 (Data Science Programming)	본 교과목의 수준은 데이터 과학 분야의 입문 단계이며, 데이터 과학에 특화된 프로그래밍 언어를 학습하고, 이를 바탕으로 데이터를 수집하고 분석하는 등의 과정을 실습으로 진행하며, 이에 대한 과제 등을 통해 교육목표를 달성한다.
데이터과학입문 (Introduction to Data Science)	수많은 데이터가 쏟아지는 시대에서 가치 있는 데이터를 찾아내고, 분석하고, 가공하는 일은 매우 중요하다. 이러한 시대에 데이터를 분석하는 방법들 중 많은 것들은 통계학에 그 바탕을 두고 있다. 본 교과목에서는 통계학을 수식으로 접근하기보다는 사회, 경제, 의학, 금융, IT 등 여러 분야에서 데이터로부터 어떤 의미 있는 정보들을 얻을 수 있는지에 관해 학습한다.
데이터구조와활용 (Data Structures and Utilization)	현대 사회에서는 다양한 분야에서 복잡한 문제들이 지속적으로 발생하며, 이러한 문제들을 효과적으로 해결하기 위해 프로그래밍을 통한 접근은 매우 유용하다. 본 교과목에서는 문제를 해결하기 위해 필요한 데이터 구조 지식을 학습하고, 이러한 것들을 기반으로 문제를 해결할 수 있는 기본 능력을 학습하고자 한다.
데이터모델링과SQL(SQLD) (SQL Developer)	데이터 모델링에 대한 지식을 바탕으로 데이터베이스에 직접 접근할 수 있는 언어인 SQL(Structured Query Language)을 다룰 수 있는 개발자가 점차 주목을 받고 있다. 본 교과목에서는 데이터 구조의 근간인 데이터 모델링에 대한 이해를 바탕으로 SQL을 이해하고 활용할 수 있는 능력을 학습하고자 한다.
데이터분석준전문가(ADsP) (Advanced Data Analytics Semi-Professional)	데이터를 활용하기 위해 처리하고 분석하는 능력은 생산성을 향상시키고 새로운 가치를 창출하는 등 점차 주목을 받고 있다. 본 교과목에서는 데이터 분석의 프로세스를 이해하고, 분석 과정을 체계화 및 구체화하며, 데이터 분석 과정을 이해하는 능력을 학습하고자 한다.
딥러닝 (Deep Learning)	본 교과목에서는 학생들이 딥러닝의 개념을 이해하고, 이를 실습을 통해 구현 능력을 키우는 것을 목표로 한다. 딥러닝의 기초적인 개념부터 시작하여 최신의 트렌드에 대한 이해를 진행하며, 이와 병행하여 파이썬을 사용하여 실제 딥러닝 모델을 활용할 수 있도록 학습하고, 이를 기반으로 학생들이 딥러닝에 대한 개념뿐만 아니라 구현 능력까지 실습을 통해 습득하는 것을 목표로 한다.
머신러닝 (Machine Learning)	본 교과목에서는 학생들이 머신러닝의 개념을 이해하고, 이를 실습을 통해 구현 능력을 키우는 것을 목표로 한다. 머신러닝의 기초적인 개념부터 시작하여 최신의 트렌드에 대한 이해를 진행하며, 이와 병행하여 파이썬을 사용하여 실제 머신러닝 모델을 활용할 수 있도록 학습하고, 이를 기반으로 학생들이 머신러닝에 대한 개념뿐만 아니라 구현 능력까지 실습을 통해 습득하는 것을 목표로 한다.
문제해결알고리즘 (Problem-Solving Algorithms)	현대 사회에서는 다양한 분야에서 복잡한 문제들이 지속적으로 발생하며, 이러한 문제들을 효과적으로 해결하기 위해 프로그래밍을 통한 접근은 매우 유용하다. 본 교과목에서는 문제를 해결하기 위해 필요한 알고리즘 지식을 학습하고, 이러한 것들을 기반으로 문제를 해결할 수 있는 기본 능력을 학습하고자 한다.
문제해결프로그래밍입문 (Introduction to Problem-Solving Programming)	현대 사회에서는 다양한 분야에서 복잡한 문제들이 지속적으로 발생하며, 이러한 문제들을 효과적으로 해결하기 위해 프로그래밍을 통한 접근은 매우 유용하다. 본 교과목에서는 문제해결 프로그래밍을 시작하기 위해 필요한 파이썬 프로그래밍 언어의 핵심 문법을 학습하고, 실습을 통해 학생들의 프로그래밍 능력을 학습하고자 한다.
미래사회와미래기술 (Future Society and Future Technology)	기후 변화, 1인 가구 증가, 고령화 등 미래의 메가 트렌드를 이해하는 것은 중요한 일 중 하나이다. 본 교과목에서는 미래의 메가 트렌드 변화를 이해하고, 그 변화에 맞추어 활용될 수 있는 AI, 로봇, 자율주행 등의 기술 사례를 소개하여 미래의 다양한 기술 적용 가능성을 학습하고자 한다.
블록코딩과인공지능 (Block Coding and Artificial Intelligence)	빅데이터나 인공지능을 학습하기 위해 프로그래밍 학습은 필수적이나, 처음 배우는 학생들에게 텍스트 기반의 코딩은 다소 어려울 수 있다. 본 교과목에서는 프로그래밍의 기본 원리와 인공지능의 핵심 개념을 블록 코딩을 통해 상대적으로 쉽고 직관적으로 다루며, 이를 기반으로 해당 분야를 이해하기 위한 기초 능력을 학습하고자 한다.
빅데이터기초수학 (Mathematics for Big Data)	본 교과목에서는 학생들이 빅데이터, 데이터 분석, 머신러닝, 딥러닝 등 데이터 과학 전반에 걸쳐 필요로 하는 기본적인 수학 지식을 함양하는 것을 목표로 한다. 수학적 지식을 이론적으로 이해하고 손으로 푸는 과정에서 그치지 않고, 컴퓨터 기반 도구들을 활용하여 학생들에게 눈으로 확인하는 과정을 병행하여 학생들의 수학적 개념 이해를 돕고자 한다.
빅데이터분석및AI모델링 (Big Data Analysis and AI Modeling)	빅데이터는 현대 비즈니스 및 연구 분야에서 매우 중요하며, 빅데이터를 분석하고 그 결과를 바탕으로 AI 모델링을 수행하는 능력이 점차 중요해지고 있다. 본 교과목에서는 파이썬 및 Numpy, Pandas, 시각화 실습 능력을 기반으로 한 빅데이터 분석 기법과 간단한 AI 모델링 방법을 실습 기반으로 학습한다.
빅데이터분석실무 (Big Data Analysis in Practice)	빅데이터에 대한 이해를 기반으로 한 빅데이터 분석 기획, 탐색, 모델링 및 결과 해석 능력은 점차 중요해지고 있다. 본 교과목에서는 빅데이터로부터 유용한 정보를 찾고 결과 예측을 위해 필요한 핵심 요소들을 수행할 수 있는 능력을 학습하고자 한다.
빅데이터통계분석 (Statistics for Big Data)	빅데이터는 현대 사회에서 중요한 역할을 하는 데이터의 한 형태로, 이를 통계적으로 분석하고 이해하는 능력은 다양한 분야에서 필수적이다. 본 교과목에서는 데이터 탐색의 기초부터 시작하여, 다양한 통계기법을 통해 데이터의 숨겨진 패턴과 정보를 발견하는 방법에 대해 학습하고자 한다.
생성형AI활용 (Generative AI Applications)	생성형 AI는 현대 인공지능 분야에서 중요한 도구로 빠르게 부상하고 있다. 본 교과목에서는 생성형 AI 기술의 대표적인 예인 챗GPT, 코파일럿 등을 중심으로 학습한다. 학생들은 이러한 인공지능 도구들을 활용하여 프로그래밍의 효율성을 향상시키고, 다양한 문제 해결에 AI의 도움을 받는 방법을 실습을 통해 경험한다.
실용데이터전처리 (Practical Data Preprocessing)	빅데이터와 같은 방대한 데이터는 생성단계부터 사용방법이나 용도를 바탕으로 수집되지 않는게 현실이며, 따라서 수집된 데이터는 분석 또는 인공지능 훈련용으로 사용하기 전에 처리 과정이 필요하다. 본 교과목에서는 텍스트, 이미지, 자연어, 오디오 등 다양한 데이터 종류와 사용방법에 따른 전처리 기법을 학습하고자 한다.
인공지능개론 (Introduction to Artificial Intelligence)	현대 사회에서는 다양한 분야에서 인공지능의 응용이 지속적으로 확대되고 있다. 이러한 환경에서 인공지능 기술을 효과적으로 이해하고 활용하기 위한 기본적인 지식은 필수적이다. 본 교과목에서는 인공지능의 기본 원리와 개념을 학습하고, 이러한 지식을 바탕으로 다양한 문제 상황에서 인공지능을 적용할 수 있는 기본 능력을 학습하고자 한다.
챗GPT와자연어처리 (ChatGPT and Natural Language Processing)	현대 인공지능 분야에서 딥러닝과 자연어 처리는 매우 중요한 역할을 하고 있다. 본 교과목에서는 딥러닝 및 자연어 처리의 기본 원리와 최신 기술에 대한 심화 학습을 진행하며, 이론적인 지식 습득뿐만 아니라 실습을 통해 자연어 처리 기술을 활용하는 경험을 갖도록 한다.
컴퓨팅사고 (Computational Thinking)	컴퓨팅 사고는 문제 해결과 프로그래밍에 접근하는 핵심적이고 기본적인 사고 방식으로, 현대 사회에서 다양한 문제 상황을 효과적으로 분석하고 해결하는 데 필수적이다. 본 교과목에서는 컴퓨팅 사고가 무엇인지 살펴보고, 다양한 환경과 문제들로부터 효과적인 문제 해결 능력을 학습하고자 한다.
코드없이따라하는데이터분석 (No-Code Data Analysis)	본 교과목에서는 학생들이 실습을 통해 데이터 분석을 경험해보는 것을 목표로 한다. 이때 가급적 텍스트 기반의 코드 구현을 배제하고, 블록 코딩 기반 또는 도구 기반으로 데이터 분석 실습을 진행하고자 하며, 학생들이 다양한 데이터 분석 문제들을 실습을 통해 따라하며 해결해보는 형태로 학습을 진행한다.
코드없이따라하는머신러닝 (No-Code Machine Learning)	본 교과목에서는 학생들이 머신러닝의 기본 개념을 이해하고, 실습을 통해 머신러닝을 활용해보는 것을 목표로 한다. 이때 가급적 텍스트 기반의 코드 구현을 배제하고, 블록 코딩 기반 또는 도구 기반으로 실습을 진행하고자 하며, 학생들이 머신러닝 실습을 따라해보는 형태로 학습을 진행한다.
코딩테스트실습 (Coding Test Practice)	본 교과목에서는 학생들이 프로그래밍 언어를 사용하여 코딩 테스트에 나오는 다양한 문제들을 해결할 수 있는 능력을 키우는 것을 목표로 하고 있으며, 본 교과목을 듣기 전에 프로그래밍 언어의 기본적인 구현 능력(조건문, 반복문, 함수, 배열/리스트 등), 기본적인 자료구조의 사용 능력 등이 필요하다. 이러한 능력들을 기반으로 코딩 테스트에 나오는 다양한 문제를 실습을 통해 학습한다.
코딩테스트입문 (Introduction to Coding Test)	본 교과목에서는 학생들이 프로그래밍 언어를 사용하여 코딩 테스트에 나오는 기본적인 문제들을 해결할 수 있는 능력을 키우는 것을 목표로 하고 있으며, 본 교과목을 듣기 전에 프로그래밍 언어의 기본적인 구현 능력(조건문, 반복문, 함수, 배열/리스트 등)이 필요하다. 이러한 구현 능력을 기반으로 코딩 테스트 입문 수준의 문제를 해결하는 데 자주 사용되는 기본적인 자료구조의 사용법을 익히고, 이를 기반으로 다양한 코딩 테스트 입문 문제들을 실습을 통해 학습한다.
파이썬데이터분석 (Python Data Analysis)	데이터 분석은 현대 인공지능 및 데이터 사이언스 분야에서 핵심적인 역할을 하고 있다. 본 교과목에서는 파이썬을 활용한 데이터 분석의 핵심 라이브러리인 Numpy, Pandas, 그리고 데이터 시각화 도구를 중심으로, 데이터 처리, 분석 및 시각화 과정을 실습 기반으로 학습한다.
AI융합캡스톤디자인 (AI Integrated Capstone Design)	인공지능 분야의 종합적인 지식과 기술을 기반으로 실제 인공지능과 관련된 융합 프로젝트에 적용하여 학생들이 문제를 직접 해결해보는 경험이 점차 중요해지고 있다. 본 교과목에서는 실제 현장의 문제나 이슈 등을 인공지능 기술로 해결하는 프로젝트를 학생이 스스로 수행하여 인공지능 분야를 더 잘 이해할 수 있는 경험을 갖도록 한다.
AI캡스톤디자인 (AI Capstone Design)	인공지능 분야의 종합적인 지식과 기술을 기반으로 실제 프로젝트에 적용하여 학생들이 문제를 직접 해결해보는 경험이 점차 중요해지고 있다. 본 교과목에서는 실제 현장의 문제나 이슈 등을 인공지능 기술로 해결하는 프로젝트를 학생이 스스로 수행하여 인공지능 분야를 더 잘 이해할 수 있는 경험을 갖도록 한다.
AI프로그래밍기초 (AI Programming Fundamentals)	인공지능 분야에서 현재 가장 널리 사용되는 기본 프로그래밍 언어는 파이썬이다. 본 교과목에서는 인공지능 분야의 학습을 시작하기 위해 필요한 파이썬의 이론적인 지식뿐만 아니라 프로그래밍 실습을 통해 인공지능 분야에서 필요한 파이썬 기초 활용 능력을 학습하고자 한다.
GitHub포트폴리오 ( GitHub Portfolio)	현대 IT 산업에서 개발자나 엔지니어의 기술 능력을 평가하는 데 있어 포트폴리오가 중요한 역할을 하고 있다. 본 교과목에서는 학생들이 자신의 기술 능력과 프로젝트 경험을 체계적으로 GitHub에서 관리하고, 이를 취업이나 이직 시 포트폴리오로 활용할 수 있도록 지도한다.