스킵네비게이션

융합학과

학과 소개

디지털 신기술 기반 융〮복합형 공학인재 양성

● 융합학과는 AI·빅데이터, AR/VR(메타버스), 스마트팩토리 등 주요 디지털 신기술을 기반으로 신흥 기술(Emerging Technology) 및 융〮복합 분야 전반에 걸친 고급 인재양성을 위해 신설


● 융합학과 특장점

  • 리빙랩 형태의 연구실 운영으로 디지털 신기술 분야 자율 연구 수행
  • 산업 전문가들과의 팀티칭을 통한 융복합 프로젝트 중심 교육 실시


교육목표

  • 4차 산업혁명 관련 디지털 신기술 공학인재 양성
  • AI·빅데이터, AR/VR(메타버스), 스마트팩토리 분야의 대학 연구역량 강화
  • 기존 디지털 신기술 관련 학사과정 교육의 내실화
  • 신흥 기술(Emerging Technology) 및 융·복합 분야 전반에 걸친 고급 인재 양성

교육운영

  • 운영 : 정규학기
  • 등록 학기 : 4학기
  • 교과목 이수단위 : 3학점/2학점
  • 수료 학점 : 전공심화 16학점 이상, 전공융합 14학점 이하
  • 학위 : 공학석사 (X-인텔리전스융합전공)

교육과정

교과목 이수기준 정보 표로 교과목명, 수강 대상자, 이수형태, 학점 순으로 보시면 됩니다.
이수구분 교과목명 비고
전공심화 현장기술연구 I 2 2 0 특성화교과
현장기술연구 II 2 2 0 특성화교과
현장기술연구 III 2 2 0 특성화교과
현장기술연구 IV 2 2 0 특성화교과
확률 프로그래밍 3 3 0
에이전트 인텔리전스 3 3 0
데이터 인텔리전스 3 3 0
감성 인텔리전스 2 2 0
메타버스 응용 3 3 0
디지털트윈 응용 3 3 0
군집제어 응용 3 3 0
고급 에이전트 인텔리전스 3 3 0
고급 데이터 인텔리전스 3 3 0
고급 군집 인텔리전스 3 3 0
전공융합 교과목코드 앞 두 자리 12, 13, 14, 24, 25, 26 교과목

※ 상기 이수기준 및 교과내용은 운영 상황에 따라 일부 변경될 수 있음


교과목소개

  • 확률 프로그래밍
    확률 프로그래밍은 확률 모델을 명확히 기술하면, 이 모델에 대한 추론이 작동적으로 수행되는 시스템이다. 초기 베이지안 통계적 추론을 자동화한 프로그래밍에서 최근 인공지능을 지원하는 도구로 주목받고 있다. 본 과정은 확률 프로그래밍 언어(WebPPL, Pyro)를 학습하고, 기계 학습, 통계, 프로그래밍 언어에 확률 프로그래밍이 적용되는 사례들을 학습한다.
  • 에이전트 인텔리전스
    에이전트 인텔리전스는 에이전트 구성에 필요한 지식모듈, 처리모듈, 통신모듈을 포함하여 다른 에이전트와 상호작용을 위한 외부환경을 학습한다. 에이전트를 특성과 기술에 따라 분류하고, 분류된 에이전트의 활용 분야와 장․단점을 학습한다. 이동형 에이전트 등 특정 에이전트를 선정하여 에이전트 기반 모델링을 학습한다.
  • 데이터 인텔리전스
    데이터 인텔리전스 과정에서 학생들은 데이터 수집 및 전처리, 데이터 시각화, 텍스트 및 통계 분석 등에 대해 학습한다. 데이터 인텔리전스 과정은 주어진 데이터나 정보에 대한 결론을 내리기 위해 원시 데이터를 분석하는 방법에 대해 가르친다. 결론을 도출하고 정해진 목표를 달성하기 위해 데이터를 추출, 처리, 분석하는 전반적인 과정에 대해 학습한다.
  • 감성 인텔리전스
    감성 인텔리전스는 우리 일상에서 SNS, 모바일 기기, 웨어러블 기기 등을 통해 쉽게 확보될 수 있는 시각 데이터, 텍스트 데이터, 음성 데이터 등에 머신러닝을 적용하여 감성 상태를 추출하고 분석하는 것을 목표로 한다. 또한 최신 감성분석 사례들을 학습하고 개선 아이디어를 도출한다.
  • 메타버스 응용
    메타버스 응용은 메타버스 플랫폼 생태계를 이해하고 메타버스 공간구축을 위한 프로그래밍 기술과 그 프로세스를 습득한다. 과제 중심의 실습으로 실질적인 메타버스 공간을 구축하고 메타버스 플랫폼 상의 신규 서비스를 기획하고 제시한다.
  • 디지털트윈 응용
    디지털트윈 응용은 디지털트윈 구축에 필요한 다섯 요소인 모델링 (Modeling), 시뮬레이션 (Simulation), 연결성 (Connectivity), 가시화 (Visualization), 분석 (Analytics)을 이론에 기반하여 학습한다. 이후 사례연구를 선정하여 문제해결에 적합한 디지털트윈을 제안하고,제안된 디지털트윈을 구현함으로써 효과를 학습한다.
  • 군집제어 응용
    군집제어 응용은 군집 상태의 무인시스템을 제어하기 위해 필요한 상황인식 (Situational Awareness), 임무계획 (Mission Planning), 자율제어 (Autonomous Control)를 이론에 기반하여 학습한다. 이후 무인시스템의 군집제어와 관련한 최신 사례를 살펴보고, 현재 연구개발 중인 분야와 접목하여 융합형 군집제어 시스템을 제안한다.
  • 고급 에이전트 인텔리전스
    고급 에이전트 인텔리전스는 제조, 의료, 문화, 사회 등 다양한 분야에 활용 가능한 에이전트 시스템을 심화 학습한다. 에이전트의 자율성과 이동성 및 지능 구현에 필요한 이론을 학습한다. 프로젝트를 통해 학습/추론, 상황처리 및 협동이 가능한 지능형 협력 에이전트를 설계한다. 설계한 에이전트는 시뮬레이션 소프트웨어 혹은 연구용 로봇으로 구현함으로써 에이전트 연구개발 효과를 학습한다.
  • 고급 데이터 인텔리전스
    고급 데이터 인텔리전스는 확률과 통계, 데이터 구조와 알고리즘, 데이터 수집, 클러스터링, 네트워크 분석 등과 같은 광범위한 주제에 대해 학습한다. 이 과정을 통해 학생들은 데이터 분석 목적에 맞는 충분한 관련 데이터를 수집하고, 과학적 방법을 이용한 데이터 분석을 수행하며, 이를 통해 실생활의 문제를 해결하는 방안을 도출할 수 있다.
  • 고급 군집 인텔리전스
    고급 군집 인텔리전스는 로봇운영체제(ROS)를 활용하여 군집 무인시스템의 설계 및 구현을 학습한다. 무인시스템 구현에 필요한 개발환경을 구축하고, 상용 로봇을 활용하여 리더와 멤버로 구성된 군집 형태를 구축한다. 군집에 부여된 임무를 효과적으로 수행하기 위해 지능형 알고리즘을 제안하고, 상용 로봇을 활용하여 제안된 알고리즘의 동작 검증을 학습한다.