AI 학부를 전공하는 학생들이 기본적으로 이해해야 할 제반 분야를 파악하고, 특히 인공지능 및 빅데이터의 개념, 문제해결 방법, 그리고 다양한 분야에 관한 기초적인 지식을 습득한다.

확률적 문제에 대한 수학적 표현과 정의 및 해법을 습득하고, 확률 및 랜덤변수, 확률 분포, 통계적 추론 및 회귀 등을 공부한다.

자연과학과 공학의 기초가 되는 미분과 적분에 대한 기본 원리를 이해하고 이를 응용하는 방법을 공부한다.

AI 학부를 전공하는 학생들이 기본적으로 이해해야 할 제반 분야를 파악하고, 특히 인공지능 및 빅데이터의 개념, 문제해결 방법, 그리고 다양한 분야에 관한 기초적인 지식을 습득한다.

AI 학부를 전공하는 학생들이 기본적으로 이해해야 할 제반 분야를 파악하고, 특히 인공지능 및 빅데이터의 개념, 문제해결 방법, 그리고 다양한 분야에 관한 기초적인 지식을 습득한다.

확률적 문제에 대한 수학적 표현과 정의 및 해법을 습득하고, 확률 및 랜덤변수, 확률 분포, 통계적 추론 및 회귀 등을 공부한다.

자연과학과 공학의 기초가 되는 미분과 적분에 대한 기본 원리를 이해하고 이를 응용하는 방법을 공부한다.

AI 학부를 전공하는 학생들이 기본적으로 이해해야 할 제반 분야를 파악하고, 특히 인공지능 및 빅데이터의 개념, 문제해결 방법, 그리고 다양한 분야에 관한 기초적인 지식을 습득한다.

AI 학부를 전공하는 학생들이 기본적으로 이해해야 할 제반 분야를 파악하고, 특히 인공지능 및 빅데이터의 개념, 문제해결 방법, 그리고 다양한 분야에 관한 기초적인 지식을 습득한다.

AI 학부를 전공하는 학생들이 기본적으로 이해해야 할 제반 분야를 파악하고, 특히 인공지능 및 빅데이터의 개념, 문제해결 방법, 그리고 다양한 분야에 관한 기초적인 지식을 습득한다.

자연과학과 공학의 기초가 되는 미분과 적분에 대한 기본 원리를 이해하고 이를 응용하는 방법을 공부한다.

확률적 문제에 대한 수학적 표현과 정의 및 해법을 습득하고, 확률 및 랜덤변수, 확률 분포, 통계적 추론 및 회귀 등을 공부한다.

통계학의 기초적 지식을 바탕으로 여러 가지 분포의 특성과 각 분포의 모수에 대한 추정 및 검정 방법에 대하여 해석하는 것을 중심으로 다루고, 자료의 정리와 요약으로 과학적 사고를 배양하는 논리성에 대하여 배운다.

통계학의 기초적 지식을 바탕으로 여러 가지 분포의 특성과 각 분포의 모수에 대한 추정 및 검정 방법에 대하여 해석하는 것을 중심으로 다루고, 자료의 정리와 요약으로 과학적 사고를 배양하는 논리성에 대하여 배운다.

벡터와 행렬에 관한 기본적인 이론들을 공부하고, 수학적으로 모델링한 연립방정식 문제를 해결하는 수학 이론과 방법들을 습득한다.

인공지능 프로그래밍 기반의 알고리즘 및 라이브러리, 프레임워크를 활용하여 설계, 구현하고, 버전 관리 프로그램 등 최신의 오픈소스 소프트웨어 활용법을 습득한다.

통계학의 기초적 지식을 바탕으로 여러 가지 분포의 특성과 각 분포의 모수에 대한 추정 및 검정 방법에 대하여 해석하는 것을 중심으로 다루고, 자료의 정리와 요약으로 과학적 사고를 배양하는 논리성에 대하여 배운다.

통계학의 기초적 지식을 바탕으로 여러 가지 분포의 특성과 각 분포의 모수에 대한 추정 및 검정 방법에 대하여 해석하는 것을 중심으로 다루고, 자료의 정리와 요약으로 과학적 사고를 배양하는 논리성에 대하여 배운다.

벡터와 행렬에 관한 기본적인 이론들을 공부하고, 수학적으로 모델링한 연립방정식 문제를 해결하는 수학 이론과 방법들을 습득한다.

인공지능 프로그래밍 기반의 알고리즘 및 라이브러리, 프레임워크를 활용하여 설계, 구현하고, 버전 관리 프로그램 등 최신의 오픈소스 소프트웨어 활용법을 습득한다.

통계학의 기초적 지식을 바탕으로 여러 가지 분포의 특성과 각 분포의 모수에 대한 추정 및 검정 방법에 대하여 해석하는 것을 중심으로 다루고, 자료의 정리와 요약으로 과학적 사고를 배양하는 논리성에 대하여 배운다.

통계학의 기초적 지식을 바탕으로 여러 가지 분포의 특성과 각 분포의 모수에 대한 추정 및 검정 방법에 대하여 해석하는 것을 중심으로 다루고, 자료의 정리와 요약으로 과학적 사고를 배양하는 논리성에 대하여 배운다.

벡터와 행렬에 관한 기본적인 이론들을 공부하고, 수학적으로 모델링한 연립방정식 문제를 해결하는 수학 이론과 방법들을 습득한다.

인공지능 프로그래밍 기반의 알고리즘 및 라이브러리, 프레임워크를 활용하여 설계, 구현하고, 버전 관리 프로그램 등 최신의 오픈소스 소프트웨어 활용법을 습득한다.

인공지능의 정의, 논리, 추론, 지식, 지식 표현 방법 및 탐색 등 전반적인 개념을 수학적으로 이해하고 신경망, 유전자 알고리즘, 퍼지이론, 기계학습 및 딥러닝 등 심화 내용을 소개한다.

프로그래밍 언어인 Java 언어를 실습으로 함수와 객체지향언어를 사용하는 방법을 숙지하며 프로그래밍 능력을 향상시킨다.

AI 및 빅데이터 분야를 이해하는데 필수적인 수학적 기초 이론과 응용을 학습한다.

다양한 자료구조들의 정의, 특성 등 기본적인 개념을 이해하고, 효율적인 처리 방법을 위한 사용 방법과 응용을 공부한다.

R을 이용하여 효과적이고 효율적인 데이터 분석을 위한 데이터 저장 및 활용에 대한 기본 원리를 학습한다.

인공지능의 정의, 논리, 추론, 지식, 지식 표현 방법 및 탐색 등 전반적인 개념을 수학적으로 이해하고 신경망, 유전자 알고리즘, 퍼지이론, 기계학습 및 딥러닝 등 심화 내용을 소개한다.

R을 이용하여 효과적이고 효율적인 데이터 분석을 위한 데이터 저장 및 활용에 대한 기본 원리를 학습한다.

다양한 자료구조들의 정의, 특성 등 기본적인 개념을 이해하고, 효율적인 처리 방법을 위한 사용 방법과 응용을 공부한다.

AI 및 빅데이터 분야를 이해하는데 필수적인 수학적 기초 이론과 응용을 학습한다.

프로그래밍 언어인 Java 언어를 실습으로 함수와 객체지향언어를 사용하는 방법을 숙지하며 프로그래밍 능력을 향상시킨다.

인공지능의 정의, 논리, 추론, 지식, 지식 표현 방법 및 탐색 등 전반적인 개념을 수학적으로 이해하고 신경망, 유전자 알고리즘, 퍼지이론, 기계학습 및 딥러닝 등 심화 내용을 소개한다.

R을 이용하여 효과적이고 효율적인 데이터 분석을 위한 데이터 저장 및 활용에 대한 기본 원리를 학습한다.

다양한 자료구조들의 정의, 특성 등 기본적인 개념을 이해하고, 효율적인 처리 방법을 위한 사용 방법과 응용을 공부한다.

AI 및 빅데이터 분야를 이해하는데 필수적인 수학적 기초 이론과 응용을 학습한다.

프로그래밍 언어인 Java 언어를 실습으로 함수와 객체지향언어를 사용하는 방법을 숙지하며 프로그래밍 능력을 향상시킨다.

실제 문제의 해결을 위한 알고리즘을 이해하고, 이들 알고리즘의 계산복잡도를 분석함으로써 효율적인 알고리즘을 고안할 수 있는 능력 배양에 강의 중점을 둔다.

시계열의 기본 개념과 및 원리를 이해하고, 금융계량학적 시계열 모형의 추정과 예측, 분석기법에 대하여 학습한다.

머신러닝(기계학습)의 기본 개념 및 원리를 공부한다. 퍼셉트론, 신경망, 회귀, PCA, SVM 등을 이해하고 문제해결 능력을 향상시킨다.

컴퓨터의 기본적인 구성과 구조를 이해하고, 컴퓨터 하드웨어의 구성 요소인 CPU, 기억장치, 입출력장치 및 기타 주변장치 등 각 모듈의 설계 및 동작 원리, 특징 등을 고찰하며, 나아가 현대 고성능 컴퓨터의 구조와 설계 원리들을 이해한다.

데이터베이스의 기초개념, SQL의 사용법, 데이터 모델 등에 대해 공부하고, 데이터베이스 설계 및 관리 문제에 대해 알아본다. 이론과 적절한 실습을 병행하여 데이터베이스 설계 및 관리 능력을 배양한다.

실제 문제의 해결을 위한 알고리즘을 이해하고, 이들 알고리즘의 계산복잡도를 분석함으로써 효율적인 알고리즘을 고안할 수 있는 능력 배양에 강의 중점을 둔다.

시계열의 기본 개념과 및 원리를 이해하고, 금융계량학적 시계열 모형의 추정과 예측, 분석기법에 대하여 학습한다.

머신러닝(기계학습)의 기본 개념 및 원리를 공부한다. 퍼셉트론, 신경망, 회귀, PCA, SVM 등을 이해하고 문제해결 능력을 향상시킨다.

컴퓨터의 기본적인 구성과 구조를 이해하고, 컴퓨터 하드웨어의 구성 요소인 CPU, 기억장치, 입출력장치 및 기타 주변장치 등 각 모듈의 설계 및 동작 원리, 특징 등을 고찰하며, 나아가 현대 고성능 컴퓨터의 구조와 설계 원리들을 이해한다.

데이터베이스의 기초개념, SQL의 사용법, 데이터 모델 등에 대해 공부하고, 데이터베이스 설계 및 관리 문제에 대해 알아본다. 이론과 적절한 실습을 병행하여 데이터베이스 설계 및 관리 능력을 배양한다.

실제 문제의 해결을 위한 알고리즘을 이해하고, 이들 알고리즘의 계산복잡도를 분석함으로써 효율적인 알고리즘을 고안할 수 있는 능력 배양에 강의 중점을 둔다.

시계열의 기본 개념과 및 원리를 이해하고, 금융계량학적 시계열 모형의 추정과 예측, 분석기법에 대하여 학습한다.

머신러닝(기계학습)의 기본 개념 및 원리를 공부한다. 퍼셉트론, 신경망, 회귀, PCA, SVM 등을 이해하고 문제해결 능력을 향상시킨다.

컴퓨터의 기본적인 구성과 구조를 이해하고, 컴퓨터 하드웨어의 구성 요소인 CPU, 기억장치, 입출력장치 및 기타 주변장치 등 각 모듈의 설계 및 동작 원리, 특징 등을 고찰하며, 나아가 현대 고성능 컴퓨터의 구조와 설계 원리들을 이해한다.

데이터베이스의 기초개념, SQL의 사용법, 데이터 모델 등에 대해 공부하고, 데이터베이스 설계 및 관리 문제에 대해 알아본다. 이론과 적절한 실습을 병행하여 데이터베이스 설계 및 관리 능력을 배양한다.

컴퓨터 통신의 기본기술, 네트워크 토폴로지와 기본 기술 등을 배우고 ISO의 표준화 모델 계층(layer)의 기능을 이해한다. 또한, 각 계층의 프로토콜에 대해서 공부한다.

데이터에 존재하는 의미 있는 정보를 추출하여 분석하는 통계적 이론 및 기법을 이해하고, 여러 문제를 해결하는 활용 능력을 습득한다.

웹 및 앱 프로그램 설계 및 방법에 관하여 공부하고, 프로그래밍 언어 능력을 습득한다.

다변량 데이터 이해, 정규분포, 등 다변량분석의 기본 이론을 습득하고, 예제 실습을 통해 응용 능력을 향상시킨다.

비정형 빅데이터 분석의 핵심으로, 텍스트 마이닝 기법의 이론 및 접근방법을 공부하고 이를 통해 텍스트 분석 및 활용 능력을 향상시킨다.

빅데이터 기본 개념을 이해하고 빅데이터의 생성, 처리, 가공, 관리, 분석, 특성, 해석 등 전반적인 지식을 습득한다. 또한, 관련 프로그램 실습을 통해 응용 능력을 향상시킨다.

운영체제, 특히 다중 프로그래밍, 시분할 시스템, 동기 프로세스의 기본 개념을 다룬다. 스케줄링, 메모리 관리, 정보의 공유 및 보호 등의 문제에 관하여 배우고, 실제 시스템 프로그래밍을 개발해 본다.

컴퓨터의 시각 정보를 기반으로 한 컴퓨터비전 분야의 기본 이론과 원리를 공부하고, 이를 활용한 응용 능력을 향상시킨다.

패턴인식의 이론, 개념과 응용에 대해 공부한다. 머신러닝 및 통계적 접근 방식을 접목하여 특징 분류를 위한 알고리즘을 탐구하며 다양한 응용 능력을 향상시킨다.

심층신경망(딥러닝)의 이론 및 기본 개념을 이해하고 그 구현 방법을 소개한다. 또한, 이를 적용하는 방법을 공부한다.

컴퓨터가 인간의 말을 이해할 수 있도록 처리하는 개념과 원리에 대해서 이해하고, 언어모델링, 임베딩, 문장생성 및 질의응답 등을 공부한다.

데이터 리터러시가 필요한 빅데이터 시대의 비즈니스 기술인 웹 크롤링을 파이썬 프로그램을 활용하여 구현하는 방법에 대해서 학습한다.

빅데이터에 대한 효과적이고 효율적인 데이터 저장, 처리, 활용 및 분석에 대한 기본 원리를 소개한다.

빅데이터 기반의 데이터로부터 새로운 정보를 생성하는 방법에 대해 이해하고, 프로젝트에서 활용할 수 있는 시각화와 분석 기법을 공부한다.

의사결정의 기본 개념과 분류, 원칙에 대해서 이해하고, 통계 확률 이론에 기반한 여러 가지 의사결정 기법을 학습한다.

객체지향 프로그래밍에 대한 기본 개념을 바탕으로, 실습을 통해 프로그래밍 응용 능력을 향상시키고 문제해결 능력을 기른다.

리눅스와 같은 운영체제에서 프로그램 개발 환경을 습득하고, 고급 프로그래밍 기법을 직접 실습하여 설계 능력을 습득한다.

인공지능 및 컴퓨터비전에서 학습한 내용을 기반으로 머신비전에 적용하는 응용기술을 공부한다.

선형 모델, 통계적 패턴 이론, 비선형 모델, 신경 정보의 표현 방법 등 신경망의 개념적 지식과 수리적 분석 및 모델링 실습 등 심화 내용을 통해 인공신경망의 전반적인 내용을 이해한다.

인터넷으로 연결된 사물들이 데이터를 주고받아 사용자에게 제공하거나 사용자가 이를 원격 조정할 수 기술 및 측정 데이터를 스스로 분석하고 학습한 정보를 생산하여 사용자에게 제공하는 기술을 위한 하드웨어와 소프트웨어 제어 시스템을 구성하고 활용하는 것에 목적을 둔다.

컴퓨터 통신의 기본기술, 네트워크 토폴로지와 기본 기술 등을 배우고 ISO의 표준화 모델 계층(layer)의 기능을 이해한다. 또한, 각 계층의 프로토콜에 대해서 공부한다.

운영체제, 특히 다중 프로그래밍, 시분할 시스템, 동기 프로세스의 기본 개념을 다룬다. 스케줄링, 메모리 관리, 정보의 공유 및 보호 등의 문제에 관하여 배우고, 실제 시스템 프로그래밍을 개발해 본다.

컴퓨터의 시각 정보를 기반으로 한 컴퓨터비전 분야의 기본 이론과 원리를 공부하고, 이를 활용한 응용 능력을 향상시킨다.

패턴인식의 이론, 개념과 응용에 대해 공부한다. 머신러닝 및 통계적 접근 방식을 접목하여 특징 분류를 위한 알고리즘을 탐구하며 다양한 응용 능력을 향상시킨다.

전공에서 습득한 지식을 기반으로 창의적인 프로젝트를 설계, 구현, 테스트, 문서화 및 발표를 진행한다.

심층신경망(딥러닝)의 이론 및 기본 개념을 이해하고 그 구현 방법을 소개한다. 또한, 이를 적용하는 방법을 공부한다.

학교강의를 통해 취득한 이론적지식을 실무현장에서 인턴쉽을 통해 체험하도록 하여 이론과 실무의 격차를 해소하고, 학습동기 유발 및 실무적응력을 배양할 수 있도록 함.

학교강의를 통해 취득한 이론적지식을 실무현장에서 인턴쉽을 통해 체험하도록 하여 이론과 실무의 격차를 해소하고, 학습동기 유발 및 실무적응력을 배양할 수 있도록 함.

학교강의를 통해 취득한 이론적지식을 실무현장에서 인턴쉽을 통해 체험하도록 하여 이론과 실무의 격차를 해소하고, 학습동기 유발 및 실무적응력을 배양할 수 있도록 함.

학교강의를 통해 취득한 이론적지식을 실무현장에서 인턴쉽을 통해 체험하도록 하여 이론과 실무의 격차를 해소하고, 학습동기 유발 및 실무적응력을 배양할 수 있도록 함.

본 인턴쉽 과정은 대학교육과정의 일부를 산업체의 현장실습을 통해 실무능력을 향상시켜 현장 적응력과 응용력을 함양한다.(4학기 이상 이수한 재학생으로 정규학기 인턴쉽 교과목 개설 운영 학과에서 선발된 학생은 인턴쉽 인정 국내 관련기관에서 16주(총 640시간) 이상의 현장 실습과정을 이수하면 12학점을 인정한다)

본 인턴쉽 과정은 대학교육과정의 일부를 산업체의 현장실습을 통해 실무능력을 향상시켜 현장 적응력과 응용력을 함양한다.(4학기 이상 이수한 재학생으로 정규학기 인턴쉽 교과목 개설 운영 학과에서 선발된 학생은 인턴쉽 인정 국내 관련기관에서 16주(총 640시간) 이상의 현장 실습과정을 이수하면 12학점을 인정한다)

본 인턴쉽 과정은 대학교육과정의 일부를 산업체의 현장실습을 통해 실무능력을 향상시켜 현장 적응력과 응용력을 함양한다.(4학기 이상 이수한 재학생으로 정규학기 인턴쉽 교과목 개설 운영 학과에서 선발된 학생은 인턴쉽 인정 국내 관련기관에서 16주(총 640시간) 이상의 현장 실습과정을 이수하면 12학점을 인정한다)

본 인턴쉽 과정은 대학교육과정의 일부를 산업체의 현장실습을 통해 실무능력을 향상시켜 현장 적응력과 응용력을 함양한다.(4학기 이상 이수한 재학생으로 정규학기 인턴쉽 교과목 개설 운영 학과에서 선발된 학생은 인턴쉽 인정 국내 관련기관에서 16주(총 640시간) 이상의 현장 실습과정을 이수하면 12학점을 인정한다)

빅데이터 기본 개념을 이해하고 빅데이터의 생성, 처리, 가공, 관리, 분석, 특성, 해석 등 전반적인 지식을 습득한다. 또한, 관련 프로그램 실습을 통해 응용 능력을 향상시킨다.

비정형 빅데이터 분석의 핵심으로, 텍스트 마이닝 기법의 이론 및 접근방법을 공부하고 이를 통해 텍스트 분석 및 활용 능력을 향상시킨다.

다변량 데이터 이해, 정규분포, 등 다변량분석의 기본 이론을 습득하고, 예제 실습을 통해 응용 능력을 향상시킨다.

웹 및 앱 프로그램 설계 및 방법에 관하여 공부하고, 프로그래밍 언어 능력을 습득한다.

데이터에 존재하는 의미 있는 정보를 추출하여 분석하는 통계적 이론 및 기법을 이해하고, 여러 문제를 해결하는 활용 능력을 습득한다.

컴퓨터가 인간의 말을 이해할 수 있도록 처리하는 개념과 원리에 대해서 이해하고, 언어모델링, 임베딩, 문장생성 및 질의응답 등을 공부한다.

인터넷으로 연결된 사물들이 데이터를 주고받아 사용자에게 제공하거나 사용자가 이를 원격 조정할 수 기술 및 측정 데이터를 스스로 분석하고 학습한 정보를 생산하여 사용자에게 제공하는 기술을 위한 하드웨어와 소프트웨어 제어 시스템을 구성하고 활용하는 것에 목적을 둔다.

선형 모델, 통계적 패턴 이론, 비선형 모델, 신경 정보의 표현 방법 등 신경망의 개념적 지식과 수리적 분석 및 모델링 실습 등 심화 내용을 통해 인공신경망의 전반적인 내용을 이해한다.

인공지능 및 컴퓨터비전에서 학습한 내용을 기반으로 머신비전에 적용하는 응용기술을 공부한다.

리눅스와 같은 운영체제에서 프로그램 개발 환경을 습득하고, 고급 프로그래밍 기법을 직접 실습하여 설계 능력을 습득한다.

본 인턴쉽 과정은 대학교육과정의 일부를 산업체의 현장실습을 통해 실무능력을 향상시켜 현장 적응력과 응용력을 함양한다.(4학기 이상 이수한 재학생으로 정규학기 인턴쉽 교과목 개설 운영 학과에서 선발된 학생은 인턴쉽 인정 국내 관련기관에서 16주(총 640시간) 이상의 현장 실습과정을 이수하면 12학점을 인정한다)

본 인턴쉽 과정은 대학교육과정의 일부를 산업체의 현장실습을 통해 실무능력을 향상시켜 현장 적응력과 응용력을 함양한다.(4학기 이상 이수한 재학생으로 정규학기 인턴쉽 교과목 개설 운영 학과에서 선발된 학생은 인턴쉽 인정 국내 관련기관에서 16주(총 640시간) 이상의 현장 실습과정을 이수하면 12학점을 인정한다)

본 인턴쉽 과정은 대학교육과정의 일부를 산업체의 현장실습을 통해 실무능력을 향상시켜 현장 적응력과 응용력을 함양한다.(4학기 이상 이수한 재학생으로 정규학기 인턴쉽 교과목 개설 운영 학과에서 선발된 학생은 인턴쉽 인정 국내 관련기관에서 16주(총 640시간) 이상의 현장 실습과정을 이수하면 12학점을 인정한다)

본 인턴쉽 과정은 대학교육과정의 일부를 산업체의 현장실습을 통해 실무능력을 향상시켜 현장 적응력과 응용력을 함양한다.(4학기 이상 이수한 재학생으로 정규학기 인턴쉽 교과목 개설 운영 학과에서 선발된 학생은 인턴쉽 인정 국내 관련기관에서 16주(총 640시간) 이상의 현장 실습과정을 이수하면 12학점을 인정한다)

객체지향 프로그래밍에 대한 기본 개념을 바탕으로, 실습을 통해 프로그래밍 응용 능력을 향상시키고 문제해결 능력을 기른다.

의사결정의 기본 개념과 분류, 원칙에 대해서 이해하고, 통계 확률 이론에 기반한 여러 가지 의사결정 기법을 학습한다.

빅데이터 기반의 데이터로부터 새로운 정보를 생성하는 방법에 대해 이해하고, 프로젝트에서 활용할 수 있는 시각화와 분석 기법을 공부한다.

빅데이터에 대한 효과적이고 효율적인 데이터 저장, 처리, 활용 및 분석에 대한 기본 원리를 소개한다.

데이터 리터러시가 필요한 빅데이터 시대의 비즈니스 기술인 웹 크롤링을 파이썬 프로그램을 활용하여 구현하는 방법에 대해서 학습한다.

인공지능과 빅데이터의 전공 지식과 최신 IT 기술들을 활용하여 캡스톤 디자인 프로젝트를 수행한다.