전공 소개 및 교육목표
- 인공지능(AI)과 정보통신기술(ICT), 나아가 다양한 산업 분야와의 융합 및 연계를 통해, 단순한 인공지능 기술 전문가를 넘어 산업과 미래 사회를 선도할 수 있는 인공지능 기반 융합형 전문 인재를 양성한다.
- D.N.A(빅데이터·네트워크·인공지능) 핵심 기술 분야와의 연계를 바탕으로, 소프트웨어 중심의 특성화 교육을 실시하여 다양한 ICT 분야에서 인공지능 기술을 응용·융합할 수 있는 첨단 디지털 전문 인력을 양성한다.
- 차세대 ICT 신기술 분야(Target-X)를 중심으로 한 인공지능 응용 교육을 통해, 급변하는 기술 환경에 능동적으로 대응할 수 있는 실무 역량과 창의적 문제 해결 능력을 함양한다.
- Target-X 주요 분야 예시: 차세대 통신, AR/VR, 실감 미디어, 메타버스, 디지털 트윈, 자율주행, 미래 자동차, IoT·지능형 가전, 지능형 로봇 등
진로 및 전망
- 본 인공지능 ICT 융합전공을 이수한 학생들은 인공지능 기반 차세대 통신 엔지니어, 데이터 분석가, AI 서비스 및 머신러닝 엔지니어 등 다양한 산업 분야로 진출하여, 인공지능 응용 기술과 데이터 기반 문제 해결 역량을 갖춘 전문 인력으로 활동할 수 있다.
또한, 인공지능 기술의 산업 전반 확산과 신산업의 지속적인 성장에 따라, 인공지능과 ICT를 융합하여 새로운 가치를 창출할 수 있는 융합형 전문 인재에 대한 사회적·산업적 수요는 향후에도 지속적으로 확대될 것으로 전망된다.
융합전공 학위명
- 인공지능ICT융합공학사(Bachelor of Artificial Intelligence for ICT convergence)
이수학점
| 융합전공명 | 공통 교양 |
핵심 교양 |
학문 기초 교양 |
융합 학문 기초 교양 |
일반 교양 |
단일 전공 |
다전공 | 부전공 | 자유 선택 |
합계 | 비고 (주관학과) |
||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 원소속 전공 |
제1 전공 |
제2 전공 |
|||||||||||
| 인공지능 ICT융합 |
소속학부(과) 지정 학점 |
0 | 자율 | - | 36 | - | 36 | - | 자율 | 소속학부(과)별 최소졸업 학점 | 정보통신공학과, 전자공학과, 데이터사이언스 전공(DS) |
||
- 신청 가능 학과: 정보통신공학과, 전자공학과, 데이터사이언스전공(구, 데이터테크놀로지전공)
- 원소속 이수학점과 융합전공 이수학점의 합이 단일전공 시 원소속학과의 최소 전공 졸업이수학점 이상이 되도록 이수하여야 함
- 융합전공 교과목 중 필수로 지정된 교과목을 포함하여 36학점 이상 이수해야 함. 단, 원소속 학과에서 이수한 전공 교과목과 융합전공 교과목이 일치할 경우, 융합전공의 해당 과목을 최대 21학점까지 전공학점으로 이수한 것으로 인정함(융합전공 교과목 중, 타 학과 개설 교과목 이수학점이 15학점 이상이어야 함)
- 융합전공 교과목 중, 선택하여 필수로 이수해야 하는 교과목들은 중복 인정 안 됨(택1의 경우 한 과목만, 택2인 경우 두 과목만 융합전공 이수학점으로 인정함)
교과과정
| 학년 | 교과목명 | 학점 | 시간 | 개설(관장)학과(부) | 기존/신설 | 비고 |
|---|---|---|---|---|---|---|
| 1 | 파이썬 | 3 | 3 | 정보통신공학 | 기존 | 필수(택1) |
| 고급C언어 | 2 | 2 | 전자공학 | 기존 | ||
| 기초프로그래밍1 | 3 | 3 | 데이터사이언스 | 기존 | ||
| 기초프로그래밍2 | 3 | 3 | 데이터사이언스 | 기존 | ||
| 사물인터넷기초 | 3 | 3 | 정보통신공학 | 기존 | ||
| 2024학년도까지 인정/ 융합학문기초교양 제외(2025.3.1.) |
||||||
| 2 | 데이터사이언스개론 ※(舊. R통계분석(폐지)) |
3 | 3 | 데이터사이언스 | 기존 | DS만 필수 정통, 전자는 선택 |
| 기초웹프로그래밍 | 3 | 3 | 데이터사이언스 | 기존 | ||
| 디지털시스템 | 3 | 3 | 전자공학 | 기존 | ||
| 반도체공학 | 3 | 3 | 전자공학 | 기존 | ||
| 2024학년도까지 인정 | ||||||
| 2024학년도까지 인정/ 융합학문기초교양 제외(2025.3.1.) |
||||||
| 융합학문기초교양 제외(2025.3.1.) | ||||||
| 3 | 확률및랜덤프로세스 | 3 | 3 | 정보통신공학 | 기존 | 정통 필수, 타학과는 선택 |
| 신호및시스템 | 3 | 3 | 정보통신공학, 전자공학 | 기존 | 택1 필수, DS는 선택 |
|
| 파이썬 수치해석 | 3 | 3 | 전자공학 | 기존 | 2025학년도부터 필수과목에서 제외 |
|
| 머신러닝 ※(舊. 인공지능(폐지)) |
3 | 3 | 데이터사이언스 | 기존 | 택1 필수 | |
| 기계학습 | 3 | 3 | 정보통신공학 | 기존 | ||
| 딥러닝 | 3 | 3 | 정보통신공학 | 기존 | ‘딥러닝’ 과목 택1 필수 |
|
| 네트워크프로토콜 | 3 | 3 | 정보통신공학 | 기존 | ||
| 디지털통신 | 3 | 3 | 정보통신공학 | 기존 | ||
| 모바일프로그래밍 ※(구,모바일컴퓨팅) |
3 | 3 | 데이터사이언스 | 기존 | ||
| 빅데이터프로그래밍 | 3 | 3 | 데이터사이언스 | 기존 | ||
| 디지탈신호처리 | 3 | 3 | 전자공학 | 기존 | ||
| 지능형센서응용 | 3 | 3 | 전자공학 | 기존 | ||
| 텍스트애널리틱스 | 3 | 3 | 데이터사이언스 | 기존 | ||
| 멀티미디어통신 | 3 | 3 | 정보통신공학 | 기존 | ||
| Vision 및 AI응용 | 3 | 3 | 정보통신공학 | 기존 | ||
| 2024학년도까지 인정 | ||||||
| 4 | 캡스톤디자인1 | 3 | 3 | 정보통신공학, 전자공학, 데이터사이언스 |
기존 | ‘캡스톤디자인’ 과목 택1 필수 |
| 캡스톤디자인2 | 3 | 3 | 정보통신공학, 전자공학, 데이터사이언스 |
기존 | ||
| 딥러닝 | 3 | 3 | 데이터사이언스, 전자공학 | 기존 | ‘딥러닝’ 과목 택1 필수 |
|
| 이동통신 | 3 | 3 | 정보통신공학 | 기존 | ||
| 최신AI이론및응용 | 3 | 3 | 정보통신공학 | 신규 | ||
| 데이터사이언스특론 ※(舊. 데이터사이언스(폐지)) |
3 | 3 | 데이터사이언스 | 기존 | ||
| 클라우드컴퓨팅 ※(구,클라우드시스템) |
3 | 3 | 데이터사이언스 | 기존 | " | |
| 뉴로모픽반도체설계 | 3 | 3 | 전자공학 | 신규 | ||
| 2024학년도까지 인정 | ||||||
융합전공 교과목 중 필수로 지정된 교과목을 포함하여 필수로 지정된 교과목을 포함하여 36학 점 이상 이수해야 함. 단, 원소속학과에서 이수한 정공 교과목과 융합전공 교과목이 일치할 경우, 융합전공의 해당과목을 최대 21학점 까지 전공학점으로 이수한 것으로 인정함.(융합전 공 교과목 중 타학과 개설 교과목 이수학점이 15학점 이상이어야 함)
융합전공 교과목 중 선택하여 필수로 이수해야 하는 교과목들은 중복 인정 안됨. (택1의 경우 한 과목만, 택2인 경우 두 과목만 융합전공 이수학점으로 인정함)
데이터테크놀로지 전공이 2025-1학기부터 데이터사이언스 전공으로 일괄 전환함에 따라 데이터테크놀로지 과목들이 폐지되고 데이터사이언스 교과목들이 신규 개설됨(데이터테크놀로지 전공 교과목은 2024학년도 2학기까지 인정)
필수교과목의 개설학기 변경으로 인해 졸업 전까지 이수가 불가능한 경우는 심의를 통해 대체교과목으로 이수학점 인정 가능
교과목 소개
| 과목명 | 담당학과 | 강의개요 |
|---|---|---|
| 파이썬 | 반도체ICT대학 | 파이썬 프로그래밍 언어의 기본 문법과 기능을 학습한다. (리스트, 튜플, 집합, 딕셔너리 등의 자료구조와 조건문 반복문 등의 흐름제어 등). 프로그래밍 실습을 통한 학습내용 이해와 심화 과제를 통한 전체 고급 언어 기능들의 통합적 심화 체득을 지향한다. (클래스 상속 등 객체지향 프로그래밍 포함) |
| 기계학습 | 반도체ICT대학 | 기계학습의 기본인 테이터와 특징 공간이라는 개념과 함께 기계학습 전반을 소개하며, 기계학습에서 수학이 왜 필요한지 어떻게 활용하는지 이해 (선형대수, 확률과 통계, 최적화 설명) 및 학습한다. 기계학습의 기본적 알고리즘들인 지도 학습, 비지도 학습, 강화 학습 및 준지도 학습 방법의 개념과 이론을 이해하고 파이썬 예제를 통해 활용 범위와 방법을 학습한다. |
| 딥러닝 | 인공지능· 소프트웨어융합대학, 반도체ICT대학 |
대표적인 딥러닝 모델구조인 MLP, CNN, RNN, Attention, Transformer 등의 기초 내용을 학습하고 이를 응용한 모델 구조를 학습한다. Colab 환경에서 pytorch를 이용한 실습을 통해 다양한 모델구조를 활용하여 데이터를 분석하는 실습을 진행한다. |
| 확률및랜덤 프로세스 |
반도체ICT대학 | 정보통신, 데이터 사이언스, 기계학습 분야에서 필요로 하는 확률, 확률변수, 통계 등의 내용에서 발췌하여 다룬다. 이 과목을 수강함으로써 위 언급한 분야에 대한 이해도를 증진시키고 더 나아가 엔지니어로서 생각하는 방식을 습득한다. |
| 디지털통신 | 반도체ICT대학 | 디지털 통신 기술은 유무선 통신에 있어서 가장 중요한 내용으로써 현재 사용되는 거의 모든 통신 방식의 근간이 되는 매우 중요한 학문입니다. 본 과정에서는 디지털 통신 시스템의 전반적인 구조와 특성에 대하여 교육하며, 다양한 통신(5G/6G, LAN, Cloud 등) 업체 및 관련 분야에서 일하는 엔지니어가 알고 있어야 하는 기본적 필수 지식을 다룹니다. 특히, 무선 신호가 송수신 되는 기본 원리 및 방식을 알게 되어, 지속적으로 산업계가 요구하는 다양한 새로운 분야에 통신 기술을 응용할 수 있는 핵심 역량을 갖출 수 있습니다. |
| Vision 및 AI응용 |
반도체ICT대학 | 본 교과목은 컴퓨터 비전과 인공지능(AI)의 융합 기술을 중심으로, 영상 인식, 객체 탐지, 시맨틱 분할 등 최신 비전 응용 기술을 학습하고 실제 프로젝트에 적용할 수 있는 능력을 배양하는 것을 목표로 한다. 전통적인 영상처리 기법과 더불어, 딥러닝 기반의 Vision 알고리즘(CNN, R-CNN, YOLO 등), Transfer Learning, Vision Transformer 등에 대해 실습 중심으로 다룬다. 또한 자율주행, 스마트 시티, 감시 시스템 등 다양한 정보통신공학 분야에서의 비전 응용 사례를 분석하고 구현하는 경험을 제공한다. |
| 최신AI이론 및 응용 |
반도체ICT대학 | 최근 인공지능은 눈부신 발전을 이루고 광범위한 활용의 대상이 되고 있습니다. 본 과목에서는 이러한 인공지능의 발전에 근간이 되는 기술들에 대해 공부하여 그 이해도를 높이고자 합니다. 이미지와 언어를 학습 및 추론 대상으로 할 때 다르게 설계되는 모델들에 대한 이해부터, 인공지능의 목적, 연산량, 난이도에 따라 다르게 선택되는 모델의 구조까지 다양한 내용에 대해 수업하고자 합니다. 또한 전이학습, 연합학습, 강화학습 등과 같이 산학의 높은 관심을 받고 있는 다른 주제들에 대해서도 소개합니다. |
| 지능형센서응용 | 반도체ICT대학 | 본 교과목은 센서 응용 능력을 목적으로 하며, 8-bit 마이크로콘트롤러 Atmega128에 여러가지 센서를 연결하여 구동시켜, 센서 이해와 응용에 대한 능력을 함양한다. 본 교과목은 강의를 통해 학생들의 센서와 마이크로콘트롤러에 대한 이해를 도모하고, 모든 학생은 분배된 실습부품을 사용하여 실습과제를 강의시간 또는 방과후에 수행하고 그 작동을 확인받아야 한다. 학생들은 수업시간에 노트북 컴퓨터와 분배된 부품을 항상 지참하여야 한다. |
| 반도체공학 | 반도체ICT대학 | 반도체 공학 기초 이론 및 반도체 소자(PN diode, MOSFET) 동작원리 이해하고, 전압에 따른 반도체 동작을 분석하기 위하여 에너지밴드를 통한 동작 상태 정의 및 해석한다. |
| 텍스트애널리틱스 | 인공지능· 소프트웨어융합대학 |
사람들이 일상에서 사용하는 언어(예: 한국어, 영어 등)를 컴퓨터가 이해하고 처리할 수 있도록 하는 기술인 자연어처리(Natural Language Processing, NLP)를 중심으로, 딥러닝과 자연어 데이터 분석 기법을 다룬다. |
| 데이터사이언스특론 | 인공지능· 소프트웨어융합대학 |
최신 기계학습과 딥러닝 기법의 이론과 응용을 중심으로 구성되어 있으며, 특히 딥러닝 기반의 모델 구조와 실제 적용에 활용될 수 있는 기술의 학습에 중점을 두고, 정규화 및 주의 메커니즘, 트랜스포머, 생성 모델, 그래프 신경망 등의 내용과 프라이버시 보호와 같은 모델의 신뢰성을 높이기 위한 기술들의 원리를 이해하는 것을 목표로 한다. |
참여 교수진
| 연번 | 소속학과 | 성명 | 비고 |
|---|---|---|---|
| 1 | 컴퓨터정보통신공학부 정보통신공학전공 | 유철우 | - AI·Bigdata·ICT융합교육(ABI-X)사업단장 - 인공지능ICT 융합전공 주임교수 |
| 2 | 컴퓨터정보통신공학부 정보통신공학전공 | 강진규 | - 소속학과 융합전공 담당교수 |
| 3 | 컴퓨터정보통신공학부 정보통신공학전공 | 박현희 | |
| 4 | 컴퓨터정보통신공학부 정보통신공학전공 | 안진현 | |
| 5 | 융합소프트웨어학부 데이터사이언스전공 | 이강선 | - AI·Bigdata·ICT융합교육(ABI-X)사업단 부단장 |
| 6 | 융합소프트웨어학부 데이터사이언스전공 | 김상균 | |
| 7 | 융합소프트웨어학부 데이터사이언스전공 | 오민식 | |
| 8 | 전기전자공학부 전자공학전공 | 원용욱 | - 소속학과 융합전공 담당교수 |
| 9 | 전기전자공학부 전자공학전공 | 변하영 | |
| 10 | 전기전자공학부 전자공학전공 | 박상윤 | |
| 11 | 전기전자공학부 전자공학전공 | 박병철 |
융합전공 이수 상담
- 반도체․ICT 교학팀: 031-324-1044
- 인공지능․소프트웨어융합대학 교학팀: 02-300-0643
- AI·Bigdata·ICT융합교육(ABI-X)사업단: 031-330-1128
AI·Bigdata·ICT융합교육(ABI-X)사업단 바로가기
