통합검색
 
닫기
통합검색
 
  • home
  • 교육
  • 학사 과정
  • 교육과정

교육

학사 과정

교과목명을 클릭하시면 과정 설명을 볼 수 있습니다.

교육과정
학수번호 교과목명 학점 자기
학습
시간
영역 학위 이수
학년
비고 언어 개설
여부
BIO3054 생명과학과미래기술 3 6 전공 학사 2-4 생명과학과 Yes
현대를 사는 교양인으로서 필수적으로 요구되는 생명현상을 이해하고 생물학 전반에 걸친 폭넓은 지식을 얻도록 하기 위한 과목이다. 생명의 탄생과 진화의 기초로부터 시작하여 생명체를 이루는 물질, 유전자의 구조와 기능, 에너지 대사 등의 생명현상을 포괄적으로 다루면서 현대사회에서 생명과학의 특성과 위치를 부각시킨다. 또한 인간복지의 향상을 위해 타 학문과의 연계성과 미래사회에서의 생명과학의 역할과 전망 등을 논한다.
CHS2002 데이터과학과소셜데이터분석 1 2 전공 학사 1-4 도전학기 - No
본 과목은 데이터과학을 통해 인간행동, 사회현상을 바라보는데 그 목적을 둔다. 온라인 소셜미디어공간에서의 데이터 수집과 분석도 배운다. 이론과 실습을 함께하지만, 실습의 비중은 운영하는 학기마다 변할 수 있음.
CHS2003 빅데이터와인공지능을활용한시스템강건설계 2 4 전공 학사 1-4 도전학기 - No
본 교과목에서는 공학 시스템의 성능 유지와 고장 진단 등 건전성 관리를 위한 빅데이터 분석 및 인공지능 알고리즘에 대한 기초 이론 및 방법론에 대하여 학습한다. 구체적으로 신뢰성 분석, 센서 기반 빅데이터 획득, 빅데이터 신호 처리, 통계적 영향인자 추출, 인공지능 기반 모델링 기법 등에 관하여 이론적 방법론 및 실습 기반 학습을 수행한다. 또한 사례 소개를 통해 학습한 방법론 적용을 통한 공학 시스템 강건 설계에 관하여 고찰한다.
CHS7001 블록체인의기초 3 6 전공 학사/석사/박사 도전학기(대학원) - No
본 과목에서는 ‘블록체인’이라는 기술의 전반적 이해를 위한 기초개념을 다룬다. 블록체인 기술이 등장하게 된 배경 및 기술의 목적을 이해하고, 수강생 스스로 기술의 한계점 및 응용 가능성에 대해 생각해 볼 수 있는 기회를 가질 수 있도록 한다. 블록체인 기술을 최초로 도입한 대표적인 암호화폐인 비트코인의 구성 요소 및 구조를 이해하고, 나아가 탈중앙화된 플랫폼을 지향하는 이더리움의 구성 요소 및 구조를 이해하여 대표적인 두 암호화폐의 장단점 및 차이점을 체계적으로 이해한다. 또한 기술을 구성하고 있는 합의 알고리즘 (POW, POS 를 중심으로), 블록체인의 확장성, 암호경제학의 개념 및 한계점을 이해하고 이를 바탕으로 블록체인의 기술의 방향성 및 응용가능성에 대한 수강생 간의 논의를 통해 기술에 대한 수강생의 심층적인 이해를 유도한다.
CHS7002 머신러닝과딥러닝 3 6 전공 학사/석사/박사 도전학기(대학원) - No
본 수업에서는 기초적인 머신러닝 및 딥러닝 알고리즘의 이론 및 실습을 다룬다. 구체적으로, 선형 분류, 선형 회귀, 의사결정나무, 서포트 벡터 머신, 다층신경망, 컨볼루션 네트워크 등 실제 사례에 널리 사용되고 있는 알고리즘들을 이론 강의를 통하여 습득하고, python을 이용하여 이론에서 배운 알고리즘을 실습을 통하여 자기주도적으로 학습한다. 본 수업의 원활한 수강을 위하여, 학생들은 기본적인 미적분학, 선형대수학, 확률 및 통계, python language의 활용 등에 대한 지식이 필요하다.
CHS7003 인공지능응용 3 6 전공 학사/석사/박사 도전학기(대학원) - No
스탠포드 대학교의 공개 강좌인 cs231n은 이미지 인식과 딥러닝에 대한 가장 유명한 공개 강좌 중 하나이다. 본 수업은 스탠포드 대학교의 공개 강좌 cs231n을 이용하여 Flipped class 방식으로 수업을 진행한다. 본 수업을 수강하기 위해서는 학부 수준의 기본적인 수학 지식(선형대수, 미적분학, 확률/통계)와 기본적인 파이썬 기반의 코딩 능력이 요구된다. 수업에서 진행하는 구체적은 진행방식과 활동은 다음과 같다. 1) On-line 강의(English)를 청취 (학습자 주도) 2) On-line 강의(English) 청취한 내용에 대해 개별 노트 정리 (학습자 주도) 3) On-line 강의(English) 청취한 내용에 대해 QnA 토론 (학습자 주도) 4) QnA 기반의 교수자 주도의 Off-line 강의(Korean) 강의 (교수자 주도) 5) 팀별 보충 발표 (학습자 주도) 매 토픽에 대하여 위에 언급한 1) ~ 5)의 진행방식을 활용하여 학습한다. 평가는 각 활동과 과제, 중간 시험, 기말 프로젝트에 기반하여 절대평가한다. 수업에 다루는 내용은 다음과 같다. - Introduction Image Classification Loss Function & Optimization (Assignment # 1) - Introduction to Neural Networks - Convolutional Neural Networks (Assignment # 2) - Training Neural Networks - Deep Learning Hardware and Software - CNN Architectures-Recurrent Neural Networks (Assignment # 3) - Detection and Segmentation - Generative Models - Visualizing and Understanding - Deep Reinforcement Learning - Final Project. 본 수업은 이미지 인식과 관련한 딥러닝 방법에 대하여 기초부터 응용까지 다루므로 관심이 있는 학생들에게 좋은 기회가 될 것이라 생각한다.
COV3018 융합연구프로젝트1 2 6 전공 학사 1-4 융합원 학부 - No
학업성취도 우수 학생 중 연구학점제를 운영하는 학과학생에게 학부과정 중에 중장기 연구과제를 스스로 설정하고 수행할 수 있도록 연구참여의 기회를 실제로 조기에 제공함으로써, 학부생의 학업성취 동기를 유발하고 연구역량을 향상시키는 목적으로 운영한다.
COV3019 융합연구프로젝트2 2 6 전공 학사 1-4 융합원 학부 - No
학업성취도 우수 학생 중 연구학점제를 운영하는 학과학생에게 학부과정 중에 중장기 연구과제를 스스로 설정하고 수행할 수 있도록 연구참여의 기회를 실제로 조기에 제공함으로써, 학부생의 학업성취 동기를 유발하고 연구역량을 향상시키는 목적으로 운영한다.
COV3020 융합연구프로젝트3 2 6 전공 학사 1-4 융합원 학부 - No
학업성취도 우수 학생 중 연구학점제를 운영하는 학과학생에게 학부과정 중에 중장기 연구과제를 스스로 설정하고 수행할 수 있도록 연구참여의 기회를 실제로 조기에 제공함으로써, 학부생의 학업성취 동기를 유발하고 연구역량을 향상시키는 목적으로 운영한다.
COV3021 융합연구프로젝트4 2 6 전공 학사 1-4 융합원 학부 - No
학업성취도 우수 학생 중 연구학점제를 운영하는 학과학생에게 학부과정 중에 중장기 연구과제를 스스로 설정하고 수행할 수 있도록 연구참여의 기회를 실제로 조기에 제공함으로써, 학부생의 학업성취 동기를 유발하고 연구역량을 향상시키는 목적으로 운영한다.
COV3022 융합연구프로젝트5 2 6 전공 학사 1-4 융합원 학부 - No
학업성취도 우수 학생 중 연구학점제를 운영하는 학과학생에게 학부과정 중에 중장기 연구과제를 스스로 설정하고 수행할 수 있도록 연구참여의 기회를 실제로 조기에 제공함으로써, 학부생의 학업성취 동기를 유발하고 연구역량을 향상시키는 목적으로 운영한다.
COV3023 융합연구프로젝트6 2 6 전공 학사 융합원 학부 - No
학업성취도 우수 학생 중 연구학점제를 운영하는 학과학생에게 학부과정 중에 중장기 연구과제를 스스로 설정하고 수행할 수 있도록 연구참여의 기회를 실제로 조기에 제공함으로써, 학부생의 학업성취 동기를 유발하고 연구역량을 향상시키는 목적으로 운영한다.
COV3024 융합연구프로젝트7 2 6 전공 학사 1-4 융합원 학부 - No
학업성취도 우수 학생 중 연구학점제를 운영하는 학과학생에게 학부과정 중에 중장기 연구과제를 스스로 설정하고 수행할 수 있도록 연구참여의 기회를 실제로 조기에 제공함으로써, 학부생의 학업성취 동기를 유발하고 연구역량을 향상시키는 목적으로 운영한다.
COV3031 성균융합원현장실습1 2 4 전공 학사 융합원 학부 - No
전공학습을 통해 습득한 지식을 적용할 수 있는 능력을 갖추기 위하여 관심분야 현장에서 갖는 실습강좌(2주 이상)
COV3032 성균융합원현장실습2 3 6 전공 학사 융합원 학부 - No
전공학습을 통해 습득한 지식을 적용할 수 있는 능력을 갖추기 위하여 관심분야 현장에서 갖는 실습강좌(3~4주간)
COV3033 성균융합원현장실습3 4 8 전공 학사 융합원 학부 - No
전공학습을 통해 습득한 지식을 적용할 수 있는 능력을 갖추기 위하여 관심분야 현장에서 갖는 실습강좌(5~6주간)
COV3034 성균융합원현장실습4 5 10 전공 학사 융합원 학부 - No
전공학습을 통해 습득한 지식을 적용할 수 있는 능력을 갖추기 위하여 관심분야 현장에서 갖는 실습강좌(7~8주간)
DES3038 인포메이션디자인 3 6 전공 학사 디자인학과 Yes
정보에 대한 과학적인 분석과 심미적인 감각은 시각 디자이너가 필수적으로 갖춰야 하는 소양이다. 본 과목에서는 정보디자인의 개념과 원리를 이해하고 시각커뮤니케이션 방법과 시각화 기술을 습득하여 창조적 시각물 구현을 목표로 한다. 학생들은 인쇄 및 전자매체에서의 효과적인 정보디자인을 위한 기본 원리와 모범 사례에 대해 학습하고 정보의 유형, 정보 분류 및 계층, 조직 패턴, 구조화 된 정보 디자인과 기술, 인포매틱스, 콘텐츠 관리, 시각 커뮤니케이션의 원리, 다이어그램, 데이터 시각화 등을 다룬다.
ECE4238 선형시스템 3 6 전공 학사/석사 1-4 전자전기컴퓨터공학과 Yes
연속시간 및 이산시간 선형시스템의 해석방법을 고찰한다. 컨벌루션, 동적 방정식의 해, 변환식, 그리고 선형대수에 대한 고찰을 한다. 상태공간상에서 시스템 기술에 중점을 둔다. 선형공간, 상태변수의 개념, 모드, 제어성, 관측성, 상태전이행렬, 상태궤환제어, 보상기 설계, 디커플링 등을 다룬다.
ECE4270 영상처리 3 6 전공 학사/석사 1-4 전자전기컴퓨터공학과 Yes
디지털 영상신호의 획득, 처리, 출력 및 응용에 관계되는 제반 기초지식을 얻기 위하여 영상신호의 수학적 모델링, 샘플링, 공간 및 시간해상도, 인간 시각체계, 양자화 이론, 2차원 신호처리기초, 이차원변환, 주파수 분석기법, 필터링, 화질향상, 컬러공간 및 컬러변환, 컬러처리, 압축 및 복원기술을 소개하고, 이러한 기술들이 어떻게 사용되는 가를 다양한 실제 예들의 분석을 통해 학습한다.
EEE3006 광학기초 3 3 전공 학사 3-4 전자전기공학부 한,영 Yes
이 과목의 최종목표는 빛의 전파원리를 이해하는 것이다. 이를 위하여 첫째로 wave의 개념을 이용하여 빛이 진공 및 물체 내에서 어떻게 전파하는 지를 이해하고 이러한 개념을 이용하여 물체에 입사하는 빛의 반사 및 굴절을 이해한다. 둘째로 입사하는 빛에 의한 원자들의 진동개념을 이용하여 빛의 전파원리를 이해한다. 이러한 개념을 이용하여 물체에 의한 빛의 반사, 굴절, 산란, 회절, 흡수 및 굴절률 변화등을 이해한다. 셋째로 렌즈와 같은 간단한 광학시스템에서 빛이 어떻게 진행하는 지를 이해한다. 넷째로 우리 눈의 원리 및 색의 인식등을 이해한다.
ERC3004 공학연구프로젝트Ⅲ 2 4 전공 학사 2-4 공과대학 - No
공학연구프로젝트 교과목은 우수학부생들에게 공과대학 각 부문의 최근 연구분야에 대하여 소개한다.
GBE2026 실험프로그래밍 3 6 전공 학사 1-4 - No
본 교과목은 신경과학, 심리학, 공학 등 여러 연구 분야에서 다양한 형태로 사용되는 script기반 언어인 매트랩을 학생들이 그 기초에서부터 배우고, 이를 활용하여 간단한 정신물리학 실험을 계획, 수행하며, 이를 통해 얻은 데이터를 분석할 수 있는 능력을 기르는 것이 학습 목표이다. 이 과목의 수강을 통해 학생들은 프로그래밍 언어 중 하나인 매트랩을 사용할 수 있게 될 뿐 아니라 프로그래밍 언어가 실제 실험 연구에 어떻게 활용되는지 실습을 통해 학습하게 된다.
GBE2027 BME공학수학Ⅰ 3 6 전공 학사 1-2 Yes
이 과목은 바이오공학의 기초과목으로서 학부 1-2학년을 대상으로 한다. BME공학수학Ⅰ은 미분방정식, 및 라플라스 트랜프폼과 같은 기본적인 수학적 지식을 함유함을 그 목적으로 한다. 이를 통하여 향후 다룰 수 있는 다양한 수학적, 공학적 문제 해결능력 향상에 중점을 둔다.
GBE2028 BME공학수학Ⅱ 3 6 전공 학사 1-2 Yes
이 과목은 바이오공학의 기초과목으로서 학부 1-2학년을 대상으로 한다. BME공업수학Ⅱ은 미분방정식, 및 라플라스 트랜프폼과 같은 기본적인 수학적 지식을 함유함을 그 목적으로 한다. 이를 통하여 향후 다룰 수 있는 다양한 수학적, 공학적 문제 해결능력 향상에 중점을 둔다.
GBE2029 바이오의공학개론 3 6 전공 학사 1-2 - No
본 과목은 생체 시스템과 관련된 기초적인 생물학적 지식과 공학적 문제에 대해 소개한다. 의료기기 및 생체 재료 분야에 초점을 맞추어 구체적인 예시를 통해 어떻게 공학적 기본 지식과 기술이 생명 현상을 이해하고 모사하며 활용하는데 적용되는지를 소개한다.
GBE2030 해부생리 3 6 전공 학사 1-2 Yes
이 과목은 신경계의 구조와 생리학적인 기전에 대한 입문과정이다. 신경계는 인지, 운동 등 생명체의 모든 기능을 주관하는 매우 중요한 우리 몸의 기관이며 매우 복잡한 해부학적 구조와 더불어 다양한 생리학적인 기전에 의존한다. 이 과목에서는 신경과학의 기초 지식에 대한 이론의 습득에 주력하며, 후에 BME에서 제공되는 다양한 신경과학 관련 과목의 선필수과목의 역할을 수행한다. 뉴런의 기능과 구조, 시냅스의 기능과 구조와 함께 다양한 뇌영역과 신경네트워크에 대한 기초 지식을 습득한다.
GBE2031 BME선형대수학 3 6 전공 학사 1-2 Yes
이 과목은 선형시스템의 해석 및 해법을 찾는 수학적 방법론에 대한 과정으로, 글로벌 BME 학부생이 심화전공을 하기 위한 토대가 되는 강좌이다. 선형시스템에서 Gaussian Elimination, Orthogonality, Vector Space, Least Squares Approximation, Eigensystem해석, Singular Value Decomposition 및 응용에 대해서 소개임.
GBE2033 기초의공학실험 3 6 전공 학사 1-2 Yes
이 과목은 기초 의공학 실험과목이다. 주로 의료기기, 생채재료, 뇌영상, 및 뇌공학 연구 분야에 꼭 필요한 기초 실험을 랩에서 진행하게 된다. 매주 랩 참석과 리포트 제출이 요구된다.
GBE2034 BME신경과학 3 6 전공 학사 1-3 Yes
본 과목은 학부생 수준에 맞게 신경과학 전반에 걸친 지식을 전달하며, 최근 연구 동향에 대해서도 논의한다. 이 수업에서는 주로 신경생물학, 시냅스, action potential 생성 등에 대한 기초 신경과학 지식을 학부생 수준에서 전달하고자 한다.