인공지능시스템공학과 교육과정 및 교과목 개요

교육과정

교과목 개요

1학년 대학수학1 (Calculus 1)

벡터와 행렬의 연산 및 성질에 대한 이해를 바탕으로 연립일차방정식, 선형변환, 벡터공간, 고유값 문제를 다룬다. 공학 및 IT 분야의 다양한 문제를 체계적으로 접근하고 전공 심화 과목을 수강하기 위한 필수적인 수학적 기초를 학습한다.
1학년 대학수학2 (Calculus 2)

연립일차방정식, 선형변환, 벡터공간 및 고유값 문제 등 선형대수학의 핵심 이론을 지속적으로 학습한다. 이를 통해 다양한 물리적, 공학적 문제와 고급 컴퓨터공학 이론을 체계적으로 해결할 수 있는 역량을 다진다.
1학년 프로그래밍 개론 (Introduction to Programming)

컴퓨팅 사고력을 배양하고 AI 개발 환경의 이해와 적용을 다룬다. 기초 문법 및 논리 구조 실습을 통해 프로그래밍의 핵심 구성 요소를 학습하며 객체지향 및 모듈화 프로그래밍의 기초를 습득한다.
1학년 이산수학 (Discrete Mathematics)

인공지능 및 컴퓨터 시스템의 기초가 되는 이산적 구조를 이해하고, 알고리즘 설계 및 분석에 필요한 수학적 사고 능력을 배양한다. 명제 및 술어논리를 활용한 논리적 추론, 집합과 관계, 함수 및 그래프 이론을 바탕으로 AI 모델의 논리적 구조와 데이터 표현 방식의 기반을 제공한다.
1학년 MATLAB AI기초 (AI Computing with MATLAB)

MATLAB 기초 프로그래밍 역량을 바탕으로 데이터 처리 및 시각화 알고리즘 구현 능력을 학습하여 인공지능 기초 활용 역량을 높인다. 실제 데이터를 활용한 머신러닝, 이미지 처리, 센서 데이터 분석 실습을 통해 AI 시스템의 기본 원리를 경험하고 융합적 사고 능력을 배양한다.
1학년 디지털회로 및소자 (Digital Circuits and Devices)

하드웨어의 구성 원리와 디지털 시스템의 논리적·수치적 표현을 이해하고 조합회로, 순차회로, FSM, 데이터패스, RTL 설계에 이르는 디지털 시스템 해석 및 설계 방법론을 학습한다. 회로 시뮬레이션 및 하드웨어 실습을 병행하여 Physical AI 시스템이 구동되는 디지털 시스템의 가장 기초적인 하드웨어 추상화 계층을 경험한다.
1학년 C 언어프로그래밍 (C Language Programming)

C언어에서 메모리와 직접 관련되는 변수, 구조체, 배열에 대해 집중 수업하고 이들을 다루기 위한 포인터와 함수 부분을 집중적으로 학습한다. C언어를 이용한 로우 레벨(Low Level) 프로그래밍과 임베디드 시스템에서의 메모리 동작 과정을 정확히 이해하고 응용 프로그램을 개발한다.
1학년 아날로그회로및소자 (Analog Circuits and Devices)

AI 시스템이 구동되는 하드웨어에 필요한 아날로그 전자회로 지식을 학습한다. 능동·수동 소자, 전원, 증폭기, 필터, ADC/DAC 변환 회로에 대한 이해와 함께 회로 시뮬레이션 및 실습을 통해 물리 세계의 연속적인 아날로그 신호를 디지털 영역으로 변환하고 처리하는 원리를 체화한다.
1학년 인공지능 개론 (Introduction to Artificial Intelligence)

인공지능의 기본 개념과 주요 기술, 다양한 산업 및 사회적 활용 사례를 이해하기 위한 입문 과목이다. 학생들은 인공지능이 무엇인지, 어떤 문제를 해결하는 데 사용되는지, 그리고 기계학습·딥러닝·생성형 인공지능이 각각 어떤 원리로 동작하는지를 개괄적으로 학습한다.
1학년 AI시스템설계입문 (Introduction to AI Systems Design)

아두이노, 디지털 제작 기술(3D 프린팅·레이저 커팅), 인터랙티브 프로그래밍을 활용하여 AI 기반 시스템 설계의 기초를 학습한다. 센서, 하드웨어, 인터페이스, AI API 등을 활용하여 실제 문제 해결형 프로토타입을 설계 및 구현함으로써 인공지능 시스템공학 분야의 창의적 문제 해결 능력을 함양한다.
2학년 데이터 구조와 표현 (Data Structures and Representation)

스택, 큐, 트리, 그래프 등 고전적인 선형·비선형 자료구조의 원리와 복잡도를 학습하는 동시에, 이들이 현대 AI에서 임베딩 벡터(Embedding Vector) 및 텐서(Tensor) 형태로 어떻게 확장되고 표현되는지 탐구한다. 비정형 데이터를 AI 모델이 학습 가능한 수치적 벡터 공간으로 매핑하는 구조적 설계 역량을 함양한다.
2학년 통신기초 (Basic Communication)

정보통신 및 네트워크의 기본 용어, 계층별 구조와 역할, 통신 프로토콜을 학습한다. 유무선 통신, 데이터 통신, 이동통신 시스템의 기본 개념을 익히고 Edge AI 및 Physical AI와 연계된 차세대 통신 응용 시스템을 고찰한다.
2학년 마이크로콘트롤러 구조 (Microcontroller Architecture)

최신 MCU를 기반으로 한 내부 아키텍처 구조를 이해하고 CPU 동작 원리, 메모리 구조, 버스 및 인터럽트 시스템을 분석한다. GPIO, Timer, ADC, 통신 인터페이스(UART, I2C, SPI) 등 주요 페리퍼럴의 하드웨어 구조와 레지스터 수준의 동작 원리를 체계적으로 학습한다.
2학년 신호처리입문 (Introduction to Signal Processing)

연속 및 이산 신호와 선형 시불변(LTI) 시스템의 기본 개념을 학습한다. 컨볼루션, 푸리에 급수 및 변환(CTFT, DTFT), 샘플링 이론, Z-변환, 시스템의 주파수 응답과 디지털 필터(FIR, IIR)의 기초를 다룬다.
2학년 제어시스템 (Control Systems)

자율주행자동차, 로봇, 드론 등과 같은 물리 시스템에 적용되는 제어 이론의 기초 개념부터 응용까지 학습한다. 폐루프 제어, PID 제어, 시스템 수학적 모델링, 과도응답 및 정상상태 응답 해석, 안정도 평가 및 주파수 응답법을 다룬다.
2학년 데이터사이언스기초 (Introduction to Data Science)

데이터사이언스와 인공지능의 기초가 되는 Python과 Numpy, Pandas, Matplotlib 등의 핵심 라이브러리를 학습한다. 다양한 데이터 포맷 조작, 텐서 연산, 데이터 시각화 및 기초 기계학습 모델을 구현하여 실제 데이터 문제를 해결한다.
2학년 인공지능 (Artificial Intelligence)

인공지능에 관한 기본 지식과 머신러닝에 대해 이해하고 설계 및 구현하는 부분을 집중적으로 공부한다. 탐색, 최적화, 지식표현, 추론, 에이전트 등 기본 이론과 선형대수, 정보이론, 회귀분석, 신경망 기초 및 NLP 임베딩 등의 핵심 원리를 실습과 함께 학습한다.
2학년 알고리즘 (Algorithm)

컴퓨터학 분야의 기본 알고리즘과 시간·공간 복잡도 분석 능력을 학습한다. 그래프 탐색, 최소 신장 트리, 최단 경로, 백트래킹, 허프만 코딩 등을 C언어로 직접 구현하며 모빌리티 및 자율주행 관련 실무 문제 해결 능력을 기른다.
2학년 SW 아키텍처와 설계 (Software Architecture and Design)

소프트웨어를 여러 컴포넌트가 인터페이스와 데이터 흐름을 통해 요구사항을 만족시키는 시스템으로 파악하는 능력을 함양한다. 요구사항 분석, 모듈 분해, 인터페이스 설계, 동시성 제어, 메모리 계층 구조 및 AI 시스템 통합 설계를 학습한다.
2학년 오픈소스SW설계 (Open Source Software Design)

오픈소스 소프트웨어의 개발 방법론을 이론과 실습으로 학습한다. 리눅스 환경과 Bash 스크립트, C/C++ 컴파일러 및 Make 도구, 리눅스 시스템 콜(파일, 프로세스, 시그널, 스레드), 그리고 Git/GitHub을 활용한 협업 개발 방식을 습득한다.
2학년 통신공학 (Communication Engineering)

아날로그 및 디지털 신호, 주파수, 변조 방식에 대한 명확한 이론을 정립한다. 진폭/디지털 변조, 부호화, 다중화와 다중 접속 기술을 학습하고 차세대 모빌리티 시스템 및 서비스와 연계된 통신 시스템 설계를 다룬다.
2학년 인공지능수학 (Mathematics for Artificial Intelligence)

인공지능을 이해하고 모델을 구축하는 데 필요한 수학적 기초를 다룬다. 고유값 분해, PCA, 베이지안 확률론, 2차 테일러 근사, 최적화 이론(Optimization), 선형계획법, 라그랑주 승수법, 위너 필터 등을 학습한다.
2학년 마이크로 콘트롤러 응용 (Microcontroller Applications)

MCU를 활용한 센서·액추에이터 제어 실습을 수행하고, 다양한 페리퍼럴을 이용한 임베디드 시스템 구현 경험을 습득한다. 디지털 입출력, PWM, ADC 센서 데이터 처리, 통신 및 센서 융합 프로젝트를 통해 실제 응용 시스템을 설계하고 구현한다.
3학년 운영체제 (Operating System)

운영체제의 역할과 기능, 철학적 원리를 체계적으로 학습한다. 프로세스, 멀티스레드, CPU 스케줄링, 시스템 콜, 동기화, 교착상태(Deadlock), 메모리 및 가상 메모리 관리, 파일 시스템 구조 등을 깊이 있게 다룬다.
3학년 컴퓨터구조 (Computer Architecture)

CPU, 메모리, 버스, 입출력 장치의 구조와 특성을 이해하고 명령어 집합 구조(ISA)와 마이크로아키텍처의 연산 논리를 분석한다. 최신 컴퓨팅 시스템 구조와 분산·융합 시스템 설계를 다룬다.
3학년 지능형모빌리티시스템 (Intelligent Mobility Systems)

Raspberry Pi와 Pixhawk 기반 드론 하드웨어, 오픈소스 오토파일럿(PX4), ROS 연동 기술을 활용하여 지능형 모빌리티 시스템을 설계한다. 센서 통합, 자율비행 알고리즘, 컴퓨터 비전 및 클라우드 AI 연계를 통해 실무형 드론 제어 시스템을 구축한다.
3학년 네트워크 구조 및 설계 (Network Architecture and Design)

하향식(Top-down) 접근 방식을 통해 컴퓨터 네트워크 구조와 인터넷 프로토콜 스택을 분석한다. HTTP, DNS 등 응용 계층부터 TCP/UDP 전송 계층의 흐름·혼잡 제어, 라우팅 알고리즘, 링크 계층 및 네트워크 보안까지 핵심 원리를 포괄적으로 학습한다.
3학년 휴먼컴퓨터인터렉션 (Human-Computer Interaction)

Physical AI 시스템이 인간 및 환경과 상호작용하는 사용자 인터페이스의 설계 원리를 다룬다. 사용자 중심 설계(UCD), 인간의 인지 모델, 생체신호(EEG, EMG, PPG) 인터페이스, 뇌-컴퓨터 인터페이스(BCI), VR/AR 3D 인터랙션 및 HRI(인간-로봇 상호작용) 윤리를 학습한다.
3학년 신경망 시스템 (Neural Networks)

신경망 시스템 전반에 걸친 기본 내용을 다루며, 역전파 기본 이론부터 시작해 RNN, LSTM, 트랜스포머, BERT 및 GPT 등 대규모 언어 모델(LLM)로 이어지는 아키텍처를 깊이 있게 학습하고 실습한다.
3학년 데이터베이스 (Database)

대용량 데이터의 저장, 처리, 추출을 위한 데이터베이스 관리 시스템(DBMS)의 개념과 관계형 모델링을 학습한다. ER 다이어그램 설계, 관계 대수, SQL 실습, 트랜잭션 동시성 제어 및 공공데이터를 활용한 프로젝트를 진행한다.
3학년 지능형 시스템 아키텍처와 설계 (Intelligent Systems Architecture and Design)

단순한 AI 모델 개발을 넘어 이를 실제 시스템에 통합하기 위한 구조적 설계 원칙과 시스템 공학적 접근법을 학습한다. 자원 제약 환경에서의 트레이드오프 분석, Roofline 모델을 통한 병목 진단, 연산 가속기 및 HW-SW 분할(HW-SW Partitioning) 기법을 다룬다.
3학년 자율주행 (Autonomous Driving)

차량 자율주행의 핵심 개념과 관련 기술을 학습한다. 위치 변위 센서, 초음파, IMU, LiDAR, GPS 등 센서 시스템의 원리와 로컬라이제이션(Localization), 차선 인식, 종·횡방향 제어 메커니즘을 다룬다.
3학년 AI영상처리 (AI Image Processing)

딥러닝 기반의 영상 처리 및 컴퓨터 비전 알고리즘을 학습한다. 영상 전처리, CNN 기반 특징 추출, 영상 분류, 객체 검출(Object Detection), 영상 분할(Segmentation), 초해상도 및 행동 인식 기술을 시스템 구현 관점에서 다룬다.
3학년 딥러닝알고리즘 (Deep Learning Algorithms)

딥러닝의 기본 원리와 신경망 학습 알고리즘을 집중적으로 학습한다. 다층 퍼셉트론의 역전파, 가중치 초기화 및 정규화, 경사하강법 최적화 기법, 하이퍼파라미터 튜닝, CNN(합성곱 신경망) 아키텍처를 구현하고 평가한다.
3학년 Edge AI (Edge AI)

Jetson, Raspberry Pi 등 임베디드 AI 보드를 기반으로 딥러닝 모델을 구동하고 최적화하는 기술을 학습한다. YOLO 객체 탐지, 실시간 스트리밍 AI 추론, 모델 양자화(Quantization) 및 가지치기(Pruning), TensorRT/TFLite 추론 최적화, TinyML 기술을 다룬다.
3학년 인공지능시스템콜로키엄1 (Artificial Intelligence System Colloquium 1)

인공지능시스템 분야의 최신 기술, 산업 트렌드 및 연구 동향을 전문가 특강과 토론을 통해 접하며 전공 역량과 융합적 사고를 함양한다.
4학년 로보틱스 (Robotics)

피지컬 AI 시스템에 요구되는 로봇 공학 모델링과 제어 이론을 다룬다. 미분방정식 기반의 시간·주파수 해석, 상태-공간 방정식(State-Space Representation), 최적화, 칼만 필터(Kalman Filter) 및 적응 필터 이론과 실제 적용을 학습한다.
4학년 AI 시스템 설계와 알고리즘 분석 (AI Systems Design and Algorithm Analysis)

현대 AI 시스템에서 발생하는 핵심 계산 문제를 고급 알고리즘 관점에서 재정의하고 해결하는 원리를 학습한다. 고차원 검색, 자동 미분, 대규모 최적화(SGD, Adam), 어텐션 가속화(FlashAttention), LLM 서빙 최적화(KV 캐싱, PagedAttention), 모델 압축 및 분산 학습 알고리즘을 분석한다.
4학년 사물인터넷 (Internet of Things)

현대 네트워크 프로토콜과 IoT 시스템 전반을 학습한다. 혼잡 제어, BGP, P2P, 네트워크 보안과 함께 스마트 시티 응용, 센서 커버리지, 멀티캐스트 기법(DVMRP, MOSPF, PIM), 스마트 모빌리티 및 무선 센서 네트워크 라우팅 기술(DSR, AODV)을 다룬다.
4학년 강화학습 (Reinforcement Learning)

환경과의 상호작용을 통해 보상을 최대화하는 순차적 의사결정 기법을 학습한다. 마르코프 결정 과정(MDP), 동적 계획법, 몬테카를로, TD 학습부터 심층 강화학습(DQN, Policy Gradient, Actor-Critic)에 이르는 최신 RL 기법을 구현한다.
4학년 AI비젼시스템 (AI Vision System)

AI 기반 영상처리, 비디오 코딩 및 비디오 분석 기술을 학습한다. 비디오 코딩 표준, 딥러닝 객체 검출, 영상 분할, 멀티모달 비전, Edge AI 구현 및 산업 현장에 적용 가능한 지능형 비전 시스템 응용 능력을 배양한다.
4학년 모바일SW (Mobile SW)

LLM을 이용한 모바일 웹앱 개발 기술을 학습한다. 파이썬 SDK를 활용한 LLM 연동, 모바일 DB 핸들링, 프롬프트 엔지니어링, 임베딩 및 벡터 DB, 웹 UI 구축, AI 에이전트 워크플로우 설계를 프로젝트 중심으로 진행한다.
4학년 인공지능시스템응용 (Artificial Intelligence System Applications)

인공지능시스템 분야의 주요 이슈와 최신 기술 동향을 선별하여 심층적으로 학습하고, 실제 시스템 적용 사례 분석 및 차세대 발전 방향을 고찰한다.
4학년 인공지능시스템콜로키엄2 (Artificial Intelligence System Colloquium 2)

인공지능시스템 분야의 최신 기술과 산업 및 연구 성과를 전문가 강연과 토론을 통해 학습하며 진로 탐색 및 전공 심화 지식을 확장한다.