발전기금
교과목명을 클릭하시면 과정 설명을 볼 수 있습니다.
| 학수번호 | 교과목명 | 학점 |
자기 학습 시간 |
영역 | 학위 |
이수 학년 |
비고 | 언어 |
개설 여부 |
|---|---|---|---|---|---|---|---|---|---|
| COV7001 | 논문작성법및연구윤리1 | 1 | 2 | 전공 | 석사/박사 | 일반대학원 성균융합원 | 한 | Yes | |
| 1) 논문작성의 전반을 소개하고, 논문작성의 필수적인 교양을 습득한다. 2) 연구 결과를 영어로 표현하는 효과적인 방법을 공부함으로써 향후 국내외학술지에 효율적으로 논문을 개제할 수 있도록 한다. 3) 연구 윤리를 습득한다. | |||||||||
| ECE4249 | 컴퓨터비전 | 3 | 6 | 전공 | 학사/석사 | 1-4 | 전자전기컴퓨터공학과 | 한 | Yes |
| 본 과목은 컴퓨터에 의한 영상해석을 위한 이론을 정의한다. 영상 형성의 모델, 초기처리과정, 경계선의 검출, 영역의 확장과 분할, 움직임검출, 정합, Morphology 등의 알고리즘 소개와, 도형인식을 위한 통계적 모델, 분별함수, 결정 경계 및 법칙, 신경망 등의 이론을 강의한다 | |||||||||
| ECE5984 | 기계학습코너스톤 | 3 | 6 | 전공 | 석사/박사 | 1-4 | 전자전기컴퓨터공학과 | 영 | Yes |
| 기계 학습은 어떻게 경험으로부터 학습하는 컴퓨터 시스템을 만드는가에 관한 연구분야이다. 이 과목에서는 현재의 기계학습 분야에서 사용되는 알고리즘과 모델들에 대해서 설명한다. 학습할 주요 내용은 일반화된 선형 모델, 다층인공신경망, 서포트벡터머신, 베이지안 네트워크, 클러스터링, 강화학습 등이다. | |||||||||
| EME5172 | 동역학특론 | 3 | 6 | 전공 | 석사/박사 | 1-4 | 기계공학과 | 영 | Yes |
| 본 교과목은 학부의 동역학을 수강하고 학부를 졸업한 대학원 학생을 대상으로 한다. 또한 수강학생이 기본적인 기구학 지식을 이해하고 있다고 가정하고 수업이 진행되며 질점의 역학에 대한 이해를 전제로 한다. 그러므로 본 교과목에서 기초적인 질점역학 지식에 대한 수업을 최소화 하고 이의 지식을 응용하는 이동좌표 및 회전좌표계의 운동, 질점계의 운동역학, 2차원 강체역학과 3차원 강체 역학을 주로 다룬다. 더불어 에너지 역학에 대한 기본을 정립하고 이를 발전시켜 Lagrangian 및 Hamiltonian 역학의 기초를 공부한다. | |||||||||
| EME5902 | 기업가정신 | 1 | 2 | 전공 | 석사/박사 | 1-4 | 기계공학과 | 한 | Yes |
| 본 과목은 수강생들에게 이론 및 실습을 통해 기업가 정신에 대한 기본적인 소양을 습득하게 하고 기업가의 의사 결정 능력에 대해 학습한다. 또한 기업가 정신에 대한 기본 내용, 과거 사례, 비즈니스 계획 등에 대해 다룬다. | |||||||||
| EME5903 | 첨단기술세미나 | 1 | 6 | 전공 | 석사/박사 | 1-4 | 기계공학과 | 한 | Yes |
| 실제 산업 및 연구 분야에서 개발되고 있는 첨단 기술에 대해 학습하고 토론한다. 친환경, 인공 지능, 의료와 생명 등 첨단 기술 분야의 전문가를 초청하여 미래 사회에서 요구되는 과학 기술의 발전 방향에 대해 강의를 듣고 미래 사회의 공학인으로서 자질을 배양한다. | |||||||||
| EME5904 | 전문가초청특강 | 1 | 6 | 전공 | 석사/박사 | 1-4 | 기계공학과 | 한 | Yes |
| 산업계에서 실제로 실무에 종사하고 있는 전문가를 초청하여 해당 현장에서 필요한 기술의 요구사항 및 문제점을 파악하고 이를 해결할 수 있는 문제 해결 능력을 기른다. 또한, 특강을 통해 기업 경영, 창업 등에 관한 다양한 주제를 학습한다. | |||||||||
| EME5929 | 지능로봇공학 | 3 | 6 | 전공 | 석사/박사 | 기계공학과 | 영 | Yes | |
| 로봇 매니퓰레이터를 운용, 조작하기 위한 해석, 역학, 제어에 관하여 다룬다. 자세의표현, 좌표변환, 순기구학, 역기구학, 쟈코비안행렬등 로봇운동에 관련된 기구학적 표현에 관한 내용과 동력학적 모델링, 이를 바탕으로한 위치제어, 힘제어방법에 관하여 언급하고 로봇의 설계에 관한 내용도 첨가 된다. | |||||||||
| EME5932 | 로봇공학의개척 | 3 | 6 | 전공 | 석사/박사 | 기계공학과 | 영 | Yes | |
| 로봇 공학은 전통적인 문제 해결 방식과 최첨단 공학 지식의 결합을 필요로 하는 방대한 분야로 탈바꿈하고 있다. 본 강의는 학생들에게 소프트 액추에이터, 소프트 센서, 소프트 로보틱스, 생체 모방 로봇, 생체 로봇 및 집단 협력 로봇을 포함한 다양한 첨단 로봇 기술을 소개하는 것을 목표로 한다. 본 강의는 높은 팀워크 능력을 필요로 하며 학생들은 서로 협력하며 각자의 전공 지식을 활용해 로봇을 만들게 될 것이다. | |||||||||
| EME5938 | 탄소성역학 | 3 | 6 | 전공 | 석사/박사 | 기계공학과 | 한 | Yes | |
| 본 과목은 연속체역학에 기반한 탄소성학 이론을 소개하고, 다양한 재료에 응용을 연습한다. 재료의 항복강도를 넘어선 대변형 상황에서 탄성과 소성이 결합된 3차원 변형률과 응력에 대하여 고찰한다. 특히 재료의 이방성과 비선형거동을 해석하기 위해 이방성항복함수, 소성포텐셜, 경화이론등을 다룬다. 탄소성변형에 따른 에너지소산을 열역학적 엔트로피법칙과 자유에너지관점에서 이해한다. | |||||||||
| EME5940 | 인간기계협업기술개론 | 3 | 6 | 전공 | 석사/박사 | 기계공학과 | 한 | Yes | |
| 본 과목은 인간과 기계의 협업에 필요한 관련기술의 소개와 이해를 통해 산업에서의 협업 서비스 설계와 사례를 발굴하고, 산업 분야에서 협업 기술의 파급과 궁극적으로 우리가 제시하는 협업은 무엇인지 논의하는데 목적이 있다. 협업 로봇 기술의 이론적 배경 뿐만 아니라 산업 프로세스, 인공지능 개념, 안전 관리 개념을 논의한다. | |||||||||
| EME5943 | 현대제어시스템 | 3 | 6 | 전공 | 석사/박사 | 기계공학과 | 한 | Yes | |
| 본 교과목은 시스템의 동역학적 특성을 변화시키고 외란을 조절하는데에 사용되는 현대 제어 이론에 대해 다룬다. 교과목의 주요 내용은 선형 및 비선형 모델, 입출력 응답, 시스템 안정성, 상태/출력 피드백, 그리고 시스템 강인성 등이다. 본 교과목을 통해 학생들은 제어 시스템을 인지하고 제어 이론의 원리를 이해하며 보다 세부적인 제어기 설계를 위한 기반 지식을 습득할 수 있다. | |||||||||
| EME5946 | 전동화차량동역학및제어 | 3 | 6 | 전공 | 석사/박사 | 기계공학과 | 한 | Yes | |
| 최근 들어 자동차로 인한 화석연료의 고갈, 지구온난화 가속화, 교통사고로 인한 사망자 수 증가 등의 문제를 극복하고자 친환경적이고 안전한 미래형 자동차에 대한 관심이 높아지고 있다. 본 교과목에서는 친환경자동차와 자율주행자동차로 대표되는 미래형 자동차 중 전기모터로 구동되는 전동화 차량의 핵심기술과 원리를 다룬다. 먼저, 자동차의 역학적 특성 이해를 위해 차량 동역학에 대해 다룬다. 이후 대표적인 전동화 차량인 하이브리드자동차와 전기자동차의 기본 원리와 제어이론에 대해서 학습한다. 핵심 부품별 모델링과 시뮬레이션을 통해 전동화 차량의 연비 평가를 수행하고, 제어 특성을 이해한다. | |||||||||
| EME5952 | 미래모빌리티공학특론 | 3 | 6 | 전공 | 석사/박사 | 기계공학과 | 한 | Yes | |
| 본 교과목에서는 자율주행, 친환경 기술 등을 필두로 지상, 항공, 로봇 등 다양한 영역에서 발전하고 있는 미래모빌리티의 국제적인 흐름과 연구동향에 대해 다룬다. 특히 이러한 미래모빌리티를 현실화하기 위한 미래형 이동체의 설계, 모델링, 제어, 센싱, 인공지능 기반 지능화 기술 등 여러 핵심기술에 대해 학습한다. | |||||||||
| ERC5005 | 공학필수머신러닝 | 3 | 6 | 전공 | 석사/박사 | 공과대학 일반대학원 | 한 | Yes | |
| 본 과목은 인공지능과 머신러닝에 대한 관심 증가에 따라, 딥러닝 이외의 머신러닝 기법들을 수리적으로 설명하여 학생들이 이를 이해하고 올바르게 활용할 수 있도록 하는 것을 목표로 한다. Imbalanced Learning, Bayesian Neural Networks, Monotonic Neural Networks, Neural Additive Models, Gaussian Process, Ensemble Learning, Expectation and Maximization, Neighbor Embedding 등에 대해 학습하며, 본 과목을 통해 학생들은 머신러닝 관련 논문을 더 쉽게 이해하고, 각자의 전공 분야에서 실제 공학 문제를 해결할 때 이러한 기법들을 올바르게 활용할 수 있도록 한다. | |||||||||
| ESM4050 | 스마트공장개론 | 3 | 6 | 전공 | 학사/석사 | 산업공학전공 | 한 | Yes | |
| 이 과목은 스마트제조(Smart Manufacturing)와, 핵심 실행 전략인 스마트공장(Smart Factory)에 대한 입문과목으로, 스마트공장의 배경/개념/기술/사례/전략과 방법에 대한 기본 내용을 학습한다. 특히 제조시스템의 역사와 전망, 스마트공장 운영방법론, 스마트공장 경영, 스마트공장 운영설계 핵심기술에 대해 배운다. | |||||||||
| ESM4100 | 산학연계융복합연구Ⅰ | 3 | 6 | 전공 | 학사/석사 | 산업공학과 | 한 | Yes | |
| 스마트공장(Smart Factory) 분야의 산학연 공동 프로젝트에 참여하여 스마트공장의 운영, 설계나 소프트웨어 솔루션 개발에 관련된 실무적인 융복합 연구를 수행하며, 성과 발표를 진행한다. | |||||||||
| ESM4113 | 신뢰성설계 | 3 | 6 | 전공 | 학사/석사 | 1-2 | 산업공학과 | 영 | Yes |
| 신뢰성은 제품이 주어진 기간, 주어진 운용조건 및 주어진 성능을 보이는 능력으로 정의된다. 신뢰성 개념과 원리, 리스크 평가, 완화 및 관리 전략을 통해 학생들이 신뢰성 설계에 효과적으로 기여할 수 있도록 강의한다. 이 강의에서는 전기, 기계 및 전자 기계 제품의 신뢰성에 관한 설계, 제조 관점에서의 기본적인 지식과 기술을 다룬다. 또한, 신뢰할 수 있는 제품의 개발, 제조, 유통 및 지원에 기여하는 공급망 사슬, 제품의 효과적이고 비용 효율적인 신뢰성기반 설계 및 제조; 고장모드, 메커니즘 및 영향도 분석방법, 신뢰성 예측 및 할당; 신뢰성을 평가하기 위한 시험법 개발, 열화 거동 분석 방법 및 기본적인 신뢰성 평가를 위한 데이터 분석 방법 등을 배운다. | |||||||||
| ESM5200 | 산학연계융복합연구Ⅱ | 3 | 6 | 전공 | 석사/박사 | 산업공학과 | 한 | Yes | |
| 스마트공장(Smart Factory) 분야의 산학연 공동 프로젝트에 참여하여 스마트공장의 운영, 설계나 소프트웨어 솔루션 개발에 관련된 실무적인 융복합 연구를 수행하며, 성과 발표를 진행한다. | |||||||||
| ESM5219 | 스마트제품개발및제조 | 3 | 6 | 전공 | 석사/박사 | 산업공학과 | 한 | Yes | |
| 본 과목은 제조 기업에서 제품을 개발하고 양산할 때까지의 과정에 필요한 실무 기법을 다룬다. 데이터를 기반으로 어떻게 설계하고 제조하는지 현장 중심의 스마트한 문제 해결 방법을 실제 사례들을 중심으로 설명한다. 제조업의 일반적 조직 구조와 그 조직들의 기능과 역할, 조직 간의 이해 관계의 이해를 시작으로, 개발의 선행 연구부터 양산까지의 업무 프로세스, 설계 시 필수 요소들, 스마트 설계에 필요한 시뮬레이션 기법, VE(Value Engineering), Triz와 최적화 기법, 6-Sigma 등 여러 개발 및 설계에 필요한 툴을 어떻게 현장에 접목하는지 실제 사례들을 중심으로 다룬다. 또한 전자 제품을 중심으로 제품 별 기본 공정 지식과 스마트 팩토리의 개념과 실제, 현장의 실제 제조혁신 활동들, 제조 설비 개발과 데이터 기반 제조 관리 사례의 설명한다. 아울러, 제품 개발 시 필수적으로 협력해야 하는 품질, 구매, 디자인, 상품 기획의 업무를 소개하고, 여러 부서 간의 이해관계 충돌 등을 어떻게 해결하여 협력하는지, 엔지니어링 실무에 필요한 전략적 마인드 및 자료 작성법과 함께 다룬다. | |||||||||
| ESM5220 | 디지털트윈고도처리특론 | 3 | 6 | 전공 | 석사/박사 | 1-8 | 산업공학과 | 한 | Yes |
| 사이버물리시스템, 디지털트윈 및 고도처리 기술에 대한 배경, 기본 이론, 응용과 실무를 다루며, 강의와 다양한 문제중심 학습을 통해 이를 이해하고 익힌다. - 제품/공장 설계 및 운영 - 고도처리 기술 - 스마트제조와 스마트공장 - 사이버물리시스템, 디지털트윈 | |||||||||
| ESM5221 | 스마트제조및고도처리특론 | 3 | 6 | 전공 | 석사/박사 | 1-8 | 산업공학과 | 한 | Yes |
| 스마트제조 및 고도처리 기술과 시스템에 대한 배경, 기본 이론, 응용과 실무를 다루며, 다양한 문제중심 학습을 통해 이를 이해하고 익힌다. - 제품 설계 및 개발, PLM, 고도처리 기술 - 공장 설계 및 생산 운영, 생산기술과 정보시스템 - 스마트제조와 스마트공장 - IIoT, 스마트센서, 클라우드, 플랫폼, 사이버물리시스템, 디지털트윈 | |||||||||
| IFT5008 | 다물리역학이론및전산해석 | 3 | 6 | 전공 | 석사/박사 | 지능형팹테크융합전공 | - | No | |
| 반도체를 비롯한 공학현상에서 자주 볼수 있는 다물리 현상, 특히 전자기-열-재료-기계가 연계된 역학이론을 배우고, 실제 공학문제에 적용해 본다. 또한 다양한 data를 기반으로 다물리 역학 문제에 있어서 인공지능을 활용한 해석의 방법론을 학습한다. | |||||||||
| ROB5002 | 슬램 | 3 | 6 | 전공 | 석사/박사 | 1-4 | 한 | Yes | |
| 자율주행로봇의 핵심 기술인 슬램(SLAM)의 개념와 핵심 내용을 이해하기 위한 교과목임. 전통적인 트래킹 기반의 칼만필터 기반의 슬램, 파티클 필터 슬랩 기법과 최신의 그래프 슬램의 개념을 학습하고 코딩으로 구현할 수 있도록함. | |||||||||
| ROB5004 | 재활공학 | 3 | 6 | 전공 | 석사/박사 | 1-8 | 한 | Yes | |
| 재활공학은 장애를 가진 사람들의 여러 기능 문제를 해결해줄 수 있는 방법론을 전반적으로 다루는 학문으로, 시스템의 설계, 개발, 적용, 그리고 평가 영역까지 모두 포함하는 개념이다. 본 강의에서는 여러 기능 문제 중에서도 운동 기능에 초점을 맞추어 이를 이해하기 위한 감각운동 시스템, 운동 병리학을 소개하며, 운동 기능의 보조 및 회복을 위해 개발되었던 다양한 시스템 예제를 소개하여 재활공학 기반 시스템에 대한 이해를 넓히고자 한다. | |||||||||
| ROB5005 | 소프트로보틱스 | 3 | 6 | 전공 | 석사/박사 | 영 | Yes | ||
| 이 강의의 목표는 학생들이 소프트 로봇학 분야와 로봇공학 전반에서의 관련성에 대한 광범위한 개요를 얻는 것입니다. 이 강의는 소프트 로봇학 분야에서 최근 발전에 대한 연구를 다룰 것이며, 구동, 감지, 제어, 시스템 통합 및 산업 응용에 관한 내용을 중점적으로 다룰 것입니다. 학생들은 팀으로 협력하여 소프트 로봇 기술을 산업적으로 활용할 수 있는 프로토타입을 구현할 것입니다. | |||||||||
| ROB5006 | 지능형차량제어시스템 | 3 | 6 | 전공 | 석사/박사 | 1-8 | - | No | |
| 수업에서는 지능형 차량에서의 제어시스템, 예를 들어, 첨단 크루즈 컨트롤, 엔진 및 전기모터 제어, 잠김 방지 브레이크, 트랙션 컨트롤, 액티브 서스펜션, 차량 안정성 제어 등을 다룬다. 또한, 제어 루프에서 운전자의 역할과 인적 요인 등에 대해서도 학습한다. 추가하여 충돌 감지 및 회피, 측면 및 종방향 제어, 자율주행 등 지능형 교통 시스템(ITS)을 위한 고급 차량 제어 시스템도 다룬다. 학생들은 기본 개념과 용어, 최신 기술, 기본 방법론을 접하게 된다. 과정을 마친 후에는 이 주제에 관한 문헌을 읽고 독립적인 디자인, 연구 및 개발을 수행할 수 있다. | |||||||||
| ROB5007 | 데이터기반로봇제어 | 3 | 6 | 전공 | 석사/박사 | 1-8 | - | No | |
| 본 강의에서는 데이터기반의 로봇 인지를 활용한 로봇 제어에 대해 다룬다. 현대의 컴퓨터 비전, 인지, 로봇 제어 및 강화학습은 명확한 연결점이 없이 독립적으로 연구되었다. 본 강의를 통해 상보적 관점에서 전통적인 데이터 기반 인지 및 제어의 관계를 이해하고, 최신의 데이터 기반 제어 기법에 대해 논의한다. 본 강의는 Robot vision, Direct perception, Learning-based control, predictive models and forward dynamic models, model-based/model-free reinforcement learning, Sim-to-Real Transfer 등을 수학적 이론에 기반하여 접근한다. | |||||||||
| ROB5008 | 모수/비모수베이지안 | 3 | 6 | 전공 | 석사/박사 | 1-8 | - | No | |
| 본 강의에서는 로봇의 인지 지능을 위한 기본적인 모수 기반의 베이지안 추론, 데이터 분석, 패턴 인지 및 복잡한 환경 인지를 위한 비모수 베이지안 모델링과 추론 기법을 수학적 관점에서 다룬다. 본 강의를 통해 모수 및 비모수 베이지안의 개념을 이해하고, PCA, LDA, 커널 트릭 기반의 SVM과 같은 기본적인 인지 데이터 처리 기법과 더불어 Bayesian Decision Theory, Density Estimation, maximum a posteriori (MAP), Bayesian Learning, Gaussian Mixture Model (GMM), Expectation-Maximization, Variational inference, VAE, GAN 및 불확실도를 고려한 Bayesian deep learning에 대해 다룬다. 모수/비모수 베이지안을 활용하여 로봇이 인지하는 데이터에 대한 분포를 모델링함으로써 로봇의 인지 지능을 얻는 것을 목표로 한다. | |||||||||
| ROB5009 | 추론및의사결정이론 | 3 | 6 | 전공 | 석사/박사 | 1-8 | 한 | Yes | |
| 본 강의에서는 로봇의 위치추정, 환경 인지 및 제어를 위한 추론 및 의사결정이론에 대해 다룬다. 로봇의 위치 및 환경에 대한 확률 모델링 및 확률분포 추정을 위한 기본적인 베이지안 추정 기법을 배우고, 로봇 시스템에 적용하기 위해 개념을 확장한다. 최적의 확률 모델링 및 추론을 위해 본 교과목에서는 minimum variance unbiased estimator, the Cramer-Rao lower bound, sufficient statistics, best linear unbiased estimators, maximum likelihood estimator (MLE), least squares, exponential family, multivariate Gaussian distribution, minimum mean square error (MMSE), maxmimum a posteriori (MAP), linear MMSE, sequential linear MMSE, Bayesian filtering, generalized Bayesian filters, nonlinear filters, data association 및 Gaussian process regression 등을 다룬다. | |||||||||