Inspiring Future, Grand Challenge

Search
Close
Search
 
  • home
  • 대학원과정
  • 교육과정

대학원과정

교육과정

교과목명을 클릭하시면 과정 설명을 볼 수 있습니다.

교육과정
학수번호 교과목명 학점 자기
학습
시간
영역 학위 이수
학년
비고 언어 개설
여부
ROB5010 로봇첨단기술세미나1 1 2 전공 석사/박사 1-8 - No
실제 산업 및 연구 분야에서 개발되고 있는 첨단 로봇 기술에 대해 학습하고 토론한다. 로봇 시스템, 인공 지능, 필드 로봇, 자율시스템 등 첨단 로봇기술 분야의 전문가를 초청하여 미래 사회에서 요구되는 과학 기술의 발전 방향에 대해 강의를 듣고 미래 사회의 공학인으로서 자질을 배양한다.
ROB5011 로봇첨단기술세미나2 1 2 전공 석사/박사 1-8 - No
실제 산업 및 연구 분야에서 개발되고 있는 첨단 로봇 기술에 대해 학습하고 토론한다. 로봇 시스템, 인공 지능, 필드 로봇, 자율시스템 등 첨단 로봇기술 분야의 전문가를 초청하여 미래 사회에서 요구되는 과학 기술의 발전 방향에 대해 강의를 듣고 미래 사회의 공학인으로서 자질을 배양한다.
ROB5012 지능로봇프로젝트1 3 6 전공 석사/박사 2-8 Yes
본 과목은 현장실습과목으로써 강의를 통해 배운 이론 및 실기지식을 국내 산업체 및 연구기관에서 실습을 통해 심화하고 연구 및 실습경험을 쌓도록 하는데 목적을 둔다. 대학원 과정에서 배운 지식 및 연구방법을 토대로 현장에서 고도화된 연구개발방법을 익히며 졸업 후 고급 로보티스트로서의 실력과 소양을 익히도록 한다.
ROB5013 지능로봇프로젝트2 3 6 전공 석사/박사 2-8 Yes
본 과목은 현장실습과목으로써 강의를 통해 배운 이론 및 실기지식을 국내 산업체 및 연구기관에서 실습을 통해 심화하고 연구 및 실습경험을 쌓도록 하는데 목적을 둔다. 대학원 과정에서 배운 지식 및 연구방법을 토대로 현장에서 고도화된 연구개발방법을 익히며 졸업 후 고급 로보티스트로서의 실력과 소양을 익히도록 한다.
ROB5014 로봇수학및시뮬레이션 3 6 전공 석사/박사 1-8 Yes
지능형로봇에 기초가 되는 수학, 특히 선형대수, 확률, 최적화를 다루며 컴퓨터를 활용한 프로그래밍을 연습함. 또한 ROS, Isaac Sim과 같은 인공지능과 연결 가능한 로봇시뮬레이터, 컴퓨팅의 기초를 다루며, 로봇 Kinematics를 고려한 시뮬레이션 실습.
ROB5015 비행로봇 3 6 전공 석사/박사 1-8 Yes
본 교과목에서는 고정익과 회전익의 기본적인 비행 원리에 대해서 학습하고, 이를 바탕으로 다양한 비행로봇의 동작 원리 및 활용 방안에 대해서 알아본다. 나아가 비행과 다른 형태의 이동방식이 동시에 가능한 멀티모달 이동형 로봇에 대해서 학습하고, 비행로봇 핵심기술의 미래형 항공기로의 적용 방안에 대해서 고찰한다.
ROB5101 지능형로봇석사논문연구1 3 6 전공 석사/박사 3-4 Yes
지능형로봇학과 석사과정 학생들의 연구논문 준비를 위한 수강과목으로 수강생의 연구주제에 관하여 지도교수와 협력하에 연구를 진행한다.
ROB5102 지능형로봇석사논문연구2 3 6 전공 석사/박사 3-4 Yes
지능형로봇학과 석사과정 학생들의 연구논문 준비를 위한 수강과목으로 수강생의 연구주제에 관하여 지도교수와 협력하에 연구를 진행한다.
ROB6101 지능형로봇박사논문연구1 3 6 전공 박사 2-8 Yes
지능형로봇학과 박사과정 학생들의 연구논문 준비를 위한 수강과목으로 수강생의 연구주제에 관하여 지도교수와 협력하에 연구를 진행한다.
ROB6102 지능형로봇박사논문연구2 3 6 전공 박사 2-8 Yes
지능형로봇학과 박사과정 학생들의 연구논문 준비를 위한 수강과목으로 수강생의 연구주제에 관하여 지도교수와 협력하에 연구를 진행한다.
ROB7001 딥러닝원론 3 6 전공 학사/석사/박사 1-8 - No
현대 인공지능 시스템의 가장 큰 축이 되는 딥러닝에 대하여 학습한다. 기본 선형모델 기계학습 방법론을 기반으로 Multilayer Perceptron (MLP) 구조 학습; 경사하강법을 통한 심층신경망 학습 방법론; 다양한 최적화 방법론; Convoloutional neural network (CNN) 구조와 이론, 이미지 인식, 오브젝트 검출, 세그멘테이션 관련 네트워크 구조 학습; Recurrent neural network (RNN) 구조와 이론, 그리고 다양한 응용에 관하여 학습; Transformer구조와 이론 및 응용; 생성모델 기초; 멀티모달 학습 기초.