소프트웨어융합학과

  • HOME
  • 정보광장
  • 교육과정소개
  • 소프트웨어융합학과
융합신기술대학원 소프트웨어융합학과 교육과정소개 표
이수구분 전 공 교과목 명(영문) 교과목설명
전공기초 소프트웨어공학특론(Advanced Software Engineering) 소프트웨어 생명주기, 형식적 표현과 설계, 증명 신뢰성 분석등과 같은 소프트웨어 시스템의 단계적 개발을 위한 기본 원리와 방법을 알아보고 요구 명시와 분석, 설계, 통합, 증명과 타당성 조사와 유지 및 계획 관리 등에 대한 효율적인 고급 기법을 연구한다.
전공기초 인공지능특론(Advanced Artificial Intelligences) 인공지능의 목적, Cognitive Process에 대한 설명, 지시표상, Cognitive Behaviored와 Simulation, Game-Playing과 General-Problem Solving Theorem Proving Computer Vision, 패턴인식, 자연어 처리 등의 분야에 대한 관련기술과 동향을 연구한다.
전공기초 정보보안특론(Advanced Information Security) 정보보안의 기본 원리와 보안 목표를 인식하고 보안 취약성과 보안위협 요소를 분석하여 정보 보호 대책과 보안 체계를 연구하여 암호학을 기반으로 고급 정보보안 관련기술을 연구한다.
전공기초 빅데이터통계학(Big Data and Statistics) 빅데이터를 위한 통계학의 기초 이론인 확률변수, 확률분포, 추정 및 검정, 회귀분석, 분산분석에 대하여 학습한다. 
전공기초 통계소프트웨어(Statistical Software) 빅데이터 분석을 위하여 SPSS, Minitab, R, WinBUGS 등 다양한 통계 패키지의 사용 기법에 대하여 학습한다. 
전공기초 응용확률론(Applied Probability) 조건부확률, 이산형 확률분포, 연속형 확률분포, 결합 및 주변 확률분포, 베이즈 규칙 등 소프트웨어 융합연구를 위한 확률 이론에 대하여 학습한다. 
전공공통 컴퓨터정보공학 소프트웨어융합특론(Advanced Software Convergence) 각종 융합분야의 기본적인 관련 소프트웨어의 설계와 개발 방법을 이해하고 실제 실무사례들을 집중 분석하여 향후 새로운 융합소프트웨어 적용 가능한 관련 고급기술들을 연구한다.
전공공통 컴퓨터정보공학 데이터베이스특론(Advanced Database) 다양한 분해의 데이터베이스 시스템 응용분야에 대한 구체적인 Case Study를 통해 효과적인 데이터베이스 시스템의 설계 및 구축에 관해 연구한다. 특히 Hypertext Technology의 응용에 관계하여 제기되는 주요 Topic들에 대하여 세미나를 통해 연구한다.
전공공통 컴퓨터정보공학 데이터베이스설계론(Data Base Design) 데이터베이스 응용시스템 설계, 소프트웨어 엔지니어링, 시스템분석 등을 위한 DB설계 방법 즉, DB응용 설계자에게 필요한 기본 지식과 시멘틱 접근, ER 설계방법 등을 강의한다.
전공공통 컴퓨터정보공학 시스템분석과설계특론(Advanced System Analysis & Design) 소프트웨어 개발시 반드시 필요한 개발 시스템 분석 기법과 소프트웨어 단계적 설계 기법의 이론과 실무능력을 배양을 위한 고급 기술을 연구한다.
전공공통 컴퓨터정보공학 소프트웨어개발관리특론(Advanced Software Development Management) 소프트웨어 생명주기에 맞는 형식적 표현과 설계, 증명 신뢰성 분석 등과 같은 소프트웨어 시스템의 단계적 개발을 위한 기본 원리와 방법을 알아보고 요구 명시와 분석, 설계, 통합, 증명과 타당성 조사와 유지 및 계획 관리 등의 소프트웨어 개발관리 측면의 고급 기법을 연구한다.
전공공통 컴퓨터정보공학 컴퓨터네트워크특론(Advanced Computer Networks) 컴퓨터 네트워크에 관한 구성방법, 구성에 필요한 알고리즘, 프로토콜, 에러 제어, 흐름제어, 네트워크 구조, 프로토콜의 구조화, 표준화, 개방형 시스템, 네트워크 운영체제 등에 관한 최신 고급기술을 연구하고 강의한다.
전공공통 컴퓨터정보공학 사물인터넷특론(AdvanAdvanced Internet of Things) 사물인터넷 관련 분야의 시스템 구축 기술 및 프로토콜, 서비스 등의 고급 구축기술들을 습득하여 실무에 확장 적용할 수 있는 IoT 응용 분야에 대하여 집중 연구 분석하고 강의한다. 
전공공통 컴퓨터정보공학 네트워크보안설계및구축(Network Security Design and Construction) 컴퓨터 통신망인 네트워크에서 안전한 데이터 전송을 위한 보안 시스템을 적용하기 위한 최적의 암호 프로토콜을 선택하고 프로그래밍 도구를 이용하여 설계한다. 또한 프로그래밍을 통한 네트워크 보안 시스템을 구축하는 방안을 연구한다.
전공공통 컴퓨터정보공학 보안시스템설계특론(Advanced Security System Design) 컴퓨터 정보 시스템에서 발생하는 해킹의 기본 원리와 보안 목표를 인식하고 네트워크 시스템의 취약성과 위협요소를 분석함으로서 정보시스템의 보호 대책과 보안 체계를 이해하고 암호학을 기반으로 하는 보안 시스템 설계 방법을 연구한다.
전공공통 컴퓨터정보공학 신경회로망과퍼지이론(Neural Network and Fuzzy Theroy) 여러 가지 인공적 신경회로망의 구성요소 및 학습이론, 퍼지이론에 대하여 개괄적으로 강의한다. 이러한 이론을 바탕으로 여러 가지 경우의 사례응용을 제시, 검토하고, 구체적인 응용대상에 대한 컴퓨터 시뮬레이션 및 구현 방식을 연구, 검토하여 응용능력을 배양한다.
전공공통 컴퓨터정보공학 HCI와로보틱스특론(Advanced HCI & Robotics) 인간과 컴퓨터와의 인터페이스(HCI)의 관련 신기술과 인공지능과 두뇌이론을 기반으로 하여 신경구조망, 동물과 기계에 있어서의 행동주의적 지각과 Feedback, 계획, 지식의 표현, 학습, 운동제어에 관한 구조 그리고 로보트의 Vision에 관한 문제 등의 관력 고급 Topic들을 연구한다.
전공공통 컴퓨터정보공학 패턴인식과기계학습특론(Advanced Pattern & Machine Learning) 패턴인식 분야의 관련 신기술과 기계학습 분야의 고급 이론과 기술 등을 Topic을 중심으로 집중 분석하고 고찰하여 향후 적용 가능한 기반 기술들을 연구하고 습득시킨다.
전공공통 통계학 데이터사이언스(Data Science) 데이터에 대한 이론적 연구를 위하여 데이터의 생성, 수집, 처리, 분석, 및 적용의 전과정에서 필요한 통계적 이론과 컴퓨터 이론을 동시에 학습한다. 
전공공통 통계학 데이터프로그래밍(Data Programming) R 데이터 언어를 이용하여 벡터, 행렬, 배열, 리스트, 데이터 프레임 등 데이터의 기본구조에 대하여 처리하고 R에서 제공하는 제어구문과 통계함수를 이용하여 빅데이터 분석능력을 갖출 수 있도록 한다. 
전공공통 통계학 빅데이터컴퓨팅(Big Data Computing) 다양한 네트워크 환경에서 분산된 데이터를 관리하고 필요한 데이터를 수집하고 분석하는 컴퓨팅 이론 및 실습을 통하여 빅데이터 환경에서 전문적인 데이터 관리가 가능할 수 있는 방법론에 대하여 강의한다.
전공공통 통계학 빅데이터시각화(Big Data Visualization) 빅데이터로부터 숨겨진 패턴을 찾기 위하여 통계적 그래픽, 사회네트워크분석, 그래프 모델 등 다양한 시각화 기법에 대하여 강의한다.
전공공통 통계학 빅데이터분석(Big Data Analysis) 숫자, 문자, 그림, 동영상, 등 다양한 형태로 존재하는 비정형 빅데이터에 대한 통계적 분석이 가능하도록 정형화된 데이터 구축과 분석에 대하여 강의한다.
전공공통 통계학 데이터마이닝(Data Mining) 인공신경망, 연관성규칙, 의사결정나무, K-평균 군집화, 텍스트 마이닝 등 대용량 데이터베이스로부터 숨겨진 패턴을 찾기 위한 다양한 기법에 대하여 학습한다. 
전공공통 통계학 빅데이터서베이(Big Data Survey) 단순임의추출, 층화계통추출, 포커스그룹 인터뷰, 델파이, 시나리오분석 등 빅데이터 환경에서 필요한 샘플링과 서베이 기법에 대하여 강의한다.
전공공통 통계학 머신러닝(Machine Learning) 지도학습, 자율학습, 강화학습 등 컴퓨터를 지능화하기 위한 다양한 데이터 학습 기법에 대하여 공부한다. 특히 딥러닝에서 사용되는 핵심 기법에 대한 강의도 함께 이루어진다.
전공공통 통계학 예측모형(Forecasting Model) 빅데이터 안에 존재하는 변수의 추세를 예측하기 위하여 시계열회귀, 이동평균, 지수평활, 박스-젠킨스 모형 등 다양한 예측기법에 대하여 강의한다.
전공공통 통계학 분류군집분석(Classification and Clustering) 로지스틱회귀, 판별분석, 혼합모형, 계층적 및 병합적 군집화, 자기조직화지도, 등 빅데이터의 분류와 군집을 위하여 통계학 및 머신러닝에서 제공하는 여러 기법에 대하여 강의한다.
전공공통 통계학 베이지안통계학(Bayesian Statistics) 베이즈 이론부터 사전, 사후분포, 몬테칼로 시뮬레이션, 베이지안 학습, 베지지안 신경망, 베이지안 인공지능에 이르기까지 베이지안 통계이론의 전과정을 학습한다. 
전공공통 통계학 수리통계학(Mathematical Statistics) 확률분포이론, 극한분포, 통계추론, 최대우도, 충분성, 선형모형 등 빅데이터의 통계분석을 위한 수준 높은 통계이론에 대하여 학습한다. 

콘텐츠 만족도 조사

이 페이지에서 제공하는 정보에 대하여 어느 정도 만족하셨습니까?

만족도 조사 폼

담당자 정보

  • 최종수정일