Curriculum 교과과정
The AI·SW Graduate School offers 19 advanced courses designed to provide research-depth education across AI and SW disciplines. Courses are organized into 5 micro-degree tracks, each representing a focused area of specialization. Students can complete a track by taking 3 or more courses (9+ credits) within the track.
AI·SW대학원은 19개 심화 교과목을 운영합니다. 교과목은 5개 마이크로디그리 트랙으로 구성되어 있으며, 각 트랙에서 3과목 이상(9학점 이상)을 이수하면 해당 트랙의 집중이수를 인정받을 수 있습니다.
Micro-Degree Tracks 마이크로디그리 트랙
Each track groups related courses into a coherent specialization. Complete 3+ courses (9+ credits) in a track to earn a micro-degree certificate. Courses are all 3 credits and taught in a lecture format. Click any course to see its description.
각 트랙은 관련 교과목을 하나의 전문 영역으로 묶어 체계적인 학습 경로를 제공합니다. 한 트랙에서 3과목 이상(9학점 이상)을 이수하면 마이크로디그리 인증을 받을 수 있습니다. 전 과목 3학점, 이론 중심 강의입니다. 교과목을 클릭하면 상세 설명을 볼 수 있습니다.
AI Foundations & Trust AI 기초·신뢰
4 courses · 12 creditsStudy Bayesian approaches to AI: probabilistic models, Bayesian inference, MCMC/variational methods, Bayesian neural networks, calibration, and decision making under uncertainty in data-limited or high-risk environments.
불확실성을 정량화하고 사전지식을 활용하는 베이지안 관점의 AI를 학습합니다. 확률모형, 베이즈 추론, MCMC/변분추론, 베이지안 신경망 및 캘리브레이션, 의사결정 이론을 다루며, 데이터가 제한적이거나 위험도가 높은 환경에서 신뢰 가능한 예측/의사결정을 수행하는 능력을 배양합니다.
Study AI platform engineering from model development to deployment and operations. Topics include data/model version control, training pipeline automation (MLOps), serving/inference optimization, monitoring, and retraining strategies for stable production AI systems.
AI 모델 개발부터 배포·운영까지의 플랫폼 관점을 학습합니다. 데이터/모델 버전관리, 학습 파이프라인 자동화(MLOps), 서빙/추론 최적화, 모니터링 및 재학습 전략을 다루며, 실제 서비스 환경에서 안정적으로 동작하는 AI 시스템을 설계·구축하는 역량을 배양합니다.
Understand the principles of responsible AI development. Topics include fairness and bias, privacy, transparency and explainability, safety, accountability, data governance, and generative AI misuse prevention, examined through real-world case studies.
AI의 사회적 영향과 책임 있는 개발 원칙을 이해하고, 윤리적·법적 이슈를 기술 설계에 반영하는 능력을 배양합니다. 편향/공정성, 프라이버시, 투명성·설명가능성, 안전 및 책임소재, 데이터 거버넌스, 생성형 AI의 악용 방지 등 핵심 주제를 사례 중심으로 학습합니다.
Learn the fundamentals of quantum computing: qubits, quantum gates, measurement, and key algorithms (Grover, Shor). Explore NISQ-era variational quantum algorithms (VQA) and assess the potential for quantum advantage in AI and optimization problems.
양자역학의 기본 원리 위에서 동작하는 양자컴퓨팅의 개념과 알고리즘을 학습합니다. 큐비트/게이트/측정, 주요 알고리즘(Grover, Shor 개요), NISQ 시대의 변분 양자 알고리즘(VQA) 기초를 다루며, 고전 컴퓨팅과의 차이를 이해하고 문제 적용 가능성을 평가하는 능력을 배양합니다.
Vision & Robotics 비전·로보틱스
3 courses · 9 creditsDeep dive into modern vision models: CNN/Transformer architectures, representation learning, object detection/segmentation/tracking, multimodal models (vision-language), and generative vision. Hands-on analysis of real-world data for research-level visual understanding.
현대 컴퓨터비전의 핵심 이론과 최신 모델을 심화 학습합니다. CNN/Transformer 기반 비전 모델, 표현학습, 검출·분할·추적, 멀티모달(비전·언어) 및 생성형 비전 기법의 원리를 다루고, 실제 데이터에서의 학습·평가·오류 분석을 통해 연구 및 고급 응용 역량을 배양합니다.
Study spatial perception and reasoning: map/localization learning, SLAM, place recognition, 3D/spatiotemporal data processing. Applications to robots, autonomous driving, and smart cities for spatial cognition-based decision making.
공간 정보를 지각·표현·추론하는 지능의 원리를 학습합니다. 지도학습/자기지도학습 기반 공간 표현, SLAM/장소 인식, 3D/시공간 데이터 처리 등 핵심 주제를 다루며, 로봇·자율주행·스마트시티 등에서 공간 인지 기반 의사결정 문제를 해결하는 역량을 배양합니다.
Learn to design and operate robot systems end-to-end. Covers sensor/actuator/controller integration, ROS, perception-planning-control pipelines, environment testing and debugging, bridging theory to real-world robotic deployment.
로봇 시스템을 실제로 구성하고 운용하는 데 필요한 통합 역량을 학습합니다. 센서·구동기·제어, 로봇 운영체제(ROS 등) 기반 소프트웨어 구성, 인지·계획·제어 파이프라인 통합, 실환경 테스트 및 디버깅을 다루며, 이론을 실제 시스템으로 구현하고 문제를 해결하는 실전 능력을 배양합니다.
Data & Language Intelligence 데이터·언어 지능
3 courses · 9 creditsStudy core methods for large-scale text search and analysis: indexing, ranking, query processing, evaluation metrics, topic modeling, text classification/summarization, and modern neural search with embedding-based retrieval.
대규모 텍스트에서 정보를 탐색·검색·분석하는 핵심 기법을 학습합니다. 색인과 랭킹, 질의 처리, 평가 지표, 토픽 모델링/분류/요약 등 텍스트 마이닝 기초를 다루며, 최근의 임베딩 기반 검색 및 신경 검색 개념까지 연결하여, 실제 검색·분석 시스템을 설계하고 성능을 검증하는 역량을 배양합니다.
Apply computational and statistical methods to biological data. Topics include genomics, transcriptomics, proteomics, multi-omics integration, sequence analysis, network analysis, and predictive modeling for life science challenges.
생물학 데이터를 계산적·통계적 방법으로 분석하는 이론과 응용을 학습합니다. 유전체/전사체/단백질 등 오믹스 데이터 분석, 서열 분석, 네트워크 분석, 예측모델링을 다루며, 생명과학 문제를 데이터·알고리즘 관점으로 해석하고 해결하는 능력을 배양합니다.
Design user intelligence from an AI Transformation (AX) perspective. Covers behavior log-based modeling, personalization/recommendation, user intent tracking, conversational service design, A/B testing, and translating business processes into AI-driven systems.
AX(AI Transformation) 관점에서 사용자 지능을 설계·구현하는 방법을 학습합니다. 사용자 행동 로그 기반 모델링, 개인화/추천, 사용자 의도 추적, 대화형 서비스 설계, 실험(A/B 테스트)과 지표 설계를 다루며, 조직/서비스의 업무 프로세스를 AI로 전환할 때 필요한 사용자 중심의 분석 및 시스템 구축 능력을 배양합니다.
Systems & Architecture 시스템·아키텍처
5 courses · 15 creditsDesign principles for large-scale software systems: modularity, patterns (layered, microservices, etc.), quality attributes (scalability, reliability, security, maintainability), and AI-integrated architecture considerations.
대규모 소프트웨어 시스템을 구조적으로 설계하는 원리와 방법을 학습합니다. 모듈화, 설계 패턴, 아키텍처 스타일(계층형, 마이크로서비스 등), 품질속성(확장성·신뢰성·보안·유지보수성) 분석을 다루며, AI 기능이 포함된 복잡한 요구사항을 만족하는 아키텍처 설계 능력을 배양합니다.
Design computing systems optimized for specific domains (AI, networking, etc.). Topics include HW/SW co-design, accelerator architecture, memory/dataflow optimization, PPA (performance, power, area) trade-offs, and domain-tailored system analysis.
특정 도메인(예: AI 추론, 비전, 통신 등)에 최적화된 컴퓨팅 시스템을 설계하는 원리를 학습합니다. 하드웨어-소프트웨어 공동설계, 가속기 구조, 메모리/데이터플로우 최적화, 성능·전력·면적(PPA) 트레이드오프를 다루며, 도메인 요구에 맞춘 효율적인 시스템 설계 및 분석 역량을 배양합니다.
In-depth study of compiler components: lexical/syntax/semantic analysis, intermediate representations, optimization passes, code generation, and connections to high-performance software and AI computing systems.
프로그래밍 언어를 저수준 실행 코드로 변환하는 컴파일러의 핵심 구성요소를 심화 학습합니다. 어휘/구문/의미 분석, 중간표현(IR), 최적화, 코드 생성 및 런타임 이슈를 다루며, 고성능 소프트웨어 및 AI 컴퓨팅(커널 최적화, 그래프 컴파일러 등)과 연결되는 컴파일러 시스템 이해를 강화합니다.
Study modern storage system architecture and emerging technologies: SSD/NVMe internals, file systems, distributed storage, caching hierarchies, large-scale data/AI-oriented storage design and performance evaluation.
현대 스토리지 시스템의 구조와 성능/신뢰성 이슈를 학습합니다. SSD/NVMe, 파일시스템 및 분산 스토리지, 캐싱과 계층형 저장, 일관성/내구성, 대규모 데이터 처리(데이터레이크 등)와의 연계를 다루며, 데이터 집약적 AI/분산 서비스 환경에서 효율적인 저장 구조를 설계·평가하는 능력을 배양합니다.
Study the design principles and formal foundations of programming languages: type systems, safety guarantees, extensible language/DSL design, and static analysis for building reliable, high-assurance software.
프로그래밍 언어의 설계 원리와 의미론을 학습합니다. 안전하고 확장 가능한 언어/DSL 설계 및 정적 분석 기반의 프로그램 이해 능력을 배양합니다.
Networks & Security 네트워크·보안
4 courses · 12 creditsIn-depth study of modern network architecture and protocols: TCP/IP, routing, congestion control, wireless/mobile networks, cloud/edge networking, network security, performance analysis, and distributed AI service requirements.
현대 네트워크의 구조와 핵심 프로토콜을 심화 학습합니다. TCP/IP, 라우팅, 혼잡제어, 무선/모바일 네트워크, 클라우드/엣지 네트워킹, 네트워크 보안 및 성능 분석을 다루며, 분산 AI 서비스 및 실시간 시스템에서 요구되는 네트워크 설계·운영 역량을 배양합니다.
Design intelligent agents that autonomously observe, learn, and control networks. Topics include traffic prediction, reinforcement learning-based resource allocation, policy optimization, and data-driven network operation and management.
네트워크 환경에서 자율적으로 관측·학습·제어하는 지능형 에이전트를 학습합니다. 트래픽 예측, 라우팅/자원할당 최적화, 정책 기반 제어(강화학습 등)를 다루며, 실제 네트워크 운영 문제를 데이터 기반으로 정식화하고 에이전트 기반 솔루션을 설계·평가하는 능력을 배양합니다.
Advanced theory and practice of information security: cryptography, access control, security protocols, vulnerability and threat modeling, and designing secure systems for real-world environments.
정보보호의 핵심 이론과 실전 적용을 심화 학습합니다. 암호 기초(대칭/비대칭, 해시, 인증), 접근제어, 보안 프로토콜, 취약점 및 위협 모델링을 다루며, 실제 환경에서의 보안 요구사항을 분석하고 안전한 시스템을 설계하는 역량을 배양합니다.
Study security threats and defenses specific to AI systems: adversarial examples, data poisoning, model stealing/inversion, watermarking, and robustness certification. Understand both offensive and defensive perspectives for trustworthy AI deployment.
AI 시스템을 대상으로 하는 위협과 방어 기법을 심화 학습합니다. 적대적 예제, 데이터 중독(poisoning), 모델 도용/역공학, 멤버십 추론/프라이버시 공격, 워터마킹 및 안전한 학습/추론 기법을 다루며, 공격 관점과 방어 관점을 동시에 이해하여 신뢰 가능한 AI 시스템을 설계하는 능력을 배양합니다.