◦ 융합 SW 전공 교과내용
<교양 기초>
의생명공학 전공 기초 교과내용 참조
<전공 과목>
의생명융합특강 (Lectures on Biomedical Convergence)
신입생들이 의생명융합공학 분야의 최신 연구분야 및 결과물들을 배울 수 있는 특강형식의 강의로서 교내외에서 의생명융합공학 최신 연구를 수행 중인 연구자들을 초빙한다.
융합SW기초실험 (Elementary SW Lab)
1학년 과정에서 학습한 전공 기초 이론들을 바탕으로 융합 S/W 분야 응용을 개발하는 실험을 수행한다
데이터과학입문 (Introduction to Data Science)
데이터 분석 및 모델링의 기초가 되는 통계학 이론과 데이터 취득, 가공, 시각화, 분석 등을 위한 컴퓨팅 역량을 실제 데이터를 기반으로 학습한다.
이산수학 (Discrete Mathematics)
전산 과학의 수학적 기초가 되는 경우의 수 세기, 명제와 술어논리, 자연수의 이해, 집합론, Relation/Function 등을 포함한 기초 대수 구조 등을 배운다. 정의, 정리, 증명 등의 엄격한 과정을 통해 수학적 논리적 사고력을 배양하는데 중점을 둔다.
객체지향프로그래밍과실습 (Object-Oriented Programming and Lab)
객체 지향 언어의 특징을 배우고, 객체 지향 언어를 이용한 실습을 병행하여 이해도를 높일 수 있도록 한다. 또한 객체 지향 언어의 특성을 잘 표현할 수 있는 프로그래밍 과제를 수행하여 객체지향 프로그래밍을 실전에 응용할 수 있도록 한다.
인터넷과웹기초 (Introduction to Internet and Web)
인터넷과 웹의 기본 개념 및 기술을 학습한다. 또한 정적 Web 저작 언어인 HTML, CSS, 대표적 Web 프로그래밍 언어인 Javascript를 활용하여 Front-End 측을 중심으로 웹 저작 및 프로그래밍을 학습한다. 나아가서 Web 서비스 기술에 기초한 Open API 기술을 이해하고 응용하는 역량을 학습한다.
데이터분석과시각화 (Data Analysis and Visualization)
데이터 분석 및 시각화에 쓰이는 프로그래밍 도구에 대한 심화 학습과 함께 정보와 데이터를 인지적, 그래픽적 관점에서 분석하고 시각화하는 방법을 학습한다.
확률과응용 (Introduction to Probability and Its application)
확률의 정의, 공리와 기초이론, 확률 변수, 여러 가지 이산, 연속 확률 변수/분포, 확률변수의 가공, 하나 이상의 확률 변수, 확률변수간의 상관관계와 독립, 중심극한정리와 신뢰구간, 확률과정 등의 확률 이론을 공학 응용과 연계하여 학습한다.
자료구조 (Data Structures)
실제적으로 현장에서 사용될 수 있는 Software 시스템을 설계구현하기 위하여 적절한 자료구조를 선정하고 이를 자신의 힘으로 구현할 수 있는 능력을 실습과 함께 학습한다. 또한 다양한 자료구조의 성능을 이론적으로 실제적으로 분석 평가할 수 있는 능력을 실습과 함께 학습한다.
컴퓨터알고리즘 (Computer Algorithms)
컴퓨터 공학의 전반적인 분야에서 발생하는 문제들을 효율적으로 해결하는 방법을 학습한다. 문제를 해결하는 알고리즘의 분석 방법과 이를 통한 효율성에 대한 기초지식을 습득하고, Sorting, Searching, Matching과 같은 기본적인 문제들의 효율적인 알고리즘을 습득한다. 또한, 알고리즘의 효율적인 기법들과 주요 topic 들의 문제에 대한 해결 방법을 체득한다.
데이터베이스 (Database)
데이터베이스 개념, 데이터 독립성의 구현 기법, 데이터베이스 응용 프로그래밍 기법, 관계 데이터 모델 및 데이터베이스 설계 기법을 공부하는 것을 목표로 한다.
인공지능 (Artifitial Intelligence)
각종 search 기법, 지식 표현법, 추론 방식 및 학습 이론 등을 소개하고, 이를 바탕으로 현장의 문제해결을 위한 고급 기술로서 널리 활용되고 있는 planning, uncertain reasoning, learning 등의 원리와 응용에 대해 공부한다
빅데이터분석과활용 (Big Data Analysis and Application)
대규모 데이터의 수집, 보관, 가공, 처리 및 활용 단계에서 중요하게 다루어야 할 이론과 도구들을 학습한다. 유전체 정보 등을 대상으로 학습한 빅 데이터의 분석 및 활용 역량을 실습을 통해 배양한다.
기계학습 (Machine Learning)
최근 다양한 목적으로 널리 활용되고 있는 다양한 기계학습 기반 방법들의 원리와 응용에 대해 공부한다. 다양한 지도학습, 비지도학습 방법들의 기본적인 개념 이해와 함께, 확률 그래프 모델, 딥러닝 등 다양한 형태의 학습 방법들에 대한 이해도를 높이고, 실제 문제에서 목적에 맞게 활용할 수 있도록 한다.
창의설계및프로젝트 (Capstone Design and Project)
융합 S/W 분야의 다양한 실제 문제에 대하여 문제 정의에서부터 문제 해결 방법 도출과 실제 구현에 이르기까지의 과정을 학생들이 직접 수행함으로써, 다양한 문제 해결 능력을 기른다.
오픈소스와유닉스(Open Source & Unix System)
오픈소스의 개념과 중요성을 실례를 통해 학습한다. 오픈소스 S/W 활용을 위한 Git을 포함한 기초 도구를 유닉스 운영 체제 상에서 학습한다. 추가로 유닉스의 기본 스크립트 프로그래밍 등을 학습한다.
정보의학개론 (Introduction to Medical Informatics)
전자의무기록. 영상의학자료, 처방과 치료 및 보험 관련 정보(건강보험공단 및 심평원 빅데이터)등 의학 영역에서 생성되는 다양한 데이터와 생물정보학 영역의 기초 의생명 데이터 등에 대해 이해하고, 이들을 통합적으로 활용하고 분석하여 의학 발전에 기여할 수 있는 방안을 모색한다.
웹응용프로그래밍 (Web Application Programming)
“인터넷과웹기초” 교과에 이어 Web 응용 서비스 구축 능력을 심화 학습한다. 특히 데이터베이스나 외부 서비스 연동 등의 Back-End Programming을 중요 내용으로 포함한다.
유전학과유전체학 (Genetics and Genomics)
생물의 유전과 유전자 다양성 등과 관련한 유전학 기초 이론, 특히 인간유전체 정보의 특성, 발현 및 상호작용 등에 대해 학습한다.
신호및시스템 (Signals and Systems)
신호와 시스템의 개념과 급수 및 푸리에 변환, z 변환 등의 신호처리 방식의 이론 정립하여 생체 신호 처리 분야의 기초를 익힌다.
플랫폼기반프로그래밍 (Platform Based Programming)
자바 플랫폼, 윈도즈 플랫폼, 안드로이드 플랫폼 등 특정 플랫폼의 기능과 기반 서비스에 기초한 응용 프로그래그램 개발 능력을 학습한다. GUI 및 이벤트 기반 처리 역량을 배양한다.
데이터통신 (Data Communications)
데이터통신의 원리를 이해하고 그 응용 능력을 기른다.
운영체제 (Operating Systems)
운영체제의 기본적인 구조와 기초 이론을 이해하고 프로세스 및 Thread 개념, Concurrency 개념, 프로세스의 동기화 및 스케쥴링, 실시간 프로세스 스케쥴링, 교착상태 개념 및 처리기법, 실제 및 가상기억장치의 개념, 파일시스템 및 입출력시스템 개념과 UNIX 및 Windows 등을 학습하고 실습을 통하여 응용능력을 익히도록 한다.
계산유전체학 (Computational Genomics)
시퀀싱 방법의 발전으로 인해 대규모 유전체 데이터가 생성되고 있다. 이러한 유전체 데이터를 계산학적으로 분석하기 위한 기초 개념 배우고, 실제 데이터를 활용하여 분석을 수행해 본다.
고급통계학 (Advanced Statistics)
회귀분석, 비모수통계 등 기초 통계학에서 다루지 않았던 다양한 통계적 방법에 대해 익힌다.
컴퓨터네트워크 (Computer Networks)
컴퓨터네트워크의 프로토콜 구조와 각 계층의 프로토콜을 이해하고, 이들 프로토콜의 구현 방법과 응용 능력을 기른다.
컴퓨터그래픽스 (Computer Graphics)
그래픽스를 활용한 다양한 application 분야에 대하여 살펴보고 그래픽스의 기초적인 개념을 이해하여 이후 그래픽스 관련 작업을 이해한다. 또한, 실제적인 도구(3D Max)를 사용해서 이론적으로 배운 개념을 구현해 보고 그래픽 표준 언어인 OpenGL을 이용하여 프로그래밍 실전연습을 한다.
신경공학및뇌공학 (Neural and Brain Engineering)
뇌과학 연구에 관련된 다양한 수학적 모델링 방법, 이론적인 뇌신경 분석 연구 등에 대해 공부한다.
데이터마이닝 (Data Mining)
데이터마이닝은 대용량 데이터에서 유용한 패턴을 찾기 위한 이론과 기법을 의미한다. 데이터마이닝은 웹, 사기 탐지, 추천 시스템, 사이버 보안 등 중요한 응용에 활용되고 있다. 본 과목에서는 데이터마이닝을 위한 중요 알고리즘과 이론을 설명한다. 주요 학습 주제로 mapreduce, 유사 아이템 검색, 빈발 패턴 검색, 링크 분석, 데이터 스트림 마이닝, 클러스터링, 그래프 마이닝 등을 다룬다
분산시스템과클라우드 (Distributed System and Cloud)
클라이언트, 미들웨어, 서버 컴퓨팅 환경 등의 분산 시스템과 IAAS, PAAS, SAAS 등 클라우드 시스템의 구조, 기반 기술에 대해 학습한다. 나아가 이러한 환경에서 시스템을 설계 구현하는 기법을 공부한다.
컴퓨터비전과의료영상 (Computer Vision and Medical Image Processing)
컴퓨터를 이용하여 영상을 다루는 기술을 배운 후, 영상을 개선하는 기법과 물체를 인식하는 기법을 공부한다. 이어서, 의료 영상을 중심으로 컴퓨터 비전 기술을 적용한 응용 시스템을 구현하는 것을 목표로 한다.
임베디드시스템 (Embedded System)
본 교과목에서는 임베디드 시스템 개발에 있어서 핵심적인 하드웨어 및 소프트웨어 설계 전반에 대하여 학습한다. 구체적으로는 임베디드 시스템 설계 요구 사항 분석, 하드웨어 및 소프트웨어 분할, 마이크로 프로세서 선정, 하드웨어 설계, 소프트웨어 설계, 임베디드 시스템 인터럽트 및 디버깅 메카니즘, 하드웨어 및 소프트웨어 통합, 실시간 운영체제, 임베디드 시스템 플랫폼 등의 내용에 대하여 학습한다.
의생명응용과딥러닝 (Deep Learning and Bio-Medical Application)
의생명 응용 분야에서 딥러닝 기술의 적용이 필요한 문제를 인식하여 정형화하고 이를 효과적으로 해결할 수 있는 응용 능력 및 시스템 설계 구현 능력을 배양한다.
사물인터넷과헬스케어시스템 (IoT and Healthcare System)
사물인터넷 실현의 중요 기술 요소들인 유무선 통신, 네트워크, 센서, 임베디드 H/W & S/W, 모바일, 클라우드 등을 종합적으로 이해하고 이를 바탕으로 헬스캐어 시스템을 설계하고 구현하는 역량을 배양한다.
인간컴퓨터상호작용 (Human Computer Interaction)
현대 사회에서 사람들은 컴퓨터를 일상 생활의 중요한 도구로 사용하면서 다양한 문제점들에 직면하곤 하는데, HCI는 시스템의 디자인과 컴퓨터 기술이 실제로 사용되는 과정에서 발생하는 문제점을 해결하는 방법론을 제시하는 것을 목표로 하고 있다. 이 교과목을 통해 수강생들이 HCI 분야에 대해 전반적인 이해, HCI에서 사용하는 다양한 방법론을 학습하고 이를 기반으로 문제를 해결하는 능력을 배양한다.
통계유전학 (Statistical Genomics)
유전체 관련 대용량 자료 분석을 위한 통계 이론을 학습하고 대규모 유전체 데이터 적용하는 방법을 배운다.
정보보안과블록체인 (Information Security and Blockchain)
컴퓨터 시스템과 네트워크를 통해 유통되는 정보를 안전하게 보호하기 위한 기초 지식들을 전반적으로 다룬다. 암호 기술, 시스템 보안 기술, 네트워크 보안 기술, 응용 서비스 보안 기술들과, 정보보호관리, 평가, 표준, 윤리 등을 다룬다. 나아가 분산 암호화 기술인 블록체인방법론에 대하여 공부한다. 특히 P2P 네트워크 구조, 데이터 마이닝, 공개키 암호화 기술에 대하여 학습하고 이를 바탕으로 블록체인방법론에 대하여 논의한다.