연합전공 인공지능 과정에서는 프로그래밍 능력도 중요하지만, 기계학습, 딥러닝을 비롯한 인공지능 전반에 대한 지식을 쌓기 위해서는 선형대수학과 확률변수를 비롯한 확률 지식도 매우 중요합니다. 특히 행렬의 경우 대다수의 고등학교 교육과정에서는 다루지 않지만, 선형대수학에서 중요한 기초가 되므로 연합전공 인공지능 과정을 고민하고 계신 신입생 여러분들이라면 예비대학 프로그램의 수학 교과 중 벡터, 행렬 파트라도 꼭 수강하시길 추천 드립니다. 이후 연합전공 진입을 위한 기초 수학 선이수 교과목에서 그래디언트의 개념은 꼭 숙지하시길 바랍니다. 이러한 개념들은 경사하강법 등 인공지능의 수학적 베이스를 이해하는 데에 필요합니다. 또한, 베이즈 정리는 기계학습에서 이용하는 기본적인 정리 중 하나이므로, 통계 및 확률 지식이 부족하다고 생각되시는 분들은 예비대학 프로그램의 통계 파트도 수강하시는 것을 권장합니다. 프로그래밍 또한 예비대학의 컴퓨팅 교과를 수강하신 후 진입을 위한 컴퓨팅 선이수 교과목을 수강하시고 연합전공에 진입하신다면 더욱 수월하실 것입니다.
| 전공 수업명 | 기초교과 세부내용 (클릭해보세요) | 구체적 도움 내용 | |
|---|---|---|---|
| 1 | 프로그래밍방법론 430.211 | 컴퓨팅 (코랩사용법 제외 전부) | 교양 과목 컴퓨터의 개념 및 실습을 필수 선이수 과목으로 하는 전기정보공학부 2학년 과목입니다. 사용하는 언어는 C++로 디딤돌 컴퓨팅 강의 언어와는 다르지만, 기본적으로 컴퓨터가 동작하는 원리는 비슷하므로 디딤돌 컴퓨팅 프로그램을 수강하고 과목을 수강하는 것이 도움이 될 것입니다. 특히 ‘함수 전달인자 및 반환’부분과 자료형에 대해 학습하시면 좋겠습니다. |
| 2 | 컴퓨터프로그래밍 M1522.000600 | 컴퓨팅 (코랩사용법 제외 전부) | 컴퓨터공학부에서 개설하는 과목으로, Java와 C++를 다루며 객체 지향 프로그래밍에 대해 배웁니다. 컴퓨터공학부 학생들은 1학년 시기에 컴퓨터의 개념 및 실습을 수강하면서 기초적인 프로그래밍 지식을 쌓은 채로 수업에 임하게 되므로, 여러분들도 이에 맞게 디딤돌 컴퓨팅 프로그램을 통해 기초를 한다면 도움이 될 것입니다. 전기정보공학부의 프로그래밍방법론과 비슷하게 디딤돌 프로그램의 ‘함수 전달인자 및 반환’과 자료형 부분이 중요하나, Java를 추가로 다룬다는 차이점이 있겠습니다. |
| 3 | 자료구조 M1522.000900 | 컴퓨팅 (값, 변수, 리스트) | 컴퓨터공학부에서 개설하는 자료구조 과목으로, 프로그래밍에 유용한 다양한 자료구조에 대해 배웁니다. 디딤돌 컴퓨팅 프로그램에서 시작하여 컴퓨터프로그래밍을 수강한 뒤 자료구조나 알고리즘 과목을 수강하는 것을 추천합니다. 디딤돌 컴퓨팅 프로그램에서 학습한 내용, 특히 변수, 리스트 관련 내용이 기초가 되어 자료구조를 학습하게 됩니다. |
| 4 | 자료구조의 기초 430.217 | 컴퓨팅 (값, 변수, 리스트) | 전기정보공학부에서 개설하는 자료구조 과목으로, C++ 언어를 기반으로 자료구조에 대해 학습하며 내용은 컴퓨터공학부의 자료구조 과목과 크게 다르지 않습니다. 프로그래밍방법론에서 언어 자체를 학습하는 데에 초점을 맞추었다면 자료구조의 기초 과목에서는 이전에 배운 C++를 도구로 다양한 자료구조에 대해 학습하는 것을 목표로 합니다. 디딤돌 컴퓨팅 프로그램에서 학습한 내용, 특히 변수, 리스트 관련 내용이 기초가 되어 자료구조를 학습하게 됩니다. |
| 5 | 선형대수학 1 300.203A | 수학 (벡터-복소수 제외 전부, 행렬) | 수리과학부에서 개설하는 선형대수학에 관한 기초 전공 과목으로, 선형대수학의 전반적인 내용을 다룹니다. 디딤돌 프로그램 중 벡터, 행렬 강좌의 내용을 잘 숙지해 둔다면 도움이 될 것입니다. |
| 6 | 전기시스템선형대수 430.216 | 수학 (벡터-복소수 제외 전부, 행렬) | 전기정보공학부에서 개설하는 선형대수학 과목으로, 전기공학에서 응용할 선형대수학의 개념을 중점적으로 배웁니다. 기본적인 내용은 선형대수학 1과 비슷하지만 최적화 등 조금 더 응용에 가까운 내용을 후반부에 다루기도 합니다. 벡터와 행렬은 고등학교 수업에서는 많이 다루지 않으므로, 디딤돌 수학 프로그램 중 벡터, 행렬 파트를 통해 개념을 먼저 익혀두면 좋습니다. |
| 7 | 산업경영수리기법 406.327 | 수학 (벡터, 행렬) 컴퓨팅 | 산업공학과에서 개설하는 과목으로, 공학을 위한 선형대수학과 알고리즘 등을 배웁니다. 선형대수학의 기초가 되는 벡터와 행렬을 잘 알고 있어야 하고, 프로그래밍 실습을 위해 충분한 코딩 능력을 갖추시기를 추천합니다. |
| 8 | 경영과학 1 406.315 | 수학 (벡터-내적, 직선의 방정식, 평면의 방정식, 점과 평면 사이의 거리, 행렬-정의, 연산, 역행렬) | 산업공학과에서 개설하는 과목으로, 선형, 네트워크, 경사하강법을 비롯한 비선형 최적화 등의 최적화 모형을 배웁니다. 거의 모든 내용에서 벡터와 행렬 표현이 사용되므로, 디딤돌 수학 프로그램에서 벡터와 행렬을 중점적으로 학습하시기를 권장합니다. 특히 역행렬과 행렬곱 연산에 익숙해질 필요가 있습니다. |
| 9 | 데이터 관리와 분석 406.426B | 컴퓨팅 | 산업공학과에서 개설하는 데이터베이스 관련 과목으로, 데이터베이스와 데이터 시스템의 설계 및 구현 등을 배웁니다. 데이터를 다루기 위해서는 기초적인 프로그래밍 실력이 필수적이므로, 디딤돌 컴퓨팅 프로그램을 통해 미리 학습하시기를 바랍니다. |
| 10 | 데이터베이스 M1522.001800 | 컴퓨팅 (변수, 비교논리 연산자, 함수) | 컴퓨터공학부 개설 데이터베이스 과목으로, 데이터를 저장하는 이론에서 변수의 개념이 중요하고, 변수를 처리할 연산자 관련 내용도 함께 알아두면 좋습니다. 그리고 다양한 쿼리 등을 다룰 때, 함수 등의 내용이 활용되므로 디딤돌 프로그램을 통해 기초를 쌓으시기를 추천합니다. |
| 11 | 알고리즘 4190.407 | 컴퓨팅 (값, 변수, 비교논리 연산자, 표현식, 조건문, 반복문, 리스트, 함수, 함수전달인자 및 반환) | 컴퓨터공학부에서 개설하는 알고리즘 과목으로, 다양한 문제를 해결하는 알고리즘에 대해 배웁니다. 알고리즘을 프로그래밍 언어로 작성하기 위해서는 조건문, 반복문, 함수 등의 디딤돌 컴퓨팅 프로그램의 내용이 필요하며, 프로그래밍 언어를 다룰 줄 안다는 가정 하에 수업이 진행됩니다. 컴퓨터공학부의 자료구조 과목이 권장 선이수 과목이지만, 동시 수강이나 역순 수강도 무리는 없을 것입니다. 다만 컴퓨터프로그래밍을 수강한 뒤 자료구조나 알고리즘 과목을 수강하는 것을 추천합니다. |
| 12 | 알고리즘의 기초 430.329 | 컴퓨팅 (값, 변수, 비교논리 연산자, 표현식, 조건문, 반복문, 리스트, 함수, 함수전달인자 및 반환) | 전기정보공학부에서 개설하는 과목으로, 전기정보공학부의 자료구조의 기초 과목을 권장 선이수 과목으로 두고 있습니다. 프로그래밍 언어를 이전의 기초 과목들에서 충분히 알고 있다는 가정 하에 효율적인 알고리즘을 구현하는 방법을 배우는 과목이므로 수강 전, 디딤돌 컴퓨팅 프로그램을 통해 코딩에 충분히 익숙해 지시기를 권장합니다. 특히 컴퓨터공학부의 알고리즘 과목처럼 조건문, 반복문, 함수 등이 동작하는 원리에 대해 충분히 숙지해야 합니다. |
| 13 | 확률변수 및 확률과정의 기초 430.314 | 수학 (벡터, 행렬에 대한 기본 개념) 통계 (베이즈 정리, 이산형, 연속형 자료, 통계적 추론, 모평균의 추정 및 가설 검정) 컴퓨팅 (표현식, 함수) | 전기정보공학부에서 개설하는, 확률변수를 포함하는 선형 시스템을 해석하는 방법을 배우는 과목입니다. 3학년 과목이지만, 2학년에 수강해도 문제는 없습니다. 확률변수의 개념을 이해하는 데에 바탕이 되는 기초적인 확률 이론을 디딤돌 통계 과목을 통해 학습하시길 추천합니다. |
| 14 | 확률의 개념 및 응용 326.211 | 통계 (베이즈 정리, 이산형, 연속형 자료, 통계적 추론) | 확률의 전반에 대해 다루는 통계학과 2학년 과목입니다. 디딤돌 통계 과목에서 기초적인 통계학에 대해 학습하신 후 수강하신다면 수업을 따라가는 데에 도움이 될 것입니다. |
| 15 | 다변량자료분석 및 실습 326.316 | 수학 (벡터, 행렬) 통계 | 다변량 데이터를 통계적으로 분석하고 해석하는 능력을 기르는 통계학과 개설 과목입니다. 통계학과 3학년 과목인 만큼, 기초적인 벡터, 행렬을 비롯한 수학적 개념과 통계학에 대한 전반적인 지식을 갖춘 채로 과목을 듣는 것이 좋겠습니다. |
| 16 | 인공지능 4190.408 | 컴퓨팅 (값, 변수, 리스트) 통계 (베이즈 정리, 이산형, 연속형 자료, 통계적 추론, 모평균의 추정 및 가설 검정) | 컴퓨터공학부에서 개설하는 인공지능에 대한 기초적인 이론과 전반적인 인공지능 분야에 대해 간략하게 다루는 과목입니다. 인공지능은 벡터, 행렬을 비롯한 선형대수학, 확률에 대한 기본 지식을 바탕으로 이론이 전개되므로, 이전의 전공선택필수 과목에서 선형대수학과 확률 관련 지식을 쌓고 들으시는 것이 더 수월합니다. 이 수업에서 학습한 다양한 인공지능 세부 분야는 추후 4학년 전공선택 과목에서 더 깊게 다루게 됩니다. |
| 17 | 데이터마이닝방법 빛 실습 326.413 | 수학 (벡터, 행렬) 통계 | 통계학과에서 개설하는 데이터마이닝 관련 과목으로, 수학적, 통계적 접근이 필요하므로 관련 디딤돌 과목을 학습하시길 추천합니다. |
| 18 | 데이터마이닝 개론 M1522.001400 | 컴퓨팅 | 컴퓨터공학부에서 개설하는 데이터마이닝 관련 과목으로, 기초적인 프로그래밍 실력은 자료구조, 알고리즘 등의 이전 전공 수업에서 갖춘 채로 수업에 임해야 합니다. 디딤돌 과목과는 컴퓨팅 과목과 전반적으로 연관이 있습니다. |
| 19 | 데이터마이닝 406.429 | 컴퓨팅 | 산업공학과에서 개설하는 데이터마이닝 관련 과목으로, 향후 과목 프로젝트 등에서 데이터마이닝 기법을 적용하기 위한 코딩 능력을 필요로 합니다. |
| 20 | 기계학습 개론 4190.428 | 수학 (벡터, 행렬) 통계 컴퓨팅 | 컴퓨터공학부에서 개설하는 기계학습 관련 과목으로, 딥러닝 시대 이전의 기계학습 이론을 주로 다룹니다. 벡터·행렬 개념, 베이즈 정리를 중심으로 한 통계 지식, 프로그래밍 실력이 모두 필요합니다. |
| 21 | 기계학습 기초 M2608.002900 | 수학 (벡터, 행렬) 통계 컴퓨팅 | 전기정보공학부에서 개설하는 기계학습 관련 과목으로, 이후 딥러닝의 기초 수업의 권장 선수 과목입니다. 벡터·행렬 개념과 프로그래밍 실력, 통계학 기초는 필수입니다. |
| 22 | 딥러닝의 기초 M2177.004300 | 수학 (벡터, 행렬) 컴퓨팅 | 1학기는 컴퓨터공학부, 2학기는 전기정보공학부에서 개설하는 딥러닝 기초 과목입니다. 4학년 수준의 과목으로, 선형대수학(벡터·행렬)과 충분한 프로그래밍 역량이 필요합니다. |
| 23 | 컴퓨터비전의 기초 M2608.001900 | 수학 (벡터, 행렬) 컴퓨팅 | 전기정보공학부에서 개설하는 컴퓨터비전 관련 과목으로, 주로 고전적 컴퓨터비전 이론을 학습합니다. 수학적 벡터·행렬 개념과 실습 수행을 위한 프로그래밍 능력이 필수입니다. |
| 24 | 컴퓨터비전 M1522.001000 | 수학 (벡터, 행렬) 컴퓨팅 | 컴퓨터공학부에서 개설하는 컴퓨터비전 과목으로, 컴퓨터비전 데이터는 벡터·행렬로 처리되므로 관련 선형대수학 지식이 필수입니다. 실습 과제가 많기 때문에 충분한 프로그래밍 역량도 요구됩니다. |
