발전기금
교과목명을 클릭하시면 과정 설명을 볼 수 있습니다.
| 학수번호 | 교과목명 | 학점 |
자기 학습 시간 |
영역 | 학위 |
이수 학년 |
비고 | 언어 |
개설 여부 |
|---|---|---|---|---|---|---|---|---|---|
| ADS5006 | 기계학습특론 | 3 | 6 | 전공 | 석사/박사 | 1-8 | 데이터사이언스융합학과 | 한 | Yes |
| 이 과정은 기계 학습, 데이터 마이닝 및 통계 패턴 인식을 소개한다. 주제는 다음과 같다 : (i) Supervised learning (parametric/non-parametric algorithms, support vector machines, kernels, neural networks). (ii) Unsupervised learning (clustering, dimensionality reduction, recommender systems, deep learning). (iii) Best practices in machine learning (bias/variance theory; innovation process in machine learning and AI). 이 과정에서는 수많은 사례 연구 및 응용 프로그램을 활용하여 스마트 로봇 (지각, 제어), 텍스트 이해 (웹 검색, 스팸 방지), 컴퓨터 비전, 오디오에 학습 알고리즘을 적용하는 방법도 학습한다. | |||||||||
| AIM5002 | 기계학습론 | 3 | 6 | 전공 | 석사/박사 | 1-4 | 인공지능학과 | 한 | Yes |
| 기계학습은어떻게경험으로부터학습하는컴퓨터시스템을만드는가에관한연구분야이다.이과목에서는현재의기계학습분야에서사용되는알고리즘과모델들에대해서설명한다.학습할주요내용은일반화된선형모델,다층인공신경망,서포트벡터머신,베이지안네트워크,클러스터링,차원축소 등이다. | |||||||||
| AIM5004 | 심층신경망 | 3 | 6 | 전공 | 석사/박사 | 인공지능학과 | - | No | |
| 본 과목에서는 최근의 심층 인공신경망과 관련된 다양한 방법론을 배운다. 구체적으로, 심층신경망, 최적화 기법, 합성곱 인공신경망, 순환 인공신경망, 집중 메커니즘, 심층생성모델, 시각화 및 설명가능성을 포함한다. | |||||||||
| CHS5006 | 3D프린팅최적화및성능평가 | 3 | 6 | 전공 | 석사/박사 | 1-4 | 도전학기(대학원) | - | No |
| 3D 프린팅 응용분야 관련 시장의 활성화가 느리지만 최근 항공 우주산업 분야에서 다시 활용이 진지하게 검토되고 외국에선 이미 진행중인 3D 프린팅 적층 과정을 이해하고 최적화기법과 실시간 데이터 분석을 통한 적층 프로세스의 성능평가와 최적화 이론을 배우고 금속 3D DED 방식의 실제 데이터를 분석하여 교과과정에서 습득한 이론의 실제 사용을 배우고 검증한다. 또한 데이터 분석에 deep learning과 machine learning을 적용하는 실습을 병행한다. | |||||||||
| CHS7001 | 블록체인의기초 | 3 | 6 | 전공 | 학사/석사/박사 | 도전학기(대학원) | - | No | |
| 본 과목에서는 ‘블록체인’이라는 기술의 전반적 이해를 위한 기초개념을 다룬다. 블록체인 기술이 등장하게 된 배경 및 기술의 목적을 이해하고, 수강생 스스로 기술의 한계점 및 응용 가능성에 대해 생각해 볼 수 있는 기회를 가질 수 있도록 한다. 블록체인 기술을 최초로 도입한 대표적인 암호화폐인 비트코인의 구성 요소 및 구조를 이해하고, 나아가 탈중앙화된 플랫폼을 지향하는 이더리움의 구성 요소 및 구조를 이해하여 대표적인 두 암호화폐의 장단점 및 차이점을 체계적으로 이해한다. 또한 기술을 구성하고 있는 합의 알고리즘 (POW, POS 를 중심으로), 블록체인의 확장성, 암호경제학의 개념 및 한계점을 이해하고 이를 바탕으로 블록체인의 기술의 방향성 및 응용가능성에 대한 수강생 간의 논의를 통해 기술에 대한 수강생의 심층적인 이해를 유도한다. | |||||||||
| CHS7002 | 머신러닝과딥러닝 | 3 | 6 | 전공 | 학사/석사/박사 | 도전학기(대학원) | - | No | |
| 본 수업에서는 기초적인 머신러닝 및 딥러닝 알고리즘의 이론 및 실습을 다룬다. 구체적으로, 선형 분류, 선형 회귀, 의사결정나무, 서포트 벡터 머신, 다층신경망, 컨볼루션 네트워크 등 실제 사례에 널리 사용되고 있는 알고리즘들을 이론 강의를 통하여 습득하고, python을 이용하여 이론에서 배운 알고리즘을 실습을 통하여 자기주도적으로 학습한다. 본 수업의 원활한 수강을 위하여, 학생들은 기본적인 미적분학, 선형대수학, 확률 및 통계, python language의 활용 등에 대한 지식이 필요하다. | |||||||||
| CHS7003 | 인공지능응용 | 3 | 6 | 전공 | 학사/석사/박사 | 도전학기(대학원) | - | No | |
| 스탠포드 대학교의 공개 강좌인 cs231n은 이미지 인식과 딥러닝에 대한 가장 유명한 공개 강좌 중 하나이다. 본 수업은 스탠포드 대학교의 공개 강좌 cs231n을 이용하여 Flipped class 방식으로 수업을 진행한다. 본 수업을 수강하기 위해서는 학부 수준의 기본적인 수학 지식(선형대수, 미적분학, 확률/통계)와 기본적인 파이썬 기반의 코딩 능력이 요구된다. 수업에서 진행하는 구체적은 진행방식과 활동은 다음과 같다. 1) On-line 강의(English)를 청취 (학습자 주도) 2) On-line 강의(English) 청취한 내용에 대해 개별 노트 정리 (학습자 주도) 3) On-line 강의(English) 청취한 내용에 대해 QnA 토론 (학습자 주도) 4) QnA 기반의 교수자 주도의 Off-line 강의(Korean) 강의 (교수자 주도) 5) 팀별 보충 발표 (학습자 주도) 매 토픽에 대하여 위에 언급한 1) ~ 5)의 진행방식을 활용하여 학습한다. 평가는 각 활동과 과제, 중간 시험, 기말 프로젝트에 기반하여 절대평가한다. 수업에 다루는 내용은 다음과 같다. - Introduction Image Classification Loss Function & Optimization (Assignment # 1) - Introduction to Neural Networks - Convolutional Neural Networks (Assignment # 2) - Training Neural Networks - Deep Learning Hardware and Software - CNN Architectures-Recurrent Neural Networks (Assignment # 3) - Detection and Segmentation - Generative Models - Visualizing and Understanding - Deep Reinforcement Learning - Final Project. 본 수업은 이미지 인식과 관련한 딥러닝 방법에 대하여 기초부터 응용까지 다루므로 관심이 있는 학생들에게 좋은 기회가 될 것이라 생각한다. | |||||||||
| COV7001 | 논문작성법및연구윤리1 | 1 | 2 | 전공 | 석사/박사 | 일반대학원 성균융합원 | 한 | Yes | |
| 1) 논문작성의 전반을 소개하고, 논문작성의 필수적인 교양을 습득한다. 2) 연구 결과를 영어로 표현하는 효과적인 방법을 공부함으로써 향후 국내외학술지에 효율적으로 논문을 개제할 수 있도록 한다. 3) 연구 윤리를 습득한다. | |||||||||
| ECE4280 | 무선네트워크코너스톤 | 3 | 6 | 전공 | 학사/석사 | 1-4 | 전자전기컴퓨터공학과 | 영 | Yes |
| 이 과목은 전산분야 전공분야입장에서 본 무선망의 원리 및 기술의 개요를 제공한다. 주 내용은 무선망 프로토콜, 무선데이터서비스를 포함한 기본원리에 초점을 맞춘다. | |||||||||
| ECE5613 | 정보보호이론특론 | 3 | 6 | 전공 | 석사/박사 | 1-4 | 전자전기컴퓨터공학과 | - | No |
| 본 강의에서는 정수론, 정보이론, 복잡도 이론을 기반으로 한 고전 암호방식, 대칭암호방식,공개키 암호방식, 영지식 상호증명 등을 다루고, 이런 암호방식들을 이용한 개인식별, 인증, 디지틀 서명, 키관리 등의 서비스들과 통신 보안 및 네트워크 보안에 대하여 강의한다. | |||||||||
| ECE5940 | 이동컴퓨팅 | 3 | 6 | 전공 | 석사/박사 | 1-4 | 전자전기컴퓨터공학과 | - | No |
| 본 과목에서는 휴대용 컴퓨터 기술과 무선통신 기술의 발전에 의해 탄생한 이동 컴퓨팅 환경에 대해 각종 관심 분야들을 공부한다. 휴대성과 이동성, 그리고 무선통신이라는 특성에 따라 발생되는 각종 문제점 및 이를 해결하기 위한 설계 사항들을 다루며, 특히 이동 컴퓨팅 환경을 위한 통신 프로토콜 및 각종 소프트웨어 설계 기법, 이동 컴퓨팅 환경을 지원하기 위한 운영체제, 이동 컴퓨팅 환경에서의 각종 응용 소프트웨어 등에 대해 공부한다. | |||||||||
| ECE5947 | HCI설계 | 3 | 6 | 전공 | 석사/박사 | 1-4 | 전자전기컴퓨터공학과 | 한 | Yes |
| HCI는 사용자와 제품 사이의 상호작용을 총괄적으로 규정하는 개념으로서 제품개발의 주안점이 개발자의 지식에서 사용자의 만족으로 이동함을 뜻한다. 따라서 제품개발자는 개발 대상 제품이 다양한 사용자 그룹에게 친근하게 다가갈 수 있으며 일상생활 중에 보다 편리하고 유용하게 사용되며 제품으로서의 가치가 십분 활용될 수 있도록 설계하여야 한다. 본 교과목을 수강함으로써 제품개발자는 HCI의 중요성을 인지하고 HW 및 SW설계에 있어서 사용자의 만족감 증가를 목표로 제품개발 과정을 수행할 수 있다. | |||||||||
| ECE5969 | 데이터베이스시스템 | 3 | 6 | 전공 | 석사/박사 | 1-4 | 전자전기컴퓨터공학과 | - | No |
| 데이터베이스의 기초적인 개념을 기반으로, 데이터베이스 시스템을 구축하고 관리하는데 필수적인 각 구성 요소의 개념과 이론에 대해 배운다. 소개될 주요 내용들은 파일 인덱싱, 외부 해싱, 외부 정렬, 데이터베이스 튜닝, 관계형 스키마 설계, 동시성 제어, 회복 관리, 보안, 무결성 제어, 분산 데이터베이스, 연역 데이터베이스 등이다. | |||||||||
| EME4905 | 융합비즈니스모델기획 | 3 | 6 | 전공 | 학사/석사 | 1-4 | 기계공학과 | 한 | Yes |
| 본 교과목은 초연결사회에서 새로운 가치와 연결의 확장을 추구하는 인터넷 사용자 그룹과 네트워크 조직들의 다양한 커뮤니케이션 방식을 이해하고 니즈를 발견하여 새로운 비즈니스 모델로 기획하는 데 목적이 있다. 학생들은 IoT를 비롯한 다양한 기술 트랜드, 문화적 트랜드, 빅데이터, 그리고 사용자 조사 방법 등을 학습하고 이해하여 다학문적인(multidisciplinary) 접근으로 기술 융합형 비즈니스 컨셉 및 마케팅 전략을 수립할 수 있다. | |||||||||
| EME5174 | 설계및생산공학특론 | 3 | 6 | 전공 | 석사/박사 | 1-4 | 기계공학과 | 영 | Yes |
| 본 교과목에서는 설계 창의성, 설계 인지사고, 설계자 상호작용 등 설계 기본 이론 및 방법론에 대한 이해와 생산, 조립, 해체, 강건성, 환경 등 다양한 관점을 지향하는 Design for X 구체 방법론에 대한 학습을 다룬다. 또한, 주조, 소성, 절삭, 용접 등의 전통적인 기계가공 고급 이론 및 최근 각광을 받고 있는 마이크로 및 바이오 가공, 레이저 가공, 3차원 쾌속조형법 등의 차세대 매뉴팩처링 기술에 대하여 학습한다. | |||||||||
| EME5308 | 연소공학특론 | 3 | 6 | 전공 | 석사/박사 | 1-4 | 기계공학과 | 영 | Yes |
| 본 과목에서는 연소 시스템, 화재, 폭발 현상 등에서 이루어지는 연소 과정의 기본에 대해 다룬다. 열화학, 화학반응론, 층류 화염 전파, 데토네이션, 에너지 및 물질 전달, 액적 연소 등의 주제에 대해 배운다. | |||||||||
| ERC5001 | 글로벌공동연구특론 | 3 | 6 | 전공 | 석사/박사 | 공과대학 일반대학원 | 한 | Yes | |
| 본 수업은 공과대학, 정보통신대학, 소프트웨어대학 등 혁신성장분야를 연구하고 있는 석사/박사과정 학생들의 해외 파견 및 국제공동연구의 경험을 통해 신진연구자로서의 글로벌 역량을 제고하는 것을 목표로 한다. 해외 현지 파견 및 공동연구를 수행하는 학생들이 - 해외 공동프로젝트 참여를 통해 글로벌 네트워크를 구축하고 - 인류의 지속가능한 발전 및 혁신성장분야의 신산업 창출을 위해 정진하며 - 초문화, 초학제, 초세대간 횡단하는 창의융합 경험의 혁신을 통해 창의(Value Creation), 융합(Convergence), 혁신(Innovation), 협업(Collaboration) 역량을 겸비한 글로벌 혁신 리더로 미래 공유 가치를 창출할 수 있는 역량을 키울 수 있도록 지원한다. 본 수업을 통해 학생들은 현지파견기간 동안 프로젝트에 몰두하여 연구 결과의 질적 수준을 향상시킬 것으로 기대하며, 파견연구를 종료한 연구자들의 최종 결과 발표회를 통하여 수행 과정 및 결과에 대해 평가 및 학점을 부여한다. | |||||||||
| ESM4013 | 웹정보시스템 | 3 | 6 | 전공 | 학사/석사 |
3-4
1-4 |
산업공학과 | - | No |
| 웹 환경하에서 정보시스템 구축방법 방법과 관련된 기술을 학습하고 개발한다. 웹 환경에서의 정보시스템 구조, 전자문서교환(EDI), 문서형식정의(DTD), 웹 문서의 활용, 웹 출판, 웹 DB 설계와 연동, 웹정보의 자동검색과 가공, 에이전트의 설계와 활용, 웹정보의 전략적 활용, 웹 환경에서의 BPR과 ERP 등의 내용을 공부한다. | |||||||||
| ESM4032 | 확률과정론 | 3 | 6 | 전공 | 학사/석사 |
3-4
1-4 |
산업공학과 | - | No |
| 산업현장에서 발생하는 다양한 확률과정들의 분석을 위한 기초이론을 다룬다. | |||||||||
| ESM5002 | 고급시뮬레이션 | 3 | 6 | 전공 | 석사/박사 | 1-4 | 산업공학과 | - | No |
| 시뮬레이션 방법론 전반에 관한 이론적 배경을 고찰하고 소프트웨어와의 연결을 통하여 이론을 숙지한다. 새로운 software도 소개한다. 주요내용으로는 Random Number Generation, Random Variate Generation, Verification and Validation, Variance Reduction Techniques, Meta Modeling, Simulation Output Analysis등이다. | |||||||||
| ESM5079 | 서비스전략 | 3 | 6 | 전공 | 석사/박사 | 1-4 | 산업공학과 | - | No |
| 서비스 전략의 이론과 응용을 다룬다. 서비스 비전, 서비스전략 수립, 서비스전략 전개, 전략 타당성 평가 등에 대한 이론과 응용을 학습한다. 글로벌 기업의 서비스전략에 대한 사례를 심층적으로 다룬다. | |||||||||
| ESW4001 | 가상현실론 | 3 | 6 | 전공 | 학사/석사 | 소프트웨어학과 | - | No | |
| 가상현실은 컴퓨터공학을 기반으로 다양한 분야를 융합하는 차세대 미디어이다. 본 과목은 가상현실에 대한 기술적인 측면에 초점을 맞추어 이론적인 기초, 하드웨어/소프트웨어와 그 응용에 대해서 다룬다. 주요한 주제는 가상현실 시스템, 컴퓨터그래픽스 기초와 3D 입체 렌더링, 시각/청각/촉각 지각, 3D 상호작용과 실용적인 구현 기법을 다룬다. | |||||||||
| ESW4004 | 분산컴퓨팅원론 | 3 | 6 | 전공 | 학사/석사 | 소프트웨어학과 | 한 | Yes | |
| 대규모 데이터 처리의 중요성이 증가함에 따라, 분산 시스템은 점점 중요해지고 있으며 인공지능을 포함한 다양한 도메인에서 널리 사용되고 있다. 분산 시스템은 네트워크로 연결된 독립된 컴퓨터들의 집합체로 하나의 일관된 시스템으로 동작하는 시스템이다. 이 수업의 주요 목표는 분산 시스템의 주요 설계 원리를 학습하고, 분산된 컴퓨팅 자원을 관리하는 방법을 이해하며, 분산 합의 프로토콜, 일관성 및 결함 내성을 보장하기 위한 여러 방법 및 최신 분산 플랫폼들을 학습한다. | |||||||||
| ESW4006 | 정보시각화 | 3 | 6 | 전공 | 학사/석사 | 소프트웨어학과 | 한 | Yes | |
| 데이터 저장 및 처리 기술의 발달로 인해 인간이 다루는 데이터의 크기는 전례 없는 속도로 증가하고 있다. 이러한 데이터 크기의 증가에도 불구하고 인간의 인지 능력은 과거에서 크게 변하지 않아 인간과 데이터 사이의 정보 장벽이 심화되고 있다. 정보시각화(Information Visualization)는 이러한 정보 과부하를 효과적인 시각적 표현을 이용하여 해결한다. 본 교과목에서는 시각화를 효과적으로 디자인하고, 평가하고, 비평하는 방법을 학습한다. 또한, 인간의 인지적 특성과 이것이 어떻게 시각화에 이용되는지 배우고, 이것이 적용된 실제 시각화 및 상호작용 방법을 다룬다. 마지막으로, 이러한 인터랙티브한 데이터 시각화를 컴퓨터에서 구현하는 방법에 대해서 실습한다. 본 교과목에서 다룰 주제는 아래와 같다. - 정보시각화의 토대, 탐색적 데이터 분석, 시각적 분석 - 데이터 및 과업(task) 추상화 - 테이블, 지도, 네트워크, 텍스트, 불확실성 시각화 - 대용량 고차원 데이터를 위한 시각화 - 기계학습 기술의 설명력과 신뢰도를 위한 시각화 | |||||||||
| ESW4008 | 인공지능보안 | 3 | 6 | 전공 | 학사/석사 | 소프트웨어학과 | - | No | |
| 해당 과목은 인공지능과 보안에 관련된 다양한 문제들에 대해 소개한다. 보안과 프라이버시 문제들에 있어서 인공지능, 데이터 및 빅데이터 분석 기법들이 어떤 역할을 하는지를 소개한다. 특히 난해한 보안 및 프라이버시 문제를 해결하는데 다양한 기계학습, 인공지능 및 빅데이터 분석 방법들이 어떻게 활용되는지 소개한다. | |||||||||
| ESW4025 | 인공지능윤리 | 3 | 6 | 전공 | 학사/석사 | 소프트웨어학과 | 영 | Yes | |
| 현재 인공지능의 발전으로 사회 곳곳에서 이들을 만날 수 있다. 하지만 인공지능은 윤리적인 판단을 스스로 내릴 수 없는 amoral이다. 그렇기에 인공지능으로 인해 나오는 여러 윤리적인 문제를 이해하고 해결해야하는 것이 지금 그리고 미래의 과제이다. 본 과목에서는 인공지능이 가지는 윤리적인 문제와 원인 그리고 해결책에 대해 살펴볼 것이다. 먼저 인공지능에 대해 간략히 배운 후 그들이 가지는 윤리적인 문제를 살펴볼 것이다. 이들은 크게 데이터, 알고리즘, 어플리케이션으로 나눠 볼 수 있어 이를 각각 살펴볼 것이다. 그 후 이러한 문제에 대한 원인을 살펴볼 것이다. 더해서 분석한 문제와 원인을 바탕으로 실제 이를 해결하는 알고리즘 및 사례를 살펴볼 것이다. | |||||||||
| ESW4026 | 컴퓨터네트워크와인공지능 | 3 | 6 | 전공 | 학사/석사 | 소프트웨어학과 | - | No | |
| 본 교과목은 4차 산업혁명의 핵심기술인 인공지능 기술을 인터넷에 적용할 수 있는 역량 배양을 목표로 한다. 이를 위해 컴퓨터 네트워크와 보안의 기본적인 프로토콜과 시스템을 설명하고, 컴퓨터 네트워킹 기술에 적용 가능한 인공지능 기술을 설명한다. 6G 네트워크 시대를 대비하여 의도 기반 네트워킹, 클라우드 기반 보안 서비스, 지능형 사물인터넷, 자율주행차를 위한 무선 네트워킹이 다루어진다. 특히 6G 코어 네트워크를 위한 AI 기반 네트워킹 및 보안기술이 다루어진다. 본 교과목은 또한 컴퓨터 네트워크의 프로토콜 계층(예, 데이터 링크 계층, 네트워크 계층, 전송 계층, 응용 계층)을 학생들에게 가르친다. 본 교과목의 소개가 1주 다루어지고, 6G 네트워크 기술들이 5주동안 다루어지고, 컴퓨터 네트워크 계층들이 8주동안 다루어진다. 본 교과목의 기대효과로서 학생들은 컴퓨터 네트워크 및 보안에 대한 기반 지식을 배울 뿐만 아니라, 4차 산업혁명 시대를 위해 인공지능 및 기계학습 기술을 컴퓨터 네트워킹 분야에 접목하는 SW-AI 전문가로 성장할 수 있다. | |||||||||
| ESW5012 | 실시간시스템특론 | 3 | 6 | 전공 | 석사/박사 | 1-4 | 소프트웨어학과 | 영 | Yes |
| 본 과목에서는 실시간 시스템의 이론을 바탕으로, 소프트웨어 플랫폼을 지원하는 실시간 시스템의 최신 동향을 살펴본다. 먼저, 실시간 작업들의 스케줄링 기법을 소개한다. 여기에는 기본 실시간 작업 모델에 대한 유니프로세서/멀티 프로세서/클러스터 환경 스케줄링을 비롯하여, 포크-조인 실시간 작업 모델과 동기화를 위한 스케줄링 기법이 포함된다. 이러한 이론적인 내용을 기반으로 최근에 발표되는 논문을 통해 실시간 시스템의 연구들을 살펴보고, 이를 소프트웨어 플랫폼 지원에 활용할 수 있도록 한다. | |||||||||
| ESW5024 | 고급데이터분석 | 3 | 6 | 전공 | 석사/박사 | 소프트웨어학과 | 영 | Yes | |
| 본 수업은 실측 데이터에 대한 분석과 통계학적인 모델링(ex, 데이터요약, 시각화, 예측 등)과 관련 소프트웨어 도구를 다룰 것이다. 본 수업에서는 비선형적 패턴, 주파수 데이터, 시퀀스 데이터 등의 벤치마크 데이터를 다루는 것을 기본으로 한다. 수강 대상자는 기초확률이론, 통계 관련한 사전지식이 있어야 하며, 본 수업에서는 VC 이론, 수렴도, 좌표 및 구간추정, 가능성 극대화, 가설 테스트, 데이터 축소, 베이지안 추론, 비정량적 통계, 반복샘플링, 의존적 데이터 분석, 합리적 추론 등에 대해 다룰 예정이다. 본 수업을 통해, 수강생들은 적절한 확률/분석 방법을 선택하여 여러 가지 실측 데이터 분석을 진행하며, 이 결과를 도식화할 수 있는 역량을 보유할 수 있으리라 기대한다. 본 수업의 주요 목표는 대학원생들을 대상으로 데이터 분석을 위한 현대적 기법들을 제공하고 각자의 연구에 적절한 분석 기법을 도입할 수 있도록 지원하는 것이다. 이를 통해 각자의 연구 결과물의 질을 더 높일 수 있도록 기여하고자 한다. | |||||||||
| ESW5025 | 인프라네트워크보안 | 3 | 6 | 전공 | 석사/박사 | 소프트웨어학과 | - | No | |
| 본 과목은 인프라 네트워크 및 보안에 대한 기술 및 표준을 소개한다. 본 과목은 네트워크 인프라인 클라우드, 사물인터넷, 차량 네트워크에서의 이용되는 네트워크 및 응용 기술과 이러한 인프라에서의 보안 및 프라이버시 기술을 설명한다. 교과목 내용은 다음과 같다. - 1주: 인프라 네트워크 및 보안 소개 - 2주: 인터넷과 컴퓨터네트워크 - 3주: 소프트웨어 정의 네트워킹(SDN) - 4주: 네트워크 기능 가상화(NFV) - 5주: 오픈스택 기반 클라우드 시스템 - 6주: 클라우드 기반 보안 서비스 시스템 - 7주: YANG 기반 데이터 모델링 - 8주: 학기 프로젝트 제안서(Term Project Proposal) - 9주: NETCONF 기반 네트워크 관리 - 10주: 사물인터넷 네트워킹 - 11주: 사물인터넷 응용 - 12주: 사물인터넷 보안 - 13주: 차량 네트워킹 - 14주: 차량 네트워크 응용 및 보안 - 15주: 학기 프로젝트 발표(Term Project Presentation) 본 과목은 플립클래스 형태로 진행될 예정이다. 4번의 숙제, 1개의 학기 프로젝트로 운영된다. | |||||||||