교수요목

• 컴퓨터언어IㆍII

  컴퓨터언어I에서는 구조적 프로그래밍 언어로서 가장 보편적으로 이용되고 있는 C언어의 특색에 대하여 이론을 통하여 습득함으로써 실질적인 프로그래밍 능력을 배양한다. 한편, 컴퓨터언어II에서는 C언어로부터 C++언어로의 프로그램능력을 확장한다. 객체지향 프로그래밍 언어인 C++에 대한 기초적인 이해와 프로그래밍 방법에 대해 알아본다.

• 파이썬프로그래밍

  본 과목은 컴퓨터 정보학분야에 대한 다양한 기초 지식을 습득하게 하고, 관련된 문제를 해결하기 위한 Python 언어를 이용한 기초적인 프로그래밍 능력을 배양하는 것을 목적으로 한다.

• 기초미적분학및연습

  일계함수의미분과 적분, 적분의 응용, 극좌표계등을 배운다.

• 일반미적분학및연습

  상미분방정식의 기본적인 해법을 다루고 상미분방정식으로 나타나는 여러 형태의 수학적 모델을 공부한다.

• 일반물리학및연습IㆍII

  기본적인 물리적 성질의 측정 및 분석을 통하여 물리학적 기본 개념을 확인하고 원리의 이해를 돕는다. 주로 역학, 기초 전자기학, 광학, 현대물리학분야의 물리현상의이해를 위한 실험장치의설치방법을 배우고 결과분석 및 처리와 과학적인 보고서의 작성법을 익히도록 한다.

• 미래자동차개론

  자동차의 각 파트를 큰 범위에서 엔진, 섀시, 전기에 관련된 지식과 소양을 강화하기위하여 자동차를 구성하고있는 구성부품의구조와 원리 및 메커니즘을 기초로 자동차 전반적인 사항을 학습한다. 추가로 미래자동차에 대한 일반적인 개념과 사용될 미래 기술에 대해 공부한다.

• 객체지향프로그래밍및실습

  자바 언어의 기본 개념과 프로그래밍 구조를 실제로 사용되는 자바 응용과 애플릿을 작성하는 데 적용하는 것을 배울 것이다.

• 확률및통계

  확률적 사고와 통계적 방법들의 이론적 기초를 소개한다. 통계와 확률 이론들이 공학 관련 문제들을 해결하는데 어떻게 이용되는지 살펴본다. 확률과 통계의 이론과 응용을 균형있게다룬다.

• 자료구조개론

  자료구조 및 취급방법에 대한 알고리즘을 배운다. 스트링, 리스트, 스택, 큐, 데크, 트리, 그래프, garbage collection 및 동적기억장치 할당방법, 해싱 등에 대하여 배운다.

• 기초공업수학

  본 과목에서는 기초적인 벡터와 행렬를 다룬다. 이를 통해서 고급단위 공업수학을 학습하는데 요구되는 수학적 배경지식을 함양토록 한다.

• Linux실습

  Linux 운영체제에 대한 기본적인 지식을 배우고 Linux 운영체제에서 제공하는 System Call 프로그래밍을 위한 지식을 배운다. 프로세서 처리 및 수행, 프로세서 동기화, 스레드 프로그래밍, 입출력시스템 호출 및 제어, 파일 및 디렉토리 등을 다룬다. 각 장마다, System Call을 사용한 실습을 심도있게 한다.

• 데이터베이스

  데이터베이스는 여러 사람들이 공유하고 사용할 목적으로 통합 관리되는 정보의 집합이다. 데이터를 체계적이고 효율적으로 관리하기 위해 개발된 데이터베이스에 대한 기본 개념을 비롯해서 데이터베이스 관리 시스템의 기본구조, 모델링 방법, 관계형 데이터베이스 개념, 스키마 작성법, 정규화 등에 관한 내용을 학습하여 데이터베이스 시스템에 대한 이론을 올바르게 정립하고, 데이터베이스 시스템의 활용 능력을 배양한다

• 자율주행 기반기술PBL

  자율주행시스템 중 주행환경 인식의 기반이 되는 센서 기술과 임베디드 기반 차량 제어에 대한 문제 해결을 통해 미래 모빌리티 관련 소프트웨어의 설계 역량을 기를 수 있다.
  

• 자율주행센서 및 데이터처리

  자율주행차량 운행 과정에서 수집되는 데이터 센싱 기술에 대해 알아본다. 우선 LiDAR, Radar, Image 센서와 같은 필수 자율주행 센서의 하드웨어/소프트웨어적 특성에 대해 알아본 후 데이터 처리와 제어에 활용되는 인공지능 알고리즘 구현에 대해 학습할 예정이다.

• 스마트자동차공학

  미래자동차를 구성하는 각 부의 구조와 기능의 원리를 이해하고 자동차의 역학, 성능계산법, 공해와 대기오염 및 안전성 등의 이론을 다룬다. 실제적 문제와 새로운 형식의 동력시스템 연구 동향 등을 중심적으로 배운다.

• 클라우드컴퓨팅개론

  클라우드 컴퓨팅 대한 개념과 아키텍쳐, 스토리지에대해 이해하고 클라우드 컴퓨팅이 갖는 장단점과 해결해야 할 과제에 대해 알아본다. 현재 서비스 되고 있는 해외 클라우드 서비스 개별 유형에 대해 알아보고 각 사례를 통한 클라우드 서비스를 간단히 체험 실습해 본다.

• 자율주행 시뮬레이션응용

  자율주행 운행 시뮬레이션은 실제 필드에서의 차량 운용 상 발생할 수 있는 불확실성을 파악하는데 매우 중요하다. 다양한 교통 상황, 기상조건, 도로 조건에 따른 각기 다른 자율주행 시나리오에 대하여 자율주행 소프트웨어가 학습할 수 있도록 가상의 주행 환경을 제공해 주게 된다. 본 교과에서는 차량 운행 시뮬레이션 구현에 필요한 다양한 요소 기술(정밀지도 데이터 분석, 디지털 트윈 생성, 동적 운행 모델 등)에 대해 학습하게 되며, 상용 자율주행 시뮬레이터(i.e. 모라이 시뮬레이터)를 활용한 실습을 수행하게 된다.

• 차량운동학

  차량 운동/제어의 이론과 해석 방법 등을 실제 응용 예를 통해 소개한다.

• IoT보안

  IoT에서 중요한 요소인 보안 기술에 대한 전반적인 내용을 다룬다.

• 디지털트윈개론

  물리적 객체(자산, 프로세스 및 시스템 등)들에 대한 디지털 복제로서, 수명주기 전체에 걸쳐 대상 객체 요소들의 속성/상태를 유지하며 이들이 어떻게 작동하는지의동적성질을묘사하는 가상의 모델을 정의하는 기본적인 방법에 대하여 다룬다.

• 기초역학개론

  일반물리에서 배운 기초역학보다 더 해석적인 방법으로 고전적 입자계의운동을 기술한다. 질점의운동과 보존법칙, 선형 및 비선형 진동자, 충돌, 랑그랑지및 해밀턴 역학, 중심력장의문제, 비관성-기준계, 강체운동, 결합진동자등 뉴턴역학을 다룬다.

• 전기회로I

  기본적인 회로의 해석으로부터 출발하여 회로의 설계에까지 다다를 수 있도록 하는 회로이론의 기초를 다룬다.

• 자율주행을 위한 인공지능

  자율주행을 위한 인공지능 기법을 학습할 예정이다. 자율주행 자동차의 ‘인지-판단-제어’ 3단계 구현에 필요한 딥러닝 기반 분류, 물체 탐지, 세분화를 학습한다. 또한, 인지부터 제어 명령까지 전체 시스템의 학습 가능한 변수를 동시에 학습할 수 있는 End-to-end 러닝 시스템에 대해 다룰 예정이다.

• AI-빅데이터 공학수학

  인공지능(머신러닝, 딥러닝) 및 빅데이터를 이해하는데 필요한 수학적 개념과 계산능력을 갖추도록 한다. 먼저, 인공지능의 알고리즘을 이해하는 데 필요한 최소한의 수학 개념을 설명하고, 이 개념들이 실제로 인공지능을 개발할 때 어떻게 쓰이는지, 잘 알려진 예와 알고리즘을 이용하여 쉽게 설명한다. 본 과목은 인공지능 이해에 필수적인 수학 콘텐츠인 선형대수학, 다변수 미적분학, 기초 통계와 확률, SVD, 주성분 분석(PCA) 및 그래디언트 알고리즘을 포함하는 내용으로 구성된다.

• 공학수학

  기초적인 벡터와 행렬 그리고 벡터 미적분학을다룬다. 이를 통해서 고급단위공업수학을 학습하는데 요구되는 수학적 배경지식을 함양토록한다. 또한, 상미분방정식과 연립 상미분방정식의 해, 라플라스변환, 수치해석 기법, 벡터공간, 후리에변환, 복소수해석등을 다룬다.

• IoT 기초 PBL I

  아두이노와 라즈베리파이를 이용하여 간단한 센서(온도, 진동등..)를 장착하여 IoT노드를 구성하는 기초적인 IoT제작을 통해서 project based learning (PBL)을 수행한다.

• 자율주행 기반기술 PBL

  자율주행시스템 중 주행환경 인식의 기반이 되는 센서 기술과 임베디드 기반 차량 제어에 대한 문제 해결을 통해 미래 모빌리티 관련 소프트웨어의 설계 역량을 기를 수 있다.
  

• 로봇 설계/주행 PBL

  로봇 운영플랫폼(ROS)과 지도작성과 위치추정방식(SLAM)을 이용하여 로봇을 설계해보고, 이를 이용한 주행 기반의 project based learning (PBL)을 수행한다.

• 자율주행차 플랫폼 기반 AI 및 IoT 융합 PBL

  라이다, 카메라등 자율주행센서가 장착된 자율주행차 플랫폼 기반 AI 및 IoT 융합 실습 장비(AIoT Autocar Prime등...)를 기반으로 기계학습을 이용한 운행중 사물인식, 상황판단등 자율주행 기술에 대한 project based learning (PBL)을 수행한다.

• 네트워크기반 자동제어 PBL

  CAN기반의 차량네트워크를 이용한 모터제어를 통해서 모빌리티를 제어하고 운행하는 project based learning (PBL)을 수행한다. 단순한 모터 장치를 통해 모터 동작 원리를 이해하고 속도모드, 토크모드 제어를 연습한다. 또한 CAN과 같은 차량네트워크를 이해하고 이를 이용하여 실제 모빌리티 기구를 제어해 본다. 팀별로 프로젝트를 제안하고 수행해 본다.
  

• 자율주행 심화 PBL

  센서퓨전을 통한 주행환경 인식과 딥러닝 기반 인자판단 기술을 융합하여 자율 주행 플랫폼 상에서 본인이 원하는 미래 모빌리티 관련 소프트웨어 설계 능력을 향상시킬 수 있다
  

• 자율주행 빅데이터 분석 PBL

  자율주행 인공지능 기술을 구현하기 위한 핵심 이론 중 하나인 빅데이터 분석 방법을 학습한다. 다양한 구조의 빅데이터를 소개하고, 구조별 데이터를 전처리하기 위한 다양한 기법들을 학습한다. 또한, 빅데이터를 다루기 위한 분산처리 알고리즘과 저장하기 위한 분산 저장 시스템에 대해서 배우고, 정제된 빅데이터를 모델링 할 수 있는 기법에 대해 학습한다.

• IoT개론

  IoT (사물인터넷)에 관한 전반적인 입문 수준의 내용을 다룬다. IoT의 구성요소들 그리고 IoT 기능 및 서비스 내용들에 대해서 습득하고 IoT에 필요한 기술들인 IoT 통신, IoT 센서, IoT 빅데이터 처리, IoT 플랫폼, IoT 에너지 최적화 등에 대해서 공부한다.

• 임베디드컴퓨팅

  가전기기로부터 자동차에 이르기까지 다양한 곳에 사용되고 있는 임베디드 시스템을 위한 소프트웨어는 실시간성, 자원 제약성 등의 차별화된 특성을 갖는다. 본 과정에서는 이러한 특성들을 고려하여 효과적으로 임베디드 소프트웨어를 개발하기 위한 원리를 학습한다.

• 인공지능 로보틱스

  로봇의 관절운동 및 바퀴구동에 따른 주행 운동을 이해하기 위해 좌표계시스템, 기구학 및 운동에 관한 기본 이론을 학습한다. 실제 로봇의 기계구조와 모터 구동 원리를 이해하여 원하는 목적에 맞게 로봇을 설계하고 동작을 생성할 수 있는 역량을 배양한다. 로봇의 인지와 판단에 필요한 대표적인 인공지능 알고리듬도 함께 학습한다. 실제 로봇하드웨어 운영과 시뮬레이션에 필요한 로봇운영시스템(ROS)을 소개하고 기본적 예제를 통해 운영체제의 구조를 익힌다.

• 통신 및 네트워크

  본 과목의 목적은 네트워크의 구성과 인터넷 프로토콜 계층의 기능을 고찰하며, TCP/IP 인터넷 및 공중 네트워크의 구성 기술을 이해함으로써, 모든 컴퓨팅 노드의 인터넷을 통한 응용방법을 습득하는 데 있다

• 영상처리 및 딥러닝

  SLAM은 자율주행 센서를 통해 주변 환경을 인식하고 이를 지도화하며 실시간 위치 인식을 수행하고 추정한다. 본 교과에서는 답러닝의 기초부터 심화 내용까지 학습하며, 영상 데이터 처리 방법, 오차 보정 이론, SLAM의 적용 방법과 이론에 대해서 학습한다. 또한, 미지의 환경에서의 경로 계획 등 딥러닝 응용 사례를 다룬다.

• 교통체계운영 및 분석

  미래 모빌리티의 운영 환경인 도시교통 체계 분석과 운영에 대한 핵심 이론을 학습한다. 기초 교통류 이론과 미시/거시적 교통모델에 대해 학습한다. 또한, 신호 체계, 제어/미터링, 가격, 경로, 주차 등 도시교통 시스템에 대한 메커니즘을 이해하며, 대기열 이론을 통한 네트워크 운영 분석을 수행한다. 도시교통 객체 간 통신 체계에 대한 학습과 더불어 협력형 자율주행(CAV)에 대한 최신 기술도 탐구한다.

• 자율주행시스템 융합설계 PBL

  자율주행 시스템에 대한 융합 설계를 학습하게 된다. 자율주행 차량 전체 사양 및 부품, 제어, 센서 및 보정 알고리즘의 사양 설계에 필요한 이론을 학습한다. 또한, 차량 운영 소프트웨어 설계와 버전 제어 및 관리 기법에 대한 교육을 진행함으로써 시나리오 별 자율주행 안전성과 성능 검증을 수행하게 된다.

• 자율주행 통신시스템

  자율주행을 위한 통신 네트워크 시스템에 대한 전반적인 내용을 다룬다. 도로 및 통신/네트워크 인프라는 자율주행 성능과 안정성 확보에 중요하며, 이에 본 교과에서는 차량 주변 정보 센싱과 차량 간 원거리 통신(V2V, V2I)을 통한 자율주행 효율의 극대화 방안에 대해 논의한다. 또한, 자율주행에 클라우드 기반 데이터 및 정보 처리 기법을 학습하며, 이러한 동작을 위해 필요한 WAVE, 블루투스, LTE, 엣지 컴퓨팅 등 많은 통신 기술들에 대한 학습을 진행한다.

• 자율주행 안전시스템

  자율주행 시스템의 위험성 평가와 안전성 향상을 위한 교과로서 차량 시스템의 위험원 분석, 리스크 평가, 운행 안전 분석 방법을 학습한다. 또한, 차량 간 통신(V2V), 운영 중 차량과 인프라(V2I), 차량과 보행자(V2P) 통신 기술 기반 사고 위험도 평가와 이에 기반한 안전 제어 기법에 대해 학습한다.

• 도시교통 계획 및 의사결정

  자율주행 충전 인프라와 같은 공공 모빌리티 시스템 계획과 구축 과정에서의 제반 문제에 필요한 의사결정 기법(의사결정 트리, 게임이론, 유틸리티 이론)을 다룬다. 모빌리티 기술적/정책적 대안에 대한 디자인 및 평가 기법에 대한 학습을 사례 연구를 통해 수행함으로써 도시 모빌리티 시스템 계획에 필요한 전문성을 배양한다.

• 도시모빌리티 시뮬레이션모델링

  전반적인 도시모빌리티 시뮬레이션 기법에 대해 학습한다. 도시교통의 주요 객체에 대한 특성을 이해하고, 스마트 모빌리티의 특성(수요응답성, 공유형, 개인화, 유연성)에 대해 학습한다. 라우팅, 배차, 리밸런싱, 충전 등을 위한 수학적 기법들을 학습하고, 이를 구현할 수 있는 객체 기반 시뮬레이션 이론을 배운다. 이 과정에서 도시교통에서의 스마트 모빌리티에 대한 통찰을 키우고 미래 시나리오를 평가할 수 있는 역량을 키운다.

• MaaS: 통합 모빌리티서비스

  미래 모빌리티 서비스에 대해 기술 분류에 따른 특징을 학습하며 (로보택시, UAM, PM), 서비스 유형(개인형, 공유형, 통합형)에 따른 모빌리티 서비스에 대한 최신 트렌드를 고찰한다. MaaS(Mobility-as-a-Service)에 대한 기본 개념과 대중교통 통합 기법과 승객 및 물류 통합 서비스와 같은 미래 모빌리티 서비스에 대해 학습함으로써 다중(Multimodal) 도시교통 체계에서의 모빌리티 시스템 구축 역량을 키운다.

• 모빌리티정보학

  생물 정보학 도구와 분석 방법을 소개한다. 본 강의에서는 생물 정보학 데이터베이스, 서열 및 구조 정렬, 단백질 구조 예측, 단백질 폴딩, 단백질 간 상호 작용, 몬테카를로 시뮬레이션 및 분자 역학 등을 소개한다.

• 자동제어

  제어 대상 시스템의 모델링(주파수 및 시간공간), 응답 특성, 안정도, 정상상태오차 해석 등에 대한 역량 확보.

• 빅데이터개론

  데이터 분야에서 대한 이해를 높이고 빅데이터 저장 및 분석을 위한 기초지식을 습득한 것에 목적을 두고 있다.

• 자율주행시스템 개론

  자율주행 시스템에 대한 전반적인 개론을 학습하게 된다. 자율주행 구현을 위한 4가지 분야에 대해 소개하며, 자율주행 운행 기술 분야, 네트워크 분야, 데이터 분야, 서비스 운영 및 관제 분야를 포함한다. 각 분야 별 최신 기술 트렌드와 구현 사례를 다루며, 교과과정을 통해 자율주행 시스템에 대한 종합적인 이해와 지식을 함양하게 된다.