국립부경대학교 | 해양공학과

OE-AIX 교육

  • OE-AIX 학부   OE-AIX 대학원   
    • OE-AIX 교육과정
    배경


    OE-AIX는 해양공학 교육 인공지능 전환(OE Education AI Transformation)을 뜻한다. 이는 디지털 전환(DX)을 넘어, 해양공학 교육과정의 모델과 운영 방식에 인공지능(AI)을 도입하여 해양공학 인재 양성 단계와 성과를 혁신하는 과정을 의미한다. 이는 해양공학을 전공하는 대학(원)생이 단순히 AI 기술을 적용하는 것을 넘어서 데이터 기반의 의사결정 체계를 구축하고, 이를 활용하여 해양환경의 상호작용을 이해하고, 지속 가능한 건설환경을 혁신적으로 구축하는 전략적 변화를 포함한다.

    정의


    OE-AIX는 해양공학 분야의 전통적인 역학적 전문성을 기반으로, AI 기술을 통해 해양의 복합성을 이해하고, 실시간으로 최적의 의사결정을 내릴 수 있는 ‘디지털 해양 전문가’를 양성하는 가치 혁신 과정으로 정의된다.


    핵심 가치
    실재(physical)와 가상(digital)의 유기적 통합: "인지적 확장"

    전통적인 해양공학이 물리 법칙(역학, 파랑, 유체)에 근거한 설계와 해석에 집중한다면, AIX는 이를 실시간 데이터로 연결된 유기체로 보는 관점이다. [철학적 의의] 인간의 직관과 수치 해석의 한계를 AI의 패턴 인식 능력으로 확장하는 것이다. [정의] 해양구조물을 단순한 구조물이 아닌, 데이터를 통해 스스로 상태를 인지하고 반응하는 지능형 에이전트로 재정의하는 과정이다.


    불확실성에 대한 능동적 대응: "적응적 설계"

    해양은 변수가 너무 많아 완벽한 예측이 불가능한 ‘불확실성의 공간’이다. 과거에는 이를 ‘안전율’이라는 수치로 방어했다면, AIX는 실시간 학습을 통해 대응한다. [철학적 의의] 고정된 설계(static design)에서 상황에 따라 최적화되는 진화적 설계(evolutionary design)로의 패러다임 전환이다. [정의] “미지의 해양환경 데이터로부터 스스로 학습하여, 사고를 예방하고 효율을 극대화하는 자율적 문제 해결 능력의 배양”이다.


    지속 가능한 공존의 윤리: "기술적 동반자"

    해양 자원 개발과 보존 사이의 갈등을 AI의 정밀한 최적화를 통해 해결하려는 접근이다. [철학적 의의] 인간의 이익을 위한 파괴적 개발이 아닌,환경 영향을 최소화하는 최적의 접점(sweet spot)을 찾아내는 윤리적 기술 활용이다. [정의] “해양 생태계와 인간 활동의 데이터를 통합 분석하여, 지구 공동체와의 공존을 수학적·기술적으로 실현하는 공학적 책임감의 실천”이다.

    3단계 로드맵 
    1단계: 학교 수업과 병행하는 기초 체력(1~2학년)

    전공 수업에서 배우는 역학이 어떻게 데이터화되는지 이해하는 단계이다. (1) 파이썬(Python)은 필수: C언어보다 파이썬을 먼저 익히라. 해양 데이터 분석 라이브러리인 Pandas, Numpy와 시각화 도구인 Matplotlib을 다룰 줄 알면 실험 리포트 질이 달라진다. (2) 통계학 수업 집중: AI 모델의 근간은 통계이다. 교양이나 전공 관련 과목에서 수업을 단순 암기가 아닌 데이터 해석 관점에서 깊게 공부해야 한다.


    2단계: 직무와 AI를 연결하는 스펙업(3학년)

    본격적으로 전공과 IT 기술을 융합해 이력서에 쓸 한 줄을 만드는 시기이다. (1) 융합 자격증 취득: 방학을 이용해 ADsP(데이터분석 준전문가)에 도전하라. 한 달 정도면 충분하며, 공학적 센스에 데이터 문해력을 더했다는 증거가 된다. (2) 논문연구종합설계 주제 선정: 졸업 논문 주제와 AI를 엮으라. 예: 딥러닝을 이용한 해양구조물 부식 이미지 판독 시스템", "강화학습 기반 해양모니터링 부이의 항로 최적화." (3) K-Digital Training 활용: 방학 동안 진행되는 1~2개월 단기 AI 캠프에 참여에 협업 경험을 쌓으라.


    3단계: 실무 경험과 포트폴리오(4학년)

    기업은 "AI를 압니다."가 아닌 "AI로 해양 문제를 풀어봤습니다."하는 사람을 뽑는다. (1) 공모전 도전: 해양 데이터 활용 공모전(해양수산부 주관 등)에 나가보라. 수상하지 못하더라도 '데이터 전처리, 모델링, 공학적 해석'의 과정을 기록한 포트폴리오가 가장 강력한 무기가 된다. (2) 학부 연구생: 관심 있는 분야의 교수 연구실에서 학부 연구생으로 활동하며 실제 연구 데이터를 다루는 경험을 해보라.

    요약하면, 전공을 깊이 있게 파라. AI 만 잘하는 사람은 많지만, 해양공학을 이해하면서 AI를 도구로 쓸 줄 아는 해양공학자는 대체 불가능한 인재가 된다.