국립부경대학교 과학컴퓨팅학과

□ 교과목 해설

1. 기계학습I/Machine Learning I

다층 퍼셉트론에서 시작하여 GPU를 활용한 딥러닝의 이론과 실제 활용사례들을 익히고 각자의 연구문제에 적용한다.

2. 계산뇌과학/Computational Neuroscience

미시적인 수준에서부터 거시적인 수준까지 뇌의 구조와 작동을 기술하는 다양한 관점을 익히고 이를 실제 진단 데이터와 연계하여 분석한다.

3. 데이터분석/Data Analysis

시공간적으로 여러 신호와 잡음이 섞여있는 데이터로부터 우리가 필요로 하는 신호를 어떻게 추출할 수 있는지 수학적 이론과 실제를 이해한다.

4. 수리적모델링/Mathematical Modeling

자연현상을 설명하기 위한 수리적 모델링의 다양한 층위와 기법들, 각각의 장단점과 선택 기준을 다양한 사례를 통해 익힌다.

5. 양자화학/Quantum Chemistry

양자역학의 원리로부터 원자와 전자의 움직임, 나아가 분자구조와 물성 또는 화학 반응을 설명하는 학문적 틀을 익힌다.

6. 통계열역학/Statistical Thermodynamics

통계역학과 열역학의 원리를 다분자계에 적용함으로써, 대규모 연산을 통해 분자의 화학적 성질을 예측할 수 있는 방법론을 익힌다.

7. 양자알고리즘/Quantum Algorithm

양자컴퓨팅에서 양자우위를 실현하기 위해 제안된 알고리즘들의 원리와 요구사항을 이해하고 양자프로그래밍을 실습한다.

8. 양자계산과학/Quantum Computational Science

양자정보와 양자컴퓨팅이 다체계의 연구와 계산생물학 등 다양한 방면에 어떻게 응용될 수 있는지 최첨단 연구들을 소개한다.

9. 몬테카를로방법론/Monte Carlo Methods

유사난수의 발생을 통해 다양한 목적함수를 최적화할 수 있는 방법들과 그에 따르는 통계적 처리 등을 익히고 실습한다.

10. 진화게임이론/Evolutionary Game Theory

여러 참여자들의 선택에 결과가 의존하여 단순한 최적화로 문제를 해결하기 어려울 때, 그러한 문제들을 진화적인 아이디어로 해결하는 이론틀을 익힌다.

11. 네트워크I/Network I

연결망의 불균일한 구조가 그 위에서 일어나는 동역학적 과정에 어떤 영향을 미치며 함께 변화해나가는지 모형과 실제 데이터를 통해 학습한다.

12. 계산과학수학/Mathematics for Computational Science

이산수학과 미분방정식 등 계산과학 연구를 위해 필요한 수학적 도구들을 익힌다.

13. 석사세미나I/Seminar I

과학컴퓨팅 분야의 최근 연구주제들을 소개한다.

14. 석사세미나II/Seminar II

과학컴퓨팅 분야의 최근 연구주제들을 소개한다.

15. 석사논문연구/Master Thesis Research

석사학위 이수를 위한 연구방법과 논문작성법 등을 익힌다.

□ 교과목 해설

1. 기계학습Ⅱ/Machine LearningⅡ

기계학습, 딥러닝의 이론을 이해하고 실제 데이터 분석에 활용하는 방법을 익힌다.

2. 강화학습/Reinforcement Learning

강화학습 이론 및 알고리즘을 학습하고 문제에 적용하는 방법을 익힌다.

3. 최적제어이론/Optimal Control Theory

최적제어이론에 대해 소개하고 응용문제에 대한 최적의 해를 찾는 방법을 학습한다.

4. 분자모델링/Mathematical Modeling

분자동역학(MD) 방법의 기초를 배운다. 컴퓨터에서 MD 시뮬레이션을 직접 실행하여 많은 수의 원자로 구성된 계에서 원자들이 시간에 따라 어떻게 움직이는지를 살펴보며, 이러한 시뮬레이션으로부터 계의 여러 특성을 어떻게 계산할 수 있는지 살펴본다.

5. 고급계산화학/Advanced Computational Chemistry

학부에서 배운 양자역학을 복습한 후 Hartree-Fock (HF) 방법과 밀도 범함수 이론(DFT)의 기초를 배운다. 이 방법들이 구현된 소프트웨어를 활용하여 분자에 대한 양자계산을 컴퓨터 상에서 직접 수행해 보며 분자의 성질을 계산할 수 있는 능력을 키운다.

6. 고급양자컴퓨팅/Advanced Quantum Computing

정보, 계산, 학습, 지능의 한계 및 돌파 연구 이해

7. 양자인공지능/Quantum Artificial Intelligence

양자정보, 양자컴퓨팅의 출현에 따른 인공지능 변화 이해

8. 계산물리고등논제/Advanced Topics in Computational Physics

양자계와 비평형계를 이해하기 위한 이론 및 계산 알고리즘을 소개함으로써 연구에 적용할 수 있게끔 함.

9. 네트워크Ⅱ/NetworkⅡ

네트워크 I 에서 배웠던 네트워크 이론의 기초를 바탕으로 최신 네트워크 이론들을 통해 연구되고 있는 의견 동역학, 커뮤니티 탐지, 질병 등 사회적 전파 과정에 대한 이론 등을 학습한다.

10. 알고리즘/Algorithm

본 과목에서는 전산적 방법으로 해결가능한 문제들을 추상화하고 이들을 해결하는 알고리즘 또는 알고리즘을 설계하는 기법을 학습함으로서 컴퓨팅과 연계되는 다양한 분야의 연관관계를 이해하고 이들을 관통하는 조망을 얻는 기회가 될 것이다. 컴퓨터 알고리즘의 디자인과 분석을 위한 원리와 기법을 학습하여 실제의 문제들을 해결하는 효율적인 알고리즘들을 설계하고 구현할 수 있는 능력을 키운다. 수학적 귀납법, asymptotic analysis 등의 기본원리와 greedy method, divide & conquer, dynamic programming, branch-and-bound, backtracking 등의 알고리즘 디자인기법과 기초적인 계산복잡도 이론을 공부한다.

11. 데이터베이스/Database

데이터와 정보 활용을 통한 가치가 증가함에 따라 다양한 분야에서의 데이터 베이스 이해에 대한 요구가 증가하고 있다. 본 강의에서는 데이터 베이스 입문자들에게 꼭 필요한 데이터 베이스 기초 이론, 데이터 모델과 연산, SQL 에 대해 공부할 것이다.

12. 응용데이터과학/Applied Data Science

데이터 분석 기술을 응용하여 과학적 문제를 해결하는 방법을 학습하고 실습한다.

13. 박사세미나Ⅰ/Seminar I

과학컴퓨팅 분야의 최근 연구주제들을 소개한다.

14. 박사세미나II/Seminar II

과학컴퓨팅 분야의 최근 연구주제들을 소개한다.

15. 박사논문연구/Doctoral Dissertation Research

박사학위 이수를 위한 연구방법과 논문작성법 등을 익힌다.