전공 필수

컴퓨터 프로그래밍 Computer Programming/dt>

문제 해결에 필요한 기본 프로그래밍 역량을 기르는 과목으로, 변수·제어문·함수·자료구조 등 기초 문법과 프로그램 구조를 학습한다. C언어를 중심으로 실습을 진행하며, 기본 코딩 능력과 디버깅 능력을 확보하여 상위 과목에서 필요한 코딩 역량을 기른다.

AI 프로그래밍 AI Programming

인공지능과 신경망 활용을 위한 기초 수학을 이해하고 유용한 파이썬 라이브러리 기반 프로그래밍의 활용방법을 공부하며 머신러닝 프레임워크 (e.g., Tensorflow/PyTorch)을 활용하여 신경망 모델의 기초를 확립한다.

공학수학 EngineeringMathematics

공학적 문제에 접근하기 위해 기초가 되는 수학적 표현법을 배우며 주요 학습 내용으로는 이산수학, 선형대수, 벡터미적분, 상미분방정식, 라플라스변환과 이들을 수치적으로 계산하는 방법을 학습한다.

AI로봇시스템개론 Introduction to AI Robotics Systems

인공지능과 로봇 기술이 결합된 AI로봇 시스템의 기본 개념과 구성 원리를 학습하는 과목이다. 센서와 구동기, 로봇의 인지·판단·계획·제어 과정을 이해하고, 이동로봇, 로봇팔, 드론 등 다양한 AI로봇의 동작 원리와 활용 사례를 살펴본다. 이를 통해 학생들이 AI로봇 분야의 전체적인 기술 체계를 이해하고 향후 전공 심화과목을 학습하기 위한 기초 역량을 갖추도록 한다.

모빌리티동역학 Mobility Dynamics

이동하는 모빌리티에 대한 역학적 이해와 해석을 위해 동역학, 강체동역학을 복습하고 모빌리티 차량의 승차특성, 정상상태선회, 현가기구해석, 조향장치특성 해석과 같은 차량동역학, 또한 모빌리티의 NVH (소음진동)에 대한 해석 등을 학습한다.

로봇프로그래밍 Robot Programming

Linux 기반 개발환경, ROS 등 모형 자율주행자동차 개발에 필요한 내용을 배우며 오픈소스 플랫폼 상에서 프로그래밍 언어와 모터, 간단한 센서 및 그들을 연결하는 회로 등을 구성하여 제어하는 설계 프로젝트를 진행한다.

캡스톤디자인 Ⅰ, Ⅱ Capston Design

AI자율주행 분야에 관련된 프로젝트를 종합적으로 실습하고, 창의적 문제해결 능력을 배양하기 위하여 학생들이 스스로 정한 주제를 가지고 프로젝트를 수행하며 결과를 캡스톤 디자인 프로젝트발표회에서 발표한다. 프로젝트는 팀단위로 이루어지며, 담당교수가 프로젝트의 목표, 계획수립, 구현과정을 학생이 팀 단위 스스로 수행할 수 있도록 지도한다.

전공 선택

전기전자개론 및 실습 Introduction to Electric/Electronic and Practice

자율주행 시스템을 전공하는 학생들을 위한 전기전자공학의 기본적인 이론과 적용에 대한 강의이며 기초 RLC 회로이론, 직류와 교류회로, 전자기장, 반도체 소자, 다이오드, 트랜지스터, 증폭기, 필터, AD컨버터, 모터 등에 관해서 공부한다.

기초역학 Basic Engineering Mechanics

정역학과 재료역학 중심의 다양한 공학 설계사례를 분석하고 해석법을 학습한다.전반부에는 정지해 있는 물체에 때 작용하는 힘과 모멘트의 평형 상태에 대한 해석법을 학습하고, 후반부에는 구조가 외력에 대해 어떻게 반응하는지 재료역학적 관점으로 분석하고 평가방법을 학습하여, 기초역학을 통한 공학 응용에 필수적인 문제 해결능력을 개발하는 것을 목표로한다.

AI 수학 AI Mathematics

인공지능과 머신러닝의 이론적 이해에 필요한 필수 수학 개념을 통합적으로 다루는 과목이다. 선형대수, 미적분, 확률·통계, Backpropagation, 최적화 등 AI 모델의 동작 원리 이해에 직접적으로 연결되는 수학적 기초를 학습하며, 실제 AI 알고리즘의 수식 구조를 해석할 수 있는 역량을 기른다.

AI 논리와 구조 기초 AI Logic and Structures Foundation

컴퓨터공학의 기초가 되는 수학적 기본 지식을 익히고, 이산적 모델링을 할 수 있는 능력을 갖춘다. 인공지능의 논리적 기반과 지식 표현의 구조를 이해하기 위한 기초 교과목으로, 이산 구조, 논리 연산, 명제·술어 논리, 그래프 이론, 지식 표현 방식 등을 다룬다. AI 시스템이 경로 탐색 등의 문제를 해결하기 위해 내부적으로 어떤 논리적 구조를 활용하는지 학습하며, 상위 과목(AI Agent, 인공지능 등)에서 필요한 형식적 사고를 기른다.

자료구조와 알고리즘 DataStructureandAlgorithm

배열, 스택, 큐, 연결 리스트, 트리, 그래프 등의 기본적인 자료 구조와 정렬 및 검색 등의 알고리즘들을 학습하고 이를 C++언어를 이용하여 적절한 데이터 구조를 선택하고 주어진 문제를 객체 지향 프로그래밍 언어로 효율적으로 구현하는 방법을 학습한다.

자율로봇 시스템 응용수학 Applied Mathematics for Robotics and Autonomous System

본 강의는 자율로봇 시스템의 이해와 설계에 필수적인 수학적 기법들을 소개한다. 복소해석학, 좌표변환, 수치해석학의 핵심 개념을 중심으로, 제어 시스템의 극점 해석, 로봇 공학 및 컴퓨터 비전에 활용되는 고차원 공간에서의 좌표 변환 및 선형대수 기반 해석 기법, 선형 및 비선형 시스템에 대한 수치적 접근 등 응용해석학 기법을 학습한다.

컴퓨터구조론 Computer System Architectures

현대 컴퓨팅 시스템 구조를 설계하기 위한 기본 개념들을 소개한다. 컴퓨터 시스템의 구성을 이해하기 위하여 필요한 명령어 집합구조, 연산장치, 메모리 장치, 입출력장치, 제어장치 등의 역할과 동작 원리를 이해하고, 설계시 고려해야 할 사항을 배운다. 더불어 MIPS 프로그래밍을 통해 컴퓨터의 동작 원리를 터득한다.

머신러닝 Machine Learning

머신러닝은 수집한 데이터로부터 모델을 자동으로 생성하고 이를 기반으로 미래를 예측한다, 정보검색, 컴퓨터비젼, 로보틱스, 게임 뿐만 아니라 생명과학과 비즈니스 데이터마이닝 등에 활용된다. 본 교과목은 감독학습, 무감독 학습, 강화학습 등 기계학습의 기본 개념과 원리, 여러가지 학습 방법에 대한 모델 구조와 학습 알고리즘 및 그 수학적인 기반를 제공하는 것을 목적으로 한다.

AI 컴퓨팅 인프라 입문 Introduction to AI Computing Infrastructure

AI 컴퓨팅 환경을 이해하는 데 필요한 컴퓨터 구조와 운영체제의 기본 원리를 익히고, 인공지능 소프트웨어가 실행되는 시스템 기반을 이해한다. 또한, 자료구조와 알고리즘의 기초 개념을 학습하여 데이터를 효율적으로 저장, 처리, 탐색하는 소프트웨어 구성 원리를 이해하고, 네트워크, 보안, 웹, 데이터베이스, 클라우드의 기본 개념을 바탕으로 AI 서비스가 동작하는 컴퓨팅 인프라의 구조를 파악한다. 이를 통해 인공지능 응용 시스템을 개발하고 운영하는 데 필요한 컴퓨팅 인프라 전반의 기초 소양을 갖추는 것을 목표로 한다.

신호 및 시스템 SignalsandSystems

신호 해석, 선형시스템, 연속시간 및 이산시간 시스템의 시간영역에서의 해석을 회로망에 적용하여 이해시키고 라플라스 변환과 z-변환을 통한 주파수 영역에서의 시스템 해석방법을 다루며 Fourier 변환을 통한 신호해석 및 성질 등을 강의한다.

재료역학 Material Mechanics

재료역학은 기계, 로봇, 자동차, 항공기, 선박들과 같은 구조물을 구성하고 있는 재료에 가해지는 여러 형태의 정하중에 의한 그 거동을 다루는 응용역학의 한 분야이다. 본 교과목에서는 축력, 비틀림, 굽힘 등의 하중이 작용하는 구조물의 응력, 변형률, 변형, 변위를 분석하고 이해한다. 구조물이 안전하게 본래의 기능을 발휘할 수 있도록 하는 재료의 선정과 안전한 구조 형상 설계를 위한 변형과 응력을 해석하는데 기본이 되는 학문이다.

딥러닝 DeepLearning

인공지능, 그 중에서도 최근 인공지능의 발전을 이끌어 나가는 딥러닝의 기반을 이루는 기계학습 기초이론들을 살펴보고, 최근에 사용되고 있는 신경망 모델들 및 학습기법들을 공부한다. 이를 바탕으로 컴퓨터 비전 분야를 중심으로 기초 연구 및 응용 실례들을 살펴본다.

확률과 랜덤변수 ProbabilityandRandomVariable

확률 이론들이 공학 문제들을 해결하는데 어떻게 이용되는지 공부하며 랜덤변수 및 랜덤프로세스의 기본 개념과 조건부확률, 확률밀도함수 (CDF, PDF), 베이즈정리, 포아송 프로세스, 가우시안 프로세스 등을 학습한다.

자동제어 Automatic Control

동적 시스템을 제어하기 위한 시스템 모델링 방법, 시간영역 및 주파수 영역 해석 방법, 기초 선형제어 이론 및 적용, 제어설계 Tool 실습, 고전적 PID 제어기 외에 Lead-Lag 제어기, 상태공간에서의 제어기 등의 학습을 통해 제어시스템 설계 등에 대하여 이해한다.

컴퓨터운영체제 Computer Operating Systems

운영체제의 기능과 구조 및 구현 방법을 배운다. 즉 프로세스 스케쥴링, 메모리 관리, 파일 관리, 프로세스간 통신 및 입출력 등의 구현 원리를 이해하고 그 동작을 실험해 봄으로써, 프로그램 실행을 위한 컴퓨터 시스템의 전체적인 동작을 이해한다.

자율주행SW설계 Autonomous Driving SW Design

자율주행을 위한 오픈HW (F1 Tenth) 및 오픈SW기반의 실습 프로젝트로 카메라와 다양한 센서 데이터를 사용한 딥러닝 기반 인지를 바탕으로 판단하고 제어하는 기능의 요소기술의 자율주행 SW를 개발하고 통합된 모빌리티SW 설계를 목표하며 각 부분별로 설계된 기능들을 시뮬레이션 환경부터 실제 자율주행 테스트까지 진행한다.

생성형 AI 시스템 (Generative AI System)

생성형 AI 산업 구조에 대해 알아보고, 핵심 기술인 transformer network, large language model 구조와 원리를 학습한다. 강의 후반부는 ChatGPT API 기반 시스템 개발 방법과 LLM 응용 시스템 개발 도구인 Langchain을 학습한다.

Creative Engineering Design

창의적인 아이디어를 실제 구현하기 위해 도면을 작성하는 개념을 배우며 상용 CAD 소프트웨어를 통해 요소 설계, 와이어 프레임, 서피스 모델링, Advanced Meshing Tool등을 학습하며 설계한 내용을 3D 프린터를 이용하여 모형 자율주행자동차를 원하는 디자인으로 설계해본다.

AI agent

지능형 에이전트가 환경을 인지하고 의사결정을 수행하는 과정을 학습하는 과목으로, 합리적 행위자 모델, 상태·행동·보상 구조, 탐색 기반 의사결정, 기초적 강화학습 등을 다룬다. 다양한 에이전트 아키텍처를 비교하며 자율형 시스템 설계에 필요한 핵심 요소를 이해하도록 한다.

온디바이스AI (On-device AI)

디바이스 자체에서 인공지능을 구동하는 온디바이스 에지(Edge) AI의 핵심 이론과 실무 역량을 학습한다. 드론, 로봇 등 하드웨어 자원(Memory, Power, Compute)이 제한된 환경에서 AI 모델을 효율적으로 구동하기 위한 모델 경량화(양자화, 가지치기) 및 최적화 기법을 습득한다. 디자인 씽킹 기반의 사용자 중심 문제 정의와 프로젝트 기반 학습(PBL)을 결합하여, Python, PyTorch/TensorFlow로 개발된 모델을 ONNX, TensorRT 등을 통해 최적화하고 라즈베리 파이 및 NPU 기반 하드웨어에 실제 탑재하는 실습을 진행한다. 이를 통해 임베디드 시스템과 AI 모델 최적화를 융합할 수 있는 실무형 학습을 경험한다.

센서융합 및 최적추정 Sensor Fusion and Optimal State Estimation

다양한 센서로부터 획득한 불완전하고 잡음이 포함된 데이터를 결합하여 시스템의 상태를 정확하게 추정하는 이론과 방법을 학습하는 과목이다. 확률·통계, 동적 시스템 모델링 및 최적추정의 기초를 바탕으로 칼만필터, 확장 칼만필터, 비선형 상태추정과 센서융합 기법을 다룬다. 이를 통해 IMU, GNSS, 카메라, LiDAR 등 다양한 센서 정보를 통합하여 로봇과 자율시스템의 위치, 자세 및 운동 상태를 추정하는 능력을 기른다.

강화학습 ReinforcementLearning

인공지능의 주요분야 중 하나인 강화학습의 수학적 개념과 원리인 최적화, 동적계획법, 벨만방정식, 마르코브 과정, 마르코브 의사결정 프로세스, 몬테카를로 알고리즘, Q러닝 등을 강의하며 심층신경망과 같이 사용하여 문제해결이 가능한 Deep Q-learning 및 각종 강화학습 최신이론에 대해도 공부하고 실제 구현 및 테스트하며 학습한다.

로봇공학 (Robotics Engineering)

본 강좌의 목적은 학생들이 기구학, 동역학, 제어 이론을 바탕으로 로봇 매니퓰레이터의 구조적 특성을 이해하고, 이를 이용하여 로봇 시스템을 설계·해석할 수 있는 능력을 기르는 것이다. 본 강좌에서는 로봇 매니퓰레이터의 해석과 제어를 위해 필수적으로 요구되는 기초 및 응용 이론을 다룬다. 먼저 벡터와 행렬 연산, 좌표계 설정 및 좌표변환과 같은 기초 수학적 도구를 학습한 뒤, 이를 바탕으로 로봇 매니퓰레이터의 정기구학(Forward Kinematics)과 역기구학(Inverse Kinematics) 모델링 방법을 체계적으로 다룬다. 또한 로봇 제어를 위해 필요한 경로계획(Motion/Trajectory Planning)과 피드백 제어기 구성 방법을 학습하고, 다양한 로봇 구성에 대한 기구학적·제어적 특성을 분석한다.

자연어처리 Natural Language Processing

자연언어의 구조와 의미를 분석하는 기술을 학습하며, 텍스트 전처리, 언어 모델링, 임베딩, 통계·신경망 기반 학습기법 등을 다룬다. 문장 분류·감성 분석 등 대표 문제를 실습하며, 최신 딥러닝 기반 NLP 모델의 구조와 동작 원리를 이해하고 텍스트 기반 AI 문제 해결 능력을 기른다. 이러한 자연어처리에 대한 알고리즘적 이해를 바탕으로 트랜스포머 기반 LLM모델의 활용과 관리, 생성/배포와 미세조정에 대해 학습하여 심도 있는 인공지능 연구 역량을 함양한다.

AI시스템엔지니어링 (AI System Engineering)

AI 연산 환경을 구성하는 시스템 구조와 운영체제의 핵심 원리를 다루며, 메모리 관리, 스케줄링, 병렬 처리, 분산 컴퓨팅 등이 AI 모델 성능에 미치는 영향을 학습한다. 컴퓨터 시스템을 구성하는 프로세서의 내부 아키텍처를 심도 있게 다루고, 이를 바탕으로 GPU·TPU 기반 연산 등 최신 AI 시스템을 구현하는 하드웨어 및 소프트웨어의 동작 메커니즘을 탐구한다. AI 시스템과 운영체제의 연계성을 체계적으로 이해하여, 실제 AI 서비스 환경에서 요구되는 효율적이고 확장 가능한 시스템 설계 역량을 갖추도록 한다.

컴퓨터비전 ComputerVision

카메라를 통해 얻어낸 영상 신호로부터 원하는 정보를 얻어내는 디지털 영상처리의 기초부터 특징 추출 및 매칭기법, 영상 분할, 움직임 추정 등 컴퓨터 비전 기술의 기본이론, 알고리즘 및 실제 응용을 학습하며 로봇, 스마트폰, 임베디드 시스템 등에서 카메라를 활용할 수 있는 기본적인 능력을 습득한다.

AI 자율주행 단기현장실습Ⅰ, Ⅱ AI Autonomous Short-term Field Placement

국내외 산업현장 또는 기관에서 협약에 따라, 현장교육을 실시하고 이에 따라 학점을 인정하는 제도로써, 대학에서 교수한 지식과 학문을 기관, 단체, 연구소, 산업체 등에서 학생들이 실무를 통해 적용능력을 부여하고자 함.

AI 자율주행 장기현장실습Ⅰ, Ⅱ AI Autonomous Full-semester Field Placement

국내외 산업현장 또는 기관에서 협약에 따라, 현장교육을 실시하고 이에 따라 학점을 인정하는 제도로써, 대학에서 교수한 지식과 학문을 기관, 단체, 연구소, 산업체 등에서 학생들이 실무를 통해 적용능력을 부여하고자 함.

메카트로닉스 Mechatronics

최근의 기계시스템이 정밀화와 지능화를 지향하고 있고 마이크로프로세서를 포함한 전자공학과 컴퓨터 과학의 도움으로 새로운 공학분야인 메카트로닉스 기술로 급속도로 발전하고 있다. 이 과목에서는 메카트로닉스의 기초인 각종 센서류의 원리와 인터페이싱, DC/AC 서보 기구를 포함한 액츄에이터, 로봇 제어, 아날로그/디지털 회로, A/D 및 D/A 변환, 마이크로프로세서를 이용한 데이터의 처리등의 이론과 응용에 대한 내용를 다룬다.

피지컬 AI (Physical AI)

인공지능이 실제 물리 환경과 상호작용하는 원리와 응용 기술을 학습한다. 센서 데이터 처리, 컴퓨터 비전, 로봇 제어, 강화학습 등의 핵심 개념을 이해하고, 자율주행·로봇·스마트 제조 등 다양한 피지컬 AI 응용 사례를 다룬다. 실습과 프로젝트를 통해 현실 세계에서 동작하는 AI 시스템의 설계 및 구현 능력을 기른다.

소프트웨어공학 Software Engineering

소프트웨어 개발과정에 필요로 하는 프로젝트 관리 기법과 요구사항 분석, 설계, 테스팅 및 유지보수에 이르는 소프트웨어공학의 핵심 개념들을 이해한다. 또한 품질보증, 재공학 그리고 소프트웨어 미래 동향에 대해 학습한다. 각 과정별 개념과 이론은 물론 방법론과 도구에 대해서도 체계적으로 배운다. 이를 통해 체계적이고 창의적인 소프트웨어 설계능력과 프로젝트 수행능력을 함양한다.

양자컴퓨터개론 Introduction to Quantum Computing

양자 컴퓨터 개론으로 "현존하는 슈퍼 컴퓨터보다 1억배 빠른" 양자 컴퓨터의 허와 실에 대해서 알아본다. 누구나 쉽게 접근 할 수 있는 파이썬 라이브러리를 통해 양자 컴퓨터 시뮬레이터를 사용하여 기본 개념인 중첩(superposition) 과 얽힘(entanglement) 에 대해서 이해한다. 기존 컴퓨터 기초 알고리즘이 양자 컴퓨터에선 어떻게 달라지는 지에 대해 배우고 이를 통해 양자 컴퓨터의 장점과 단점을 학습한다. 마지막으로 IBM의 클라우드 서비스를 이용하여 실제 양자 컴퓨터를 사용해본다.

로봇 상태 추정 및 공간 지능 Robot State Estimation and Spatial AI

로봇과 무인시스템의 상태 추정 원리를 수학적으로 이해하고, 자율주행 및 로봇공학 인식 분야의 핵심인 공간 지능(Spatial AI) 기술을 학습하는 것을 목표로 한다. 칼만 필터, 파티클 필터, 몬테카를로 위치 추정 등 확률론적 상태 추정 기법을 바탕으로 로봇의 위치 추정과 지도 작성 원리를 이해하며, Pose graph 최적화 기반 SLAM 시스템의 전반적인 구조를 학습한다. 나아가 카메라, 라이다, 레이다 등 단일 센서 기반의 SLAM부터, 센서 융합, Semantic SLAM, Multi-robot SLAM 등 최신 공간 지능 알고리즘으로 개념을 확장한다. 최종적으로 항공, 지상, 해양 등 다양한 환경의 데이터에 적합한 SLAM 알고리즘을 자유롭게 선택하여 구동해보고 성능을 평가하는 프로젝트를 수행함으로써, 이론적 지식을 실제 환경에서의 문제 해결 역량으로 발전시킨다.

로봇매니풀레이터 RobotManipulatior

로봇공학의 기본 원리, 운동학, 동역학, 제어, 로봇 시스템의 프로그래밍에 대한 포괄적인 연구를 다루고, 다양한 응용분야에 걸쳐 매니퓰레이터를 설계, 분석 및 구현하는데 필요한 전문지식을 심도있게 학습한다.

자율이동로봇 Autonomous Mobile Robot

이동로봇공학의 기본 개념, 동역학 방정식, SLAM, Path Planning, 제어기법, 구동장치 및 센서, 로봇 비젼 등을 소개하고 로봇의 응용분야에 대해 강의한다.

군집드론/로봇 Multi-Robot/Swarm Robotics

본 강의는 군집드론·군집로봇 시스템의 핵심 원리와 임무 자율화를 위한 알고리즘을 체계적으로 학습한다. 군집 시스템의 수학적 모델링을 기반으로 임무계획, 과업할당, 경로계획 등으로 구성되는 자율화 소프트웨어 스택을 다루며, 중앙집중형과 탈중앙형/분산형 의사결정 아키텍처를 비교·분석한다. 멀티로봇 시뮬레이터 기반 실습을 통해 이러한 소프트웨어 스택을 통합적으로 구현해보고, 이후 팀 기반 프로젝트를 통해 실제 응용 시나리오(재난 구조, 환경 감시 등)를 설계·구현하여 성능을 검증한다. 프로젝트 결과는 국내 학술대회 또는 데모 행사 발표를 목표로 한다.

인공지능플래닝 Artificial Intelligence Planning

이 강의에서는 지속적으로 Planning을 수립하고 이를 Action으로 실행하고, 실 수행 환경과의 상호 작용을 통해 Learning 할 필요가 있는 Autonomous Agent를 구축하는 문제에 대하여 강의하며, AI Planning 및 Learning의 주요 문제와 알고리즘, 즉 Action 과 Task Modeling, representation, plan generation algorithms, heuristic learning and reuse of experience, dynamic integration of planning, scheduling, and execution, and multiagent planning 에 대한 주제를 다룹니다.

최신 AI 기술 Advanced Topics in Artificial Intelligence

최신 AI 기술 및 연구 동향을 폭넓게 탐구하는 과목으로, 대규모 언어모델(LLM), 생성형 AI, 멀티모달 AI 등 현대 AI 기술의 구조와 응용 가능성을 다루며 동시에 현 시점에서 연구/산업분야의 최첨단 기술을 소개한다. 기술의 장단점, 윤리적 고려, 산업적 적용까지 함께 분석하여 최신 기술을 비판적으로 이해하고 실제 활용 방향을 설정할 수 있도록 한다.

디지털신호처리 Digital Signal Processing

디지털 기술의 바탕이 되는 디지털 신호처리 기본 이론을 이해하고 신호처리 이론의 응용 방법을 학습한다. 주요 내용으로 이산 신호와 시스템 표현, 연속 신호의 샘플링, 이산 신호의 시간 및 주파수 영역 해석, 필터 설계 기초 이론, FIR 및 IIR 필터 설계를 다룬다.

실전문제해결 프로젝트 1 (항공모빌리티스마트센싱)

항공모빌리티를 위한 다양한 센서 처리 및 융합 문제 도출 및 연구과제 수행을 통한 문제해결 능력 배양하고, 기업 현장의 실전문제를 주제로 팀별 프로젝트를 수행하도록 하여 문제 해결 역량을 배양한다.

실전문제해결 프로젝트 2 (항공모빌리티통신)

미래 항공모빌리티를 위한 지상 이동통신 기반 항공-지상 전송 기술과 저궤도 위성통신 기술을 교육하고, 비행공역과 통신 품질을 고려한 이동경로 설정 방안을 학습하며, 기업 현장의 실전문제를 주제로 팀별 프로젝트를 수행하도록 하여 문제 해결 역량을 배양함

실전문제해결 프로젝트 3 (항공모빌리티ICT시스템)

ICT 임베디드시스템의 구조와 동작 메커니즘을 교육하고, 이를 기반으로 자율비행 시스템의 구성요소에 대한 하드웨어/소프트웨어 설계/구현/최적화에 대한 Case Study와 Project 수행을 통한 문제 해결 능력 배양함