서울사이버대학교 대학원

AI로 공학의 내일을 설계하는 융합형 엔지니어를 양성합니다.

일반대학원 AI융합기술학과 석사 및 박사과정

AI 기반의 융합형 엔지니어 양성

공학 기반의 다양한 세부 분야(컴퓨터, 정보보호, 전기전자, 기계제어, 드론, 미디어, 기술창업 등)에 AI를 접목하여 문제 정의-모델링-검증-적용까지 이르는 실전 역량을 갖춘 X+AI 인재를 양성합니다.

학과문의

02)944-5542 주임교수
02)944-5500 조교

학과홈페이지 바로가기

학과소개
교육과정
교과목
교수진

AI 지식과 도메인 데이터를 기반으로 다양한 기술 분야와 융합하여
현장 문제를 발견/모델링/검증/적용하는 실전 X+AI 인재 양성

학과 목표

AI의 이론과 실무를 균형 있게 학습하여 파이썬 기반 실습으로 실제 문제 해결 역량을 기른다.
공학 기반의 다양한 세부 분야(컴퓨터, 정보보호, 전기전자, 기계제어, 드론, 미디어, 기술창업 등)에
AI를 접목해 문제 정의-모델링-검증-적용까지 수행하는 융합 역량을 강화한다.
X+AI 전문가를 양성하기 위해 머신러닝/딥러닝 모델링 능력과 생성형 AI 활용 능력을 겸비한다.

왜 지금, AI융합기술학과인가?

왜 지금, AI융합기술학과인가?
국가 정책 지속	정부 '디지털 인재 100만 양성(2022-2026)' 추진 및 2025년 후속 포럼으로 학·석·박 전 주기 AI 역략 강화 기조 유지
수요·공급 격차	'2025년 AI 산업 실태조사'에 따르면 AI 인력 부족 약 4,300명(AI 개발자 2,721명 부족 등) 등 구조적 인력난 지속
글로벌 추세	'WEF(세계경제포럼) The Future of Jobs Report 2025'에서 AI·빅데이터·기술리터러시 등을 2030년까지 갖춰야 할 핵심 역량으로 선정 → 석·박사급 고숙련 인재 양성 필요

AI융합기술학과 교육과정

교육과목
구분	1학기	2학기
전공기초	AI프로그래밍 AI통계 AI개론 생성형AI	AI수학 AI윤리
전공 공통	딥러닝*	머신러닝 연구방법론
전공 선택	정보보호+AI* 기계제어+AI* 컴퓨터+AI* 논문연구1*	전기전자+AI* 드론+AI* 미디어+AI* 기술창업+AI* AI프로젝트* 논문연구2*

*표시는 2027학년도 개설예정 교과목임
※교육과정은 기술 변화를 고려하여 매년 업데이트될 예정입니다.

AI융합기술학과 로드맵

우리 학과의 학습 로드맵 ① AI 기초 교과목을 기반으로 한 전공 기초, ② AI 핵심 교과목으로 구성된 전공 공통, ③ 관심 전공 분야에 따라 선택하는 전공 선택으로 구성됩니다.
학생들은 자신이 부족한 부분을 골라 들을 수 있는 전공 기초 교과목, AI를 이해하고 융합하기 위해 꼭 필요한 전공 공통 교과목, 관심 분야에 따라 선택하는 전공 선택 교과목을 자유롭게 선택하여 학습할 수 있습니다.

AI융합기술학과 로드맵
	전공 기초	전공 공통	전공 선택
교과목	AI프로그래밍 AI통계 AI개론 생성형AI AI수학 AI윤리	머신러닝 연구방법론 딥러닝	정보보호+AI 기계제어+AI 컴퓨터+AI 전기전자+AI 드론+AI 미디어+AI 기술창업+AI AI프로젝트 논문연구 등

AI융합 기술학과 로드맵
졸업 후 진로	AI 직군	X+AI 융합 직군	AI 기술창업
관련 자격증	국가기술자격: 빅데이터분석기사 국가공인자격: 데이터분석전문가(ADP), 데이터분석준전문가(ADsP), AICE Associate
관련 대회 (AI 모델링 분야)	Kaggle / Dacon / AI Factory 공식 대회 국가기관 주최/주관 대회 본교 교내 공식 대회
졸업 후 진로	데이터를 기반으로 문제를 정의·모델링·검증·적용하는 AI 분야 전문 인력	컴퓨터/정보보호/전기전자/ 기계제어/드론/미디어 등 도메인과 AI를 결합해 시스템 및 서비스를 고도화하는 융합형 엔지니어	AI 제품 및 서비스를 기획·개발·사업화하는 창업자, 사내벤처 리더, 제품/프로던트 오너
직업 진출 분야	AI/ML 엔지니어, 데이터 사이언티스트, 데이터 엔지니어, MLOps 엔지니어 등	컴퓨터/정보보호/전기전자/ 기계제어/드론/미디어 등에서 AI를 접목하는 기술 융합 전문가	AI기반 스타트업 창업, 사내벤처, 기술사업화 컨설팅, 제품/서비스 기획 등

전공 기초

전공 기초
교과목명	교과목 소개
AI프로그래밍 (AI Programming)	AI 문제 해결을 위한 프로그래밍 사고를 기르고, 파이썬 기반의 기본 문법·구조를 익힌다. 데이터 준비에서 간단한 모델 구성으로 이어지는 흐름을 큰 그림으로 이해한다. 읽기 쉬운 코드와 재사용 가능한 구조 등을 이해한다.
AI통계 (Statistics for AI)	데이터로부터 타당한 결론을 도출하기 위한 통계적 사고를 다진다. 불확실성, 추론·예측의 타당성, 평가 지표 해석 등 핵심 개념을 균형 있게 다룬다. 실제 의사결정에서 통계 해석이 갖는 한계와 주의점도 함께 살핀다.
AI개론 (Introduction to AI)	AI의 개념·역사와 주요 접근법을 폭넓게 개관한다. 규칙기반, 머신러닝, 딥러닝, 생성형 AI의 위치와 관계를 큰 틀에서 정리한다. 대표 응용과 윤리 이슈를 통해 이후 과목 선택의 방향을 제시한다.
생성형AI (Generative AI)	생성형 모델의 기본 원리와 활용 가능성을 이해한다. 품질, 안전, 책임 있는 사용에 대한 고려 사항을 함께 논의한다. 텍스트·이미지 등 다양한 형태의 데이터에서 장점과 한계를 균형 있게 바라본다.
AI수학 (Mathematics for AI)	AI 학습을 위해 필요한 미분, 확률, 벡터 연산 등 핵심 수학 개념을 다룬다. 수식과 개념을 실제 문제 상황과 자연스럽게 연결하여, 수학적 직관과 문제 해결 능력을 키운다. 더불어 체계적인 수학적·논리적 사고력을 기른다.
AI윤리 (AI Ethics)	데이터 수집부터 모델 운영까지 전 주기에서 책임·공정·투명성을 다룬다. 개인정보 보호, 편향 진단, 설명가능성, 문서화의 기본 원칙을 정리한다. 실제 적용 시 고려해야 할 제약과 기준을 균형 있게 논의한다.

전공 공통

전공 공통
교과목명	교과목 소개
머신러닝 (Machine Learning)	데이터 전처리–모델 선택–평가로 이어지는 표준 흐름을 이해한다. 파이썬 기반 도구로 대표 학습 방법의 장단점을 비교하는 관점을 갖춘다. 일반화와 과적합 사이에서 합리적 의사결정을 내리는 기준을 마련한다.
연구방법론 (Research Methodology for AI)	연구 질문 설정, 문헌 검토, 데이터·실험 설계, 결과 해석, 학술 글쓰기의 절차를 체계화한다. 연구윤리와 재현 가능성의 원칙을 확인해 신뢰도 높은 연구 수행을 지향한다. 제안서·보고서 구성의 핵심 요소를 정돈한다.
딥러닝 (Deep Learning)	표현 학습의 핵심 개념과 대표 구조를 큰 틀에서 이해한다. 파이썬 기반 프레임워크를 전제로 학습 안정화의 기본 아이디어(최적화, 정규화 등)를 정리한다. 다양한 과제 적용 시 판단 기준과 한계를 함께 살핀다.

전공 선택

전공 선택
교과목명	교과목 소개
정보보호+AI (Information Security and AI)	정보보호 분야에서 AI를 융합하는 관점을 익힌다. 해당 과목은 정보보호의 핵심 개념을 간략히 점검한 뒤, 일부 세부 주제를 선택해 데이터·모델 관점의 적용 가능성을 살핀다. 선택된 세부 분야에서 사례 등을 살펴보며, 실제 AI 융합 시 필요한 부분들을 고려한다.
기계제어+AI (Mechanical Controland AI)	기계시스템의 설계와 진단 및 유지보수에 AI를 융합하는 관점을 배운다. 해당 과목은 기계 시스템의 핵심 개념을 간략히 점검한 뒤, 세부 주제를 선택하여 데이터·모델 관점의 적용 가능성을 살핀다. 선택된 세부 분야에서 사례 등을 살펴보며, 실제 AI 융합 시 필요한 부분들을 고려한다.
컴퓨터+AI (Computer and AI)	컴퓨터 분야에서 AI를 융합하는 관점을 익힌다. 해당 과목은 컴퓨터 분야의 핵심 개념을 간략히 점검한 뒤, 일부 세부 주제를 선택해 데이터·모델 관점의 적용 가능성을 살핀다. 선택된 세부 분야에서 사례 등을 살펴보며, 실제 AI 융합 시 필요한 부분들을 고려한다.
전기전자+AI (Electrical and Electronic Engineering with AI)	전기전자 분야에서 AI를 융합하는 관점을 익힌다. 해당 과목은 전기전자의 핵심 개념을 간략히 점검한 뒤, 일부 세부 주제를 선택해 데이터·모델 관점의 적용 가능성을 살핀다. 선택된 세부 분야에서 사례 등을 살펴보며, 실제 AI 융합 시 필요한 부분들을 고려한다.
드론+AI (Drones and AI)	드론 설계 분야에서 AI를 융합하는 관점을 익힌다. 해당 과목은 드론의 핵심 개념을 간략히 점검한 뒤, 일부 세부 주제를 선택하여 신경망 및 딥러닝을 활용한 근사모델링 생성과 데이터·모델 관점의 다중목적 근사 최적설계 적용 가능성을 살핀다. 선택된 세부 분야에서 사례 등을 살펴보며, 실제 설계와 AI 융합에 필요한 부분들을 고려한다.
미디어+AI (Media and AI)	미디어 분야에서 AI를 융합하는 관점을 익힌다. 해당 과목은 미디어의 핵심 개념을 간략히 점검한 뒤, 일부 세부 주제를 선택해 데이터·모델 관점의 적용 가능성을 살핀다. 선택된 세부 분야에서 사례 등을 살펴보며, 실제 AI 융합 시 필요한 부분들을 고려한다.
기술창업+AI (Technology Entrepreneurship and AI)	기술창업 분야에서 AI를 융합하는 관점을 익힌다. 문제 발굴–가치 제안–지표 설계와 검증으로 이어지는 사업화 흐름을 개괄한다. 제품·시장 적합을 탐색하며 AI 기술의 역할과 한계를 구체화한다.
AI프로젝트 (AI Project)	수업에서 다룬 개념을 통합해 실제 문제를 정의하고 해결 전략을 설계한다. 데이터 준비–모델 구상–평가·고도화로 이어지는 기본 파이프라인을 체계화한다. 산출물 구성과 협업·커뮤니케이션 역량을 함께 강화한다.
논문연구1 (Thesis Research I)	논문 과정을 위한 연구 세미나로, 주제 선정·연구 기획·결과 표현 전반에 대한 공통 원칙을 점검한다. 선행연구 정리, 방법론 선택, 윤리·재현 원칙 등 기본 요소를 확인한다. 발표와 피드백을 통해 연구 방향을 정리한다.
논문연구2 (Thesis Research II)	논문 과정을 위한 연구 세미나로, 주제 선정·연구 기획·결과 표현 전반에 대한 공통 원칙을 점검한다. 선행연구 정리, 방법론 선택, 윤리·재현 원칙 등 기본 요소를 확인한다. 발표와 피드백을 통해 연구 방향을 정리한다.

Quick Menu

학과소개

AI융합기술학과

AI로 공학의 내일을 설계하는 융합형 엔지니어를 양성합니다.