전공소개
1. 키워드
인공지능 | 머신러닝 | 컴퓨터비전 |
알고리즘 | 딥러닝 | 강화학습 |
2. 개요
•
무엇을 배우는가?
학생들은 인공지능의 핵심 이론과 응용을 학습하며, 관련된 여러 학과에서 제공하는 교과목을 이수합니다. 기계학습, 딥러닝, 자연어처리, 컴퓨터비전 등 핵심 기술에 더해, 수학·통계·알고리즘 등 기초 역량을 함께 강화합니다.
또한, 산업 및 연구 현장의 흐름을 이해할 수 있도록 ‘인공지능 이론 및 응용 세미나’ 등 실무 연계 교과를 운영하고 있으며, 학생들은 자율적으로 기업 인턴, 연구실 참여 등을 통해 실무 경험을 확장할 수 있습니다.
•
학문적 특성
이 전공은 전기·정보공학부, 컴퓨터공학부, 통계학과, 산업공학과, 언어학과 등 여러 학과의 전문 지식을 융합하여 구성된 다학제적 프로그램입니다. 이를 통해 학생들은 인공지능의 이론적 기반부터 실제 응용까지 폭넓은 지식을 습득할 수 있습니다.
•
실무 적용분야
연합전공 인공지능에서 배운 지식과 기술은 다양한 산업 분야에 적용될 수 있습니다.
◦
의료: 의료 영상 분석, 질병 예측 모델 개발 등
◦
금융: 신용 평가, 금융 사기 탐지, 알고리즘 트레이딩 등
◦
제조 및 산업: 스마트 팩토리, 예측 유지보수 시스템 등
◦
모빌리티: 자율주행 차량, 교통 흐름 분석 등
◦
콘텐츠 및 언어처리: 음성 인식, 자동 번역, 추천 시스템 등
이처럼, 인공지능 기술은 다양한 분야에서 혁신을 이끌고 있으며, 연합전공 인공지능을 통해 이러한 기술을 실무에 적용할 수 있는 능력을 갖추게 됩니다 .
3. 세부 전공 및 대표 연구 분야
•
전공 내 세부 분야 소개
연합전공 인공지능은 다음과 같은 주요 세부 분야를 포함합니다.
◦
기계학습(Machine Learning): 데이터로부터 학습하고 예측하는 알고리즘 개발
◦
딥러닝(Deep Learning): 심층 신경망을 활용한 고차원 데이터 분석
◦
컴퓨터 비전(Computer Vision): 이미지 및 영상 데이터의 이해와 해석
◦
자연어 처리(Natural Language Processing): 언어 데이터의 분석과 생성
◦
강화학습(Reinforcement Learning): 환경과의 상호작용을 통한 최적의 의사결정 전략 학습
◦
AI 윤리 및 사회적 영향: 인공지능 기술의 윤리적, 법적, 사회적 측면에 대한 연구
•
타 학문과의 연계 가능성
연합전공 인공지능은 여러 학문 분야와의 연계를 통해 인공지능 기술의 응용 범위를 확장합니다.
◦
의학 및 생명과학: 의료 영상 분석, 유전체 데이터 해석 등
◦
사회과학: 사회 현상의 데이터 기반 분석, 정책 결정 지원 등
◦
인문학: 언어 및 문화 데이터의 분석, 디지털 인문학 등
◦
경영학: 비즈니스 분석, 마케팅 전략 수립, 수요 예측 및 물류 최적화 등
◦
법학: AI 기술의 법적 규제, 개인정보 보호 등
이러한 연계를 통해 학생들은 다양한 분야에서 인공지능 기술을 적용하고, 복합적인 문제 해결 능력을 갖추게 됩니다.
4. 전공 공부를 위해 필요한 역량 및 적합한 학생 유형
－ 전공 공부를 위해 요구되는 기초 역량
연합전공 인공지능을 이수하기 위해서는 다음과 같은 기초 역량이 요구됩니다:
•
프로그래밍 능력: Java, C++, Python 등의 언어를 활용한 프로그래밍 능력은 필수적입니다. 관련 교과목으로는 ‘컴퓨터프로그래밍’, ‘프로그래밍방법론’ 등이 있습니다.
•
자료구조 및 알고리즘 이해: 효율적인 데이터 처리와 문제 해결을 위해 자료구조와 알고리즘에 대한 이해가 필요합니다. 관련 교과목으로는 ‘자료구조’, ‘알고리즘’ 등이 있습니다.
•
수학적 기초: 기계학습과 딥러닝 등의 이해를 위해 선형대수, 확률 및 통계, 미적분 등의 수학적 기초가 중요합니다. 관련 교과목으로는 ‘확률의 개념 및 응용’, ‘확률변수 및 확률과정의 기초’ 등이 있습니다.
•
관심을 가지면 좋을 분야와 특성
인공지능 연합전공은 다음과 같은 관심 분야와 특성을 가진 학생들에게 적합합니다.
•
다학제적 융합에 관심 있는 학생: 전기정보공학, 컴퓨터공학, 통계학, 산업공학 등 다양한 분야의 지식을 융합하여 학습하고자 하는 학생
•
실무 경험을 중시하는 학생: 인공지능 기업체나 대학 연구실에서의 인턴십을 통해 실무 경험을 쌓고자 하는 학생
•
인공지능의 사회적 영향에 관심 있는 학생: AI 기술의 윤리적, 법적, 사회적 이슈에 대한 이해를 바탕으로 책임 있는 기술 활용을 지향하는 학생
이러한 역량과 관심을 가진 학생들은 연합전공 인공지능을 통해 인공지능 분야의 전문성과 실무 능력을 갖춘 인재로 성장할 수 있습니다.
5. 전공에 대한 흔한 오해(Myths)와 사실
오해 1: 인공지능 연합전공은 컴퓨터공학과와 유사한 커리큘럼이다.
풀기 1 (Click!)
오해 2: 일정 수준 이상의 실력이 있어야만 가능하다.
풀기 2 (Click!)
오해 3: 인공지능 전공자는 대부분 IT 기업으로 진출한다.
풀기 3 (Click!)
실무와 비교했을 때 실제 전공의 역할
연합전공 인공지능은 이론과 기술 중심의 교육을 제공하며, 실무 역량은 학생이 개별적으로 외부 자원을 활용해 확장해 나가는 구조다.
최근 전공필수 과목 조정에 따라 인턴십 등 실습 중심 과목은 축소되었지만, 전공에서는 ‘인공지능 이론 및 응용 세미나’와 같은 교과를 통해 산업 및 연구 현장의 흐름을 접할 수 있는 기회를 제공하고 있다.
또한 학생들은 방학 중 기업·연구실 인턴, 경진대회, 연구 프로젝트 등을 통해 실무 경험을 자율적으로 설계하며, 이러한 활동은 졸업요건(졸업 논문 대체 보고서 제출 등)과 연계될 수 있다.
교과과정 관련
1. 졸업요건
이수학점: 39학점 이상
•
전공필수 10(11)학점
•
전공선택 29(28)학점 이상 이수
•
인턴 진행 후 최종보고서(졸업논문) 제출
2. 전공 교과 이수체계도
3. 탐색을 위한 권장 교과목
개설전공 | 교과목 번호 | 교과목명 | 개요 | 추천이유 |
전기정보공학부 | M2608.002900 | 기계학습 기초 | 이 과목은 머신러닝의 기본 개념과 알고리즘을 다루며, 지도학습, 비지도학습, 강화학습 등의 주요 기법을 소개함 | 인공지능의 핵심 분야인 머신러닝에 대한 기초를 탄탄히 다질 수 있어, 이후 심화 과목을 수강하는 데 필수적인 기반을 마련해 줌 |
컴퓨터공학부 | 4190.408 | 인공지능 | 인공지능의 전반적인 개념과 컴퓨터 비전을 포함하여 개괄적인 기술을 다루며, 문제 해결, 지식 표현, 추론, 학습 등 다양한 AI 기법을 학습함 | AI의 전반적인 구조와 작동 원리를 이해함으로써, 다양한 응용 분야에 적용할 수 있는 능력을 키울 수 있음 |
전기정보공학부 | 430.216 | 전기시스템선형대수 | 행렬 및 선형대수의 기초 이론과 전기공학 시스템에의 응용을 다루며, 선형 방정식, 고유값, 고유벡터 등의 개념을 포함함 | AI 알고리즘의 수학적 기반인 선형대수를 이해함으로써, 복잡한 모델을 분석하고 구현하는 데 필요한 수학적 사고력을 기를 수 있음 |
컴퓨터공학부
전기정보공학부 | M1522.000600
430.211 | 컴퓨터프로그래밍
프로그래밍방법론 | 프로그래밍 언어의 기본 문법과 구조를 배우고, 알고리즘 설계 및 디버깅 기술을 익힘 | AI 모델을 구현하고 실험하는 데 필수적인 프로그래밍 능력을 배양할 수 있어, 실무 능력을 향상시키는 데 도움이 됨 |
전기정보공학부 | 430.314 | 확률변수 및 확률과정의 기초 | 확률 변수, 확률 분포, 확률 과정 등 확률 이론의 기초를 다루며, 랜덤 프로세스의 개념을 배움 | AI에서의 불확실성 모델링과 추론에 필요한 확률 이론을 이해함으로써, 보다 정교한 모델링이 가능해지며 인공지능 공부에 있어 선이수가 강력하게 권장됨 |
기타 정보
1. 탐색을 위한 추천도서
도서명 | 저자 및 역자 | 출판사 | 출판연도 |
Applied Stochastic Differential Equations | Simo Särkkä and Arno Solin | Cambridge University Press | 2019 |
Introduction to algorithms
Artificial Intelligence: A Modern Approach
Deep learning | Stuart Russell, Peter Norvig | Pearson Education Asia | 2021 |
밑바닥부터 시작하는 딥러닝 1 | 사이토 고키 저자(글) · 개앞맵시이복연) 번역 | 한빛미디어 | 2025 |
AI 2041: 10개의 결정적 장면으로 읽는 인공지능과 인류의 미래 | 리카이푸 , 천치우판 저자(글) · 이현 번역 | 한빛비즈 | 2023 |
졸업생 진로
1. 졸업 후 주요 진로
•
졸업생 취업 및 대학원 진학 현황
최근 3년간 서울대학교 연합전공 인공지능 졸업생들은 졸업 후 대학원 진학과 취업 두 가지 경로로 활발히 진출하고 있다. 통계에 따르면 서울대 컴퓨터공학부 등 유관 전공의 경우 학부 졸업생의 절반 이상이 대학원에 진학하는 경향을 보이며, 연합전공 인공지능 졸업생들도 상당수가 심화 연구를 위해 석사·박사 과정에 진학한다. 진학한 대학원으로는 서울대학교 협동과정 인공지능전공 등 국내 주요 AI 대학원은 물론, 해외 유수 대학의 인공지능 관련 학과까지 다양하며 일부 졸업생은 해외 대학원에도 진학하고 있다. 한편 취업을 선택한 졸업생들은 주로 정보통신 기술(ICT) 업계와 연구기관에 진출한다. 주요 취업처로 삼성전자, 엔씨소프트 등의 국내 대기업 연구개발 직군은 물론 AI 스타트업, 서울대 수학연구소 등의 연구소·공공기관까지 폭넓게 분포한다. 이를 통해 연합전공 인공지능 졸업생들은 산업계와 학계 전반에서 인공지능 전문인력으로 활동하고 있음을 알 수 있다
•
주요 진출 직업군 및 근무환경
졸업생들이 진출하는 직업군으로는 AI 개발자, 데이터 분석가, 연구원, 정책·기획 담당자 등이 대표적이다. 각 직무별로 요구되는 업무 특성과 근무환경은 다음과 같다:
◦
AI 개발자: 소프트웨어 기업이나 IT 대기업의 AI 개발팀에서 근무하며, 인공지능 모델을 실제 서비스에 적용하는 역할을 담당한다. 개발자는 팀 단위로 프로젝트를 수행하고, 동료 개발자들과 지식과 경험을 활발히 공유·협업하는 문화 속에서 일한다. 예컨대 네이버와 같은 기업에서는 사내 기술 공유 세미나를 통해 개발 역량을 함께 향상시키는 개발 문화를 가지고 있다. 이러한 환경에서 AI 개발자는 고성능 컴퓨팅 자원을 활용해 대규모 데이터를 다루며, 모델 개발부터 테스트, 배포(MLOps)에 이르는 전 과정을 경험한다.
◦
데이터 분석가: 금융, 제조, 플랫폼 등 다양한 산업 분야에서 데이터 기반 의사결정을 지원하는 직무로, 회사 내 데이터 분석 팀이나 컨설팅 부서 등에서 근무한다. 주로 대용량 데이터세트를 다루기 때문에 조용한 사무실 환경에서 전문 소프트웨어 도구를 활용해 작업하며, 필요에 따라 관련 부서와 협의하여 비즈니스 인사이트를 도출한다. 데이터 분석가는 코딩, 통계 등 기술 역량 외에도 도메인 지식과 커뮤니케이션 능력을 활용해 기업의 문제를 해결하는 역할을 한다.
◦
연구원: 기업 부설 연구소나 정부 출연 연구기관, 대학 연구실 등에 소속되어 인공지능 연구개발을 수행한다. 이들은 주로 석·박사 학위를 갖춘 전문인력으로서, 최첨단 AI 알고리즘 연구와 실험을 주도하며 논문 출판이나 특허 창출 등의 형태로 성과를 낸다 . 기업의 AI 연구원은 제품에 적용할 혁신적인 기술을 모색하기도 하며, 대학이나 공공 연구소의 연구원은 보다 장기적이고 기초적인 연구에 집중하는 경향이 있다. 연구 환경은 프로젝트에 따라 자율성이 높고 학술회의나 세미나 참여 등이 장려되어 지속적인 학습과 실험이 이루어지는 분위기다.
◦
AI 정책·기획 담당자: 정부기관, 공공 연구기관 또는 대기업의 AI 전략 부서 등에서 정책 수립과 사업 기획을 맡는다. 이들은 AI 기술 동향과 산업 환경을 분석하고 사회적 요구를 파악하여, 조직의 AI 전략과 활용 방안을 설계하는 역할을 한다. 예를 들어 기업의 AI 전략팀에서는 최신 AI 기술 및 관련 법·제도 동향을 모니터링하고 이에 대한 대응 전략을 수립하며, 대외적으로 정부·협회 등과 협력하는 업무를 수행한다. 이러한 직군은 주로 사무실에서 문서 작업과 회의가 많으며, 기술과 정책을 아우르는 융합적 사고력과 의사소통 능력이 요구되는 환경이다.
◦
•
대학원 진학자의 연구 분야와 인공지능 최신 동향
대학원에 진학한 졸업생들은 인공지능 학술 분야의 다양한 연구주제로 진로를 이어가고 있다. 전통적으로 머신러닝 이론, 자연어처리(NLP), 컴퓨터 비전, 로보틱스 등 AI 핵심 분야에서 연구를 수행해왔으며, 최근에는 새로운 기술 발전에 따라 생성형 AI, 멀티모달 AI, AI 윤리·신뢰성 등의 분야가 학계의 주요 최신 동향으로 부상하고 있다.
◦
생성형 AI: 대규모 생성 모델을 활용하여 텍스트, 이미지, 오디오 등 다양한 콘텐츠를 생성하는 기술로, 최근 몇 년간 가장 뜨거운 연구 주제 중 하나이다. GPT 계열의 거대 언어모델이나 이미지 생성 모델의 발전으로 인해, 생성형 AI는 산업계에서도 혁신을 주도하고 있다. 전문가들은 향후 5~10년 간 생성형 AI가 기업의 효율성과 생산성 향상을 크게 촉진하여 세계 경제에 지대한 영향을 미칠 것으로 전망한다. 이에 따라 학계에서도 더욱 발전된 생성 모델 아키텍처, 효과적인 훈련 기법, 응용 분야별 생성 품질 향상 등에 관한 연구가 활발하다.
◦
멀티모달 AI: 인간의 다중 감각처럼, 서로 다른 종류의 데이터(예: 이미지와 텍스트)를 동시에 이해하고 처리하는 융합 인공지능 기술이다. 최근 멀티모달 모델은 자연어와 시각 정보를 결합한 비전-랭귀지 모델, 언어모델과 웹 검색을 결합한 검색 증강 생성(RAG) 기법 등으로 진화하며 새로운 지평을 열고 있다. 이 분야 연구자들은 한 모델이 텍스트·음성·영상을 아울러 처리하거나 생성하도록 하는 방법, 멀티모달 표현 학습, 교차모달 추론 능력 향상 등에 집중하고 있다. 멀티모달 AI의 발전으로 의료, 자율주행, 콘텐츠 제작 등 다양한 산업 분야에서 혁신적 변화가 기대되고 있다.
◦
인공지능 윤리와 신뢰성: AI 시스템의 공정성, 투명성, 안전성을 보장하기 위한 연구 분야로, AI 기술이 사회 전반에 깊숙이 적용됨에 따라 중요성이 더욱 커지고 있다. 핵심 이슈로는 편향된 데이터로 인한 결과 Bias(편향) 문제, 프라이버시 침해, 결정 과정의 불투명성 등이 논의되고 있으며, 이를 해결하기 위한 다양한 접근법이 연구 중이다. 예를 들어 설명 가능한 AI(XAI) 기법이나 알고리즘 공정성 검증 도구 개발 등이 그 일환이며, 이러한 기술들을 통해 AI 결정의 이유를 인간이 이해하고 신뢰할 수 있도록 만드는 것을 목표로 한다. 더불어 AI 윤리 정책, 법제화 방향에 대한 학제간 연구도 활발하여, 기술 발전과 사회적 가치의 균형을 모색하고 있다.
이처럼 서울대학교 연합전공 인공지능 졸업생들은 최신 연구 흐름에 맞추어 각자의 분야에서 전문성을 심화시키고 있으며, 생성형 AI, 멀티모달, AI 윤리 등 현대 인공지능의 핵심 쟁점들을 선도적으로 다루는 인재로 성장하고 있다. 이는 곧 빠르게 발전하는 인공지능 분야에서 서울대 졸업생들이 학술적 기여와 산업 혁신을 주도하는 밑바탕이 되고 있다.
(출처: 서울대학교 연합전공 인공지능 홈페이지 및 관련 학과 취업통계, 졸업생 인터뷰 , 원티드랩 등 산업계 인터뷰 , 직무 기술서 및 언론 보도 , 최신 AI 기술 동향 보고 .)
홈페이지 및 연락처
02-880-1525 제1공학관(301동) 316호