최근 확인한 콘텐츠
데이터가 존재하지 않습니다.
데이터가 존재하지 않습니다.
loading...
e-러닝 기반의 디자인교육 방법론
학교를 위한 디자인 씽킹 : 스탠퍼드에서 미래교육을 디자인하다
비주얼 씽킹 & 러닝 디자인 : 인간의 학습 유형에 맞춘 정보 설계
그림으로 배우는 딥러닝
생성 AI와 융합 교육
AI와 디자인 교육
(나도 할 수 있어요!) 과정중심 프로젝트 수업 : 미래 핵심 역량 강화를 위한 프로젝트 중심 교육과정·수업·평가·기록 일체화
교사 교육과정과 수업 디자인 : 2022 개정 교육과정 기반
비주얼 씽킹 & 러닝 디자인 : 학습 효과를 높이는 교육 방법과 수업 설계 이론
생성 AI와 융합 교육
Learning engineering for online education : theoretical contexts and design-based examples
교사 교육과정을 디자인하다 = 실천편
Design education for a sustainable future
만들면서 배우는 생성 AI
Deep learning neural networks : design and case studies
(디자인 씽킹을 활용한) 캡스톤 디자인 수업의 이해 =
A guide to online course design : strategies for student success
Learning experience design : how to create effective learning that works
디자인교육이 꿈꾸는 미래 : 디지털 신기술×디자인
강진, 남호정 · 2015
상품문화디자인학연구
추승연, 박정민, 홍순민 · 2025
대한건축학회논문집
윤수인 · 2025
디자인 이노베이션 연구
한석원 · 2026
브랜드디자인학연구
윤수인, 박혜신 · 2024
디자인 이노베이션 연구
최용혁, 박기남 · 2025
한국디자인리서치
이호경 · 2025
The International Journal of Advanced Smart Convergence
이경아 · 2025
한국디자인리서치
이웅기; 강상희; 이종찬; 최서연; 최욱명; 임철일 · 2020
교육정보미디어연구
이종표, 김명삼 · 2025
일러스트레이션 포럼
전필 / 학사
이 교과목은 학습과학을 시작하는 학생들을 위해 학습과학의 다양한 연구주제와 이론을 소개한다. 교육학, 교과교육학, 심리학, 뇌과학, 컴퓨터과학 등의 다양한 분야에서 이루어지고 있는 학습에 대한 연구를 서로 비교하고 비판적으로 검토한다. 이를 통해 학습을 다양한 관점에서 통합적으로 이해하고 교육 문제를 창의적으로 해결할 수 있는 기반을 마련한다. 그리고 학습과학 분야의 진로탐색을 지원하기 위해 다양하고 실제적인 학습경험을 제공한다.전필 / 대학원
인공지능(AI) 기반 교육을 현장에서 적용하기 위해선, AI융합전공 수강생들은 인공지능(AI)을 교과 수업 상황에 융합하여, 수업을 설계하고 실행할 수 있는 역량이 요구된다. 이 강의는 AI융합전공 수강생들이 인공지능(AI) 자체에 대한 수업과, 인공지능(AI) 학습도구를 활용한 인공지능(AI)-교과 융합수업을 설계하고, 실행할 수 있는 역량을 갖추는 것을 목적으로 한다. 이를 위해 AI융합전공 수강생들은 먼저, 인공지능(AI) 자체에 대한 수업 설계 역량을 기른다. 그리고 실제적이고 집중적인 교육을 통해, 이 교과목은 수강생들의 인공지능 교과 융합 수업을 설계하고 실행하는 역량 증진시킬 것이다.전선 / 대학원
딥러닝 모델은 추상화 복잡도를 증가하면서 정보를 표현하는 여러 계층으로 이루어진 신경망으로, 최근 영상/음성/자연어 처리 등의 문제에서 다른 기계 방법론들을 크게 상회하는 뛰어난 성능을 보이고 있다. 본 과정에서는 딥러닝의 기반이 되는 기계학습 및 최적화 기법들을 배우고, 기본적인 신경망에 대해서 학습한다. 그리고 영상 처리와 자연어 처리의 핵심 모델인 Convolutional neural networks와 Recurrent neural networks의 훈련법과 추론법들을 익힌다. 또한 비감독 생성 모델인 Autoencoders와 Restrict Boltzman machines에 대해 자세히 살펴 보고 마지막으로 딥러닝 기반 강화 학습에 대해서도 학습하고 실습을 진행한다. 본 과목은 대학원생과 일부 고년차 학부생을 대상으로 한다.전선 / 대학원
이 강좌는 인공지능에 대한 이해를 바탕으로 교육적 활용방안을 탐색하고 다양한 연령의 학습자를 대상으로 인공지능에 대한 교육을 효과적으로 실시하는 방안을 다룬다. 인공지능 기반 교육에 대한 최신 이론과 교육적 이슈를 체계적으로 검토하고 교육 분야에서 인간과 인공지능이 협업할 수 있는 방안을 논의한다.전선 / 학사
머신러닝 디자인(Design for Machine Learning)은 디자인을 위한 도구로 머신러닝을 활용(Machine Learning for Design)하는 것에서 나아가, 디자인 프레임 안에서 머신러닝을 이해하고, 인간중심 디자인 관점으로 사용자 경험을 탐색하여 제품인터랙션과 콘텐츠를 창작할 수 있는 능력을 배양하는 교육과정이다. 이를 위해 모듈1에서는 머신러닝 디자인 개념과 접근, 모듈2에서는 머신러닝 기반 제품인터랙션 디자인, 모듈3에서는 머신러닝 기반 디지털 콘텐츠 디자인을 학습하고 실습을 통하여 디자이너로 성장하기 위한 기초 능력을 계발할 것이다.전선 / 대학원
본 스튜디오는 인공지능(AI)을 조경의 핵심 설계 도구로 활용하는 것을 목표로 하는 실습 중심의 스튜디오이다. 지난 2년간 진행한 세미나 주제인「조경과 AI」에서 다루었던 이론적 논의를 확장하여, 실제 설계 프로세스 속에서 AI의 잠재력과 한계를 탐구한다. 본 수업은 인간이 직관적으로 해결하기 어려웠던 형태적·공간적 문제를 인공지능을 통해 분석하고 생성하는 과정을 실험하며, 프롬프트 설계(Prompt Design)와 룰 베이스 설계(Rule-Based Design)와 같은 개념을 핵심 학습 주제로 다룬다. 수강생들은 2차원 이미지로부터 3차원 형상을 추출하고, 형태의 특징을 기반으로 기능과 프로그램을 부여하는 과정에서 다양한 AI 도구를 활용한다. 이를 통해 인공지능을 단순한 도구가 아닌 공동 설계자(co-designer)로 이해하며, 디지털 생성 기술을 통해 새로운 형태, 패턴, 그리고 공간 경험을 제안한다. 최종적으로 AI를 활용한 설계 프로토타입 혹은 실험적 디자인 아틀라스를 제작하여, 미래 조경·도시설계의 가능성을 탐구한다.전선 / 대학원
우리는 생성형 AI의 시대에 살고 있으며, 생성형 AI가 생성하는 컨텐츠들은 실제와 구별하기 어려울 정도로 발전하고 있다. 본 수업은 생성형 AI의 발전 과정, 수학적 표현법, 대표적인 최신 생성 모델을 다룬다. 본 수업은 두 개의 세션(강의 세션 및 발표 세션)으로 나뉘어진다. 수업의 절반은 생성 모델의 기본 아이디어와 컨셉에 대해 탐구하고, 두 번째 세션에서는 학생이 직접 추천된 논문을 읽고 발표하는 시간을 가진다. 최종적으로 선택된 논문을 바탕으로 새로운 아이디어를 제시하고 발표하는 시간을 갖는다. 본 수업 수강을 위해서, 확률 통계, 랜덤프로세스, 머신러닝, 및 딥러닝 교과목 수강을 선행으로 수강하는 것을 추천한다.전선 / 대학원
우리는 생성형 AI의 시대에 살고 있으며, 생성형 AI가 생성하는 컨텐츠들은 실제와 구별하기 어려울 정도로 발전하고 있다. 본 수업은 생성형 AI의 발전 과정, 수학적 표현법, 대표적인 최신 생성 모델을 다룬다. 본 수업은 두 개의 세션(강의 세션 및 발표 세션)으로 나뉘어진다. 수업의 절반은 생성 모델의 기본 아이디어와 컨셉에 대해 탐구하고, 두 번째 세션에서는 학생이 직접 추천된 논문을 읽고 발표하는 시간을 가진다. 최종적으로 선택된 논문을 바탕으로 새로운 아이디어를 제시하고 발표하는 시간을 갖는다. 본 수업 수강을 위해서, 확률 통계, 랜덤프로세스, 머신러닝, 및 딥러닝 교과목 수강을 선행으로 수강하는 것을 추천한다.전선 / 학사
딥 러닝의 핵심 개념, 모델 및 활용 사례를 강의한다. 강의 전반부에는 deep neural network의 정의, stochastic gradient descent, backpropagation, activation, optimization 등 딥 러닝의 핵심 개념을 강의하며, 후반부에는 convolutional neural network, recurrent neural network, generative adeversarial network, transformer 등 실제로 활용되는 딥 러닝 모델들의 특징과 활용 사례를 다룬다. 또한 각 모델들을 PyTorch를 통해 실제로 활용해볼 수 있도록 과제/프로젝트를 구성한다.전선 / 학사
데이터와 인공지능에 대한 이해를 바탕으로 디자인 과정의 효율과 창의성에 대한 실험을 진행한다. 인공지능을 기반으로 하는 생성적 디자인을 비롯하여, 디자인과정에서 인공지능을 활용하는 방법을 탐구한다.전선 / 대학원
이 강좌는 교수 및 학습을 개선하기 위한 학습과학의 다양한 연구주제와 이론을 탐구한다. 학습에 대한 인지적, 정의적, 사회문화적 접근을 비판적으로 검토하고 첨단 테크놀로지를 활용하여 교수 및 학습을 향상시키기는 방안에 대해 논의한다. 설계기반 연구방법을 적용한 학습과학 연구를 체계적으로 검토하고 해당 연구방법을 적용하여 연구 계획서를 작성한다.전선 / 대학원
다양한 딥러닝 신경망(CNN 등) 알고리즘을 치과영상(파노라마 영상, 구내 영상, CEP 영상 및 콘빔CT(CBCT) 영상)에 적용하여 자동적 영역분할, 치과질환의 자동적 탐지 및 분류하는 방법을 실습함. 치과영상 데이터의 annotation 방법, 신경망 학습, 테스트 및 모델의 성능분석 등을 디지털 치과 데이터를 실제 컴퓨터 서버에 탑재하고 실습하여, 학생 스스로 딥러닝을 이용하여 치과영상을 분석할 수 있는 능력을 제공함. Getting Started with Deep Learning Using PyTorch Building Blocks of Neural Networks Diving Deep into Neural Networks Fundamentals of Machine Learning Deep Learning for Computer Vision Deep Learning with Sequence Data and Text Generative Networks전선 / 대학원
본 교과목에서는 선박설계를 위한 다양한 인공지능 방법을 배우고 이의 응용 사례를 살펴보는 것을 목적으로 한다. 먼저 선수 과목 등을 통해 학습한 여러 딥 러닝 기법, 즉 DFN (Deep Feedforward Network), RNN (Recurrent Neural Network), CNN (Convolutional Neural Network), 강화 학습 (Reinforcement Learning) 등의 개념을 복습한다. 이후, 설계 분야를 기본설계, 생산설계, 운항설계 등으로 구분한 뒤, 각 분야에서 인공지능이 필요한 사례를 학습한다. 기본설계에서는 도면 내 객체 및 텍스트 인식, 해기상 및 선박 소요 마력 예측 등의 사례를 살펴본다. 생산설계에서는 블록 탑재를 위한 크레인 제어 등의 사례를 살펴본다. 운항 설계에서는 영상 기반 선박 주변 장애물의 탐지 및 추적, 선박의 충돌 회피 등의 사례를 살펴본다. 끝으로 학생들은 설계 분야의 특정한 주제에 대해 인공지능을 활용한 문제 해결 방법에 대해 Term Project를 수행한다.전선 / 대학원
본 강좌는 인터넷 기술을 기반으로 이루어지는 이러닝(e-Learning) 프로그램, 과정, 혹은 학습 환경을 설계하기 위한 다양한 원리, 아이디어, 모형, 이론을 검토한다. 컴퓨터 및 인터넷을 활용하는 교육 프로그램 개발에 대한 기초적인 이해와 경험을 선수학습으로 요구한다. 본 강좌에서는 중급 이상의 기술을 적용하여 실제 프로젝트의 개발을 경험하게 된다. 또한 이러닝 설계에 관한 최근의 연구 결과에 대한 비판적 분석과 이해를 지향한다.전선 / 학사
언어교육 캡스톤 디자인은 인공지능 및 기술을 활용하여 언어교육 관련 문제를 해결하는 것을 목표로 한다. 학생들은 언어교육 문제와 관련하여 스스로 주제를 선택한 다음, 팀 중심의 협업 과정을 통해 창의적으로 문제를 해결한다. 학생들은 팀 과제 수행에 필요한 이론 및 실습을 경험하고, 교육적 가치를 지향하는 문제 해결 프로젝트를 진행하는 과정을 통해, 문제해결역량, 의사소통역량, 협업역량과 같은 다양한 역량을 증진할 수 있다.전선 / 대학원
본 워크숍은 학생들이 앞으로 나타날 도시에 대한 다양한 상상력을 기르고, 이를 바탕으로 미래도시의 공간과 삶을 그려보는 것을 목표로 한다. 최근 출판된 책, 소설, 논문뿐만 아니라 이상도시 계획안, 도시 관련 영화나 게임 등 다양한 매체의 콘텐츠를 함께 읽고 토론하며 사회의 변화를 예측한다. 특히, 기술 발전이 가져올 공간의 변화와 그 속에서 살아갈 사람들의 삶의 행태, 라이프스타일, 관계, 소비패턴 등을 심도 있게 탐구함으로써, 미래도시에 대한 통합적이고 비판적인 시각을 함양한다. 개인 혹은 팀 기반 프로젝트를 통해 학생들은 미래도시의 공간과 그곳에서의 삶을 구체적으로 기획하고, 그 결과물을 공유함으로써 공간 기획의 역량과 내용을 전달하는 전문성을 기를 수 있다.전선 / 대학원
교수설계의 다양한 이론과 모형을 학습한 후, 교수 설계의 원칙 및 체제적 접근에 기초한 교수-학습 프로그램을 개발해 보고 현장에 적용해 본다. 교수 설계 영역의 기초 이론과 모형에 대한 이해와 실제 적용 능력을 획득 하는데 초점을 맞춘다. 기초 학습 이론 및 교수 설계에 대한 시사점을 탐색하며, 교육공학적인 교수설계 이론과 모형의 특성을 이해한다. 체제적 관점에 기반을 두고 학교, 기업 등에 적용될 수 있는 교육 프로그램을 개발 할 수 있다.전선 / 대학원
인공 신경망을 기반으로 하는 심층 학습 (Deep Learning) 시스템들은 음성/이미지 인식, 번역, 자율 주행 등 다양한 인공지능 영역에서 광범위하게 확산되고 있으며, 관련 기술 또한 빠르게 발전하고 있는 바, 산업 전반에 걸친 시스템의 지능화를 위해, 심층 학습 모형에 대한 이해와 활용 능력이 점차 중요해지고 있다. 본 과목에서는 심층 학습의 주요 이론과 기법을 학습하는 것을 목적으로, 구체적으로 표현형 학습 (Representation Learning), 심층 피드포워드 신경망 (Deep Feedforward Networks), 합성곱 신경망 (Convolutional Neural Networks), 순환 신경망 (Recurrent Neural Networks), 심층 오토인코더 (Deep Autoencoders), 심층 생성 모형 (Deep Generative Models), 심층 강화학습 (Deep Reinforcement Learning) 기법들을 다루고, 이들을 이해하기 위한 기계학습 및 수리적 기초 이론들을 배운다. 또한, 본 과목은 심층 학습 모델을 활용하여 멀티미디어 데이터들을 대상으로 분류, 예측, 패턴 인식, 생성 모델을 구현하는 프로젝트들 및 심층 학습 응용 사례 연구들을 포함한다.교직 / 학사
디지털 대전환 시대 예비교사는 데이터와 AI 기술을 수업에 적절히 활용할 수 있는 인공지능융합역량이 요구된다. 본 강의는 코딩 및 데이터 사이언스의 기초 개념을 이해하고 간단한 수준의 코딩을 활용하여 데이터ㆍ AI 기반의 융합수업을 설계하는 실습 중심의 수업이다. 본 강의는 <교과-소프트웨어 융합역량 교육론 I>과목의 선수 강좌로 코딩에 대한 기초 지식이 없거나, 인공지능융합교육에 처음 입문하는 학생들을 위한 강좌이다.전선 / 학사
본 수업은 디자인을 위한 창의적 3D Modeling Algorithm 실습을 통하여 생성적 조형창작의 과정과 방법 실험을 목표로 한다. 3D Modeling의 기초 실습과 알고리즘 구축을 위한 툴을 학습하고, 이를 다양한 매체로 응용하는 디자인 실습 프로젝트를 진행하여 학생들의 디자인 방법론에 대한 개념 확장과 조형 표현 능력을 개발하는 기회를 가지도록 한다.