전주대학교

전공교과소개

스마트 Agro_ICT 융합학과 전공 교과목 소개입니다. ※ 출처: 스마트 Agro_ICT 융합학과 제공

과목명 소개
스마트팜 및 관련 융복합 ICT 기술 이해 CT를 적용한 스마트농업에 관한 기본적인 개념에 대하여 학습하고 관련 ICT 기술의 기본적인 개념을 다루며, 기획에서 구현까지 전반을 이해할 수 있도록 학습한다.
스마트팜빅데이터Ⅰ 대량의 정형 또는 비정형 데이터 집합과 이러한 데이터로부터 가치를 추출하고 결과를 분석하는 기술을 학습하며, 특히 스마트팜 생장환경 데이터를 분석하는 방법을 학습한다.
복합환경제어시스템 센서, 제어기, 구동기, 정보기기 등 스마트팜 복합환경 제어를 위한 솔루션에 대하여 학습한다.
생장환경 모니터링시스템 스마트팜 생장환경을 모니터링할 수 있는 인터넷 서버시스템 구축과 관리를 학습하며 이를 토대로 인터넷 프로그래밍 환경, 인트라넷, 전자상거래, 뉴스, BBS 시스템의 응용방법을 강의한다.
스마트팜 센서응용 스마트팜에서 활용 할 수 있는 센서에 관하여 활용하는 방법에 대해 학습하고 응용한다.
IoT 융합 플랫폼 각종 사물에 센서와 통신 기능을 내장하여 인터넷에 연결하는 사물인터넷 기술 및 관련 플랫폼에 대하여 학습한다.
스마트팜 최적화 관비재배와 양액재배에 관한 재배시스템 구성 및 활용에 대하여 학습한다.
스마트팜 융합프로젝트Ⅰ 현장에서 부딪히는 문제를 해결할 수 있는 능력을 갖출 수 있도록 기획, 설계, 제작 전 과정을 경험하게 함으로써 스마트팜 농식픔의 생산, 유통, 소비 관련 고부가가치 실현을 위한 콘텐츠제작 등을 학습한다.
이력관리시스템 농산물 생산부터 소비까지 상황인지, 예측 및 추적, 패턴분석 등을 통해 농산물 이력 관리를 위한 시스템 개발에 대하여 학습한다.
농산물유통과 ICT 유통 채널의 특성을 결합해 온라인, 오프라인, 모바일 등 다양한 경로를 넘나들며 콘텐츠를 검색하고 구매할 수 있도록 하는 스마트유통기술에 대하여 학습한다.
스마트팜컨설팅 스마트팜 관련 사업에 필요한 내용을 체계적으로 배우고 실제로 사업에 필요한 컨설팅 기술 등을 학습한다.
스마트팜 원가 및 작업관리 스마트팜에 들어가는 비용에 대한 원가분석 및 효율적인 작업 관리에 대해 학습한다.
스마트팜세미나 스마트 농업분야의 학술논문, 기사, 보고서 등을 선별하여 분석 토론함으로써 스마트팜 관련 학문분야의 발전방향 및 연구방향을 다룬다.
스마트팜 융합프로젝트Ⅱ 현장에서 부딪히는 문제를 해결할 수 있는 능력을 갖출 수 있도록 기획, 설계, 제작 전 과정을 경험하게 함으로써 스마트팜 농식픔의 생산, 유통, 소비 관련 고부가가치 실현을 위한 콘텐츠제작 등을 학습한다.
IoT 융합서비스 각종 사물에 센서와 통신 기능을 내장하여 인터넷에 연결하는 사물인터넷 기술 및 관련 서비스에 대하여 학습한다.
IoT 표준과 오픈소스 IoT 표준과 오픈소스를 활용한 적용 사례에 대해 분석 및 실습을 통해 IoT의 기본 프로그램 능력을 배양한다.
스마트팜 IOT 프로그래밍 지능정보사회로 불리는 4차산업의 핵심 활용기술인 사물인터넷을 스마트팜에 접목시켜 기본 개념과 내용을 배우고 실습한다.
스마트팜빅데이터Ⅱ 대량의 정형 또는 비정형 데이터 집합과 이러한 데이터로부터 가치를 추출하고 결과를 분석하는 기술을 학습하며, 기존에 학습한 내용을 토대로 심화된 기술을 학습한다.
확률 및 통계학 본 교과목은 머신 러닝 기법을 중심으로, 이에 대한 이론적 기반과 사례 연구를 계량지리학적 관점에서 이해하는 것을 목표로 한다. 통계학적 머신러닝, 최적화, 정보 네트워크 분석, 베이지안 모델링 등 관련된 다양한 분야에 대한 방법론과 적용 방안에 대해서 학습한다.
선형대수학 본 과목에서는 인공지능의 이론 및 구현의 바탕이 되는 선형대수학을 다룬다. 인공지능과 관련한 다양한 알고리즘과 인공신경망이론과 관련한 대학원 수준의 선형대수를 배우며, 엄밀한 증명보다는 개념의 이해와 실제 응용을 목표로 한다.
딥러닝 I 본 과목은 기계학습 기법들을 실제 문제에 적용할 때에 중요한 데이터 전처리, 피쳐 추출, 차원 축소, 클래스 불균형, 모델 앙상블 등의 주제들을 다루고, 데이터로부터 모형과 종속성을 학습하는 원리와 기법들을 소개한다. 특히 확률, 통계 및 최적화 이론에 기반하여 서포트벡터 머신 (Support Vector Machines), 트리(Tree) 앙상블 기법들을 공부한다.
인공지능 알고리즘 주어진 지식과 경험을 바탕으로 앞으로 주어질 작업을 효율적이고 체계적으로 수행할 수 있는 컴퓨터 프로그램 개발에 많은 연구가 계속되어 오고 있다. 이러한 연구의 핵심 분야인 기계 학습(Machine Learning)에 관한 강의로써 현재까지 발표된 대표적인 연구 논문들을 중심으로 이론 및 알고리즘, 응용 분야 등을 설명한다.
Subject name Introduce
Understanding smart farm and related fusion ICT technology Learn basic concepts of smart farming using ICT, basic concepts of related ICT technology, and learn from planning to implementation.
Smart Farm Big Data I Learn how to extract large amounts of regular or unstructured data sets, extract values ​​from these data, and analyze results, especially how to analyze smart farm growth environment data.
Smart Farm Control Solution Sensor, controller, driver, and information device.
Smart Farm Monitoring System Learn how to build and manage internet server system that can monitor smart farm growth environment. Lecture on application programming of Internet programming environment, intranet, e-commerce, news and BBS system.
Smart Farm Sensor Application Learn how to use sensors that can be used in SmartPharm.
IoT Platform Students will learn about internet technologies and related platforms that connect sensors and communication functions to various objects.
Smart farm optimization This course introduces the cultivation system and application of cultivation and nutrient solution cultivation.
Smart Farm Convergence Project I Students will learn the process of designing, designing and manufacturing so as to have the ability to solve problems encountered in the field, and learn contents production for the realization of high added value related to production, distribution and consumption of smart farm agriculture products.
Historical Data Management System learn system development for agricultural product history management through forecasting, tracking, pattern analysis, etc. from production to consumption of agricultural products.
ICT based Distribution It is going to learn Smart Distribution technology that can search for and purchase contents through variety of channels such as online, offline, and mobile.
Smart Farm Consulting Skill Learn systematically what is necessary for smart farm related business and learn consulting technology that is actually necessary for business.
Smart Farm Cost and Operation Management Learn about cost analysis and efficient job management for the costs of Smart Farm.
Smart Farm Seminar This course deals with the development direction and research direction of smart farm-related disciplines by selecting and discussing academic papers, articles, reports, etc. in Smart Agriculture field.
Smart Farm Convergence Project Ⅱ Students will learn the process of designing, designing and manufacturing so as to have the ability to solve problems encountered in the field, and learn contents production for the realization of high added value related to production, distribution and consumption of smart farm agriculture products.
IoT convergence service learn about internet technology and related services to connect to the Internet by incorporating sensors and communication functions in various objects.
IoT standards and open source IOT standard and open source application cases will be analyzed and practiced to cultivate the basic program ability of IoT.
Smart Farm IoT Programing learn basic concepts and contents and practice them by integrating the Internet, which is the core utilization technology of the 4th industry, called intelligent information society, into smart farm.
Smart Farm Big Data Ⅱ learn a large set of regular or unstructured data sets, techniques for extracting values ​​from these data and analyzing the results, and learn advanced techniques based on existing learning.
Probability and Statistics The main purpose of this course is to provide the most fundamental knowledge to the students so that they can understand what the machine learning can provide the voluminous data with recent advancement of predictive analytics: the foundational principles. Specific topics might range from statistical machine learning, optimizations, informaton network analysis, and Bayesian models.
Linear Algebra This course deals with linear algebra for theory and implementation of artificial intelligence. Students will learn graduate-level linear algebra, which are foundations for algorithms in machine learning and neural network models. The purpose of this course is for students to learn concepts of important mathematical tools and practical applications rather than rigorous proofs of mathematical theories.
Deep Learning I This course covers methods that are essential for successful application of machine learning to real-world problems, including data pre-processing, feature extraction, dimensionality reduction, class imbalance, and model ensembles, and then introduce principles and methods for learning models and dependencies from data. In particular, the course will primarily focus on the learning frameworks that utilize methods from probability, statistics, and optimization. Main topics covered in this course include support vector machines, tree and ensemble methods.
Algorithms for Artificial Intelligence This course will discuss the field of machine learning concerned with the question of how to construct computer programs that automatically improve with experience. Based on many research papers published in the field of machine learning, several well-known machine learning approaches are discussed with their key algorithms, theories, and application areas.