우수SW중심대학 동국대, 산·학·연·지 협력 생태계 기반 교과과정 운영 취업률 85%↑

[에듀플러스] 우수SW중심대학 동국대, 산·학·연·지 협력 생태계 기반 전주기적 교과과정…8개 SW연계전공 운영 취업률 85% ↑동국대 전경 (사진=동국대)소프트웨어(SW) 중심대학 사업은 디지털 전환으로 산업계에서 가장 필요로 하는 SW 핵심인재를 양성하기 위해 과기정통부가 지원하는 사업으로 2015년에 시작되어 산업체 수요기반 SW교육과정 개편, SW 전공 정원 확대, 비전공자 대상 SW 융합교육 등을 통해 SW 전문·융합인재 양성을 주도해왔다.동국대학교는 2016년에 1차 사업에 선정돼 2021년까지 수행했다. 2023년 재선정되어 6년간 총110억원을 지원받는다. 동국대는 2023년 SW중심대학 2차 사업의 중점 추진 방향을 '플랫폼 대학 중심 국가·사회와 함께하는 대학'으로 설정했다.산·학·연·지 등 다양한 기관이 참여하는 인재양성 생태계 구축했다. '교육편제 혁신 및 전주기적 산·학·연·지 협력교육'을 실현해 전교생 SW융합역량 강화에 힘쓰고 있다. 이와 함께 혁신공유플랫폼을 구축해 다양한 교육 대상에게 맞춤형 SW교육을 제공한다.동국대는 첨단분야 인재 양성을 위해 2022년 인공지능, 데이터사이언스, 엔터테인먼트테크놀로지 등 3개 전공으로 구성된 AI융합학부를 신설했다. 2023년 AI융합학부는 공과대학 컴퓨터공학전공, 멀티미디어공학과와 통합해 AI소프트웨어융합학부로 확대 개편했다.또한 2025년에는 'SW·AI 분야 글로벌 스탠다드 전문역량을 보유한 인재 양성'을 목표로 AI소프트웨어융합학부를 컴퓨터·AI학부로 개편했다. 현재 22명인 전임교원을 AI 및 SW 분야에서 2028년까지 14명 이상 신규 채용해 나갈 방침이다.AI소프트웨어융합학부는 현재 SW중심대학 외에도 첨단분야 혁신융합대학(사물인터넷·IoT) 사업을 통한 첨단분야 인재 양성에서 우수 평가를 받고 있다. 동국대 관계자는 “대학원 또한 인공지능 융합 혁신인재 양성사업, 대학ICT연구센터(ITRC) 지원사업 및 학·석사연계 ICT핵심인재 양성사업 수행을 통해 학-대학원 연계로 AI·SW 분야 고급 인재를 양성한다”면서 “최근 세계적으로 경쟁력있는 연구 결과를 지속적으로 발표하고 있다”고 설명했다.동국대는 2025학년도 수시모집에서 학생부종합·학생부교과·논술전형을 통해 컴퓨터·AI학부 106명을 모집한다. 이 가운데 학생부종합 Do Dream(소프트웨어)전형을 통해 64명을 선발한다. 1단계 서류종합평가 100%로 2.5배수를 선발하고, 2단계에서는 1단계 성적 70%와 면접평가 30%를 합산해 합격자를 가려낸다. 서류종합평가시 학업역량 25%, SW전공적합성 55%, 인성 및 사회성 20%를 반영해 전공적합성을 가장 높은 비율로 평가한다.(중략)자세한 내용은 아래 기사 전문 링크 확인[에듀플러스]우수SW중심대학 동국대, 산·학·연·지 협력 생태계 기반 전주기적 교과과정…8개 SW연계전공 운영 취업률 85%↑ - 전자신문 (etnews.com)

김건우, 강동연, 이태규 2024 국민행복 서비스 발굴·창업 경진대회 최우수상 수상

동국대학교 AI소프트웨어융합학부 컴퓨터공학전공 학생들인 김건우, 강동연, 이태규가 팀명 "NO-PROBLEM"으로 "2024 국민행복 서비스 발굴·창업 경진대회"에서 "최우수상(보건복지부장관상)"을 수상했다. (위 사진은 강동연, 김건우, 이태규 순)주제명 : 전국 교통약자 아동지원센터(콜택시 서비스) 정보 통합 애플리케이션, 아울러(A-ulor)개요 : 최근 교통약자의 이동권 보장이 문제로 대두되고 있으며, 교통약자들은 대중교통과 택시 이용에 어려움을 겪고 있다. 이를 해결하기 위해 교통약자 콜택시 서비스가 전국적으로 시행 중이지만, 지역별로 운영 방식과 필요 서류, 이용 절차 등이 달라 불편을 초래하고 있다. 이에 따라 전국 교통약자 이동지원센터 정보를 통합한 애플리케이션 '아울러(A-ulor)'가 개발하여, 전국의교통약자들이 개발 어플리케이션을 통해필요한 정보를 쉽게 찾고 접근할 수 있게 도와줄 수 있는 긍정적 효과를 얻고자 한다.

박지민, 김도훈, 양승엽 학생 한국정보과학회 KCC2024 학부생 부문 장려상

동국대학교 AI소프트웨어융합학부 석문기 교수의 종합설계 팀, 박지민(수학과), 김도훈(컴퓨터공학과), 양승엽(통계학과) 학생이 한국정보과학회 KCC2024 학회에서 학부생 부문 장려상을 수상했습니다.논문 제목: 열화상 온도 임계점 기반 자세 추정 모델을 활용한 흡연 행동 감지 연구논문 초록: 최근 인공지능의 발전으로 여러 시각 기반 솔루션이 흡연 행동 감지에 적용되고 있지만 흡연 행동을 정확 히 분류하는 것은 여전히 도전적인 문제이다. 이 문제에 대응하기 위해 객체 탐지 기술로 담배 꽁초를 분류하여 흡연을 탐지하는 연구들이 있었지만 이는 흡연 행동으로 추정하기엔 공간 및 시계열적 정보가 부족하 고 학습에 필요한 담배 데이터셋 또한 질적 양적으로 부족하다는 문제가 존재한다. 이에 제안 연구에서는 열화상 카메라를 사용하여 개인의 신원을 노출시키지 않고도 관절의 공간 구성과 온도 정보를 결합하여 조 도에 상관없이 흡연 행동을 효과적으로 감지할 수 있는 새로운 방법론을 제시한다.<제안 연구 개요>

이철 교수 연구팀, 딥러닝 기술 개발

적은 양의 측정 데이터만으로 고차원 데이터를정확하게 복원할 수 있는 모델 기반 딥러닝 기술 개발(사진설명)연구팀에서 개발한 저랭크 텐서 완성을 이용한 모델기반 딥러닝 기술 개념도AI소프트웨어융합학부 이철 교수팀이 홍콩대 연구팀과 공동 연구를 통해 적은 양의 측정 데이터만으로 고차원 데이터를 정확하게 복원할 수 있는 모델 기반 딥러닝 기술을 개발하여, 이를 세계적인 국제 학술지인 IEEE Transactions on Pattern Analysis and Machine Intelligence에 게재했다고 밝혔다.고차원 데이터 복원을 위한 기존 수학적 모델 기반 기술은 모델링 오차로 인해서 성능이 저하되는 단점이 있는 반면, 최신 딥러닝 기반의 인공지능 기술은 대규모 학습데이터가 필요하며 학습데이터의 특성에 따라 성능이 달라지는 등 일반화 성능이 낮은 단점이 있었다. 동국대 이철 교수와 마이트렁 박사과정생은 이를 해결하기 위해 저랭크 텐서 완성(Low-rank tensor completion)이라는 수학적 모델을 기반으로 모델링 오차를 딥러닝으로 예측하는 모델기반 딥러닝 기술을 개발하여, 모델 기반 및 딥러닝 기반의 두 가지 기술 각각 장점은 유지하면서 단점을 보완할 수 있는 기술을 개발하였다. 이러한 기술은 매우 적은 학습데이터만으로도 더 높은 성능을 얻을 수 있으며, 기존 딥러닝 기반 기술에 비해 일반화 성능이 우수함을 입증했다.(좌측부터)마이트렁 박사과정생, 이철 교수(동국대),Edmund Y. Lam 교수(홍콩대)이철 교수는 “실세계에서 측정되는 다양한 형태의 데이터가 낮은 랭크 특성이 있으므로, 이번에 개발한 모델 기반 딥러닝 기술이 다양한 인공지능 응용 분야에 적용될 수 있을 것으로 기대한다”고 말했다.이번 연구는 한국연구재단의 기본연구와 정보통신기획평가원의 인공지능융합혁신인재양성 사업의 지원을 받아 수행되었으며, “Attention-Guided Low-Rank Tensor Completion”라는 제목으로 컴퓨터공학 및 인공지능 분야 최상위 저명 국제 학술지인 ‘IEEE Transactions on Pattern Analysis and Machine Intelligence (IF=23.6, JCR 상위 0.5%)’에 24년 7월 온라인에 게재되었으며 및 올해 하반기에 출판될 예정이다.

컴퓨터·AI학과 김가현 학생 대한전자공학회 하계학술대회 최우수논문상 수상

▲ 컴퓨터·AI학과 김가현(석사과정) 학생, 동국대학교동국대학교 AI소프트웨어융합학부 이철 교수 연구실 소속 김가현(석사과정) 학생이 대한전자공학회 하계학술대회에서 최우수논문상을 수상하였다.최우수논문상을 수상한 논문 내용은 다음과 같다.논문제목 : 특징 분해 트랜스포머 기반 적외선 및 가시광선 영상 합성논문초록 : 본 논문은 영상 간 공통 및 보완 특징을 분해하는 트랜스포머 기반 적외선 및 가시광선 영상 합성 알고리즘을 제안한다. 먼저, 제안하는 알고리즘은 적외선 및 가시광선 영상에 대한 다중 스케일 특징맵을 추출한다. 다음으로 특징맵을 공통 및 보완 구성 요소로 분해하는 공통 및 세부 특징맵 분해 트랜스포머를 개발한다. 분해 성능을 향상시키기 위해서 공통 특징맵은 서로 상관되지만 보완 특징은 서로 상관되지 않도록 유도하는 분해 손실 함수를 개발한다. 마지막으로, fusion block은 공통 특징맵과 결합하여 합성 영상을 생성한다. 모의 실험을 통해 제안하는 기법이 기존의 알고리즘보다 더욱 효과적으로 적외선 및 가시광선 영상을 합성할 수 있음을 확인한다.그림1. 최우수논문상 수상 사진그림2. 네트워크 구조 설명