2019 NAEK REPORT_2019_ISSUE_2.pdf · 2019 인재양성위원회 보고서 12 4차...

4차 산업혁명시대 공학 계열 SW·AI 교육 현황과 방향

2019 인재양성위원회 보고서

NA

EK 연

구보

고서

19-0

1-08

2019 NAEK REPORT

연구책임자 : 서울시립대 이병정

공동연구원 : U N I S T 이용훈

서울대학교 박남규

서경대학교 강선미

고려대학교 송광호

연세대학교 조형희

동국대학교 홍성조

4차 산업혁명시대 공학 계열 SW·AI 교육4차 산업혁명시대 공학 계열 SW·AI 교육

현황과 방향현황과 방향

contents제1장 서론 제2장 공학 계열 SW·AI 교육 현황

제1절컴퓨터 공학 유사 전공 교과목 현황

제2절타공학 전공 교과목 현황

제3절해외대학 현황

제4절현황 분석

07 12

13

18

20

제3장 공학 계열 SW·AI 교육 방향 제4장 결론

제1절기업체 수요 조사

제2절SW·AI 교육 방향

24 40

37 INDEX & 참고문헌

01제1장 서론


8 4차 산업혁명시대 공학 계열 SW·AI 교육 현황과 방향

4차 산업혁명이라는 용어는 2016년 세계경제포럼에서

클라우스 슈밥이 처음 언급하면서 널리 알려지게 되었다

[1]. 디지털 혁명을 기반으로 한 이 새로운 혁명은 21세기의

시작과 동시에 출현했고, 기술 간의 경계가 없어지고 여러

분야의 기술이 연결되고 융합되는 새로운 혁신의 시대를

이끌고 있다. 즉, 4차 산업혁명을 통해 앞으로의 사회는 모든

것이 상호 연결되고 융합된 지능화된 사회로 변화될 것이다.

이 변화를 위하여 인공지능(AI), 머신 러닝, 빅데이터,

사물인터넷, 유전자 분석, 나노기술, 퀀텀 컴퓨팅 등이

원동력으로 부각되고 있다[1]. 그리고 이 원동력들 중에서

특히 데이터 분석 기반 자동화를 제공하면서 스스로 학습할

수 있는 지능을 제공하는 SW·AI가 4차 산업혁명의 핵심이라

할 수 있다.

현대의 산업이 SW 중심으로 변하면서, 모든 산업에서 SW

수요는 기하급수적으로 늘어나고 있다. 특히 최근의 AI

열풍은 SW 산업 분야뿐만 아니라, 다른 제조업 분야에서도

AI 전문가, 머신 러닝 전문가, 데이터 과학자의 수요가

폭발적으로 증가하고 있다. 이러한 폭발적인 수요는 국내

뿐만 아니라 해외에서도 동일한 현상을 보이는데, 그 수요를

감당할 인력이 아직 충분치 않고, 인력 양성 또한 빠르게

이루어지지 않고 있다[2].

AI, 머신 러닝 분야 인력 양성을 위한 해외 대학 사례를 보면

먼저 카네기 멜론 대학교(CMU)[3]는 2006년에 세계 최초로

머신 러닝 학과를 설립하였고, 머신 러닝 분야 최고 연구진과

우수학생을 기반으로 AI와 머신 러닝 연구 세계 1위(2020년

CSrankings)를 하고 있다. 또한 컴퓨터학부 내에 AI 학사

학위 프로그램을 운영하면서, 다양한 분야(수학, 통계학,

컴퓨터과학, AI, 과학&공학, 인문&예술 분야)의 교육을

제공하여 다학제적 학습을 제공한다. MIT[4]는 AI, 컴퓨팅,

그리고 다학제 간 교육과 연구를 강화하기 위하여 11억

달러를 투자하여 2019년 9월에 Stephen A. Schwarzman

College of Computing을 설립했다. 이 대학에는 전기·

컴퓨터과학과, Watson AI 연구실, 지능 연구소, 컴퓨터 공학

센터 등의 기존 조직도 포함되어, AI, 지능, 컴퓨팅을 포함하는

다학제적 연구와 교육을 집중적으로 수행한다. 스탠포드

(Stanford) 대학교[5]는 Stanford Artificial Intelligence

Laboratory(SAIL) 센터를 1962년에 설립하여 50년 이상

AI 교육과 연구를 수행하고 있다. 또한 2019년에 Stanford

University launches the Institute for Human-Centered

Artificial Intelligence(HAI)를 설립하여 인간 여건 향상을

위한 학제 간 AI 연구와 교육을 수행하고 있다.

최근 국내에서도 4차 산업혁명의 영향으로 각 산업분야에서

SW·AI의 중요성이 증가함에 따라 각 대학에서도 SW·AI

교육에 대한 관심이 매우 높아졌다. 사례를 보면 먼저,

“대학 교육을 SW 중심으로 혁신함으로써, 학생, 기업, 사회의

SW 경쟁력을 강화하고, 진정한 SW 가치 확산을 실현하는

대학”을 목표로 하는 학부생 중심 SW 중심 대학 사업은 2015

년부터 시작하여 5년간 진행되고 있고, 2019년도까지 총 40

개 대학이 선정되어 사업을 수행하고 있다. SW 중심 대학은

산업 수요 기반의 전공 교육 강화 및 비전공자 SW 융합 교육,

SW 가치의 사회적 확산 등의 교육을 통해 SW 기반 문제

해결능력을 갖춘 인재 양성을 목표로 한다[6]. 이러한 목표를

달성하기 위해서는 산업계 수요 기반의 교과 과정 개편,

글로벌 역량 강화 프로그램 확대, 타 분야(비전공) 및 사회적

확산 유도 등이 필수적이다. 특히, 2019년에 추가 선정된

5개 대학은 SW 중심대학 사업 중점 추진방향이 변경되어

4차 산업혁명시대 핵심적인 AI 분야의 인력 양성 체계

구축을 위해 SW·AI 전문·융합 인력 양성 교육 과정 고도화,

서론

The National Academy of Engineering of Korea 9

01

AI 핵심 기술 중심의 시설기반 마련 및 창업 지원을 목표로

하고 있다[6]. 또한 가천대학교[7]는 4차 산업혁명시대를

맞아 가장 중요한 역할을 하게 될 AI 분야를 선도할 인재를

양성하기 위해 국내 최초로 학부 과정에 AI 학과를 신설하고

2020학년도부터 신입생을 선발한다. 학부에 AI 전공 교육은

초기 단계이므로 앞으로 교과 과정 포함 개선할 내용이 아직

많이 존재한다.

그리고 대학원 사례를 보면 2019년 과학기술정보통신부에서

AI 핵심 기술 및 고도의 학술 연구를 통해 글로벌 경쟁력을

갖춘 세계적 수준의 AI 석·박사 고급 인재를 양성하는 AI

대학원 지원 사업을 시행하여 국내 5개(KAIST, 고려대,

성균관대, 포항공대, 광주과학기술원) AI 대학원이 선정

되었다. 지원 규모는 대학당 2019년에는 10억 원, 2020

년부터는 20억 원으로 석·박사 인재 양성에 기여할 것으로

기대된다. 정부 사업과는 별도로 서울대학교[8]는 2019년에

AI 연구원을 설립하여 학습과 추론, 시각과 언어, AI 시스템

등의 AI 원천 기술 연구와 금융·마케팅 AI, 의약·바이오 AI 등

AI 응용 기술 연구를 수행한다.

AI 대학원 지원 사업에 선정된 대학은 대학원생들에게

전문적인 AI 교육을 제공하고, AI 분야의 인력 양성을 위한

SW 중심 대학 사업에 선정된 5개 대학은 컴퓨터 공학 관련

전공 학부생들과 타전공 학생들에게 나름 SW·AI 교육을

제공할 것으로 기대된다. 그러나 이러한 사업을 수행하지

않는 대학은 전공이 아니면 SW·AI 교육이 교양 과정

이외에는 없는 실정이며 복수 전공이 부분적으로 허용되고

있는 실정이므로 효과적인 SW·AI 교육을 제공하지 못한다.

또한 AI 인력 양성 중심 대학 사업에서도 타 전공 분야와는

1개 정도의 SW·AI 융합과정을 제공하는 것을 요구한다.

그러나 그 과정에 포함되지 않지만 관심을 갖고 있는 여러

타전공들은 SW·AI 융합 과정 교육을 제공하지 못한다.

그래서 본 보고서에서는 4차 산업혁명시대 적합한 인력

양성을 위하여 대학 공학 계열 SW·AI 교육 변화를

모색하고자 공학 계열 교육 현황과 기업체 SW·AI 사용 현황

및 4차 산업혁명시대에 요구되는 교육을 조사한 결과를

소개한다. 그리고 공학 계열 SW·AI 교육에 대한 방향을

제시하고자 한다.

먼저, 공학 계열 SW·AI 교육 현황은 대학 요람, 홈페이지 등을 활용하여 조사되었다. 컴퓨터 공학 관련 학과의 현황은 SW보다 AI 관련 교육에 초점을 두었고, 타공학 전공의 현황은 SW·AI 교육 모두에 초점을 두었다.

02제2장 공학 계열 SW·AI 교육 현황

제1절컴퓨터 공학 유사 전공 교과목 현황

제2절타공학 전공 교과목 현황

제2절해외대학 현황

제2절현황 분석

12

13

18

20


1 2 4차 산업혁명시대 공학 계열 SW·AI 교육 현황과 방향

<표 1>은 국내 컴퓨터 공학 유사 전공의 SW·AI 교과목 현황을 보여준다.

● 서울대학교 컴퓨터 공학과는 인공지능 입문, 데이터마이닝개론, 인공지능, 기계학습개론, 컴퓨터비전 등의 교과목 제공[8]

● KAIST 전산학부는 지능로봇설계 및 프로그래밍, 파이썬을 통한 자연언어처리, 기계학습, 확률적 프로그래밍, 인공지능기반

소프트웨어공학, 인공지능개론, 텍스트마이닝, 컴퓨터비전개론 등의 교과목 제공[9]

● 포항공대 컴퓨터 공학과는 빅데이터, 인공지능, 컴퓨터비전개론 등의 교과목 제공[10]

● 연세대학교 컴퓨터과학과는 객체지향 프로그래밍, 인공지능, 데이터마이닝, 컴퓨터비전, 모바일지능로봇SW 등의 교과목

제공[11]

● 고려대학교 AI 융합 전공은 뇌 및 머신러닝입문, 인공지능, 기계학습, 딥러닝, 데이터마이닝, 패턴인식, 컴퓨터비전 등의

교과목 제공[12]

● 가천대학교 AI학과는 데이터과학, 머신러닝, 딥러닝, 인공지능개론 등의 교과목 제공[7]

[제1절] 컴퓨터 공학 유사 전공 교과목 현황

〈표 1〉 국내 컴퓨터 공학 관련 전공 교과목

대학 전공/학과 교과목

서울대 컴퓨터 공학컴퓨터프로그래밍인공지능입문데이터마이닝개론

인공지능기계학습개론컴퓨터비전

KAIST 전산학부

지능로봇설계 및 프로그래밍파이썬을 통한 자연어처리기계학습확률적 프로그래밍

인공지능기반 소프트웨어 공학인공지능개론텍스트마이닝컴퓨터비전개론

포항공대 컴퓨터 공학객체지향 프로그래밍빅데이터

인공지능컴퓨터비전개론

연세대 컴퓨터과학객체지향 프로그래밍인공지능데이터마이닝

컴퓨터비전모바일지능로봇SW

고려대 AI융합

뇌 및 머신러닝입문인공지능기계학습딥러닝

데이터마이닝패턴인식컴퓨터비전로봇공학

가천대 AI학과자연어 처리데이터과학

딥러닝로봇공학

공학 계열 SW·AI 교육 현황

The National Academy of Engineering of Korea 1 3

02

<표 2>는 서울대학교 타공학 전공 SW·AI 교과목을 보여준다[8].

● 전기·정보공학학과는 전공에 정보가 있어 프로그래밍, 운영체제, 기계학습, 딥러닝 등의 교과목 제공

● 재료공학과는 컴퓨터의기초, 전산재료, 재료수치해석, 재료공정통계분석 및 설계 등의 교과목 제공

● 화학생물공학과는 컴퓨터의 개념 및 실습, 공정 및 제품설계, 화공전산응용 등의 교과목 제공

● 산업공학과는 정보모델링기법과응용, 데이터마이닝, 데이터관리와 분석 등의 교과목 제공

● 기계항공공학과는 디지털임베디드기계시스템, 전산구조해석 등의 교과목 제공

● 공대 공통 교과목으로 정보통신융합, 인공지능만들기, IoT·인공지능·빅데이터 개론 및 실습 등의 교과목 제공

[제2절] 타공학 전공 교과목 현황

〈표 2〉 국내 타공학 전공의 SW·AI 교과목 – 서울대학교


서울대

전기․정보

컴퓨터의 개념 및 실습프로그램방법론논리설계 및 실험자료구조의 기초알고리즘의 기초디지털시스템 설계 및 실습

임베디드시스템설계컴파일러의 기초기계학습기초 및 전기정보응용딥러닝의 기초네트워크프로토콜 설계 및 실습운영체제의 기초

재료컴퓨터의 기초재료수치해석재료공정통계 분석 및 설계

전산재료학재료반응 공정 및 설계

화학생물컴퓨터의 개념 및 실습물질 및 에너지 수지공정제어 및 설계

공정 및 제품설계화공전산응용공정동력학 및 제어

산업정보모델링 기법과 응용데이터관리와 분석

데이터마이닝

기계항공 디지털임베디드기계시스템 전산구조해석

공통/교양정보통신융합인공지능만들기

IoT․인공지능․빅데이터 개론 및 실습



<표 3>은 KAIST 타공학 전공 SW·AI 교과목을 보여준다[9].

● 전기․전자공학과는 자료구조 및 알고리즘, 프로그래밍, 기계학습, 빅데이터분석 등의 교과목 제공

● 기계공학과는 기계공학실습특강에서 신호 및 영상처리를 위한 프로그래밍, 시각지능, 모바일시스템프로그래밍 등의 강의 제공

● 산업 및 시스템공학과는 데이터구조 및 분석, 인지과학과 시스템, IT서비스공학 등의 교과목 제공

● 기계로봇에너지공학과는 로봇프로그래밍, 컴퓨터응용제어, 로봇센서소프트웨어 등의 교과목 제공

● 바이오 및 뇌공학과는 Bio-Data Structure, Bio-Information Processing, Bio-Data Engineering 등의 교과목 제공

● 건설 및 환경공학과는 건설IT개론 등의 교과목 제공

● 항공우주공학과는 항공우주응용SW 등의 교과목 제공

● 아카데미에서 Python, C++, MATLAB 교육 제공

〈표 3〉 국내 타공학 전공의 SW·AI 교과목 – KAIST


KAIST

전기․전자자료구조 및 알고리즘이산방법론프로그래밍 구조

기계학습개론빅데이터 분석개론

기계기계공학 실습 특강(신호 및 영상처리를 위한 프로그래밍, 시각지능, 모바일시스템 프로그래밍

산업 및 시스템데이터 구조 및 분석산업공학정보기술인간-컴퓨터 상호작용 설계

인지과학과 시스템IT서비스 공학정보시스템 설계 및 관리

기계로봇에너지로봇프로그래밍컴퓨터응용제어

기계전산입문로봇센서 소프트웨어

바이오 및 뇌Bio-Data StructureBio-InformationProcessing

Digital System Lab.Bio-Data Engineering

건설 및 환경 건설IT개론

항공우주 항공우주응용SW

공통/교양 Python, C++, MATLAB



02

<표 4>는 연세대학교 타공학 전공 SW·AI 교과목을 보여준다.

● 전기․전자공학과에서는 데이터구조, 기초인공지능, 운영체제론, 응용프로그래밍 등의 교과목 제공

● IT 융합공학과에서는 고급프로그래밍, 고급알고리즘, 시스템프로그래밍, SW 프로젝트 등의 교과목 제공

● 산업공학과에서는 정보프로그래밍, 자료분석/데이터분석, 데이터마이닝 이론 및 응용, 지능정보시스템 등의 교과목 제공

● 기계공학과에서는 기계요소/시스템설계, 컴퓨터응용기계설계, 공학수치해석 등의 교과목 제공

● 바이오 및 뇌공학과는 Bio-Data Structure, Bio-Information Processing, Bio-Data Engineering 등의 교과목 제공

● 건축공학과에서는 건축설계 등의 교과목 제공

● 공통/교양으로 SW 프로그래밍, 공학정보처리, 인공지능의 이해와 활용, 컴퓨팅적 사고와 SW코딩 등의 교과목 제공

〈표 4〉 국내 타공학 전공의 SW·AI 교과목 – 연세대학교


연세대

전기․전자데이터구조기초인공지능

운영체제론응용프로그래밍

창의IT융합고급프로그래밍고급알고리즘

시스템프로그래밍SW프로젝트

산업공학정보프로그래밍자료분석/데이터분석

데이터마이닝 이론 및 응용지능정보시스템

기계기계요소/시스템 설계공학수치해석

컴퓨터응용기계설계

건축 건축설계

공통/교양SW프로그래밍공학정보처리창의적 사고와 SW 입문/심화 교육

인공지능의 이해와 활용컴퓨팅적 사고와 SW코딩CAD실습



〈표 5〉 국내 타공학 전공의 SW·AI 교과목 – 포항공대


포항공대

전자․전기 MATLAB 로봇프로그래밍

화학공학 화공전산

기계공학 로보틱스개론

산업경영 데이터베이스시스템 통계적 데이터마이닝

창의IT융합 자료구조 및 알고리즘 놀이와 게임 설계 스튜디오

공통/교양 객체지향 프로그래밍, 컴퓨터SW시스템개론, 데이터구조

<표 5>는 포항공대 타공학 전공 SW·AI 교과목을 보여준다.

● 전자․전기공학과에서는 MATLAB, 로봇프로그래밍 등의 교과목 제공

● 화학공학과에서는 화공전산 등의 교과목 제공

● 기계공학과에서는 로봇틱스개론 등의 교과목 제공

● 산업경영공학과에서는 데이터베이스시스템, 통계적데이터마이닝 등 교과목 제공

● 창의IT융합과에서는 자료구조 및 알고리즘, 놀이와 게임설계스튜디오 등의 교과목 제공

● 공통/교양으로 객체지향 프로그래밍, 컴퓨터SW시스템개론, 데이터구조 등의 교과목 제공



02

〈표 6〉 국내 타공학 전공의 SW·AI 교과목 – 동국대학교


동국대

전기․전자C언어 및 자료구조공학프로그램 응용

객체지향 프로그래밍

건설환경 컴퓨터응용구조해석

기계로봇 에너지로봇프로그래밍컴퓨터응용제어

기계전산입문로봇센서 소프트웨어

건축 건축소프트웨어 응용

산업시스템산업시스템 프로그래밍데이터베이스 분석․설계

데이터사이언스 입문데이터마이닝

공통/교양Python, 컴퓨팅 사고, 프로그래밍 기초, 컴퓨터 응용, 비주얼 프로그래밍, 인터넷 프로그래밍

<표 6>은 동국대학교 타공학 전공 SW·AI 교과목을 보여준다[13].

● 전기·전자공학과에서는 C언어 및 자료구조, 공학프로그램응용, 객체지향프로그래밍 등의 교과목 제공

● 기계로봇에너지공학과에서는 로봇프로그래밍, 컴퓨터응용제어, 로봇센서소프트웨어 등의 교과목 제공

● 산업시스템공학과에서는 산업시스템프로그래밍, 데이터베이스분석설계, 데이터사이언스입문, 데이터마이닝 등의

교과목 제공

● 공통/교양으로 Python, 프로그래밍기초, 비주얼/인터넷 프로그래밍 교육 제공



해외대학(Carnegie Mellon University, Stanford University, MIT) 공학 계열 전공의 SW·AI 교육 현황은 아래와 같다.

● Machine Learning 전공이 있고, 복수 개의 Machine Learning 관련 과목, Deep Learning 관련 과목 제공

● Computer Science 학과에서는 Machine Learning, Natural Language Processing, AI, Neural Computation,

Robot Kinetics and Dynamics, Computer Vision 등의 교과목 제공

● Electrical and Computer Engineering 학과에서는 Hardware Arithmetic for Machine Learning, Machine

Learning 등의 교과목 제공

● Mechanical Engineering 학과에서는 특강으로써 Artificial Intelligence and Machine Learning 교과목 제공

[제3절] 해외대학 현황

〈표 7〉 해외 컴퓨터 공학 관련 전공 교과목 – CMU


Carnegie Mellon University

Machine Learning

Introduction to Machine LearningDeep Reinforcement Learning & ControlMachine Learning with Large DatasetsIntermediate Deep LearningMachine Learning for Structure DataAdvanced Machine LearningConvex OptimizationArt and Machine LearningCreative AI

Computer Science

Introduction to Machine LearningNatural Language ProcessingArtificial IntelligenceNeural ComputationRobot Kinematics and DynamicsComputer Vision

Electrical and Computer

Engineering

Hardware Arithmetic for Machine LearningMachine Learning

Mechanical Engineering

Special Topics: AI and Machine Learning



02

스탠포드 대학교[5] (<표 8> 위 부분)

● MComputer Science 학과에서는 여러 Machine Learning, AI, Robot 관련 교과목 제공

● Electrical Engineering 학과에서는 Object-Oriented Systems Design, Artificial Intelligence, Machine Learning,

Robotics, CNN for Visual Recognition 등의 교과목 제공

● Chemical Engineering 학과에서는 Data Science & Machine Learning 등의 교과목 제공

MIT 대학교[4] (<표 8> 아래 부분)

● Electrical Engineering and Computer Science 학과에서는 Python Programming, Machine Learning, AI, Data

Science, Computer Vision, Robotics 등의 교과목 제공

● Materials Science and Engineering 학과에서는 Python Programming, Data Science 등의 교과목 제공

현황을 요약해 보면 컴퓨터 공학 유사 전공에서는 AI, Machine Learning 관련하여 10과목 이상을 제공하고 있고, 타공학

전공에서도 SW·AI 과목이 복수개라는 것을 알 수 있다. 또한 특화된 AI 융합, Machine Learning 등의 전공도 존재한다.

〈표 8〉 해외 컴퓨터 공학 관련 전공 교과목 – 스탠포드 & MIT 대학교


Stanford University

Computer Science

Applied Machine Learning(ML)H/W Accelerators for MLRoboticsDeep Learning(DL)Natural Language Processing with DL

Applied Machine Learning(ML)H/W Accelerators for MLRoboticsDeep Learning(DL)Natural Language Processing with DL

Electrical EngineeringObject-Oriented SystemsMachine LearningAI

RoboticsCNN for Visual Recognition

Chemical Engineering

Data Science & Machine Learning

MIT

Electrical Engineering and Computer

Science



Materials Science and Engineering

Python ProgrammingData Science



공학 계열 SW·AI 교육 현황 조사는 많은 대학이 아닌 국내 7개교, 해외 3개교 전공을 대상으로 조사하고, 대학요람, 홈페이지

등에서 수집한 SW·AI 교과목 설명을 활용하였으므로, 실제 교과목 개설 상황과 차이가 있을 수 있다.

국내 대학의 컴퓨터 공학 전공 SW·AI 교육은 복수 개의 AI 교과목을 제공하나 해외대학의 컴퓨터 공학 전공과 비교하면

AI 관련 교과목의 다양성에 미흡한 측면이 있다. 국내 대학의 타공학 전공은 SW·AI 교육을 공통/교양 과정 또는 일부 전공

교과목에서 제공한다. 그러나 전공별로 SW·AI 교육 수준/내용에 차이가 있다. 예를 들면 일부 전공은 SW·AI를 사용하는

교육만 제공하나, 다른 전공에서는 SW·AI를 프로그래밍하는 교육도 포함하여 제공하는 전공도 있다. 또한 공통적으로

SW·AI 프로그램을 체계적으로 개발하는 교육은 미흡한 측면이 있다. 그러므로 SW·AI 개발 방법론, 테스트를 포함한 확인 및

검증 방법 등에 대한 교육을 하는 것이 필요하다. 그리고 중요성이 커지는 AI와 이를 활용하는 사회에 대비한 AI 윤리 교육이

없다. 유럽연합(EU), 경제협력개발기구(OECD) 등의 국제사회는 2019년에 AI 윤리 원칙을 만들어 이를 대비하고 있다.

정부에서도 2019년에 “이용자 중심의 지능정보사회를 위한 원칙”[14] 이라는 AI 원칙을 제정해 발표했다. 따라서 대학에서도

AI 윤리 교육을 제공하는 것이 필요하다.

또한 대학 내 비공학 계열 SW·AI 교육 현황을 조사하니 통계학전공에서 SW·AI 교육을 제공하는 것으로 조사되었다. <표 9>

● 서울대학교 통계학과는 통계적 데이터모델링과 머신러닝실습, 통계적 데이터마이닝, 딥러닝입문, 통계와 데이터사이언스,

통계프로그래밍입문, 대용량자료관리 및 시각화 등의 교과목 제공[8]

● 연세대학교 통계학과는 데이터사이언스, 데이터마이닝, 컴퓨터자료처리, 통계전산 등의 교과목 제공[11]

● 서울시립대학교 통계학과는 프로그래밍언어 및 실습, 데이터마이닝 및 실습, 통계자료처리 및 실습, 전산통계학 등의

교과목 제공[15]

● 동국대학교 통계학과는 프로그래밍 및 실습, 데이터마이닝, 통계계산 및 그래픽실습 등의 교과목 제공[13]

● 고려대학교 통계학과는 통계계산프로그래밍, 통계적 머신러닝, 통계계산소프트웨어, 통계적 데이터과학 등의 교과목 제공

[12]

[제4절] SW·AI 교육 현황 분석



02

〈표 9〉 통계학 전공 SW·AI 교과목

전공 대학 교과목

통계학

서울대통계적 데이터모델링과 머신러닝 실습통계적 데이터마이닝딥러닝 입문

통계와 데이터사이언스통계프로그램밍 입문대용량 자료 관리 및 시각화

연세대데이터사이언스데이터마이닝

컴퓨터자료처리통계전산

시립대프로그래밍 언어 및 실습데이터마이닝 및 실습

통계자료 처리 및 실습전산통계학

동국대프로그래밍 및 실습데이터마이닝

통계계산 및 그래픽 실습

고려대통계계산 프로그래밍통계적 머신러닝

통계계산 소프트웨어통계적 데이터 과학

03제3장 공학 계열 SW·AI 교육 방향

제1절기업체 수요 조사

제2절SW·AI 교육 방향

24

37



1. 설문조사

● 조사 기간: 2019년 9월 9일 ~ 2019년 9월 18일(6일)

● 조사 대상: 공학한림원 보유 리스트 업체

● 표본 추출: 리스트 중 응답한 120개 기업

● 조사 대상: SW 개발 관련 업무 수행자

● 조사 방법: 이메일을 이용한 온라인 조사

● 조사 내용 <표 10>

※ 항목으로서 회사규모, SW 개발인력, SW 개발역량, 업무경력, 학부전공, 사업분야/SW 개발용도, 프로그래밍언어,

운영체제, 데이터베이스, 사용 패키지, 4차 산업혁명시대 중요 기술분야 등의 항목에 대해 조사되었다.

[제1절] 기업체 수요 조사

〈표 10〉 기업체 설문 조사 개요

조사 대상 조사 항목

리스트에 기반한 전수 조사

회사규모, SW 개발인력, SW 개발역량, 사업분야/SW 개발용도

업무 경력, 학부전공

프로그래밍언어, 운영체제, 데이터베이스, 사용 패키지, 4차 산업혁명시대 중요 기술분야 등

공학 계열 SW·AI 교육 방향


03

(1) 조사기업 & 응답자 특성 <표 11>

● 120개 조사 기업은 대기업, 중견기업, 소기업, 스타트업 기업 순으로 참여함

● 기업의 SW 개발인력 규모로 보면 300명 이상, 50명 이하, 51-100명, 101-200명, 201-300명 순서으로 참여했고, 50명

이하 업체에선 10년 이상 경력자가 45.5%, 5년 미만 경력자가 45.4%로 양극화 되는 양상을 보였음

● 조사기업의 SW 개발역량은 보통 이상이 약 88% 정도이고, 나머지가 낮음으로 나타남

● 응답자 업무경력은 10년 이상이 70%, 3년 미만이 10%, 다음으로 3년-5년, 7년-9년, 6년-7년 순서로 참여하고, 업무

경력이 높을수록 SW 개발 역량 수준을 높음으로 평가하는 것으로 나타나 전문 분야 종사자로서의 자부심을 엿볼 수 있음

● 학부전공은 공학 계열이 107명 89%, 자연계열 8명 6.7%, 인문사회계열, 의약, 경영/경제 순서로 참여하고, 공학 계열 비율은

회사 규모별로 보면 대기업이 스타트업보다 높게 나타남

● 타 전공계열 출신자가 10.8% 수준에 머무는 것은 학문간 융합이 활발해지는 세계적 흐름 속에서 본다면 다양한 전공자의

유입을 견인할 필요가 있음을 보여주는 결과라 할 수 있음

요약해 보면 응답자는 공학 계열 출신의 SW 개발역량이 보통이상인 대기업의 경력자들이 많다라는 것을 예상할 수 있다.

반면에 SW 개발역량이 낮고, 업무경력이 3년 미만이거나 공학 계열이 아닌 응답자도 약 10% 정도 있다.

〈표 11〉 조사 기업 & 응답자

전체 회사 수(120) 비율(%)

회사 규모

스타트업 13 10.8

소기업 13 10.8

중견기업 21 17.5

대기업 73 60.8

SW 개발인력규모

0 - 50 33 27.5

51 - 100 11 9.2

101 - 200 4 3.3

201 - 300 2 1.7

301 - 70 58.3

SW 개발역량

높음 51 42.5

보통 54 45.0

낮음 15 12.5

전체 회사 수(120) 비율(%)

업무 경력

3년 미만 12 10.0

3년 - 5년 10 8.3

6년 -7년 4 3.3

7년 - 9년 10 8.3

10년 이상 84 70.0

학부 전공

공학 계열 107 89.2

자연계열 8 6.7

의약계열 1 0.8

경영/경제계열 1 0.8

인문사회계열 3 2.5



(2) 사업분야/SW 용도

조사 기업의 사업분야/SW 용도를 기술한 것을 활용하여 분류해 보면 정보서비스 분야가 제일 많지만, 기계, 의료, 토목, 전기/

전자, 재료, 화공 등의 분야 기업도 조사에 참여했다. <표 12>

● 정보서비스 분야는 카쉐어링 서비스 개발, 정보/모바일 시스템 구축&운영, 게임 개발, VR/AR 분야 사업

● 기계분야 기업은 차량용 SW 개발, 지능형 로봇&서비스 개발 분야 사업

● 의료 분야는 딥러닝 망막 이미지 분석, 디지털 헬스케어 분야 사업

● 토목 분야는 Offshore 구조물 구조해석 범용 SW를 사용하거나 건설 엔지니어링 서비스 사업

● 전기/전자 분야는 반도체, 디스플레이, Firmware 개발 사업

● 재료 분야는 철강 도금분야 자동제어&강판 생산 AI 이용 회귀예측 분야 기업

● 화공 분야는 화학공정 개발&최적화&이미지 분석하는 기업

한 가지, 사업분야별 조사 기업 수는 동일하지 않고 차이가 있다는 것은 기억할 필요가 있다.

〈표 12〉 사업분야 & SW 용도

사업 분야 또는 SW 개발용도

정보서비스

카쉐어링 서비스 개발 및 임베디드 시스템 개발S/+ERP, CRM 및 주문 시스템 개발 & 운영IoT 기반 모니터링 및 진단 솔루션 개발MIS 시스템 챗봇 - 자기학습 - 빅데이터AI 활용 웹툰 음성합성 & 영상화정보/모바일 시스템 구축 & 운영경영 관리 정보보안 SW 개발웹 서버 어플리케이션 개발데이터 수집 및 분석 개발셋톱박스 - 모빌리티 - 보안DB 감사 및 보안게임 개발VR/AR

기계

차량용 SW 개발, 파워트레인 플랫폼부품, 제품 검사 및 측정 SW 개발계측 및 연구장비 제조 & 판매지능형 로봇 & 서비스 개발공작기계 장비 개발

사업 분야 또는 SW 개발용도

의료

Healthcare & continuous monitoring system원격의료 단말기 및 생체신호 측정기 펌웨어딥러닝 망막 이미지 분석IoT 기반 헬스케어디지털 헬스케어

토목

Cloud Energy Management System & TrainingOffshore 구조물 구조해석 범용 SW건설 엔지니어링 서비스인프라 사업

전기/전자반도체, 디스플레이 공정장치 개발 및 판매Firmware 개발

재료철강 도금분야 자동제어 & 강판 생산 AI 이용 회귀예측

화공 화학공정 개발 & 최적화 & 이미지 분석



03

2. 설문응답

(1) 조사기업이 사용하는 프로그래밍 언어 최대 3개를 선택하는 설문에 대한 응답 결과이다. <그림 1>

● 1순위로는 C/C++, Java, Python, MATLAB 순이고, 1+2+3 순위를 합하면 C/C++, Python, Java, MATLAB 순으로

나타남

● 1순위와 1+2+3순위 응답 결과 차이가 없는 것으로 조사돼 상위 3순위 사용 비중이 높은 프로그램밍 언어가 가장 많이

이용되는 것을 알 수 있음

● 결과를 보면 현재 C/C++을 가장 많이 사용하는 것으로 나타났으나, C와 C++를 분리하면 Java를 가장 많이 사용할 것으로

예상됨

C/C++ C/C++

Java Python

Python Java

MATLAB MATLAB

기타 Javascript

C# C#

Javascript 기타

PHP R

R PHP

37.5 76.7

[단위:%] [단위:%]

19.2 60.0

15.8 45.8

12.5 41.7

5.8 31.7

3.3 16.7

2.5 13.3

1.7 9.2

1.7 5.0

<그림 1> 사용 프로그래밍 언어 설문응답

1순위 1+2+3순위



(2) 조사기업이 사용하는 운영체제 최대 3개를 선택하는 설문에 대한 응답결과이다.<그림 2>

● 1순위로는 윈도우, 리눅스, 맥OS 순이고, 1+2+3 순위를 합하면 윈도우, 리눅스, 안드로이드 순으로 나타남

● 결과를 보면 현재 윈도우를 가장 많이 사용하는 것으로 나타나고, 1+2+3 순위에서 보면 윈도우 또는 리눅스를 사용하는

기업이 안드로이드도 함께 사용하는 것으로 추측됨

윈도우

윈도우

리눅스

리눅스

맥OS/IOS

안드로이드

기타

유닉스

유닉스

맥OS/IOS

안드로이드

기타

75.0

91.7

[단위:%]

[단위:%]

17.5

89.2

3.3

48.3

2.5

31.7

0.8

25.8

0.8

13.3

<그림 2> 운영체제 사용 설문응답

1순위

1+2+3순위



03

(3) 조사기업이 사용하는 데이터베이스 최대 3개를 선택하는 설문에 대한 응답결과이다. <그림 3>

● 1순위로는 Oracle, MySQL, SQLServer 순이고, 1+2+3 순위를 합하면 MySQL, Oracle, SQLServer 순으로 나타남

● Oracle은 회사 규모면에서 보면 대기업&중견기업, SW 관련 개발인력 규모도 크고, 업무 경력도 많은 기업에서 사용

비율이 높고, MySQl은 대체로 회사 규모면에서 보면 소기업&스타트업, SW 관련 개발인력 규모는 크지 않고, 업무 경력도

많지 않은 기업에서 비율이 높은 결과를 보임

● 최근에는 MySQL 개발자들이 따로 나와 개발한 오픈 소스 DBMS인 MariaDB도 일부 사용하는 것으로 나타남

Oracle MySQL

MySQL Oracle

SQL Server SQL Server

Maria DB Maria DB

기타 MS Access

MS Access Mongo DB

Mongo DB 기타

DB2 DB2

Neo4j

33.3 69.2

[단위:%] [단위:%]

00 67.5

20.0 65.8

6.7 35.0

6.7 20.0

5.0 17.5

3.3 17.5

0.8 5.0

2.5

<그림 3> 데이터베이스 사용 설문응답

1순위 1+2+3순위



(4) 조사기업이 사용하는 프로그램 패키지 최대 3개를 선택하는 설문에 대한 응답결과이다. <표 13>

● 기업이 사용하는 패키지는 대부분 비용을 지불하는 상업용 패키지이고, 분야는 딥러닝, 기계학습, 빅데이터, 클라우드서비스,

IoT 등 순서로 많이 사용함

● 딥러닝 분야에서는 TensorFlow, (MATLAB, Python) 순서로 많이 사용되는 것으로 나타남

● 기계학습 분야에서는 (MATLAB, Scikit-Learn), (Python, TensorFlow, R) 순서로 많이 사용되는 것으로 나타남

● 빅데이터 분야에서는 Hadoop, (Python, R, Spark) 순서로 많이 사용되는 것으로 나타남

● 클라우드서비스 분야에서는 AWS, MS Azure, Google Cloud 순서로 많이 사용되는 것으로 나타남

● IoT 분야에서는 Brightics IoT, Aduino 순서로 많이 사용되는 것으로 나타남

● 블록체인 분야에서는 Nexledger, Etherium, Hyperledger 순서로 많이 사용되는 것으로 나타남

〈표 13〉 프로그램 패키지 사용 설문응답

분야(사례수) 프로그램 패키지

딥러닝(32) TensorFlow > (MATLAB, Python) > (Anaconda, Keras, PyTorch)

기계학습(28) (MATLAB, Scikit-Learn) > (Python, TensorFlow, R) > Anaconda

빅데이터(22) Hadoop > (Python, R, Spark, Brightics AI) > (Cloudera CDH, Panda, Tableau)

클라우드서비스(21) AWS > MS Azure > Google Cloud > Pass-TA

IoT(9) Brightics IoT > (Arduino, Beaglebone, KEIL MDK)

정보보안(8) Symantec, DRM, VDI

소프트웨어공학(7) DOORS, JIRA, SVN

블록체인(5) Nexledger > Ethereum > Hyperledger

AR/VR(4) Unity > Arcore

기타(7) MiniTab, ChartFX, LabView, ROS, PREEvision



03

(5) 응답자가 4차 산업혁명시대 교육할 프로그래밍 언어 최대 3개를 선택하는 설문에 대한 응답결과이다. <그림 4>

● 1순위/1+2+3 순위를 합한 결과 모두 Python, C/C++, Java, MATLAB 순으로 나타남

● 프로그래밍 언어로는 Python이 중요하다는 결과를 보임

Python Python

C/C++ C/C++

Java Java

MATLAB MATLAB

Javascript R

C# Javascript

R C#

PHP

기타

기타

48.3 84.2

[단위:%] [단위:%]

22.5 56.7

14.2 47.5

7.5 31.7

2.5 28.3

1.7 22.5

1.7 18.3

0.8

0.8

8.3

<그림 4> 4차 산업혁명시대 교육할 프로그래밍 언어 설문응답

1순위 1+2+3순위



(6) 응답자가 4차 산업혁명시대 교육할 운영체제 최대 3개를 선택하는 설문에 대한 응답결과이다. <그림 5>

● 1순위/1+2+3 순위를 합한 결과 모두 리눅스, 윈도우, 안드로이드, 맥OS 순으로 나타남

● 운영체제로는 리눅스가 중요하다는 결과를 보임

● 스타트업, SW개발 역량수준이 낮은 기업에서는 윈도우가 중요하다는 의견도 일부 보임

리눅스

리눅스

윈도우

윈도우

안드로이드

안드로이드

맥OS/IOS

맥OS/IOS

기타

유닉스

유닉스

기타

50.0

90.0

[단위:%]

[단위:%]

36.7

73.3

6.7

71.3

2.5

33.3

2.5

25.0

1.7

6.7

<그림 5> 4차 산업혁명시대 교육할 운영체제 설문응답

1순위

1+2+3순위



03

(7) 응답자가 4차 산업혁명시대 교육할 데이터베이스 최대 3개를 선택하는 설문에 대한 응답결과이다. <그림 6>

● 1순위로는 MySQL, Oracle, MariaDB, SQLServer 순이고, 1+2+3 순위를 합하면 MySQL, SQLServer, Oracle, MariaDB

순으로 나타남

● 데이터베이스로는 MySQL이 중요하다는 결과를 보임

4차 산업혁명시대 교육해야 할 프로그래밍 언어 Python, 운영체제 리눅스, 데이터베이스 MySQL이 모두 상업용 SW가 아닌

오픈 소스 SW라는 특징이 있다.

MySQL MySQL

Oracle SQL Server

Maria DB Oracle

SQL Server Maria DB

Mongo DB Mongo DB

기타 기타

MS Access MS Access

Neo4j Neo4j

27.5 68.3

[단위:%] [단위:%]

25.8 58.3

15.8 56.7

12.5 42.5

8.3 37.5

6.7 14.2

2.5 12.5

0.8 8.3

<그림 6> 4차 산업혁명시대 교육할 데이터베이스 설문응답

1순위 1+2+3순위



(8) 응답자가 4차 산업혁명시대 교육할 기술분야 최대 3개를 선택하는 설문에 대한 응답결과이다. <그림 7>

● 1순위로는 딥러닝, 기계학습, 빅데이터 순이고, 1+2+3 순위를 합하면 딥러닝, 빅데이터, 기계학습 순으로 나타남

● 딥러닝 기술이 중요하다는 결과를 보임

딥러닝

빅데이터

기계학습

정보보안

클라우드 서비스

IoT

블록체인

정보통신

소프트웨어공학

기타

75.8

[단위:%]

63.3

45.0

25.8

24.4

21.7

12.5

3.3

11.7

3.3

<그림 7> 4차 산업혁명시대 교육할 기술 분야 설문응답

딥러닝

기계학습

빅데이터

정보보안

클라우드 서비스

IoT

정보통신

기타

40.0

[단위:%]

19.2

19.2

7.5

7.5

4.2

1.7

0.8

1순위 1+2+3순위



03

(9) 공학 계열 졸업생이 입사 시 갖추고 있었으면 하는 기술 역량을 묻는 설문에 대한 응답 결과이다. <그림 8>

● 답변내용을 워드 클라우드로 표현하면 <그림8>과 같이 나타남

● 프로그래밍 언어로 Python, C/C++, Java를, 기술로는 기계학습, 딥러닝, 빅데이터를, 데이터베이스, Open Source 등이

비중을 차지하는 것으로 나타나 앞에서 단답형으로 조사한 내용과 부합함

<그림 8> 4차산업혁명시대 신입사원에게 요구되는 기술역량



3. 수요 조사 토의

A. 제약사항

기업체 조사에서는 응답자마다 설문 문항의 난이도가 다르게 생각되어 정확하게 응답하기 어려운 측면이 있었고, 기업체

수/응답자 수가 120업체/명으로 일반성에 한계가 있고, 사업분야별 기업체 수/응답자 수 차이가 있어 응답 결과가 특정

사업분야에 편중될 잠재적 가능성이 있다.

B. 기업체 수요 조사 결과

조사 결과를 보면 향후 4차 산업혁명시대에 적합한 SW·AI 교육으로써 프로그래밍 언어는 C/C++보다 Python을, 운영체제는

윈도우보다 리눅스를 데이터베이스는 Oracle보다 MySQL을, 기술 분야로는 딥러닝, 기계학습, 빅데이터가 중요하다는

결과를 보였다. 오픈소스 SW인 Python, 리눅스, MySQL 등은 경제성뿐만 아니라 신뢰성 측면에서도 장점을 갖고 있으므로

중요성이 강조되고 있다. 따라서 오픈소스 SW 관련 기술과 실천을 도입하여 대학 교육 환경을 변화시키는 것이 필요하다.



03

공학 계열의 SW·AI 교육은 대학/전공마다 상황이 상이하므로 본 보고서에서는 대학/전공에 독립적인 방향을 제시한다. 공학

계열의 SW·AI 교육은 융·복합교육과정을 제공하여 SW·AI 공학교육 혁신이라는 기존의 목표와 함께 융·복합 인력양성을

목표로 개선하는 것이 필요하다. 이 목표를 위해 기업수요에 기반한 SW·AI 융·복합교육 체계 구축, 다학제적 프로젝트 기반

학습 확산, AI 기반 온라인 교육 플랫폼 활용, 국내외 주요 기관과의 협력 등이 필요하다.

(1) 기업현장의 SW·AI 기술수요에 기반한 융․복합교육 체계 구축

● SW·AI 교과목 보강

- 전공 교과목에 SW·AI 핵심 교과목 개발 및 도입 등을 통한 SW·AI 전공역량 강화

- 타전공 융·복합 분야와 SW·AI를 접목한 SW·AI 융·복합교육과정 운영

- SW·AI 개발방법론, AI 윤리 등의 교과목 편성

- 교과목에서 학습한 내용과 실제 연구를 결합하는 필수 과목으로 캡스톤 프로젝트 교과목 추가

● 트랙별 교과목 구성

- 세부 전공 분야로 트랙을 구분하고 SW·AI 교과목 포함 교과과정 편성: 기초/핵심과목은 공통으로 이수하고, 트랙별

교과목은 선택적으로 이수

(2) 다학제적 프로젝트 기반 학습(Multi-disciplinary Project based Learning) 확산

● 프로젝트 기반 학습(PBL)[2]

- 공학교육에도 매우 유용하다는 것은 널리 알려져 있고, SW를 배우는 학과들은 대부분 PBL 교과과정을 포함하여 현실의

실제적인 문제를 해결하면서 다양한 역량을 키우는 방법으로 널리 사용됨

- 공학 계열 학과에서는 캡스톤디자인/종합설계라고 불리는 팀 단위의 프로젝트를 수행함

최근 널리 알려진 에꼴 42[16]도 철저하게 프로젝트 기반으로 SW 교육을 진행하고 있다. 국내에서도 에꼴 42의 교육 시스템을

라이선스하여 42 Seoul[17]을 2019년부터 운영하고 있다. 42 SEOUL에서는 교수나 강사와 같은 전통적인 개념의 가르치는

사람 없이, 스스로 방법을 찾고 결과에 도달한다. 프로젝트 기반 학습을 통해서, 문제를 해결하기 위한 전체 과정(문제 인식,

목표 설정, 계획 수립, 실행, 평가)을 수행한다. 궁극적으로 PBL은 특정 과목 중심의 프로젝트를 넘어서 융·복합적인 역량을

키우기 위하여 다학제적 PBL을 지향하는 것이 중요하다.

[제2절] SW·AI 교육 방향



● 다학제적 PBL 프로그램 사례 – 서울시립대[18]

- 학생들, 지도교수, 산업체 멘토로 구성된 연구팀이 다학제 간 PBL 연구 프로젝트를 1년 동안 수행함. <그림 9>

- 산업체 멘토에게 과제 수요조사를 실시하여 수요과제 제안을 받고, 현장연구 및 멘토링, 그리고 과제 수행 후 평가의견

제시를 받는 전주기 개발단계에 걸친 개방형 환류체계 제시

- 프로젝트를 보면 컴퓨터 공학 전공이 아닌 다른 공학전공에서 학생들이 해당 전공분야에 SW·AI 기술을 활용하는 융·

복합 접근방법으로 실제적으로 유용한 시스템을 개발하는 사례를 보여줌(예: 토목공학: 드론과 인공지능을 이용한

도로포장 모니터링 기술 개발)

- 본 프로그램을 통하여 컴퓨터 공학 전공이 아닌 학생들이 프로그래밍 언어, 운영체제, 데이터베이스, 딥러닝, 기계학습,

빅데이터 기술을 활용하여 다학제적 SW·AI 역량을 높일 것으로 기대함

실전문제연구팀

X-Urban(특화발전형)이공학부문에서 연구단이 산업계 수요조사와 특성화 발전계획을 바탕으로 도출된 연구주제예) ICT융복합산업, 도시안전 분야, 도시서비스 분야

X-Capstone(사회문제해결형)창의적인 아이디어 또는 도시 내에서 발생하는 사회문제 해결과 관련한 연구주제

X-Fusion(학문융합형)전공이 다른 이공계 학과 2개 이상 연구팀의 협력 주제

실전문제 발굴특화발전형, 사회문제해결형

(학문융합형 포함)

사업화 역량 진단

적성성 평가

실전문제 수요 접수

산업계 수요 조사

X-TWICE

현장맞춤형 교육 전문 자문단

실전문제 수요발굴그룹

산업체․가족회사511개

작년 실전문제 연구팀

지역수요 기관

교내수요 기관

실전문제연구단

<그림 9> 다학제적 PBL – 서울시립대학교[18]

연구팀 공모 X-Urban

X-Capstone

X-Fusion

온라인 시스템



03

(3) AI 기반 온라인 교육 플랫폼 활용[19]

● 개인 맞춤화 교육

- 다학제적 프로젝트 기반 학습을 하면서 그에 적합한 기술과 지식을 AI에 의해 보다 용이하게 습득할 수 있도록 지원

- 풍부한 학습 컨텐츠를 기반으로 학생의 필요와 관심 영역이 AI에 의해 분석되어 적절한 다음 단계의 학습 콘텐츠와

전문가들을 효과적으로 연결[20]

- 이러한 학습 활동 이력을 축적한 디지털 포트폴리오는 학생의 관심분야와 세부 역량을 보여줌

● 학습몰입도 측정

- 안면인식 AI 기술을 이용하여 수업 시 학생의 학습 몰입 수준을 측정하고, 수업 집중도와 흥미 지수가 낮으면, 수업내용을

변경

● AI 조교

- AI 조교를 활용하여 질문에 대한 답변, 수업 과제 평가 등을 지원함으로써 수업 조교의 행정 부담 완화

4. SW·AI를 선도하는 국내외 주요 기관과 협력하여 우수한 프로그램 도입 및 특화된 기반 구축

● CMU, MIT, Stanford 등 해외 SW·AI 선도 대학과 연계하여 교육 프로그램 공동 운영

- CMU는 세계 최초 머신 러닝 학과 개설(2006년), AI 분야 연구 세계1위(CSrankings, 2020), AI 교육 세계1위(US&World

Report, 2018)로 선정

● 기업체 및 연구소 등의 SW·AI 기술 경험이 풍부한 전문가를 활용하여 현장중심의 대학 교육 개선

- 인공지능연구원(AIRI), 네이버랩스 등의 전문가 집단과 협력하여 현장 교육프로그램 마련

- 전문가 멘토를 초빙하여 기술 코칭 및 SW·AI 관련한 세미나를 개최하고, 학생들과의 공동 프로젝트 수행

04제4장 결론



국내 대학의 컴퓨터 공학 전공에서는 인공지능, 기계학습,

딥러닝, 데이터마이닝, 패턴인식, 컴퓨터비전, 로봇공학,

빅데이터 등의 SW·AI 교과목을 제공하나, 타공학

전공에서는 자료구조 및 알고리즘, 프로그래밍 등의 SW

교과목을 제공한다. 일부 타공학 전공에서 기초인공지능

(전자공학), 데이터마이닝(산업공학) 교과목을 제공하는

사례가 있고, 공학 계열 공통/교양으로 Python, MATLAB,

인공지능의 이해와 활용 교육을 제공한다. 대학 내 비공학

계열 SW·AI 교육 현황을 조사하니 통계학 전공에서 SW·AI

교육을 제공하고 있다. 해외 대학 사례를 보면 컴퓨터 공학

유사 전공에서는 AI와 관련하여 10과목 이상을 제공하고,

타공학 전공에서는 SW·AI 과목이 복수개라는 것을 알 수

있다. 또한 일부 대학은 특화된 AI 융합, Machine Learning

등의 전공도 존재한다.

국내 대학의 공학 계열 전공/학과들이 SW·AI 교육 변화의

초기 단계에 있고, 강의할 교수 인력의 부족, 학생의

학습능력 부족, 산업현장의 애로사항 등으로 인해 전공의

교과 과정 개편에 어려움을 갖고 있어 교과목을 제공하지

못하는 경우도 있다. 그러나 일부 대학은 인공지능융합전공,

뇌인지과학융합전공 등과 같이 특화된 SW·AI 교육을

제공하기도 한다.

기업체 수요 조사 결과를 보면 산업현장(정보, 기계,

의료, 토목, 전기/전자, 재료, 화공 등의 분야)에서는

4차 산업혁명시대에 적합한 기술 역량을 요구하고 있다.

프로그래밍 언어로는 Python, C/C++, Java 등을,

운영체제로는 리눅스, 윈도우 등을, 데이터베이스로는

MySQL, Oracle 등을, 기술 분야로는 딥러닝, 기계학습,

빅데이터, 클라우드서비스, IoT 기술 역량을 요구하고 있다.

조사 기업체에서는 이러한 기술 분야에서 사용 가능한 오픈

소스 SW가 있으면 상업용 SW보다 대부분 선호하는 것으로

나타나, 교육 환경도 오픈 소스 SW 환경으로 변화시키는

것이 필요하다.

이러한 산업현장의 요구에 부합하고 4차 산업혁명시대에

적합한 인재양성을 위한 SW·AI 교육을 위한 개선

방안으로써 첫째로, 기업현장의 SW·AI 기술수요에 기반한

융·복합교육 체계 구축, 둘째로 다학제적 프로젝트 기반 학습

확산, 셋째로 AI기반 온라인 교육 플랫폼 활용, 마지막으로

SW·AI를 선도하는 국내외 주요 기관과 협력하여 우수한

교육 프로그램 도입 및 특화된 기반 구축 등이 필요하다.

결론


04

표목차

〈표 1〉 국내 컴퓨터 공학 관련 전공 교과목 12p

〈표 2〉 국내 타공학 전공의 SW·AI 교과목 – 서울대학교 13p

〈표 3〉 국내 타공학 전공의 SW·AI 교과목 – KAIST 14p

〈표 4〉 국내 타공학 전공의 SW·AI 교과목 – 연세대학교 15p

〈표 5〉 국내 타공학 전공의 SW·AI 교과목 – 포항공대 16p

〈표 6〉 국내 타공학 전공의 SW·AI 교과목 – 동국대학교 17p

〈표 7〉 해외 컴퓨터 공학 관련 전공 교과목 – CMU 18p

〈표 8〉 해외 컴퓨터 공학 관련 전공 교과목 – 스탠포드 & MIT 대학교 19p

〈표 9〉 통계학 전공 SW·AI 교과목 21p

〈표 10〉 기업체 설문 조사 개요 24p

〈표 11〉 조사 기업 & 응답자 25p

〈표 12〉 사업분야 & SW 용도 26p

〈표 13〉 프로그램 패키지 사용 설문응답 30p

그림목차

<그림 1> 프로그래밍 언어 사용 설문응답 27p

<그림 2> 운영체제 사용 설문응답 28p

<그림 3> 데이터베이스 사용 설문응답 29p

<그림 4> 4차 산업혁명시대 교육할 프로그래밍 언어 설문응답 31p

<그림 5> 4차 산업혁명시대 교육할 운영체제 설문응답 32p

<그림 6> 4차 산업혁명시대 교육할 데이터베이스 설문응답 33p

<그림 7> 4차 산업혁명시대 교육할 기술 분야 설문응답 34p

<그림 8> 4차산업혁명시대 신입사원에게 요구되는 35p

<그림 9> 다학제적 PBL – 서울시립대학교 38p

INDEXINDEX



+INDEX & 참고문헌


[1] Klaus Schwab, The Fourth Industrial Revolution, Dec. 2016.

[2] 이민석, 프로젝트 기반 소프트웨어 교육혁신 방안, 정보과학회지, 제38권 제1호, 2020년 1월.

[3] Carnegie Mellon University, https://www.cmu.edu/

[4] MIT, http://www.mit.edu/

[5] Stanford University, https://www.stanford.edu/

[6] 정보통신기획평가원, https://www.iitp.kr

[7] 가천대학교, https://www.gachon.ac.kr/

[8] 서울대학교, http://www.snu.ac.kr/

[9] 카이스트, https://www.kaist.ac.kr/

[10] 포항공과대학교, http://www.postech.ac.kr/

[11] 연세대학교, https://www.yonsei.ac.kr/

[12] 고려대학교, http://www.korea.ac.kr/

[13] 동국대학교, http://www.dongguk.edu/

[14] 방송통신위원회, https://kcc.go.kr/

[15] 서울시립대학교, https://www.uos.ac.kr/

[16] Ecole42, https://www.42.fr/

[17] 42 Seoul, https://42seoul.kr/

[18] 서울시립대학교, 현장맞춤형 이공계 인재양성 지원사업 단계보고서, 2020.

[19] 이승환, 김용성, 학교에 등장한 인공지능, 정보과학회지, 제36권 제11호, 2018년 11월.

[20] 김윤정, 디지털 전환시대 기업의 디지털 인재 확보와 육성 동향, 정보과학회지, 제36권 제11호, 2018년 11월.

참고문헌참고문헌



4차산업혁명 시대 인력양성 관련 수요조사

-소프트웨어 교육/활용에 관하여-

4차산업혁명시대를 맞아 빠르게 변화하고 있는 산업환경에 적합한 인력양성을 위하여, 한국공학한림원에서는 향후 공학

소프트웨어 교육이 어떻게 변화되어야 하는가를 검토하고 학계와 산업계에 의견을 제시하려 합니다. 교과 과정 개편과,

강의 내용 개정 등 수반되는 사안들의 복잡성으로 인하여 짧은 기간 내에 답을 낼 수 없기에 올해는 현황조사를 우선

추진하고 있습니다.

지금까지 한국공학한림원에서는 대학에서 어떤 소프트웨어 교육을 하고 있는지 조사하였으며, 이번 설문을 통해서는

산업체에서 주로 어떤 소프트웨어를 활용하고 있는지 조사하려 합니다. 보내주신 설문조사 결과는 향후 대학에서

소프트웨어 교육 방향을 설정하는 데 큰 도움이 될 것입니다.

본 설문조사는 소프트웨어 개발 관련 업무를 수행하는 사람들을 대상으로 진행해 주시면 감사하겠습니다.

조사 기관 : 한국공학한림원 소프트웨어교육 소위원회(위원장 이병정 서울시립대 교수)

조사 문의 : 최수환 책임연구원(문의처 : 02-6009-4007, [email protected])

조사 담당 : 한국여론연구소

Q1. 귀사의 사업분야 또는 SW개발 용도를 간략히 적어 주세요.

Q1. 귀하 또는 귀사에서 사용하시는 프로그래밍 언어 중 비중이 높은 것을 최대 3개까지 선택해 주세요.

(1순위 / 2순위 / 3순위)

① Java ② C/C++ ③ Python

④ Javascript ⑤ PHP ⑥ C#

⑦ MATLAB ⑧ R

⑨ 기타(적어 주세요 : )

Q3. 귀하 또는 귀사에서 사용하시는 운영체제 중 비중이 높은 것을 최대 3개까지 선택해 주세요.

(1순위 / 2순위 / 3순위)

① 윈도우 ② 리눅스 ③ 유닉스

④ 맥 OS/iOS ⑤ 안드로이드

⑥ 기타(적어주세요 : )

[부록] 설문조사지

+설문조사지


Q4. 귀하 또는 귀사에서 사용하시는 데이터베이스 중 비중이 높은 것을 최대 3개까지 선택해 주세요.

(1순위 / 2순위 / 3순위)

① Oracle ② SQL Server ③ MySQL

④ MS Access ⑤ Neo4j ⑥ DB2

⑦ Maria DB ⑧ Mongo DB

⑨ 기타(적어주세요 : )

Q5. 귀하 또는 귀사에서 사용하는 프로그램 패키지가 있다면, 아래 기술분야를 최대 3개까지 선택해 주시고, 패키지명,

용도, 유료 및 무료 여부를 옆에 표시해 주십시오.

기술분야 패키지명 용도 유/무료 여부

A. 기계학습

B. 딥러닝

C. 빅데이터

D. 블록체인

E. IoT

F. 정보보안

G. 소프트웨어공학

H. 정보통신

I. 클라우드 서비스

J. 가상현실/증강현실

기타(자세히 : )

Q6. 귀하가 생각하시는, 향후 4차산업혁명시대에 대학에서 교육해야 할 프로그래밍 언어 중 비중이 높은 것을 최대

3개까지 선택해 주세요.(1순위 / 2순위 / 3순위)

① Java ② C/C++ ③ Python

④ Javascript ⑤ PHP ⑥ C#

⑦ MATLAB ⑧ R

⑨ 기타(적어주세요 : )

Q7. 귀하가 생각하시는, 향후 4차산업혁명시대에 대학에서 교육해야 할 운영체제 중 비중이 높은 것을 최대 3개까지

선택해 주세요.(1순위 / 2순위 / 3순위)

① 윈도우 ② 리눅스 ③ 유닉스

④ 맥 OS/iOS ⑤ 안드로이드

⑥ 기타(적어주세요 : )

Q8. 귀하 또는 귀사에서 사용하시는 데이터베이스 중 비중이 높은 것을 최대 3개까지 선택해 주세요.

(1순위 / 2순위 / 3순위)

① Oracle ② SQL Server ③ MySQL

④ MS Access ⑤ Neo4j ⑥ DB2

⑦ Maria DB ⑧ Mongo DB

⑨ 기타 (적어주세요 : )

Q9. 귀하가 생각하시는, 향후 4차 산업혁명시대에 중요한 기술분야를 최대 3개까지 선택해 주세요.

① 기계학습 ② 딥러닝 ③ 빅데이터

④ 블록체인 ⑤ IoT ⑥ 정보보안

⑦ 소프트웨어공학 ⑧ 정보통신 ⑨ 클라우드 서비스

⑩ 가상현실/증강현실

⑪ 기타(적어주세요 : )



Q10. 공과대학 졸업생이 현재 근무하시는 회사에 입사하게 된다면, 어떤 SW에 대한 지식과 활용 역량을 함양하는 것을

추천하십니까? 자유롭게 적어 주세요.

Q11. 귀사의 규모는 다음 중 어떠한 분류에 해당합니까?

① 스타트업 ② 소기업

③ 중견기업 ④ 대기업

Q12. 귀사의 SW 관련 개발 인력 규모는 어느 정도입니까?

① 50명 이내 ② 51-100명 ③ 101명-200명

④ 201명-300명 ⑤ 300명 이상

Q13. 귀사의 SW 개발 역량은 어느 정도 수준이라고 생각하십니까?

(소프트웨어 관련 인증 ISO, CMMI, SP, GS등의 획득 유무, 레벨에 따라 판단)

Q14. 귀하의 업무경력을 선택해 주세요.

① 3년 미만 ② 3년-5년 사이 ③ 6년- 7년 사이

④ 7년-9년 사이 ⑤ 10년 이상

Q15. 귀하의 학부전공을 선택해 주세요.

① 공학 계열 ② 자연계열 ③ 의약계열

④ 경영/경제계열 ⑤ 인문사회계열 ⑥ 예체능계열

⑦ 기타(적어주세요 : )

높음 보통 낮음

+설문조사지


한국공학한림원 소개

한국공학한림원은 산업기술혁신촉진법에 의해 설립된 특별법인으로서

공학 및 기술발전에 현저한 공적을 세운 공학기술인을 우대하고,

공학기술과 관련된 학술연구와 지원사업을 행함으로써

국가의 창조적인 공학기술 개발과 지속적인 발전에 기여하고자 설립되었습니다.

본 보고서는 산업통상자원부와 한국산업기술진흥원의 「창의ㆍ융합형

공학인재양성지원사업」을 수행하고 있는 「공학교육혁신연구정보센터」

사업에 「한국공학한림원」이 참여하여 수행한 결과물입니다.

발 행 일 2020년 2월 19일

발 행 인 권오경

발 행 처 한국공학한림원

주 소 서울특별시 강남구 테헤란로 305 한국기술센터 15층

전 화 02.6009.4000~4009

팩 스 02.6009.4010

이 메 일 [email protected]

홈페이지 http://www.naek.or.kr

Facebook www.facebook.com/naek1995

디 자 인 오엘

ISBN 979-11-955376-6-2

t 02-6009-4000~9 e [email protected]

f www.facebook.com/naek1995

www.naek.or.kr

※ 이 책은 비매품이며 전자책 버전은 한국공학한림원 홈페이지 자료실(공학교육혁신 메뉴)에서 다운로드할 수 있습니다.

2019 NAEK REPORT_2019_ISSUE_2.pdf · 2019 인재양성위원회 보고서 12 4차...

Documents

Transcript of 2019 NAEK REPORT_2019_ISSUE_2.pdf · 2019 인재양성위원회 보고서 12 4차...