코드	학점
3349.201A	3-3-0
본 교과목은 계산과학 입문자에게 필요한 계산과학에 대한 전반적인 지식을 다양한 주제들을 통하여 학습하는 것을 목표로 한다. 계산과학은 자연과학, 공학 그리고 인문학에서 방대한 계산량이나 수치 해석적 풀이가 필요한 다양한 문제들을 수학과 컴퓨터를 이용하여 계산하는 것을 목적으로 한다. 강의되는 내용은 1) 계 산과학에서 주로 활용되는 미분방정식의 해석적인 풀이 및 수치 해석적 풀이를 위한 여러 가지 방법, 2) 획득된 자료 값의 변환 및 역변환, 3) 자료나 계산결과 등의 시각화, 그리고 4) 수퍼컴퓨팅에 필수적인 MPI 등을 포함한다. 필수 요구 조건: 미분 적분학 혹은 이와 유사한 수학 교과목

코드	학점
3349.203	3-3-0
본 교과목은 계산과학 입문자에게 필요한 계산과학에 대한 전반적인 지식을 다양한 주제들을 통하여 학습하는 것을 목표로 한다. 계산과학은 자연과학, 공학 그리고 인문학에서 방대한 계산량이나 수치 해석적 풀이가 필요한 다양한 문제들을 수학과 컴퓨터를 이용하여 계산하는 것을 목적으로 한다. 강의되는 내용은 1) 계 산과학에서 주로 활용되는 미분방정식의 해석적인 풀이 및 수치 해석적 풀이를 위한 여러 가지 방법, 2) 획득된 자료 값의 변환 및 역변환, 3) 자료나 계산결과 등의 시각화, 그리고 4) 수퍼컴퓨팅에 필수적인 MPI 등을 포함한다. 필수 요구 조건: 미분 적분학 혹은 이와 유사한 수학 교과목

코드	학점
3349.204	3-3-0
본 강좌에서는 계산과학을 위한 수치연산 프로그래밍의 고급 방법론에 대해 강의하며, 이를 실습하기 위한 Python 심화 프로그래밍을 학습한다. 중대형 규모의 프로그램 작성을 위한 프로그램 설계의 이론을 학습하게 되며, 이는 성능 분석, 최적화, 디자인 패턴등을 포함한다. 이를 위해 Python과 C를 이용한 모듈 작성 및 임포트를 실습을 통해 배운다. 나아가, 학습한 알고리듬을 구현하고 결과를 간단하게 가시화 해볼 수 있는 Python 확장 모듈들의 사용법에 대해 강의한다.

코드	학점
3349.205A	3-3-0
본 교과목에서는 계산과학에 처음 입문하는 학생들을 위한 계산과학을 위해 필요한 미분적분학, 역사 및 유래를 가르친다. 보간법의 발달, 미분 및 적분 계산법의 발달, 방정식 계산법의 발달, 행렬 계산법의 발달, 상미분방정식의 계산법의 발달, 편미분방정식의 계산법의 발달, 최적화의 계산법의 발달을 가르친다.

코드	학점
3349.309	3-3-0
데이터 과학이란 급격히 증가하는 대량의 빅 데이터를 체계적으로 분석하여 이전에는 불가능했던 새로운 통찰력을 얻거나 의사결정에 직접적인 도움을 줄 수 있는 학문을 말한다. 컴퓨터 과학이 프로그램과 관련된 이론에 비중을 둔 것에 비교하면 데이터 과학은 데이터에 중심을 두고 데이터를 처리하는 과정에 생기는 문제를 다룬다. 본 강의에서는 데이터 수집, 데이터 마이닝, 데이터 비주얼라이제이션 등 데이터의 수집부터 결과를 얻기까지의 모든 내용을 다룬다.

코드	학점
3349.404	3-3-0
계산과학 종합설계에서는 최신 계산과학 이론 및 응용에 관하여 최신 산업계나 연구소등에서 쟁점이 되는 연구주제, 혹은 고급계산과학 이론과 실제적인 응용사례를 선택하여 학생과 교수가 일대일로 연구하도록 지도한다.

코드	학점
3349.401	3-3-0
계산과학 주제연구에서는 최신 계산과학 이론 및 응용사례에 대한 선택적 주제를 다루며, 각 세미나 주제에 대한 보고서를 작성토록 함.

코드	학점
3349.206	3-3-0
방대한 관측 및 조사 데이터를 효과적으로 처리하는 계산과학 기법들은 자연과학, 공학 그리고 사회과학에서까지 널리 응용되고 있다. 본 강의는 관측 및 조사 등을 통하여 획득한 데이터의 처리를 위한 이론과 기법을 소개한다. 강의 내용은 (1) 최소제곱법(least-square method)등의 데이터 피팅(fitting) (2) 퓨리에 변환(Fourier transform)등의 데이터 변환(transform) (3) 외-내삽법(interpolation and extrapolation)등의 아키텍처(architecture) (4) 다차원조사(multidimensional search)등의 최적화(optimization) (5) 적합한 데이터 추출을 위한 필터링(filtering) (6) 예측(forecast)등의 시계열(time-series) 등의 이론과 방법을 포함한다.

코드	학점
3349.308	3-2-2
수치 시뮬레이션의 결과를 해석하고 이해하는데 있어서 과학적 가시화는 매우 중요한 방법론이다. 본 교과목에서는 이러한 과학적 가시화에 대해 이해하고 다양한 방법론들에 대해 학습한다. 계산과학의 수치적 결과물들은 유동, 분포, 궤적, 이미지 등의 다양한 형태로 나타나게 되는데, 이러한 데이터의 효과적인 해석을 위해 다양한 가시화 기법들이 존재한다. 본 강의에서는 먼저 궤적과 같은 단순한 형태의 데이터를 쉽게 표현하는 방법을 배우며, 다양한 형태의 출력물로 변환하는 법을 학습한다. 더불어 시간의존적인 데이터의 애니메이션에 대한 방법도 소개한다. 나아가 체적 데이터로 나타나는 다차원 장 (field)의 가시화 방법론들을 강의하며, 스칼라장, 벡터장, 부호거리장의 특성과 이에 적합한 표현 방법을 강의한다. 또한 다양한 형태의 격자를 생성하고 이를 가시화하는 기법들을 다루며, 이를 2, 3차원으로 렌더링하는 법을 배운다. 끝으로 이미지형태의 데이터에 대해서도 학습하며, 특히 LDR, HDR의 이미지 프로세싱에 대해 배운다.

코드	학점
3349.406	3-3-0
계산과학방법의 조사, 프로그래밍 방법 및 검증, 수치결과의 해석과 모델의 타당성에 대하여 강의한다. 특히 계산수학을 비롯한 계산화학, 계산물리, 계산생물 등의 다양한 응용부분을 공부한다.