3년간의 컴퓨터공학 및 AI 전공 과정을 체계적으로 정리한 아카이브입니다. 기초 이론부터 실전 구현, 대외 활동까지 모든 학습 노드를 연결하였습니다.
학습 로드맵에 따른 과목 간의 유기적인 관계를 보여줍니다. 4개 도메인 트랙(AI/ML, 시스템, 수학, 개발)이 서로 교차하며 최종적으로 컴퓨터비전·알고리즘·AIOSS에서 융합됩니다.
Obsidian 사용자:
커리큘럼 관계 그래프.canvas를 열면 인터랙티브 Canvas 뷰로 볼 수 있습니다.
graph TD
%% ── 1학년 기초 ──
Start((입문)) --> LA["[1-2] 선형대수학"]
Start --> CB["[1-2] 코딩기초"]
%% ── AI/ML 트랙 (빨강) ──
LA --> AI["[2-1] 인공지능"]
CB --> PY["[2-1] Python"]
PY --> AI
AI --> ML["[3-1] 머신러닝"]
PS["[2-1] 확률통계"] --> ML
LA --> ML
ML --> MLP["[3-1] ML프로젝트"]
ML --> NN["[3-2] 뉴럴네트워크"]
ML --> BDA["[3-2] 빅데이터분석"]
NN --> CV["[4-1] 컴퓨터비전"]
ML --> CV
ML --> LLM["LLM 이해와 활용"]
NN --> LLM
AI --> AISD["[3-1] AI시스템설계"]
%% ── 시스템/인프라 트랙 (파랑) ──
CA["[2-1] 컴퓨터구조"] --> OS["[2-2] 운영체제"]
LX["[2-1] 리눅스"] --> OS
PY --> LX
OS --> DP["[3-1] 분산처리"]
CA --> DP
NET["[2-2] 네트워크"] --> DP
OS --> DK["Docker/K8s"]
LX --> DK
NET --> DK
DP --> AIOSS["[4-1] AIOSS"]
DK --> AIOSS
OSS["[2-2] OSS"] --> AIOSS
AISD --> AIOSS
%% ── 수학 트랙 (노랑) ──
DM["[2-2] 이산수학"] --> AL["[4-1] 알고리즘"]
DM --> MLG["[3-1] 수리논리학"]
DM --> PL["[3-1] 프로그래밍언어론"]
LA --> OM["[3-2] 최적화수학"]
PS --> OM
OM --> NN
LA --> GFX["[3-2] 그래픽스"]
GFX --> CV
%% ── 개발 트랙 (초록) ──
PY --> DS["[2-1] 자료구조"]
DS --> AL
AL --> CT["코딩테스트"]
DS --> CT
PY --> WEB["[2-1] 웹프로그래밍"]
LX --> DB["[2-2] 데이터베이스"]
DB --> BDA
DB --> AISD
WEB --> AISD
%% ── 대외/자격증 ──
MLP -.-> LG((LG Aimers))
ML -.-> LG
BDA -.-> CERT((정보처리기사))
OS -.-> CERT
DB -.-> CERT
NET -.-> CERT
%% ── 스타일 ──
style Start fill:#f9f,stroke:#333,stroke-width:2px
style AI fill:#ff6b6b,color:#fff
style ML fill:#ff6b6b,color:#fff
style NN fill:#ff6b6b,color:#fff
style CV fill:#ff6b6b,color:#fff
style OS fill:#339af0,color:#fff
style DP fill:#339af0,color:#fff
style AIOSS fill:#339af0,color:#fff
style LA fill:#fcc419,color:#333
style DM fill:#fcc419,color:#333
style OM fill:#fcc419,color:#333
style DS fill:#51cf66,color:#fff
style AL fill:#51cf66,color:#fff
style LG fill:#ffeb3b,stroke:#fbc02d
style CERT fill:#ffeb3b,stroke:#fbc02d
style LLM fill:#cc5de8,color:#fff
style DK fill:#339af0,color:#fff
| 트랙 | 색상 | 최장 경로 |
|---|---|---|
| AI/ML | 🔴 | 코딩기초 → Python → AI → ML → 뉴럴네트워크 → 컴퓨터비전 |
| 시스템 | 🔵 | 리눅스 → OS → 분산처리 → AIOSS |
| 수학 | 🟡 | 선형대수 → 확률통계 → 최적화수학 → 뉴럴네트워크 |
| 개발 | 🟢 | Python → 자료구조 → 알고리즘 → 코딩테스트 |
| 과목명 | 핵심 내용 | 실습 및 과제 |
|---|---|---|
| [1-2] 코딩 기초와 문제해결 | 컴퓨팅 사고, 아두이노 | 아두이노 실습 |
| [1-2] 선형대수학 | 벡터, 행렬, 선형변환 | Linear Algebra Lab 🔗 |
| 과목명 | 핵심 내용 | 실습 및 과제 |
|---|---|---|
| [2-1] Python(basic) | 파이썬 문법, 객체지향 | Python Repository 🔗 지뢰찾기 구현 |
| [2-1] 데이터 구조 | 리스트, 스택, 큐, 트리 | Data Structures Repo 🔗 정렬 알고리즘 실습 |
| [2-1] 인공지능 | 신경망 기초, CNN | AI Repository 🔗 MLP/CNN 실습 |
| [2-1] 웹프로그래밍 | HTML, Spring Boot | Web Programming Repo 🔗 Spring Boot 실습 |
| [2-1] 리눅스시스템 | 셸·편집기·프로세스·서버 기초 | Linux Repository 🔗 |
| [2-1] 확률과 통계 | 확률·통계 기초와 데이터 해석 | 강의 자료 정리(Local) |
| [2-1] 컴퓨터 구조 | CPU, 메모리 구조 | Cache Friendly 코딩 |
| [2-2] 운영체제 | 스케줄링, 동기화 | 스케줄러 구현(FCFS/SJF/SRTF) |
| [2-2] OSS | JS 이벤트·객체·DOM 등 클라이언트 기초 | OSS Repository 🔗 |
| [2-2] 데이터베이스 | SQL, 정규화, 모델링 | - |
| 과목명 | 핵심 내용 | 실습 및 과제 |
|---|---|---|
| [3-1] 머신러닝 | 회귀, SVM, RNN, Transformer | CNN/RNN/Transformer |
| [3-1] 머신러닝프로젝트 | SKLearn, Pandas, LangChain | 파이썬 기초 실력과제 |
| [3-1] 분산처리 | CUDA, 병렬 프로그래밍 | CUDA Projects 🔗 |
| [3-1] AI시스템개발/설계 | MLOps, 아키텍처 설계 | Cafe Project 🔗 |
| [3-2] 빅데이터분석 | 데이터 레이크, 분석 도구 | MLFlow 과제 Big Data Pipeline 🔗 |
| [3-2] 뉴럴네트워크 | 심화 신경망 아키텍처 | Neural Network Labs 🔗 |
| [3-2] 컴퓨터 그래픽스 | 렌더링, 그래픽스 기초 | Graphics Labs 🔗 |
| 과목명 | 핵심 내용 | 실습 및 과제 |
|---|---|---|
| [4-1] 알고리즘 | 분할정복, 탐욕법, DP, NP | CoTest Repository 🔗 |
| [4-1] 컴퓨터비전 | 영상처리, 기하변환 | CV 코랩 실습(ipynb) |
| [4-1] AIOSS | 실증적 개발, 오픈소스 AI 프로젝트 | Govon Repository 🔗 (이슈·마일스톤 기여) |
- LLM 활용: Fine-Tuning 실습, ChatGPT API 연동
- GenAI 실전: ComfyUI 워크플로우 실습, Hugging Face Models 🔗
- 인프라: 도커 및 쿠버네티스 (Ingress, Service 설정)
- 알고리즘: 코딩테스트 대비 및 백준 문제 풀이
- 실습 코드만 보기:
path:"실습" file:.md OR file:.ipynb - 특정 학기 검색:
file:"[2-1]" - 특정 기술 스택:
content:Python또는tag:#python(사용 시)
Last Updated: 2026-04-06