KAIST 산학협동 강좌

이런 분들에게 추천합니다

• Vibe Coding으로 코딩의 장벽을 허물고 싶은 분

• AI를 업무에 활용하고 싶지만 개발 경험이 많지 않은 엔지니어

• 데이터 분석, 보고서 작성 등 반복 업무를 AI로 자동화하고 싶은 실무자

• 설비 데이터, 기술 문서, 운영 데이터를 분석하는 엔지니어

• 생성형 AI와 AI Agent를 산업 현장에서 실제로 활용하는 방법을 배우고 싶은 분

왜 지금 AI Agent인가?

최근 생성형 AI와 대규모 언어모델의 발전으로 단순한 데이터 분석을 넘어 AI가 스스로 업무를 수행하는 Agent 기반 자동화 기술이 빠르게 확산되고 있습니다. 

• 기술 문서를 자동으로 검색하고 분석하는 AI

• 데이터를 해석하고 보고서를 자동 생성하는 AI

• 반복적인 분석 업무를 자동으로 수행하는 AI Agent

• 장비와 소프트웨어 도구를 자연어로 제어하는 AI

이제 AI는 단순한 분석 도구가 아니라 실제 업무를 수행하는 디지털 동료(Digital Worker)가 되고 있습니다.

강좌의 특징

본 강좌는 비개발자 엔지니어도 활용할 수 있는 산업 AI Agent 기술을 중심으로 구성되었습니다. 이론 중심 강의가 아니라 실제 산업 환경에서 바로 활용할 수 있는 실습 중심 교육으로 진행됩니다. 참가자는 기업 내 LLM 기반 업무 자동화와 생산성 향상을 추진할 수 있는 실무 역량을 확보할 수 있습니다.

• RAG 기반 기술 문서 검색 시스템 구축

• Vibe Coding 기반 데이터 분석 및 시각화 자동화

• 보고서 자동 생성 시스템 설계

• 산업 데이터 분석 자동화 Agent 구축

• 자연어 기반 장비 및 도구 제어 시스템 구현

이를 통해 AI를 활용한 업무 자동화 역량과 생산성 향상 방법을 직접 체험할 수 있습니다.

강좌내용: 실제 산업 환경에 적용 가능한 AI 자동화 시스템을 직접 설계하고 구현해 보는 실무 중심 강좌입니다.

제1일:

• 10:00-11:00 (이승철 교수)

  • 생성형 AI 및 LLM 기반 기술의  산업 활용 전략 이해

생성형 AI와 대형 언어모델(LLM)의 핵심 개념과 산업 현장에서의 활용 전략을 소개한다. 다양한 산업 분야에서 실제로 적용되고 있는 사례를 통해 기술의 현재 수준과 한계를 이해하고, 조직 내 도입을 위한 방향성과 고려사항을 살펴본다. 이를 통해 기업 환경에 적합한 AI 활용 전략 수립의 기초를 마련한다. 

• 11:00-12:00 (이준형 박사)

  • 프롬프트로 코딩한다! Vibe Coding 실전 활용법

자연어 프롬프트를 활용하여 코드를 생성하는 Vibe Coding의 개념과 실전 활용 방법을 다룬다. 다양한 예제를 통해 개발 생산성을 높이는 프롬프트 설계 방법과 반복 작업 자동화 기법을 소개하며, 실제 업무 환경에서 적용 가능한 효율적인 개발 방식을 제시한다. 이를 통해 AI 기반 개발 패러다임의 변화를 이해하고 실무 적용 역량을 강화한다. 

• 12:00-13:00 (이승철 교수)

  • RAG 기반 기술 문서 검색 시스템 및 챗봇 구축 

RAG (Retrieval-Augmented Generation) 구조를 활용한 기술 문서 검색 시스템과 챗봇 구축 방법을 소개한다. 자연어로 작성된 문서 및 데이터베이스를 기반으로 정확한 정보를 검색하고 생성형 AI와 결합하는 구조를 이해하며, 실제 구현을통해 효율적인 정보 활용 방안을 살펴본다. 

• 14:00-18:00 (이남정 PM)

  • AI 기반 보고서 및 시각화 자동 생성

AI를 활용하여 데이터 기반 보고서와 시각화를 자동으로 생성하는 방법을 다룬다. 다양한 데이터 입력을 바탕으로 인사이트를 도출하고 이를 문서 및 시각 자료로 변환하는 과정을 실습 중심으로 설명한다. 이를 통해 반복적인 보고서 작성 업무를 자동화하고 의사결정 지원 역량을 강화하는 방법을 제시한다. 

• • 진단 보고서 비교 AI Agent 구현

여러 진단 보고서를 비교·분석하는 AI Agent의 설계 및 구현 방법을 소개한다. 문서 간 차이점과 주요 인사이트를 자동으로 추출하는 구조를 이해하고, 실제 업무에 적용 가능한 비교 분석 자동화 기법을 살펴본다. 이를 통해 복잡한 문서 분석 작업을 효율적으로 수행하는 AI 시스템 구축 방향을 제시한다. 

제2일:

• 09:00 ~ 13:00 (이남정 PM)

  • AI Agent 기반 산업 데이터 분석 자동화

AI Agent를 활용하여 산업 데이터를 자동으로 분석하는 방법을 소개한다. 데이터 처리, 분석, 결과 해석까지의 전 과정을 자동화하는 구조를 이해하고, 실제 사례를 통해 적용 가능성을 살펴본다. 이를 통해 데이터 기반 의사결정 프로세스를 효율화하는 AI 활용 방안을 제시한다. 

• 14:00 ~ 16:00 (이승철 교수)

  • 자연어 기반 하드웨어/도구 제어 자동화

자연어 명령을 기반으로 다양한 하드웨어 및 소프트웨어 도구를 제어하는 자동화 기술을 소개한다. AI Agent가 외부 시스템과 연동되어 작업을 수행하는 구조를 이해하고, 실제 구현 사례를 통해 활용 가능성을 탐색한다. 이를 통해 사람과 시스템 간 상호작용을 단순화하는 자동화 설계 방향을 제시한다. 

• 16:00 ~ 17:00 (임경태 교수)

  • 지식 기반 AI Agent의 실제 적용 사례

대형 언어모델을 기반으로 한 AI Agent가 외부 지식과 도구를 활용하여 실제 산업 문제를 해결하는 방법을 소개한다. RAG, 지식 DB, 추론 기반 Agent 구조를 결합하여 복잡한 데이터와 사내 내부문서를 분석하고 의사결정을 지원하는 시스템 사례를 살펴본다. 이를 통해 실제 현장에서 활용 가능한 AI Agent 시스템 설계 방향을 제시한다.

강사진:

이승철 교수 (KAIST 기계공학과, 강좌책임교수)

임경태 교수 (KAIST 문화기술대학)

이남정 PM (SK온, AI Engineer)

이준형 박사 (KAIST, InnoCORE Fellow)

수강신청:

• 2026년 5월 6일 (수) 까지

• 수강인원 50명

• 참가신청서 작성 후 사업자등록증 사본과 함께 이민형 학생 (mhlee@kaist.ac.kr) 에게 제출 

납부 방법:

• 수강료: 500,000원 (교재비 및 중식비 포함)

• 결제는 계좌이체 또는 신용카드로 가능

  • 계좌이체: 우리은행 270-003359-13-137 (예금주: 한국과학기술원)

    • 계좌이체는 영수증 발행

    • 수강자 이름으로 입금하신 후 성명, 소속, 연락처를 e-mail (이민형, mhlee@kaist.ac.kr) 로 송부

  • 카드결제 가능 (강좌 당일 등록데스크)

    • 신용카드는 카드영수증 발행

• 본 강좌는 수익(부가세면제)사업으로 세금계산서는 발행 불가, 계산서는 발행 가능

• 수료증 발급

문의사항:

• KAIST 기계공학과 산업인공지능연구실 이승철 교수

• E-mail: seunglee@kaist.ac.kr

수강 대상: 

산업체, 연구소 및 대학에서 기계시스템 해석 및 설계와 관련된 연구, 제품설계, 시험, 검사 업무 중 인공지능 응용에 관심이 있는 자

강좌의 배경과 목적: 

본 강좌는 현대 기계공학 분야에서 인공지능의 적용과 설계에 대한 핵심 원리를 다루며, 기계공학 전반에서 인공지능 기술의 중요성이 증가하고 있는 최신 흐름을 반영합니다. 특히 대규모 언어모델(LLM)과 물리지식기반 인공지능 기법을 중심으로, 이들 기술이 기계 설계, 해석, 최적화 과정에서 어떻게 활용될 수 있는지를 다룹니다. 본 강좌의 목표는 실제 현업에서 사용되는 인공지능 도구와 기법을 이해하고, 이를 기계 설계 및 최적화 문제에 적용할 수 있는 실질적인 역량을 기르는 데 있습니다. 데이터 기반 학습 기법과 물리 기반 모델을 결합한 하이브리드 설계 방법론, 그리고 LLM을 활용한 설계 지식 추출 및 설계 지원 기법을 통해 수강생들은 현대적인 설계 패러다임을 체계적으로 학습하게 됩니다. 또한 산업체에서 발생하는 실제 문제를 중심으로 실용적인 인공지능 및 설계 원리를 소개하며, 질의응답 세션을 통해 수강생들이 개별적인 관심 주제나 실무 적용과 관련된 질문을 심도 있게 논의할 수 있는 기회를 제공합니다.

 강좌내용:

제1일: 최적설계 / 위상 최적화

• 10:00 ~ 13:00 (장인권 교수)

  • 최적설계 기초/위상 최적화 이론, 사례

  • 실습

• 14:00 ~ 18:00 (이익진 교수)

  • 데이터 학습 모델 활용 최적화

  • 실습

제2일: 물리지식기반 인공지능 / 생성형 인공지능

• 09:00 ~ 13:00 (이승철 교수)

  • 해석 가속화를 위한 PINN and Operator Learning 

  • 실습 PINN, DNO

• 14:00 ~ 18:00 (강남우 교수)

  • 생성형 AI를 이용한 최적 설계 기법

  • 실습 

제3일: 제조를 위한 LLM 및 패널 토의

• 09:00 ~ 13:00 (임경태 교수)

  • LLM의 기본 이론 및 튜닝 1, 2, 3

  • 실습: KORMo를 활용한 언어모델 

  • 실습: 시각-언어모델 Fine Tuning  

• 14:00 ~ 16:30 (유승화 교수)

  • 제조 AI: 도메인, 물리, 그리고 LLM의 융합

  • 실습, 실습코드: 

    • 텐서와 미시역학을 몰라도 활용가능한 복합재 균질화 이론 예측 LLM,  

    • 비용 많은 실험/시뮬레이션 기반 최적화를 위한 베이지언 최적화용 LLM

• 16:30 ~ 17:30 (모두)

  • 패널 토의, Q&A

• 17:30 ~ 17:40

  • 경품 추천

수강신청:

• 2026년 2월 13일 (금) 까지

• 수강인원 100명

• 참가신청서 작성 후 사업자등록증 사본과 함께 이민형 학생 (mhlee@kaist.ac.kr) 에게 제출 

납부 방법:

• 수강료: 일반 700,000원, 학생 400,000원 (교재비 및 중식비 포함)

  • 학생의 경우, 재학증명서 사본 제출

• 결제는 계좌이체 또는 신용카드로 가능

  • 계좌이체: 우리은행 270-003359-13-137 (예금주: 한국과학기술원)

    • 계좌이체는 영수증 발행

    • 2026년 01월 05일 (월) 부터 가능하며, 수강자 이름으로 입금하신 후 성명, 소속, 연락처를 e-mail (mhlee@kaist.ac.kr) 로 송부

  • 카드결제 가능 (강좌 당일 등록데스크)

    • 신용카드는 카드영수증 발행

• 본 강좌는 수익(부가세면제)사업으로 세금계산서는 발행 불가, 계산서는 발행 가능

• 수료증 발급

강사진:

이승철 교수 (KAIST 기계공학과, 강좌책임교수)

유승화 교수 (KAIST 기계공학과)

이익진 교수 (KAIST 기계공학과)

장인권 교수 (KAIST 조천식모빌리티대학원)

강남우 교수 (KAIST 조천식모빌리티대학원)

임경태 교수 (KAIST 문화기술대학)

문의사항:

• KAIST 기계공학과 산업인공지능연구실 이승철 교수

• E-mail: seunglee@kaist.ac.kr

수강 대상: 

산업체, 연구소 및 대학에서 기계시스템 해석 및 설계와 관련된 연구, 제품설계, 시험, 검사 업무 중 인공지능 응용에 관심이 있는 자

강좌의 배경과 목적: 

본 강좌는 현대 기계공학 분야에서 인공지능의 적용과 설계에 대한 핵심 원리를 다루는 강좌로, 기계공학 분야에서 인공지능 기술의 중요성이 증가하고 있는 현 상황을 반영합니다. 이 강좌는 수강생들에게 이 분야에서의 지식과 기술 습득을 목표로 하고 있으며, 실제 현업에서 사용되는 인공지능 도구와 기법을 익히고, 기계 설계 및 최적화에 적용하는 데 필요한 능력을 갖추도록 하는 것이 주된 목적입니다. 이를 통해 수강생들은 현대 기계공학의 동향에 부응하며, 현업에서의 문제 해결에 인공지능을 효과적으로 활용하는 기술적 역량을 키울 수 있습니다. 강좌는 산업체에서 발생하는 실제 문제에 대처할 수 있는 실용적인 인공지능 기술 및 설계 원리를 제공합니다. 산업체의 요구와 기대에 부응하여, 수강생들은 강의를 통해 얻은 지식을 실제 산업 환경에서 적용할 수 있는 능력을 배양하게 됩니다. 이를 통해 수강생들은 현업에서의 도전적인 업무에 대응하며, 산업체에서 발생하는 복잡한 문제에 대한 인공지능 설계 및 해석 기술을 습득하여 실전에 적용할 수 있는 능력을 키울 것입니다. 또한, 질의응답 세션을 통해 수강생들이 개별적으로 공부하고자 하는 내용에 대해 더 깊이 이해하고 학습할 수 있는 기회를 제공합니다.

 강좌내용:

제1일: 강좌소개 / 인공지능 응용 / 인공지능 기반 해석

• 10:00 ~ 10:20 (이승철 교수)

  • 강좌 및 전체 강의 구성 소개

• 10:20 ~ 12:20 (유승화 교수)

  • 인공지능 응용 개괄 및 데이터 난제 대응 전략

  • (실습 자료 제공)

• 12:20 ~ 13:00, 14:00 ~ 18:00 (이승철 교수)

  • 해석 가속화를 위한 PINN and DeepONet 

  • colab: 실습 1, 실습 2 or html: 실습 1, 실습 2

제2일: 최적설계 / 위상 최적화 / 생성형 인공지능

• 9:00 ~ 11:30 (장인권 교수)

  • 최적설계 기초/위상 최적화

  • 실습

• 11:30 ~ 13:00, 14:00 ~ 15:00 (이익진 교수)

  • 데이터 학습 모델 활용 최적화

  • (실습 자료 제공)

• 15:00 ~ 18:00 (강남우 교수)

  • 생성형 AI를 이용한 최적 설계 기법

  • 실습 

제3일: 응용 사례 발표 및 패널 토의

• 09:00 ~ 13:00 

  • 형상 변화를 반영할 수 있는 물리지식기반 딥오넷 (이승철 교수)

  • 데이터 학습 모델 활용 최적화 적용 사례 (이익진 교수)

  • 도메인 지식을 활용한 효율적인 AI 적용 사례 (유승화 교수)

  • 제조업을 위한 생성형 AI 기반 제품 설계 사례 (강남우 교수)

  • 구조 및 다학제 위상최적화 적용 사례 (장인권 교수)

• 14:00 ~ 15:00 (모두)

  • 패널 토의, Q&A

수강신청:

• 2025년 1월 31일 (금) 까지

• 수강인원 50명

• 참가신청서 작성 후 사업자등록증 사본과 함께 Google Forms 제출 (조기 마감)

납부 방법:

• 수강료: 일반 700,000원, 학생 400,000원 (교재비 및 중식비 포함)

  • 학생의 경우, 재학증명서 사본 제출

• 결제는 계좌이체 또는 신용카드로 가능

  • 계좌이체: 우리은행 270-003359-13-137 (예금주: 한국과학기술원)

    • 계좌이체는 영수증 발행

    • 2025년 01월 01일 (수) 부터 가능하며, 수강자 이름으로 입금하신 후 성명, 소속, 연락처를 e-mail (seunglee@kaist.ac.kr) 로 송부

  • 카드결제 가능 (강좌 당일 등록데스크)

    • 신용카드는 카드영수증 발행

• 본 강좌는 수익(부가세면제)사업으로 세금계산서는 발행 불가, 계산서는 발행 가능

• 수료증 발급

강사진:

이승철 교수 (KAIST 기계공학과, 강좌책임교수)

유승화 교수 (KAIST 기계공학과)

이익진 교수 (KAIST 기계공학과)

장인권 교수 (KAIST 조천식모빌리티대학원)

강남우 교수 (KAIST 조천식모빌리티대학원)

문의사항:

• KAIST 기계공학과 산업인공지능연구실 이승철 교수

• Tel: 042-350-3026

• E-mail: seunglee@kaist.ac.kr

수강 대상: 

산업체, 연구소 및 대학에서 기계시스템 해석 및 설계와 관련된 연구, 제품설계, 시험, 검사 업무 중 인공지능 응용에 관심이 있는 자

강좌의 배경과 목적: 

본 강좌는 현대 기계공학 분야에서 인공지능의 적용과 설계에 대한 핵심 원리를 다루는 강좌로, 기계공학 분야에서 인공지능 기술의 중요성이 증가하고 있는 현 상황을 반영합니다. 이 강좌는 수강생들에게 이 분야에서의 지식과 기술 습득을 목표로 하고 있으며, 실제 현업에서 사용되는 인공지능 도구와 기법을 익히고, 기계 설계 및 최적화에 적용하는 데 필요한 능력을 갖추도록 하는 것이 주된 목적입니다. 이를 통해 수강생들은 현대 기계공학의 동향에 부응하며, 현업에서의 문제 해결에 인공지능을 효과적으로 활용하는 기술적 역량을 키울 수 있습니다. 강좌는 산업체에서 발생하는 실제 문제에 대처할 수 있는 실용적인 인공지능 기술 및 설계 원리를 제공합니다. 산업체의 요구와 기대에 부응하여, 수강생들은 강의를 통해 얻은 지식을 실제 산업 환경에서 적용할 수 있는 능력을 배양하게 됩니다. 이를 통해 수강생들은 현업에서의 도전적인 업무에 대응하며, 산업체에서 발생하는 복잡한 문제에 대한 인공지능 설계 및 해석 기술을 습득하여 실전에 적용할 수 있는 능력을 키울 것입니다. 또한, 질의응답 세션을 통해 수강생들이 개별적으로 공부하고자 하는 내용에 대해 더 깊이 이해하고 학습할 수 있는 기회를 제공합니다.

강좌내용:

제1일: 강좌소개 / 인공지능 기초 / 인공지능 기반 해석

• 10:00 ~ 13:00 (이승철 교수)

  • 머신러닝 기초 (회귀분석, 분류)

  • 딥러닝 기초 (ANN, CNN)

  • 차원축소 (PCA, Autoencoder)

  • 실습 

• 14:00 ~ 18:00 (유승화 교수)

  • AI 모델의 Data-efficient한 학습을 위한 Domain Knowledge 활용 사례: 복합재 물성, 응력-변형율 곡선, 응력 분포, 균열 진전 경로 등 

  • 전략적인 AI 학습 및 AI 활용 개요: 데이터 부족, 데이터 불균형, 데이터 신뢰도 부족, 외삽 문제 등 대처 사례 

  • 딥러닝 기반 유체흐름 예측 및 유체 장치 설계 활용

  • 딥러닝 기반 복합재 응력-변형율 곡선 예측 및 강성/강도 최적화

  • 실습 

제2일: 최적화 및 데이터 기반 학습모델 기초 / 위상 최적화

• 9:00 ~ 11:00 , 14:00 ~ 16:00 (이익진 교수)

  • 데이터 기반 학습 모델 (Data-driven surrogate modeling) 생성 기초

  • 다중 충실도 학습 모델 (Multi-fidelity surrogate modeling)

  • 베이지안 최적화

  • 적용 사례 소개

  • 실습

• 11:00 ~ 13:00, 16:00 ~ 18:00 (장인권 교수)

  • 최적설계 (Design optimization) 및 위상최적설계 (Topology optimization) 기초

  • 민감도 기반 위상최적설계

  • 적용 사례 소개

  • 실습 

제3일: 생성형 인공지능 기반 설계 사례 및 실습 (생성/탐색/평가/최적화) 

• 9:00 ~ 13:00, 14:00 ~ 17:00 (강남우 교수)

  • AI 기반 설계 연구 동향

  • 생성형 AI 기반 제품 설계 및 디자인 사례

  • 생성형 AI 방법론 1: 3D Generative Model

  • 생성형 AI 방법론 2: Stable Diffusion

  • 3D Generative Model 기반 제품 설계 실습

  • Stable Diffusion 기반 제품 디자인 실습

수강신청:

• 2024년 2월 8일 (목) 까지

• 수강인원 100명

• 참가신청서 작성 후 사업자등록증 사본과 함께 e-mail (b.park@kaist.ac.kr) 로 접수

납부 방법:

• 수강료: 일반 700,000원, 학생 350,000원 (교재비 및 중식비 포함)

  • 학생의 경우, 재학증명서 사본 제출

• 결제는 계좌이체 또는 신용카드로 가능

  • 계좌이체: 우리은행 270-003359-13-137 (예금주: 한국과학기술원)

    • 계좌이체는 영수증 발행

    • 2024년 1월 22일 (월) 부터 가능하며, 수강자 이름으로 입금하신 후 성명, 소속, 연락처를 e-mail (b.park@kaist.ac.kr) 로 보내주세요

  • 카드결제 가능 (강좌 당일 등록데스크)

    • 신용카드는 카드영수증 발행

• 본 강좌는 수익(부가세면제)사업으로 세금계산서는 발행 불가, 계산서는 발행 가능

• 수료증 발급

강사진:

이승철 교수 (KAIST 기계공학과, 강좌책임교수)

유승화 교수 (KAIST 기계공학과)

이익진 교수 (KAIST 기계공학과)

장인권 교수 (KAIST 조천식모빌리티대학원)

강남우 교수 (KAIST 조천식모빌리티대학원)

문의사항:

• KAIST 기계공학과 산업인공지능연구실 이승철 교수

• Tel: 042-350-3026

• E-mail: seunglee@kaist.ac.kr