통번역 연구에 필요한 기본 개념과 통번역학 관련 전반적 이론을 학습한다.이를 토대로 실제 통번역 현장의 문제를 파악, 분석, 해결할 수 있는 이론적, 학문적 기틀을 마련한다. 향후 통번역학 연구와 관련 분석의 그 출발점을 제공한다.
통번역과 언어학 (Translation/Interpretation and Linguistics)
통번역 연구가 상당 부분 언어학 또는 응용언어학과 밀접한 관계가 있다는 점에서 언어학은 통번역 연구의 기초가 될 수 있다. 언어학 관련 주요 개념과 이론을 학습하고, 이를 토대로 통번역 과정에서 발생하는 다양한 문제를 해결하는 방법을 탐구한다. 언어학적 연구가 통번역 연구에 어떻게 활용 가능한지 고찰한다.
통번역과 사회언어학 (Translation/Interpretation and Sociolinguistics)
사회언어학은 사회와 언어와의 관계를 연구하는 학문이다. 언어가 성별, 계층, 연령, 지역, 민족 등의 사회적 요소에 의해 어떻게 변형되고 영향을 받는지사회언어학 제반 이론을 학습한다. 이를 바탕으로 통번역이라는 상황에서 참여자의 국적, 성별, 지위, 연령 등 사회적 배경이 통번역 언어에 미치는 영향을 탐구한다.
통번역과 문화간 커뮤니케이션 (Translation/Interpretation and Cross-cultural Communication)
통번역은 단순히 두 언어 차원의 치환이 아닌 서로 다른 문화간 커뮤니케이션이다. 각 언어가 속한 문화적 배경과 맥락을 이해하지 못하면 정확한 통번역이 불가능하다. 문화간 커뮤니케이션 맥락에서 통번역 이론과 실무를 고찰하고, 그 적절한 통번역 전략을 학습한다.
통번역 역사와 기술 (Technology and History of Translation/Interpretation)
통번역의 역사적 발전과 현대 기술의 영향을 다루는 과정이다. 통번역의 역사를 거시적으로 개괄하면서, 통번역에 대한 기술의 영향에 대한 관련 이론과 연구물을 학습한다. 또한, 컴퓨터 보조 번역 도구(CAT), 기계 번역(MT), 인공지능(AI) 기술이 통번역에 미치는 영향을 이론적으로 학습한다.
통번역과 AI (Translation/Interpretation and AI)
급격히 변화하는 통번역 산업에서 AI의 역할을 이해하고, AI 기술을 효과적으로 활용할 수 있는 능력을 배양한다. 기계 번역(MT), 신경망 기반 번역(NMT), 자연어 처리(NLP) 등 AI 기술의 핵심 개념을 학습한다. 또한 다양한 최신 AI 통번역 도구의 활용 방법을 배워 AI와 인간 통번역의 협업을 극대화하는 전략을 탐구한다.
기계번역 (Machine Translation)
기계번역은 언어학, 컴퓨터과학, 통번역학을 통합하는 학문 분야이다. 언어와 기술이 결합된 기계번역의 기본 개념과 그 원리를 학습하고 이를 실제 적용한다. 대표적인 기계번역 도구(Google 번역, DeepL 등)를 사용하여 기계번역의 결과물을 비교 분석하고 평가한다. 이와 함께, 기계번역의 결과물을 수정하고 보완하는 포스트 에디팅 기술을 익힘과 동시에 기계번역의 한계와 윤리적 문제를 다룬다.
연구 방법과 논문지도 (Research Methodology and Guided Research)
학문 연구에 필요한 다양한 연구 방법을 학습한다. 양적, 질적 연구방법에 기초한 선행 학술논문을 읽고 분석해 봄으로서, 학문 연구 능력을 배양한다. 이를 통해 논문 주제에 맞는 적합한 연구를 기획하고 실행할 수 있는 기틀을 마련한다. 이를테면 관심있는 논문 주제나 분야에 대한 집중적 연구를 통해 상세한 annotated bibliography나 소논문 등 가시적 성과물을 작성하고 관련 평가를 진행한다. 이렇게 함으로써 박사학위 논문 주제선정이나 논문주제에 맞는 연구를 기획하고 실행할 수 있는 능력을 키워 준다.
데이터사이언스 응용 (Applications of Data Science)
데이터 사이언스의 기본 개념을 바탕으로 실제 현장에서 데이터를 분석하고 활용하는 방법을 다룬다. 학생들은 데이터 수집, 전처리, 분석, 시각화, 그리고 모델링 기술을 배우며, 이를 통해 관련 문제를 해결하는 실무 능력을 함양한다.
데이터사이언스를 위한 통계 (Statistics for Data Science)
데이터 분석을 위한 통계학의 기본 개념을 이해하고, 여러 종류의 데이터들을 분석할 수 있는 기본적인 통계적인 방법들을 학습한다. 관련 프로그램 실습을 통해 실제 데이터 분석에 적용하는 방법을 익힌다.
데이터사이언스를 위한 기계학습 (Machine Learning for Data Science)
데이터 사이언스를 위한 기계학습 모델에 대한 입문 과정이다. 기계학습 기초 및 선형대수학 리뷰를 진행하며, 기본 인공신경망, 컨볼루션 및 순환 신경망, 그래프 신경망 심층 비지도 학습의 이론을 교육하며, 컴퓨터 비전, 자연어 처리 및 기타 영역에 이르기까지 다양한 응용을 다룬다.
데이터사이언스를 위한 프로그래밍 (Programming for Data Science)
데이터 사이언스의 프로그래밍 기술 기반을 학습하는 과목이다. 해당 과목은 데이터사이언스에 효과적인 프로그래밍 언어의 기초부터, 분석에 유용한 라이브러리를 활용한다. 데이터사이언스 실무에서 흔히 활용되는 개발도구의 소개 및 활용에 대해 소개 및 실습을 제공한다.
거대언어모델(LLM)과 데이터 사이언스 (Large Language Model and Data Science)
데이터사이언스의 핵심 분야 중 하나인 자연어 처리(NLP)의 최신 기술인 거대언어모델(GPT-4 등)의 원리, 응용, 그리고 실습을 다룬다. 학생들은 거대언어모델의 기본 개념부터 시작하여, 실제 데이터 분석 및 생성 응용 사례를 학습하고, 이를 다양한 분야에 적용해보는 경험을 하게 된다.
텍스트 마이닝과 빅데이터 분석 (Text Mining and Big Data Analysis)
텍스트 마이닝과 빅데이터 기술을 결합하여 대규모 텍스트 데이터를 분석하고 인사이트를 도출하는 방법을 다룬다. 학생들은 텍스트 데이터의 전처리, 분석, 시각화, 그리고 실제 응용 사례를 학습한다.
소셜 네트워크 데이터 마이닝 (Social Network Data Mining)
본 과목은 데이터 마이닝 관점에서 소셜 네트워크를 분석하기 위한 핵심 개념과 알고리즘을 학습한다. 본 과목은 커뮤니티 발견, 진화 분석, 링크 예측 및 영향 분석을 포함한 관련 주제를 다룬다. 학생들은 소셜 네트워킹 사이트에서 크롤링한 실제 데이터를 활용하여 프로젝트를 진행한다.
데이터 기반 혁신과 창업 (Data-Driven Innovation and Entrepreneurship)
데이터 과학은 모든 과학 및 산업 분야에서 지속적인 혁신의 기초가 되고 있습니다. 점점 더 많은 대학 스타트업이 학문적 연구를 기반으로 성공적으로 출현하고 있습니다. 이 과정은 데이터 기반 혁신의 본질을 이해하고 이를 자신의 스타트업 창업에 적용하려는 학생들을 위해 설계되었습니다.
MENU