소프트웨어 엔지니어에게 머신러닝 가르치기

머신러닝 (ML) 및 인공지능 (AI) 구성 요소가 소프트웨어 제품에 점점 더 많이 내장되고 있지만, 학부 소프트웨어 엔지니어링 (SE) 커리큘럼에서 AI/ML 기반 소프트웨어 시스템을 구축, 테스트, 배포 및 유지 관리하기 위한 체계적인 준비를 제공하는 경우는 드뭅니다. 본 논문은 핵심 SE 교육에 AI/ML 관련 콘텐츠를 통합하기 위한 증거 기반 가이드를 제공하는 것을 목표로 합니다. 우리는 AI/ML 기반 소프트웨어의 SE 실무와 관련된 주제들의 구조화된 인벤토리를 수집 및 정의한 다음, 이러한 주제들을 일련의 대표적인 SE 커리큘럼 내 필수 과목들과 매핑하여 커버리지 격차 (coverage gaps)를 식별합니다. 교육적 우선순위와 실행 가능성을 평가하기 위해, 우리는 SE 강사들을 대상으로 주제의 중요도와 통합 제약 사항에 대해 설문 조사를 실시합니다. 주제 정의, 커리큘럼 커버리지, 그리고 강사 우선순위 간의 교차 분석 (crosswalk)을 바탕으로, 우리는 우선순위가 높은 주제들이 기존 SE 과목 내 어디에 어떻게 포함될 수 있는지를 권장하는 가이드라인을 도출합니다.