UCD Artificial Intelligence for Weather & Climate Change 석사

UCD의 Artificial Intelligence for Weather & Climate Change 석사과정은 인공지능과 통계 모델링을 기상학·기후과학의 문제에 적용하는 융합 과정입니다. 대기 현상을 설명하는 물리적 원리와 종관기상학을 바탕으로, 기상예측과 기후위험 분석에 필요한 머신러닝·데이터과학 방법을 함께 익힙니다. 단순히 예측 모델을 사용하는 데 그치지 않고 불확실성과 극한현상, 사회·환경적 영향을 해석하며 실제 기상·기후 의사결정에 연결할 수 있는 분석 역량을 기르는 구성입니다.

Stage 1은 Autumn, Spring, Summer의 세 Trimester에 걸쳐 90학점을 이수합니다. Autumn에는 기상·기후의 물리와 AI 분석 기반을 세우고, Spring에는 계산 응용, 현장학습, 극한현상과 영향 분석으로 범위를 넓힙니다. 학생은 선택 모듈에서 총 20학점을 이수해 수리모형, 수문학, 지리공간 분석, 자연재해, 원격탐사 또는 Python 기반 데이터과학 가운데 자신의 관심 분야를 심화합니다. Summer에는 30학점 논문으로 앞선 학습을 독립 연구에 통합합니다.

Autumn의 핵심 모듈은 대기 과정의 물리적 이해와 기상도·관측자료 해석, AI 기반 예측을 하나의 기초로 묶습니다.
ACM41070 Physical Meteorology & Climate · 5 credits · Autumn
ACM41090 Synoptic Meteorology · 5 credits · Autumn
STAT41140 AI for Weather and Climate · 10 credits · Autumn

선택군에서는 전체 20학점 이수 규칙에 맞춰 수학·수문·공간자료·재해·데이터과학 영역을 조합할 수 있습니다. Autumn과 Spring에 각각 개설되는 모듈은 본인의 시간표에 맞는 Trimester를 선택합니다.
ACM30220 Partial Differential Equations · 5 credits · Autumn
CVEN40830 Applied Hydrology · 5 credits · Autumn
GEOG40960 Coastal Risks · 5 credits · Autumn
GEOG41090 Urban Data Analytics · 10 credits · Autumn
GEOL40710 Natural hazards and risk · 5 credits · Autumn
GEOL40740 Marine Geoscience · 5 credits · Autumn
COMP47670 Data Science in Python (MD) · 5 credits · Autumn and Spring (separate)
COMP47750 Machine Learning with Python · 5 credits · Autumn and Spring (separate)

Spring에는 기상 응용 계산과 현장 관측을 경험하고, 극한 기후와 기상·기후 영향의 정량적 분석을 발전시킵니다.
ACM41100 Computing for Weather app · 5 credits · Spring
ACM41960 Physical Met Field Trip · 5 credits · Spring
STAT41150 Extremes for Climate · 5 credits · Spring
STAT41160 Impacts for Weather & Climate · 5 credits · Spring

Spring 선택 모듈은 불확실성 정량화와 수치예보, 기후변화, 원격탐사와 GIS 프로그래밍을 통해 분석 도구의 폭을 넓힙니다.
ACM41000 Uncertainty Quantification · 5 credits · Spring
ACM41110 Dynamical Met & NWP · 5 credits · Spring
GEOG20060 Weather, Climate and Climate Change · 5 credits · Spring
GEOG40890 Remote Sensing · 10 credits · Spring
GEOG41060 Geostatistics and Programming for GIS · 10 credits · Spring

Physical Met Field Trip은 강의에서 배운 대기 물리와 관측 개념을 실제 환경에서 연결하는 현장학습입니다. 학생은 관측과 계산 자료를 함께 살피며 기상 현상을 해석하고, AI 모델의 결과가 물리적으로 타당한지 검토하는 관점을 기릅니다. 극한현상과 기후영향 모듈에서는 불확실성을 포함한 자료를 분석해 위험과 영향을 설명하며, Python·원격탐사·GIS 관련 선택 모듈을 통해 대규모 시공간 자료를 다루는 실무적 분석 능력도 확장할 수 있습니다.

Summer Trimester에는 ACM41120 Dissertation · 30 credits · Summer를 수행합니다. 이 연구 중심 논문은 Met Éireann과의 협력 맥락에서 진행되며, 학생은 기상·기후 또는 대기과학의 질문을 설정하고 적절한 AI·통계 방법을 선택해 자료를 분석합니다. 연구 설계부터 결과 해석과 글쓰기까지 독립적으로 완성하면서 모델 성능뿐 아니라 물리적 의미, 불확실성, 실제 활용 가능성을 함께 평가하는 경험을 쌓습니다.

과정을 마치면 대기과학의 핵심 개념과 AI·머신러닝·통계 모델링을 연결해 기상예측과 기후변화 문제를 분석할 수 있습니다. 다양한 관측·모델·지리공간 자료를 계산 환경에서 처리하고, 극한현상과 기후영향을 정량적으로 평가하며, 분석 결과의 불확실성과 한계를 설명하는 능력을 발전시킵니다. 또한 복합적인 연구 문제를 구조화하고 근거에 따라 방법을 선택해 결과를 전문 연구자와 비전문 이해관계자에게 명확하게 전달하는 역량을 갖추게 됩니다.

UCD Science가 인공지능을 기상·기후과학에 적용하는 이 석사과정의 학습 내용과 연구 방향을 소개합니다.

졸업 후에는 국가 기상기관, 재생에너지 분야, 환경 컨설팅, 기후기술 기업 등에서 데이터 과학자, 기후 모델러, AI 연구자 또는 환경 분석가와 같은 역할을 탐색할 수 있습니다. 기상예측과 기후위험, 지속가능성 및 적응 전략을 다루는 조직에서 모델링·자료분석·연구 역량을 활용할 수 있으며, 대기과학과 인공지능의 접점에서 더 깊은 연구를 희망한다면 관련 박사과정으로 진학하는 경로도 고려할 수 있습니다.