트랙

• ORI 오리엔테이션 — AI 연구란 무엇이고, AI for Science는 어떤 지형인가?
• INF 연구 인프라 — 코드는 어디에서, 어떤 환경으로 실행되는가?
• RSE 연구 소프트웨어 공학 — 수식과 아이디어를 어떻게 정확하고 유지 가능한 코드로 옮기는가?
• MTH 수리 기초 — 모델과 학습은 어떤 공간에서, 어떤 계산으로 이루어지는가?
• PSI 확률·통계적 추론 — 불확실한 데이터에서 무엇을, 얼마나 확신하며 추론할 수 있는가?
• MLC 머신러닝 핵심 — 데이터에서 신뢰할 수 있는 예측 모델을 어떻게 만들고 평가하는가?
• MLA 머신러닝 심화 — 분포를 생성하고, 결정을 학습하고, 예측을 언제 믿을 수 있는가?
• MLS 머신러닝 시스템 — 실험을 어떻게 추적·재현하고, 더 크고 빠르게 돌리는가?
• RES 연구 방법론 — 무엇이 좋은 연구 질문이고, 주장을 어떻게 검증하고 전달하는가?
• SML 과학 머신러닝 — 물리 법칙·시뮬레이션·실험을 학습과 어떻게 결합하고, 발견의 순환에 넣는가?
• DOM 과학 분야별 응용 — 각 과학 분야의 데이터·문제·평가 기준은 무엇이 다르고, 어디서 실패하는가?
• CAP 종합 프로젝트 — 배운 것을 하나의 공개 가능한 연구 산출물로 만들 수 있는가?
• REF 참고 자료 — 필요할 때 무엇을 찾아보는가?