멀티미디어통신(Multimedia Communication)

인터넷의 기반 통신 프로토콜인 TCP/IP를 중심으로 기본 동작 이론과 멀티미디어 처리 메커니즘을 배운다. 특히 TCP의 다양한 멀티미디어 처리 기술을 소개하고, QoS 및 성능 개선 방안을 모색한다.

세미나(Seminar)

학생들이 석사학위논문을 작성하는데 필요한 논문 검색, 실험 방법, 논문 기술방법 등에 관한 세부전공과 무관한 일반적인 방법에 관해 다룬다. 학생들은 관심있는 주제에 관한 논문을 찾아서 발표하는 시간을 갖는다. 각 학생은 관심주제에 대한 리뷰 논문이나 튜토리얼 논문을 찾아 2회에 걸쳐 우선 발표한다. 이어서, 연구분야와 광범위하게 연관된 최근 4년이내에 발표된 SCI급의 정규 논문을 한편 찾아 발표하도록 한다. 마지막으로 최근 2년이내의 conference 논문을 찾아 최신의 연구동향을 파악하여 석사논문 작성에 필요한 기초 기반을 다지도록 한다. 발표하는 과정에서 타 학생의 논문도 함께 읽고 토론하는 방식으로 진행한다.

적응신호처리(Adaptive Signal Processing I)

본 교과목에서는 고급 DSP 과정의 일환으로 적응신호처리(Adaptive Signal Processing)에 대한 이론 수업을 진행한다. 대표적인 적응신호처리 알고리즘인 LMS/RLS 등등에 대하여 강의한다.

인터넷프로토콜(Topics in Internet Protocol)

Internet protocols and the related techniques will be discussed. Especially, transport protocols are closely examnied. Many recent papers and articles will be analyzed with the text book.

추정및검파이론(Estination and Detection Theory)

신호에서 원하는 정보를 추정하거나 추출하는 확률통계신호처리 기법에 대한 기본적인 이론적인 내용을 이행한다.

컴퓨터비전(Computer Vision)

컴퓨터 비전(Computer Vision)은 인간의 시각 기능의 컴퓨터 알고리즘을 통한 구현을 그 목표로 하는 흥미로운 연구 분야이다. 본 강의에서는 컴퓨터 비전에 대한 기본적인 내용을 학습한다. 특별히 최근 연구 동향에 따라 딥 러닝(Deep Learning) 및 그에 기반한 시각적 인식(Visual Recognition) 방법들을 다룬다. 또한 휴먼 자세 추정(Human Pose Estimation) 분야를 자세히 살펴본다. 마지막으로 본 과목을 수강하는 학생들은 최신 컴퓨터 비전 연구들에 대한 논문발표를 수행해야 한다.

고속디지털시스템설계(High Speed Digital System Design)

This class covers the practical and theoretical aspects necessary to design modern high-speed digital systems at the platform level including basic transmission line theory to digital timing analysis, high-speed measurement technique. All of the technologies covered in this class have been applied in industry to actual digital products that have been successfully produced and sold in high volume. Graduate students who have completed basic electromagnetic or microwave design classes are preferred to fully comprehend the theory presented in this class.

선형대수학및응용(Linear Algebra and Its Applications)

In this course, we will study the mathematical foundations of machine learning, including linear algebra, geometry, matrix decomposition, vector computation, probability and statistics, and optimization methods. We will also discuss the essentials of core machine learning models such as linear regression, dimensionality reduction, Gaussian mixture models, and support vector machines. The topics covered in this class will also play an important role in study of deep learning. All participants are expected to work on their own project and submit a paper or present the results at the end of the semester.

의료영상처리시스템(Medical Image Processing System)

The rapid movement of medical imaging into digital technology requires graduates in the medical radiation sciences to have a sound understanding of the fundamentals of digital imaging theory and image processing areas that were formerly the preserve of engineers and computer scientists. So, This course aimed to describe the basic properties of digital images and how the are used and processed in medical imaging.

생체신호처리(Biomedical Signal Processing)

In this lecture, we will cover face-based contactless vital sign estimation methods. i,e,, remote photoplethysmography research.

EMC공학개론(Introduction to Electromagnetic Compatibility Engineering)

This class is intended primarily for the practicing students who is involved in the design of electronic equipment or systems and is faced with EMC. It addresses the practical aspects of electromagnetic compatibility engineering, covering both emission and immunity. The concepts presented in this class are applicable to both analog and digital circuits operating from below audio frequencies up to the GHz range. Graduate students who have completed basic electromagnetic or microwave design classes are preferred to fully comprehend the theory presented in this class.

컴퓨터비전특론(Advanced Computer Vision)

이 강의는 대학원생들에게 컴퓨터 비전에서 가장 중요한 이론 중 하나인 다중 시점 기하학(Multiple View Geometry)에 대한 깊은 이해를 제공하는 것을 목표로 한다. 학생들은 먼저 2차원, 3차원 사영 기하학(Projective Geometry) 및 호모그래피(Homography)에 대해 학습하게 된다. 이후 카메라 투영 모델을 바탕으로 여러 시점 간의 관계와 3차원 장면 간의 관계를 이해하고, 최신 3차원 장면 복원 및 카메라 캘리브레이션 기법에 대해서도 학습하게 된다.

패턴인식특론1(Advanced Pattern Recognition1)

패턴인식 중에서도 특별히 딥 러닝(deep learning)에 대한 내용을 학습한다. 구체적으로 logistic regression, shallow neural network, deep neural network 등의 기본적인 딥 러닝의 이론들을 학습한다. 그 후 regularization, optimization, hyper-parameter tuning, normalization 등의 딥 러닝 모델의 향상시킬 수 있는 방법들을 살펴본다. 마지막으로 convolutional neural network, object detection 등 특별히 컴퓨터 비전(computer vision)에의 응용에 관한 내용을 다룬다. 본 강의는 논문발표 프로젝트와 기말고사를 포함한다.

기계학습특론(Special Topics in Machine Learning)

This course focuses on the transformer and large language models (LLMs), which are the most important parts of recent artificial intelligence (AI). Specifically, from the basic concept to their strengths and effectiveness of transformer and LLMs would be dealt with practical use and issues.

고급디지털신호처리(Advanced Digital Signal Processings)

본 강의는 단순한 디지털신호처리 이론뿐만 아니라 고급 디지털신호철 시스템의 설계할 수 있는 능력 배양을 목표로 한다.디지털 신호의 모델링, 필터 구조, 최적 디지털필터의 설계, 최적신호추정, 신호전력추정, 적응필터의 기본 알고리듬을 익히는데 목적이 있으며, 내용으로는 deterministic 신호와 확률신호의 모델링, FIR, IIR, Lattice 필터 설계, 최소자승오차와 평균자승오차 기준적용, 파라미터 추정 알고리듬, Wiener, Kalman 필터 설계, 비모수 및 모수 전력추정, 적응 알고리듬이 포함된다.

반도체집적회로공정(Semiconductor Process for Integrated Circuit)

웨이퍼부터 팩키징까지 반도체 집적회로 공정의 전반적인 개요와 플로우에 대해서 공부함.

패턴인식특론2(Advanced Pattern Recognition2)

패턴인식/머신러닝의 다양한 분야 중 특별히 확률 그래프 모델(probabilistic graphical model)에 대해서 학습한다. 확률 그래프 모델은 다수의 확률 변수로 구성된 확률 모델을 조건부 독립(conditional independence)에 기반하여 그래프를 통해 간략히 표현할 수 있도록 해준다. 본 강의에서는 대표적인 확률 그래프 모델인 Bayesian network 및 Markov random field에 대해서 다룬다. 또한 주어진 모델에서 최적의 해를 구하는 추론(inference)를 위한 알고리즘과 주어진 데이터를 가장 잘 설명하는 모델을 결정하는 학습(learning)을 위한 알고리즘을 다룬다. 확률 그래프 모델에 대한 학습이 끝나면 딥 러닝 기반의 생성 모델(generative model)에 대한 논문 발표를 진행한다. 생성 모델은 generative adversarial network(GAN), variational autoencoder(VAE), flow-based models, diffusion models 등을 포함한다.

고속직렬인터페이스개론(Introduction to high-speed serial interface)

본 강의는 고속 직렬 인터페이스(high-speed serial interface) 집적회로 설계에 대한 다양한 기본 개념과 이슈를 소개한다. 데이터가 중심이 되는 4차산업혁명에서 메모리/시스템 반도체를 넘어 인공지능 반도체에 이르기까지 대용량의 데이터 송수신을 담당하는 고속 직렬 인터페이스 집적회로의 중요도는 더욱 커져가고 있다. 해당 강의에서는 고속 직렬 인터페이스 집적회로에 대한 개괄적인 이해에서부터 해당 인터페이스를 구성하는 Channel, Transmitter, Receiver, Equalizer 및 여러 Clocking 회로들에 대해 개론 수업을 진행하고 최근의 여러 어플리케이션, 논문 등에서의 이슈와 트렌드를 살펴본다. 해당 강의를 통해 고속 직렬 인터페이스에 대한 개념들을 익혀 관련 논문들을 읽고 이해할 수 있도록 한다. 또한 이를 통해 보다 심화된 회로 및 시스템에 대한 이해와 분석을 위한 발판을 삼고자 한다.

딥러닝특론(Special Topics in Deep Learning)

This course includes early-graduate-level materials on mathematics for machine learning (ML), deep learning (DL) and basic ML/DL problems.

혼성신호CMOS집적회로설계(Mixed-Signal CMOS Integrated Circuit Design)

4차산업혁명으로 인해 메모리/시스템반도체와 더불어 차량용/인공지능 반도체에 대한 수요가 매우 커지고 있다. 이에 따라 혼성신호 CMOS집적회로 설계의 중요성도 동시에 매우 커지고 있다. 본 강의는 혼성신호 CMOS집적회로 설계를 위한 다양한 방법론을 익혀 실제 설계에 응용할 수 있도록 하고, 최근 가장 이슈가 되고 있는 분야인 인공지능 반도체와 그 이슈를 파악하고, CMOS 집적회로 설계 관점에서의 해결 방안을 생각해보도록 함에 그 목적을 둔다.

마이크로전자패키징개론(Introduction to Microelectronics Packaging)

This class aims to provide the graduate students with fundamentals of microelectronics packaging focusing on electrical design. The course consists of fundamental theory and design techniques for integrating the microelectronics, RF and millimeter wave, and sensors into homogeneous and heterogeneous packages. The topics span IC packaging and assembly, system board packaging assembly, and the variation in between.

자연어처리(Natural Language Processing)

Natural language processing (NLP) or computational linguistics is one of the most important technologies of the information age. In the last decade, deep learning (or neural network) approaches have obtained very high performance across many different NLP tasks, using single end-to-end neural models that do not require traditional, task-specific feature engineering. In this course, students will gain a thorough introduction to cutting-edge research in Deep Learning for NLP. Through lectures, assignments and a final project, students will learn the necessary skills to design, implement, and understand their own neural network models, using the Pytorch framework.

고급무선통신(Advanced wireless communication)

신호 처리 기술 및 아날로그/디지털 통신 기술을 바탕으로 무선 통신에 대한 기본/고급 지식을 전반적으로 배운다. 무선 통신을 위한 여러 변복조 방법과 특징을 배우고 이들의 성질을 비교 분석하며, 잡음에 대하여 최적인 수신기의 구조 및 이를 해석하기 위한 수학적 이론을 배운다.

초공간이동통신시스템(Hyperspace Mobile Communication Systems)

초공간 이동통신 시스템 관련 세미나

시맨틱통신개론(Introduction to Semantic Communications)

차세대USB시스템개론및모델링(Introduction to Next-Generation USB system and its Modeling)

본 교과목은 범용 유선 통신 규격인 USB 시스템에 대해 개괄적인 내용을 학습하는데 초점을 맞춘다. 특히 차세대 USB 통신 규격에 대해 파악하고 이에 대한 시스템 및 집적회로설계 관점에서 이해할 수 있도록 한다. 마지막으로 정해진 규격을 기반으로 USB 시스템 및 집적회로에 대해 학생들이 직접 모델링을 해보고 이를 검증할 수 있도록 한다.

신경공학(Neural Engineering)

This course provides an in-depth understanding of neural system structure and function, focusing on the convergent applications of cutting-edge neural engineering technologies and artificial intelligence. The course particularly emphasizes neural signal processing, brain-machine interfaces, neuroprosthetic technologies, and the development of supporting AI algorithms along with exploration of recent research trends. Specifically, it explores the biological mechanisms and information processing principles of the nervous system, neural engineering methodologies for neural signal acquisition, processing and analysis, design and implementation of bio-machine interface systems, and applications of artificial intelligence in neural engineering.

메모리내연산장치집적회로설계(Computer-in-Memory integrated circuit design)

최근 AI 기술이 급격하게 발전해가고 있으며 이로 인해 LLM을 포함한 다양한 모델들이 등장하고 있다. 하지만 현재의 폰노이만 구조에서는 Hardware에서 AI 모델 구현의 성능향상에 있어 여러 병목현상이 발생한다. 이 중 하나로 메모리 대역폭 병목현상이 있으며 이를 해결하기 위한 해결책 중 하나로 메모리내연산장치가 고려되고 있다. 본 강의에서는 최신기술동향분석 및 논문 리뷰 등을 통해 메모리내연산장치 집적회로설계에 익힐 수 있도록 한다.

세미나1(Seminar 1)

학생들이 석사학위논문을 작성하는데 필요한 논문 검색, 실험 방법, 논문 기술방법 등에 관한 세부전공과 무관한 일반적인 방법에 관해 다룬다. 학생들은 관심있는 주제에 관한 논문을 찾아서 발표하는 시간을 갖는다. 각 학생은 관심주제에 대한 리뷰 논문이나 튜토리얼 논문을 찾아 2회에 걸쳐 우선 발표한다. 이어서, 연구분야와 광범위하게 연관된 최근 4년이내에 발표된 SCI급의 정규 논문을 한편 찾아 발표하도록 한다. 마지막으로 최근 2년이내의 conference 논문을 찾아 최신의 연구동향을 파악하여 석사논문 작성에 필요한 기초 기반을 다지도록 한다. 발표하는 과정에서 타 학생의 논문도 함께 읽고 토론하는 방식으로 진행한다.

세미나2(Seminar 2)

박사과정 학생들이 자신의 연구 진행 상황을 공유하고, 관련 분야의 최신 연구 동향을 발표·토론하는 세미나 형태의 수업이다. 발표와 피드백을 통해 연구 역량을 강화하고, 학문적 소통 능력을 기른다.