세미나(Seminar)

석박사과정 학생들의 논문을 검색하고 발표하는 능력을 향상시킨다. 석박사과정 학생이 현재 진행하고 있는 연구주제에 관한 최근의 연구동향, 연구목적 및 연구내용 그리고 연구결과 등을 발표하고 주제별 토론을 한다. 석박사과정 학생들의 논문 구성 및 내용 등을 명확하게 하도록 논리를 구축하도록 지도하는 것을 중점적으로 지도한다.

신경회로망Ⅱ(Neural Networks 2)

Recent advances in Neural Networks and Deep Learning are investigated by using tutorial materials, journal and conference papers as well as textbooks.

연구조사방법론(Research Methodology)

본 교과목은 과학 분야의 연구 논문 작성에 필요한 필수 역량과 방법론을 습득하는 것을 목표로 한다. 본 교과목에서는 연구주제 선정과 학술지, 학회지를 선택하고, 연구 문제 정의, 가설 설정, 실험 설계, 데이터 분석, 분석 및 결과 작성 등을 다룬다. 제출 이후 Cover letter와 Revision Letter 작성 방법을 다루는 것 외에도, 연구 윤리의 중요성을 인식하고, 연구 도구 소프트웨어 (LaTeX, EndNote, Python 등)의 효과적인 활용 방법에 대해서도 함께 살펴본다.

인공지능Ⅰ(Artificial Intelligence 1)

컴퓨터구조특론(Special Topics in Computer Architectures)

This course deals with advanced computer technology and systems architecture of high-performance digital computers. The course consists of two parts. Part 1 covers fundamental topics on instruction sets, advanced processor designs, pipelining techniques, memory and I/O subsystems. Part 2 covers advanced systems architecture including multiprocessors, multicomputers, and unconventional computing concepts such as systolic and dataflow architectures. Throughout the course, microarchitectures, advanced pipelining, parallel, scalable, distributed, multithreaded, and cluster computer architectures are greatly emphasized.

무선네트워크(Wireless Network)

(무선)네트워크의 전반적인 원리에 대해서 설명하고 그 중에서도 특히 무선 네트워크의 물리계층과 매체접속제어계층에 대하여 상세히 다룬다. 그리고 무선네트워크의 대표적인 사례인 IEEE802.11 무선랜에 대하여 동작과 기능에 대해 공부한다.

고급운영체제(Advanced Operating Systems)

본 과목은 학부 수업에서 다루지 않았던 운영체제의 고급 기술을 주로 다루고, 이와 관련한 최신 연구결과들을 발표 수업을 통해 학습한다.

임베디드운영체제특론(Topics in Embedded Operating Systems)

임베디드 운영체제 중의 하나인 리눅스에 대한 고급 내용을 강의한다. 리눅스 기반의 S/W 개발방법론을 시작으로 리눅스에 대한 소개를 한 다음, 리눅스 커널의 각 구성요소에 대한 심화 학습을 통해 리눅스에 대한 심층적인 이해를 돕는다. 구체적으로, 리눅스의 task management, memory management, file system 뿐만 아니라 학부 운영체제 과목에서 자세히 다루지 않던 interrupt handler, bottom half, device driver, synchronization과 같은 다소 복잡한 주제에 대해서도 설명한다.

신호압축(Signal Compression)

오디오 압축에 대하여 기초를 다룬다. 최신 오디오 압축방법인 AAC에 대한 이론을 다룬다. AAC 알고리즘을 분석하고 실제 컴퓨터 프로그래밍을 통하여 확인한다.

고속비디오처리(High-speed Video Processing)

This course intoduces low-complexity video/image processing algorithm. Latest high-speed methodologies using multi-core processor, GPGPU, and the like are studied in this class.

스토리지시스템특론(Advanced Topics in Storage Systems)

스토리지는 컴퓨터시스템의 성능에 큰 영향을 주는 요소 중 하나로 빠른 속도로 그 기술이 발전하고 있다. 본 과목에서는 스토리지 시스템 전반에 대한 강의를 진행한다. 구체적으로, 하드디스크, 플래시메모리, 비휘발성 메모리 등의 다양한 매체에 대해 펌웨어, 파일시스템, RAID, 네트워크 스토리지 등 다양한 계층에 대한 주제를 학습한다. 또한 백업/복구 등 신뢰성에 대한 이슈도 다루며 스토리지 관련 최신 논문에 대한 발표 수업도 병행할 예정이다.

디바이스드라이버특론(Advanced Device Driver)

This course surveys the internals of the Linux kernel from the viewpoint of device drivers. Students will study many issues about Linux device drivers such as modules, character device driver, interrupt handling, memory allocation, and debugging techniques.

유비쿼터스네트워크(Ubiquitous Networks)

This course is concerned with the latest techniques and related works in ubiquitous networks. Specifically, this course can study ubiquitous computing, AI, federated learning, wireless local and personal area networks (WLAN, WPAN), ad hoc and mesh networks, multi-hop networks, delay tolerant networks (DTN), machine-to-machine (M2M) and device-to-device (D2D) communications, WiFi, Bluetooth, ZigBee, UWB, mmWave, small and femto cells, cognitive radio (CR) and game-theoretic heterogeneous networks (HetNet).

Wearable IT

최근 스마트/엣지 디바이스와 함께 각광받고 있는 Wearable IT 기술은 대부분 바이오 메디컬 분야의 바이오 센서 및 바이오 신호처리 기술을 바탕으로 이루어지고 있다. 본 과목에서는 Wearable IT 기술에서 전반적으로 사용되어지고 있는 센서 및 신호처리 기술을 소개하고 그 응용에 대하여 강의한다.

사물인터넷(Internet of Things)

This course is concerned with the latest techniques and related works in Internet of Things (IoT). Specifically, this course can study IoT, edge computing, AI, federated learning, wearable IoT, e-Health IoT, smart grid, Machine-to-Machine (M2M), LTE Device-to-Device (D2D), LTE in unlicensed spectrum (LTE-U), coexistence among LTE-U and other protocols including Wi-Fi, white space spectrum, cognitive radio (CR) among IoT devices, and IoT sensor networks.

데이터마이닝(Data Mining)

데이터 마이닝은 하루가 다르게 방대해져 가는 대규모 데이터로부터 의사결정자에게 유용한 지식을 추출해내는 과정이다. 데이터 마이닝 개요, 데이터 분석, 데이터 마이닝 알고리즘 등의 이론과 실습을 다룬다. 본 교과목은 학부에서 컴퓨터공학 및 SW 분야를 전공한 학생을 대상으로 하며 데이터구조, 알고리즘, 데이터베이스 등에 대한 지식이 부족한 학생은 수강을 권하지 않습니다. 첫 시간에 사전 지식을 테스트하는 퀴즈를 볼 계획이며 퀴즈 성적에 따라 수강이 제한될 수 있습니다.

에너지스토리지관리및제어시스템(Energy Storage Management and Control Systems)

Energy efficiency is one of the main issues in many areas including mobile devices, electrical vehicles, and even smart buildings. When using balttery-based energy storage systems to improve the energy efficiency, accurate monitoring and control of the remaining energy in the system are very important. A battery management system that utilizes advanced models will offer for much more reliable operation of the storage system. This course outlines the current state of the art for modeling in BMS and the advanced models required to fully utilize BMS for lithium-ion batteries. In addition, system architecture and how it can be useful in monitoring and control is discussed.

딥러닝개론(Introduction to Deep Learning)

생체신호및시스템(Biomedical Signals & Systems)

본 교과목에서는 생체신호처리를 위한 기본 개념, 신호처리 기법, 생체신호 분석 및 응용 등을 다룬다. 생체로부터 전기, 영상신호의 측정, 필터링, 시간 축 분석, 주파수 분석 등의 생체신호처리 기법을 익히고 이를 토대로 심전도, 뇌전도, 근전도, 안전도 등의 생체신호처리 응용을 공부한다. 또한 생체신호 계측을 위한 센서 및 시스템을 배우고, 데이터 분석과 해석을 위한 프로그래밍을 포함한다.

원격헬스케어서비스플랫폼(Telehealthcare service platform)

인공지능알고리즘(Artificial Intelligence Algorithms)

DEEP LEARNING ALGORITHMS. This Artificial Intelligence Algorithms Course will help you understand the how artificial intelligence, especially deep learning, works and prepare you to be ready for the development fo leading-edge AI technology. In this course, you will learn how to build and train neural network architectures such as Deep Neural Networks, Convolutional Neural Networks, Recurrent Neural Networks, Transformers, and also learn how to make them better with strategies such as Dropout, BatchNorm, Xavier/He initialization, and more. In each topic, real-world applications such as digit recognition, image classification, object detection, machine translation, natural language processing, chatbot, and mores will be implemented using Python and TensorFlow.

고급인공지능알고리즘(Advanced Artificial Intelligence Algorithms)

REINFORCEMENT LEARNING ALGORITHMS. This course will cover advanced AI algorithms with deep learning, which can analyze and learn how environment works. In this course, you will learn how deep reinforcement learning works including state-of-the-art algorithms such as PPO, TD3, SAC, and MuZero to name a few. You will also learn how these algorithms cope with various types of Deep Neural Networks. In each topic, the algorithm will be implemented and tested on various OpenAI Gym environments using Python and TensorFlow.

지능형메디컬영상분석2(Intelligent Medical Image Analysis2)

본 교과목은 2차원/3차원의료영상, DICOM 등의 특징 및 획득-처리-가시화-분석 기술을 학습한다. 최신의 의료영상에서의 지능형영상처리 기법을 통한 분석 기술에 대해 학습한다. 구체적으로 데이터 획득 및 레이블링부터 상용화 수준의 영상 분석 툴을 구현하기 위한 전반적인 내용을 다룬다.

Verilog IP설계(Verilog IP Design)

Theories necessary to design an intellectual property (IP) circuit comsisting of an system-on-a-chip (SoC) will be discussed. This includes Verilog hardware description lanugage (HDL) overview, IO addressing, bus protocols, and synchronization methods. A personal term project will be given to gain practical knowledge of IP designing.

다변량데이터시주파수분석(Time-Frequency Analysis of Multivariate Data)

This lecture will provide algorithms and data analytics for multichannel data. Specifically, source localization and frequency decomposition algorithms will be addressed. In addition, machine learning approch for these analysis will be discussed.

그래프머신러닝(Graph Machine Learning)

최근 데이터 과학과 인공지능 분야에서 새로운 연구 영역으로 부상하고 있는 그래프 머신러닝은 복잡한 네트워크 구조에서의 데이터 분석에 그래프 이론을 접목시킨 기술을 바탕으로 이루어지고 있다. 본 과목에서는 그래프 기반의 머신러닝 모델 설계 및 구현에 필수적인 기본 그래프 이론, 노드 및 지식 그래프 임베딩 기법, 그리고 최신 그래프 신경망 아키텍처에 이르기까지 그래프 데이터 분석의 전반적인 방법론을 소개하고 그 응용에 대하여 강의한다. 머신러닝과 딥러닝에 대한 기본 지식이 있어야 수강할 수 있습니다.

차세대지능형네트워크(Next Generation Intelligent Networks)

This course is concerned with the latest techniques and related works in next generation intelligent networks. Specifically, this course can study machine learning in networks, semantic communication networks, intelligent integrated sensing and communications, blockchain-based intelligent networks, self-organizing network, automated anomaly detection, intelligent spectrum management, and smart load balancing. The schedule and topics can be changed.

차세대통신용기계학습(Machine Learning for next generation communications)

This course is concerned with the latest techniques and related works in machine learning for next generation communications. Specifically, this course can study semantic communications, task-oriented communications, integrated sensing and communications, blockchain, machine Learning, reinforcement learning, deep learning, distributed learning, federated learning, split learning, and generative AI. The schedule and topics can be changed.

의료인공지능개론(Introduction to medical AI)

본 교과목은 의료 분야에서 인공지능(AI)이 어떻게 혁신을 이끌고 있는지에 대한 최신 동향과 주요 기술을 탐구하는 것을 목표로 한다. 의료 인공지능은 의료 데이터 분석, 진단 지원, 맞춤형 치료 설계, 의료 로봇, 그리고 환자 모니터링에 이르기까지 다양한 영역에서 활용되고 있다. 특히, 의료 영상 분석, 질병 예측 및 진단, 개인 맞춤형 의료, 실시간 건강 모니터링, 의료 로봇, 그리고 AI 기반 의사결정 지원 시스템 등 의료 현장에서 실제로 활용되는 사례를 중심으로 학습한다. 또한, 의료 AI의 윤리적 문제, 데이터 보안, 설명 가능성, 법적 규제 등 AI 기술이 의료 시스템에 도입되면서 발생하는 사회적 이슈를 중점적으로 탐구한다.

세미나1(Seminar 1)

정보보호이론특론(Research in Information Security)

정보보호이론 관련 논문을 읽고 해당 연구에 대해 논의한다.