대학원과정

대학원과정

    • 교과과정 소개

      교과과정은 본인의 학번에 맞는 학번별 교과과정 안내자료 등을 확인해야 함.
      * 대학홈페이지–학사지원–학사자료–교과과정 안내(or 이전 교과과정)에서 본인 학번에 해당되는 자료 확인

      대학원 교과과정 소개
      구분 학수번호 교과목명 학점 more
      전공선택 CSED500 컴퓨터공학을 위한 고급 선형대수 이론 3-0-3 +
      본 교과목에서는, Gaussian Elimination, Vector Space and Linear Equations, Orthogonality, Determinant, Eigenvalues and Eigenvectors, Positive Definite Matrices, 등 다양한 Computer Engineering 응용분야에서 광범위하게 사용 되어지고 있는 선형대수이론의 기본이론과 컴퓨터공학 분야에서의 효과적인 적용 사례들을 공부한다.
      전공선택 CSED501 변환론 3-0-3 +
      본 과목에서는 많은 공학계열에서 광범위하게 사용되고 있는 다양한 변환에 대해 소개한다. 먼저 변환의 일반적인 개념을 공부하고, 특히 삼각함수 기반의 다양한 선형 변환들에 대해 자세히 공부한다. 연속 시간 영역에서 주기 함수를 표현하기 위한 Fourier Series와 비 주기 함수를 위한 Fourier Transform을 공부한다. 다음으로 Fourier Transform의 정의를 확장하여 Laplace Transform을 이해하고, 이들을 기반으로 다양한 응용의 예제를 공부한다. 이산 시간 영역에서는 Sampling Theorem, DTFT(discrete time Fourier Transform), DFT(discrete Fourier Transform), 그리고 z-transform을 공부한다. 그리고 지금까지 배운 삼각함수 기반의 선형 변환들 사이의 상호 관계를 공부한다. 마지막으로 지금까지 공부한 transform을 컴퓨터공학의 다양한 응용 분야에 어떻게 적용 가능한지 공부한다.
      전공선택 CSED503 고급 컴퓨터구조 3-0-3 +
      추천 선수과목 : CSED311 (컴퓨터 구조)
      고성능 컴퓨터상에서의 메모리의 계층별 구조, 입출력 시스템 구조, 프로세서 및 제어 장치의 설계기법에 대하여 배우고, 파이프라인 (pipeline) 컴퓨터, 어레이(array) 컴퓨터, 다중프로세서 (multiprocessor) 컴퓨터, 다중컴퓨터(multi-computer)와 같은 병렬처리 시스템의 구조 및 시스템에서 구현 및 작동에 관련된 문제점과 이의 해결 기법을 배운다.
      전공선택 CSED504 고급 운영체제 3-0-3 +
      추천 선수과목 : CSED312 (운영체제)
      리눅스 운영체제를 중심으로 커널의 자세한 데이터 구조 및 알고리즘 방법에 대해 배우며, 이를 위해 동시성 관리기법, 메모리 관리기법, 파일시스템, 네트워킹 등에 대해서 학습한다.
      전공선택 CSED505 네트워크 성능평가 3-0-3 +
      추천 선수과목 : MATH230 (확률및통계)
      네트워크 성능평가에 이용되는 방법인 Queueing Theory를 중심으로 Operational Analysis, Mean Value Analysis 등을 배우고, 그 응용 예를 통하여 관련 시스템의 성능을 분석 평가하는데 필요한 기량을 얻는다.
      전공선택 CSED507 소프트웨어 공학 3-0-3 +
      소프트웨어 공학의 Principles, 개발방법 및 개발과정 모델을 습득한다. 특히 추상화, 정보은닉, 모듈화 등의 공학원칙이 구조적 기법, 객체지향 방법론 등에 어떻게 적용되고 있는지를 배우며 프로젝트를 통하여 방법론을 습득한다.
      전공선택 CSED508 이산 및 계산기하학 3-0-3 +
      기하 문제의 기본 개념인 convexity, incidence problems, convex polytopes의 주요성질, 기하 물체들의 arrangements, lower envelopes, crossing numbers 등에 대해 학습하며, 이러한 조합 및 기하 특성을 규명하고 기하 알고리즘의 테크닉들을 활용하여 최적의 기하 알고리즘을 설계하는 방법에 대해 학습한다.
      전공선택 CSED509 컴퓨터 애니메이션 3-0-3 +
      추천 선수과목 : CSED451 (컴퓨터 그래픽스)
      컴퓨터 애니메이션을 만드는데 필요한 여러 가지 기법들을 다룬다. 그래픽스 시스템을 이용한 물체 모형의 제작과 표현을 배우고 물체의 움직임을 제어하기 위한 다양한 기법들을 다룬다. 물체모형을 렌더링하는데 유용한 S/W를 소개하고 사용하여 본다. 실제로 간단한 애니메이션을 제작하여 애니메이션 제작과정 전반을 경험한다.
      전공선택 CSED510 기계학습의 구현 및 가속 3-0-3 +
      추천 선수과목 : CSED342 (인공지능), CSED312 (운영체제)
      딥러닝 애플리케이션은 다양한 형태의 응용에서 활발히 활용되고 있습니다. 정확한 추론을 위해서 요구되는 연산량이 급격하게 증가하고 있으며, 동시에 이러한 애플리케이션들을 모바일 기기에 탑재하고자 하는 수요도 증가하고 있다. 두 가지 상충하는 경향을 모두 만족시킬 수 있도록 딥러닝 최적화가 점점 중요해지는 시점이다. 다양한 연구 사례들을 배우고 딥러닝 알고리즘들의 최적화 방법에 대해서 고민해보면서 효율적인 딥러닝 알고리즘 및 하드웨어 설계에 도움이 될 지식을 빠른 시간내에 습득하는 것을 목표로 한다.
      전공선택 CSED511 가상현실 입문 3-0-3 +
      본 과목에서는 가상현실의 이론 및 실제에 관하여 공부한다. 주요 내용은 가상현실의 기반 기술인 3차원 컴퓨터그래픽 및 애니메이션, 물리기반 시뮬레이션과 인간과의 상호작용, 가상현실 구현에 필요한 하드웨어 및 소프트웨어 시스템, 그리고 가상현실의 여러 가지 응용에 관한 것이다.
      전공선택 CSED513 시뮬레이션 3-0-3 +
      추천 선수과목 : CSED321 (프로그래밍언어), MATH230 (확률및통계)
      본 과목에서는 컴퓨터 시뮬레이션의 기본 개념과 기법, 그리고 응용에 관하여 학습한다. 주요 내용은 시스템, 모델링 및 시뮬레이션 개념, 이산체계의 시뮬레이션, 연속체계의 시뮬레이션, 시뮬레이션 언어, 그리고 시뮬레이션 기법을 응용한 실제 문제의 해결법에 관한 것이다.
      전공선택 CSED514 패턴인식론 3-0-3 +
      추천 선수과목 : MATH230 (확률및통계)
      패턴인식에 대한 기초 이론을 갖게 하고 이를 바탕으로 한 프로그래밍을 통하여 응용방법을 습득하여 다양한 문제에 적용할 수 있는 능력을 갖게 하는데 강의 목표가 있다. 통계적 패턴인식에 주력하고 기계학습 방법에 의한 패턴 인식 문제도 다룬다.
      전공선택 CSED515 기계학습 3-0-3 +
      추천 선수과목 : MATH230 (확률및통계)
      기계학습이란 컴퓨터가 스스로 학습능력을 갖출 수 있게 하는 컴퓨터 알고리즘에 대하여 공부를 하는 분야이다. 패턴 인식, 예측, 의사결정 등 인간이 하는 능력을 컴퓨터가 갖추도록 하는 알고리즘에 대한 공부를 주로 한다. 이 과목에서는 기계학습을 위한 주로 수학적이고 통계학적인 방법론에 대하여 공부를 하며, 응용에 대해서도 살펴본다. 한 학기 동안 다루게 되는 토픽들은 확률밀도추정 (density estimation), 베이즈 결정이론 (Bayes decision theory), 은닉변수모델 (latent variable models), 혼합모델 (mixture models), 판별 해석 (discriminant analysis), 군집화 (clustering), 분류(classification), 차원축소 (dimensionality reduction), 회귀분석 (regression), 커널방법 (kernel methods), VC-차원(VC-dimension), HMM, MLP, RBF 등이다. 주로 여러 기계학습방법을 위한 통계학적, 확률적 방법론에 대하여 배우며, supervised, unsupervised, semi-supervised 학습에 대하여 배운다.
      전공선택 CSED518 자연언어처리를 위한 언어학 기초 3-0-3 +
      인간의 언어능력을 어떻게 기계화할 수 있는가를 연구하는 자연언어처리 분야의 기초 입문 과목이다. 우선 언어학 용어 및 개념을 강의하고, 특히 정보처리(기계화) 관점에서 한국어 문법을 소개한다. 한글을 포함한 다국어 문자 처리 기법을 강의하며, 텍스트 처리 기법을 위하여 여러 문법이론 및 언어분석 모델 등을 소개한다. 또한 이들 기법들이 응용분야로서 기계번역, 정보검색 등에 어떻게 응용되는지를 소개한다.
      전공선택 CSED519 3D 모델복원 3-0-3 +
      모델링은 다양한 3D 그래픽스 응용에 필수적인 요소이다. 이 강의에서는 3D 모델복원의 다양한 이슈와 접근 방법을 다룬다. 우선 3D 기하 복원 기법들의 기본 아이디어, 대표적인 방법, 응용 등을 소개하고, 복원된 기하 정보를 개선하기 위한 기하 처리 기법들을 다룬다. 복원된 모델을 사실적으로 렌더링하는데 필요한 색상 정보를 복원하는 기법들을 소개하고, 3D 물체 복원의 중요한 응용 분야들을 다룬다.
      전공선택 CSED521 퍼지 및 지능시스템 3-0-3 +
      본 강의는 크게 두 가지 내용을 다룬다. 하나는 퍼지 및 신경망 시스템의 구조 및 동작 원리를 이해하고 이의 구현 방안을 알아본다. 다른 하나는 이들 퍼지 시스템, 신경망 시스템, 진화 알고리즘 등을 결합한 계산학적 지능 시스템의 구현 방안과 이를 여러 최적화 문제(시간열 예측, 최적 주행 경로 결정, 최적 분류기 설계)등에 응용하는 방안을 알아본다.
      전공선택 CSED523 통계적 자연언어처리 3-0-3 +
      최근 자연어 처리에서 다시 각광받고 있는 통계적인 방법들을 소개한다. 통계적 언어처리를 위한 확률통계기초와 정보이론 기초에 대해 review한 후 품사태깅, 구문분석 (파싱), 단어의미 애매성 해결 및 담화처리의 통계적인 해결 방법과 아울러 음성인식/합성을 위한 통계적 언어모델을 소개한다.
      전공선택 CSED524 확률 그래프 모델 3-0-3 +
      확률 그래프 모델은 확률 이론과 그래프 이론이 서로의 장점을 살릴 수 있게 결합된 새로운 모델링 방법이다. 본 과목에서는 크게 다음과 같은 세 가지 토픽을 다룬다. 첫째, 확률변수의 결합 확률 분포를 세 가지 종류의 그래프 (directed graphs, undirected graphs, factor graphs)로 어떻게 표현하는지에 대하여 배운다. 둘째, 노이즈 데이터가 관측되었을 때, 그래프 상에서 특정 노드의 조건부 확률을 구하는 확률적 추론 (probabilistic inference) 방법에 대하여 배운다. Sum product algorithm, belief propagation, junction tree algorithm과 같은 exact inference 방법과 variational method, sampling methods 와 같은 approximate inference 방법에 대하여 배운다. 셋째, 그래프 상에서 매개변수들을 추정하는 학습 (learning) 방법에 대하여 다루고, maximum likelihood estimation, MAP, Bayesian estimation, expectation maximization 방법을 배운다. 이와 같은 기본적인 그래프 모델을 다루면서, 마지막으로 컴퓨터 비전, 생물정보학, 텍스트 마이닝, 자연언어 처리 등 응용 분야에 적용되는 사례를 선택하여 스스로 해보는 기회를 갖는다.
      전공선택 CSED526 데이터마이닝 3-0-3 +
      데이터마이닝이란 대용량의 데이터를 효과적으로 분석하여 의미 있는 지식을 추출하기 위한 기술을 다루는 분야이다. 본 과목에서는 구체적으로 데이터 전처리 (data preprocessing), 웨어하우징(warehousing)과 OLAP, 빈번패턴과 관계분석(frequent pattern and association analysis), 분류 및 예측(classification and prediction), 군집(clustering), 랭킹(ranking) 등의 내용을 다룬다. 선수과목은 없으나 확률통계에 대한 기본 지식이 필요하고, 학부 3, 4학년과 대학원생들을 대상으로 한다.
      전공선택 CSED527 햅틱스 입문 3-0-3 +
      학부 4학년, 대학원 석박사 과정 학생들을 대상으로 햅틱스 연구 및 응용에 필요한 기본적인 지식을 전수한다. 본 과목은 햅틱스에 사용되는 역감 제시 장치의 기본적인 설계, 해석 방법 및 이를 사용한 햅틱 렌더링 알고리즘 (충돌 감지, 다양한 경우에 대한 힘 계산 알고리즘)에 집중한다.
      전공선택 CSED530 컴퓨터공학을 위한 고급 확률이론 3-0-3 +
      본 교과목에서는 probability space, random variable, random process의 기본 개념과 컴퓨터 공학 분야에 다양하게 적용되어진 연구 사례들을 공부한다.
      전공선택 CSED532/MATH532 수학의 응용과 빅데이터 3-0-3 +
      추천 선수과목 : MATH230 (확률및통계)
      본 강좌에서는 현재 주목받고 있는 데이터 분석 및 Machine learning의 기초 개념을 수학적인 방법론을 이용하여 이해한다. 이를 바탕으로 한 Machine learning 알고리즘을 직접 구현해보고, 더 나아가 최신 동향을 분석해본다.
      전공선택 CSED536 고급 알고리즘 3-0-3 +
      추천 선수과목 : CSED331 (알고리즘)
      고급 그래프 알고리즘, 기하 알고리즘, 근사 알고리즘 및 확률적 알고리즘 등 컴퓨터 알고리즘 주제에 대해 학습하며, 문제 정의 및 알고리즘의 설계와 분석의 방법론을 활용하여 최적의 알고리즘을 설계하는 방법에 대해 학습한다.
      전공선택 CSED537/AIGS537 인공지능과 데이터과학 3-0-3 +
      추천 선수과목: MATH203 (응용선형대수), MATH261 (이산수학)
      본 강좌는 본 인공지능대학원의 입문 강의로써 인공지능의 역사, 맥락, 최근 흐름을 폭넓게 익히고 인공지능대학원의 각 분과가 수행하는 내용을 이해하도록 돕는다. 미디어 AI, 데이터 AI, AI 이론의 3개 분과의 교수들이 해당 분과의 관점에서 관련 인공지능 연구의 기초와 핵심 이슈를 강의하고, 서로 간의 융합 주제들에 대해서 함께 논의하는 시간을 가진다. 이 과정을 통해 학생들은 다양한 AI 분야들을 관통하는 통합적 관점을 가지고 인공지능 공동연구에 적응하게 될 것이다.
      전공선택 CSED538/AIGS538 딥러닝 3-0-3 +
      추천 선수과목: MATH203 (응용선형대수), MATH261 (이산수학)
      이 과목의 목표는 최근 인공지능 발전을 이끌고 있는 현대적 신경망과 관련한 기계학습 분야인 딥러닝에 대한 기초적인 이론과 실제를 공부하는 것이다. 다루는 내용은 표준적인 신경망 모델들, 학습기법들, 그리고 영상, 언어, 음성 인식 문제들에 대한 기초 연구를 포함한다. 이 과목은 미적분, 선형대수, 확률 통계, 그리고 파이썬 프로그래밍에 대한 기초 배경을 필요로 하며, 중요 평가 요소로써 기말 프로젝트 과제가 주어질 것이다.
      전공선택 CSED539/AIGS539 컴퓨터비전 3-0-3 +
      추천 선수과목: MATH203 (응용선형대수), MATH230 (확률및통계), CSED101 (프로그래밍과문제해결)
      본 과목에서는 기본적인 영상처리와 특징점 추출, 3차원 기하 등의 전통적인 문제들에서부터 객체 검출, 의미적 분할, 이미지 검색, 비디오 인식 등의 최신 영상 인식 문제들까지 컴퓨터 비전 전반에 대한 내용을 다룬다. 또한 이러한 문제들을 해결하기 위한 기계학습 기술과 응용사례들을 함께 소개한다.
      전공선택 CSED540/AIGS540 빅데이터처리 3-0-3 +
      추천 선수과목: (CSED331) 알고리즘, 통계 및 프로그래밍 관련 과목
      데이터 사이언스는 통계, 머신러닝, 데이타베이스, 분산시스템, 알고리즘, 데이터웨어 하우징, 고성능 컴퓨팅 및 시각화 등의 다양한 분야를 포함한다. 따라서, 오늘날의 데이터 과학자들은 관계형 데이터베이스 및 NoSQL과 같이 대용량의 데이터를 처리하기 위한 데이터 처리 및 관리 도구, 지저분한 원시 데이터를 정리하고 변환하는 프로그램을 빠르게 작성할 수 있는 파이선과 같은 스크립트 언어, 데이터 분석을 위한 기본적인 머신 러닝 및 데이터 마이닝 알고리즘, 분석 스크립트 작성을 위한 통계적인 컴퓨팅 환경, 그리고 분석 결과의 프리젠테이션 및 커뮤니케이션을 위한 시각화 도구들에 대해 숙지하고 있어야 한다. 이 과정에서는 SQL, 맵리듀스, 하둡, 스파크, 카프카와 같이 널리 사용되고 있는 솔루션을 활용하여 빅데이터를 저장, 관리, 검색 및 분석하는 방법에 대해 다룬다. 또한 머신러닝 기술의 기본 개념에 대해 배운다. 최종 팀 프로젝트에서는 다양한 빅데이터 스택을 사용하여, 학생들의 드롭 여부를 예측하는 MOOC 서비스를 구현한다.
      전공선택 CSED541 디지털논리테스팅 3-0-3 +
      추천 선수과목 : CSED273 (디지털시스템설계)
      디지털 논리회로에 나타나는 고장의 형태와 그 고장을 검출하는 방법을 배운다. 또한 테스팅을 고려한 논리설계 방법과 고장허용 회로에 대하여 공부한다.
      전공선택 CSED551 계산사진학 3-0-3 +
      추천 선수과목 : CSED451 (컴퓨터 그래픽스)
      계산사진학의 기본 지식에서 출발하여 최신 연구결과들까지 다양한 주제들을 다룬다. 카메라 구조, 영상 개선, 영상 편집, 영상 평가 및 관리, 빅 영상 데이터, 비디오 처리, 차세대 카메라 등의 주제들에 대한 기본 개념을 소개하고, 주요 논문들을 정리한다. 관심 있는 주제를 선정하여 survey paper 작성 또는 term project 수행을 통하여 최신 연구동향을 파악한다.
      전공선택 CSED554 심층학습 자연어처리 3-0-3 +
      이 과목은 심층학습 자연어처리 분야의 최신 연구 지식을 다루며 이 강의를 통해 학생들은 여러 자연어처리 문제 해결을 위해 자신만의 심충 학습 신경망을 이해하고 직접 설계 및 구현하는 데 필요한 필수 기술들을 습득하게 될 것이다. 본 과목에서 커버할 자연어 처리 문제로는 단어임베딩, 문맥적 단어임베딩, 텍스트 분류, 구문적 파싱, 재귀적 언어모델, 기계번역, 질의응답, 자연어 생성, 대화 시스템, 다과제 심충학습모델 등이 포함될 예정이다.
      전공선택 CSED562 컴퓨터 사용자 인터페이스 3-0-3 +
      추천 선수과목 : CSED233 (데이터구조)
      HCI(human－computer interaction)의 기초 지식을 강의한다. 기본적인 인간 요인과 usability에 대해서 배우고 각종 인터페이스 양식 (menu, form, direct manipulation, command)과 그의 개발을 위한 테크닉, 툴 그리고 방법론을 소개한다. HCI의 응용에 대해 case－study를 통해 배우며 실제 간단한 인터페이스를 직접 설계 구현하여 실습한다.
      전공선택 CSED600 분산처리 3-0-3 +
      추천 선수과목 : CSED312 (운영체제)
      이 과목은 분산시스템이 가지는 기본적인 사항들을 배우는 과정으로 분산응용 프로그램과 서비스들을 설계하고 개발하고 관리하는 것뿐만 아니라 투명성(transparency), 통신(communication), 자원공유(resource sharing), 결함포용(fault tolerance) 확장성(scalability), 일관성(consistency), 보안(security)과 같은 분산시스템과 관련된 문제점들을 다룬다.
      전공선택 CSED601 디펜더블 컴퓨팅 3-0-3 +
      추천 선수과목 : CSED311 (컴퓨터구조), CSED312 (운영체제)
      결함, 오류, 장애, 보안침입 등 시스템 결함에 관련된 기본 사상을 이해하고 하드웨어, 소프트웨어, 시간, 정보 등과 같은 중복요소를 이용한 디펜더블 시스템의 설계 기법과 여러 가지 정량적 및 정성적 분석기법을 배운다. 기존에 적용된 사례를 연구하고 디펜더블 시스템 설계 방법에 관하여 최근의 연구 동향에 대하여 배운다.
      전공선택 CSED602 고급 데이터베이스 3-0-3 +
      추천 선수과목 : CSED421 (데이터베이스 시스템)
      RDBMS 등 기존 Database System의 한계성과 다양한 발전모델에 대해 논하고 OODBMS를 중심으로 한 차세대 DB 시스템에 대해 배우며 실습과 구현을 통해 새로운 아이디어의 접목을 시도해 본다.
      전공선택 CSED603 시각-언어 상호지능 3-0-3 +
      추천 선수과목 : CSED538 (딥러닝), CSED539 (컴퓨터비전)
      이 과목은 최근 가장 활발하게 연구되고 있는 인공지능의 두가지 분야인 컴퓨터 비전과 자연어처리를 연결짓는 주제들을 다룬다. 인터넷과 실세계에서 영상과 언어가 종종 연결되어있는 것에서 알 수 있듯이, 시각과 언어는 서로를 도우면서 정보를 강화한다. 컴퓨터비전 문제에 있어서, 영상과 연결된 언어 또는 언어로 학습된 지식은 영상을 이해하는데 도움을 준다. 자연어처리 문제에 있어서, 시각정보는 언어를 실세계와 관련짓고 그 의미를 더 잘 분별할 수 있는 모델을 만들도록 돕는다. 이 과목에서, 우리는 강의-발표-토론 수업을 통해 시각과 언어의 이 상호 보완적인 본성을 어떻게 활용할 수 있는지 탐구한다.
      전공선택 CSED604 병렬처리 3-0-3 +
      추천 선수과목 : CSED503 (고급 컴퓨터구조)
      고성능 병렬 컴퓨터의 topology, 이를 원활하게 수행시키기 위한 여러가지 분야들, 예를 들어 작업 스케쥴링, 시스템 분할 할당, 부하균등, 라우팅, 사상(embedding) 등을 배우고 이 분야의 최근 연구에 접하도록 한다.
      전공선택 CSED605 실시간 시스템 3-0-3 +
      추천 선수과목 : CSED504 (고급 운영체제)
      실시간 시스템의 전반적인 이해를 증진하기 위해, 개념정의, 시스템 설계, 스케쥴링 및 자원할당, 그리고 통신 측면에서의 기초이론을 습득한다.
      전공선택 CSED607 네트워크 관리 시스템 3-0-3 +
      추천 선수과목 : CSED353 (컴퓨터 네트워크)
      네트워크 관리란, 안정적이면서 안전하고 효율적인 네트워크 환경을 제공하기 위해서 다양한 네트워크 자원들을 모니터링하고 제어하는 것을 말한다. 이 과목에서는 이러한 네트워크 관리에서 사용되고 있는 기본 개념과 기술 뿐 만 아니라 Internet management framework나 OSI network management framework와 같은 국제 표준에 대해서도 다룬다.
      전공선택 CSED608 고급 컴퓨터 네트워크 3-0-3 +
      추천 선수과목 : CSED353 (컴퓨터 네트워크)
      네트워크 분야에서 주요 주제들에 대해 다룬다. 컴퓨터 네트워크의 기본적인 개념을 먼저 익힌 후, 컴퓨터 네트워크의 주요 주제에 대해 심도 있게 다룬다. 또한 최신의 네트워킹 프로토콜 기술도 학습한다.
      전공선택 CSED609 랜덤변수 및 프로세서의 컴퓨터공학 응용 3-0-3 +
      확률 이론, 랜덤 변수 및 랜덤 프로세서에 대한 전반적인 내용을 소개한다.
      전공선택 CSED610 정보검색 3-0-3 +
      추천 선수과목 : CSED518 (자연언어처리를 위한 언어학 기초)
      텍스트 문헌들의 자동색인 및 검색을 위한 자료구조, 알고리즘을 배운다. 또한 문서들의 자동분류 및 자동요약 기법들에 대해서도 다룬다.
      전공선택 CSED611 기계번역 3-0-3 +
      추천 선수과목 : CSED518 (자연언어처리를 위한 언어학 기초)
      텍스트 자동번역 시스템이나 대화체 자동통역 시스템 구축을 위한 여러 가지 방법론들로서 규칙기반 시스템(Rule-based MT)과 말뭉치기반 시스템(Corpus-based MT)을 강의하며 번역 시스템의 평가 방법론에 대해서도 다룬다. 또한 이를 바탕으로 기존의 대표적인 실용 시스템들을 상호 비교, 분석해 봄으로써 기계번역 시스템에 대한 평가 및 설계 안목을 높인다.
      전공선택 CSED615 고급 가상현실 3-0-3 +
      추천 선수과목 : CSED511 (가상현실 입문), CSED451 (컴퓨터 그래픽스)

      이 과목의 선수과목인 가상현실에서 가상현실의 개념과 가상환경의 기본 설계를 공부한 것과는 달리 이 과목에서는 가상현실 시스템 구현을 위한 소프트웨어 및 하드웨어 기술을 더 심도 있게 다루게 된다. 주요 내용은, 실시간 렌더링 테크닉, 이미지 기반 렌더링, 비전을 이용한 여러 가지 방법들, 특수효과 알고리즘, 분산 가상현실, 햅틱 시스템의 원리 등을 기본적으로 다루고 있다. 한 개의 큰 프로젝트보다, 각각의 기본 기술을 익힐 수 있도록 작은 프로젝트 여러 개를 수행하여 이런 기본 기술들을 직접 구현하여 실제적인 지식과 경험을 얻고, 또한 가상현실 분야의 연구 논문들을 읽고 이해할 수 있는 능력을 기르는 것을 목적으로 한다.
      전공선택 CSED616 인간언어 처리론 3-0-3 +
      최근에 개별적으로 연구되던 자연어처리, 음성처리, 정보검색, 기계번역 등의 분야가 인간언어처리라는 하나의 공통된 분야로 결합되면서 서로 시너지 효과를 찾기 시작했다. 본 과목은 이러한 추세를 반영하여 인간언어 처리의 관련 연구분야(즉 멀티미디어 정보검색/정보추출, 음성대화, 멀티모달 처리, 음성합성, 음성인식, 고급 기계학습, 통계적 자동 번역 등)의 공통된 최신 기술을 비교하고 한꺼번에 같이 배울 수 있는 기회를 제공한다.
      전공선택 CSED617 고급 햅틱스 3-0-3 +
      대학원 석·박사 과정 학생들을 대상으로 햅틱스 연구 및 응용에 필요한 기본적인 지식을 전수한다. 전반부에는 공학 계열 학생들이 취약한 심물리학, 인지학, 신경 생리학 등에서 인간의 촉감 인지에 관련된 기본적인 이론을 강의한다. 후반부에는 이러한 지식을 기반으로 진동을 기반으로 하여 햅틱 효과를 생성하는데 필요한 하드웨어에 대한 내용 및 이를 사용하여 다양한 햅틱 효과를 디자인하는 이론을 전달한다. 마지막으로 현재 핸드폰, 자동차 등 다양한 분야에 적용되고 있는 진동기반 햅틱스 사례에 대해서 알아본다.
      전공선택 CSED620 모바일 네트워크 3-0-3 +
      추천 선수과목 : CSED353 (컴퓨터 네트워크)

      최근 급격한 발전을 하고 있는 모바일 네트워크 분야의 여러 가지 기본적인 개념들을 배운다. 모바일 네트워크를 구현하기 위해 겪어야 하는 문제점이 무엇인지 익히고 이 문제점들을 해결하기 위한 최신의 여러 가지 기술들을 다룬다. 또한 모바일 네트워크 분야의 많은 중요 주제들에 대해 배운다.
      전공선택 CSED621 병렬 알고리즘 3-0-3 +
      추천 선수과목 : CSED436 (그래프론과알고리즘), CSED503 (고급컴퓨터구조)
      병렬 컴퓨터를 위한 효율적인 병렬 알고리즘의 설계와 분석에 대하여 배운다. 기본적 분야인 sorting, matrix multiplication, graph 문제들에 대해서 다양한 병렬 시스템 구조에서 요구하는 처리시간의 최소화뿐만 아니라 프로세서의 수의 최소화를 만족시키기 위한 알고리즘의 설계와 분석에 대하여 배운다.
      전공선택 CSED626 멀티미디어 네트워킹 3-0-3 +
      멀티미디어 네트워킹의 기본 개념을 소개하고, 유무선 네트워크상에서 안정적 미디어 서비스를 제공해 필요한 Qualityof-Service를 보장하기 위한 이론들을 공부한다. 또한 인터넷과 같이 best-effort만을 지원하는 네트워크 상황에서도 미디어 서비스의 만족도를 높이기 위한 다양한 미디어 처리기술을 공부한다. 끝으로 최근 이슈가 되고 있는 research topics에 대해 공부한다.
      전공선택 CSED627/AIGS627 강화학습 3-0-3 +
      추천 선수과목: CSED515 (기계학습), MATH230 (확률과 통계)

      강화학습 분야는 시스템과 능동적으로 상호작용해가면서 변화하는 상황에 맞추어 최적의 제어를 스스로 찾아가는 인공지능을 연구한다. 본 강화학습 과목에서는 기초적인 Markov Decision Process의 개념과 같은 기초이론부터, 심층신경망을 사용한 심층강화학습법과 같은 최신의 응용 등을 포괄하여 소개한다. 또한 다양한 실습과제를 통해 강화학습에 대한 보다 깊은 이해를 돕는다.
      전공선택 CSED661 정형적 명세기술 3-0-3 +
      추천 선수과목 : CSED507 (소프트웨어 공학)
      소프트웨어 개발에 사용되고 있는 기술은 대부분 informal 혹은 semi-formal 형태이며 따라서 specification의 분석이 매우 어렵다. 그 동안 수학적 이론에 근거를 둔 많은 기법이 개발되었으며 특히 process, state와 data에 근거를 둔 대표적인 기법을 배운다.
      연구과목 CSED699 석사논문연구 가변학점 +
      석사학위를 위한 논문연구
      전공선택 CSED700A-Z 컴퓨터공학 특론A-Z 3-0-3 +
      컴퓨터공학 전반에 걸친 개별적 주제에 대하여 최근 활발히 연구되고 있는 내용을 중심으로 공부한다
      전공선택 CSED701A-Z 계산이론 특론A-Z 3-0-3 +
      계산이론 전반에 걸친 개별적 주제에 대하여 최근 활발히 연구되고 있는 내용을 중심으로 공부한다.
      전공선택 CSED702A-Z 컴퓨터시스템 특론A-Z 3-0-3 +
      컴퓨터 시스템 전반에 걸친 개별적 주제에 대하여 최근 활발히 연구되고 있는 내용을 중심으로 공부한다.
      전공선택 CSED703A-Z 인공지능 특론A-Z 3-0-3 +
      인공지능 전반에 걸친 개별적 주제에 대하여 최근 활발히 연구되고 있는 내용을 중심으로 공부한다.
      연구과목 CSED800A/B 컴퓨터공학 세미나A/B 1-0-1 +
      여러 가지 분야의 최근 동향에 관한 다양한 topic의 세미나를 한다.
      연구과목 CSED899 박사논문연구 가변학점 +
      박사학위를 위한 논문연구

       

    • 대학원 과정별 졸업요건

      대학원 과정별 졸업요건
      과정 교과학점 연구학점 총 이수학점
      석사과정 18학점 10학점 28학점
      박사과정 15학점 17학점 32학점
      통합과정 30학점 30학점 60학점

       

      교과목 이수 시 유의사항

        1. 대학원 교과 학점 과목은 다음 과목들을 포함한다.

        (단, 석·박사 논문 연구, 대학원 영어논문, 연구윤리, 세미나 과목은 교과 학점에서 제외)

        – 컴퓨터공학과 대학원 교과목

        – 타 학과 대학원 교과목 수강 시 석사 6학점, 박사 6학점, 통합 9학점 인정

        (500∼800단위 과목 해당, 논문 연구와 세미나 제외): 2019학번부터 적용

        이전 학번은 타 학과 대학원 교과목 수강 시 1/3 이상 넘지 않아야 함.

        – 컴퓨터공학과 학부 300, 400단위 교과목 수강 시 최대 6학점 인정: 2019학번부터 적용

        * 이전 학번은 400단위 6학점 인정

         

        1. 대학원 공통 필수 이수 과목

        가. 컴퓨터공학과 세미나(CSED800)

        – 석사 및 박사과정은 각각 2학기 이상 이수 / 통합 과정은 4학기 이상 이수하여야 함.

         

        나. 대학원 영어과목 수강

        [2022년 이전]

        – CSED802(IT Scientific Writing): 석사, 박사, 통합과정 의무 수강

        – CSED803(IT Research Paper Presentation Skill): 박사, 통합과정 의무 수강

        * CITE801, EECE802는 CSED802와 동일 과목으로 졸업요건으로 인정

        * CITE802, EECE803는 CSED803과 동일 과목으로 졸업요건으로 인정

        [2022년 이후]

        – GEDU501(영어논문작성법): 석사, 박사, 통합과정 의무 수강

        – GEDU502(프리젠테이션 스킬): 박사, 통합과정 의무 수강

        ※ 상기 과목은 컴퓨터공학과 대학원생의 의무수강 과목으로 졸업요건으로만 인정하고 졸업학점에서는 제외.

        단, 석사-박사 연계진학자의 경우 석사과정에서 이수한 사항을 인정하고 면제함.

         

        다. 대학원 연구윤리(ICEC501) 수강

        – 2022학년도 이전: 수강을 권장하며, 졸업학점으로는 불인정함.
        – 2023학년도 이후: 의무 수강 과목이며, 졸업학점으로는 불인정함.
        ※ 상기 과목은 컴퓨터공학과 대학원생의 의무수강 과목으로 졸업요건으로만 인정하고 졸업학점에서는 제외.

        단, 석사-박사 연계진학자의 경우 석사과정에서 이수한 사항을 인정하고 면제함.

         

        1. 대학원 조교(TA): (2022년 이전) 석사 1회, 박사 2회, 통합 3회

        (2022년 이후) 석사 4시간(B타입 기준/주), 박사 8시간, 통합 12시간

       

    • 대학원 학위수여 관련 규정 및 주요 Flow

      대학원 학위수여 관련 규정 및 주요 Flow
      구분 박사 / 통합 과정 석사과정 비고
      논문 심사위원 선정시기 6학기까지 지도교수(논문심사위원장) 포함 5명※ 심사위원 5명중 최소 1명은 과외에서 선정, 본 대학 교수가 반수 이상 3학기 이내 지도교수(논문심사위원장) 포함 3명 대학원학위수여 규정/제10조 논문 심사 위원선정
      제출서류 • 박사학위논문 외부심사위원 위촉 승인서 (외부심사위원 선정시)
      연구계획서 심사결과 보고 제출서류 • 박사학위논문 연구계획서 심사결과 보고서 해당없음 학과 내규
      제출기한 • 졸업 한 학기 전(방학 전)까지 반드시 제출 (학과 내규)
      박사학위 청구논문 심사요청서 제출서류 • 박사학위 청구논문 심사요청서
      ※ 심사 15일전까지 논문심사위원 전원에게 심사용 논문 제출      		 해당없음 대학원학위논문 작성지침
      대학원학위수여
      규정/제3조 학위
      수여의요건
      석.박사 학위논문 심사 및 종합시험 결과보고 제출서류 • 박사학위 논문심사 및 종합시험 결과보고서
      • 박사학위 논문심사 요지• 학과 인정 국제 학술지 1편이상 1저자 게재(게재승인) 또는
      • 학과 인정 최우수 학술대회 논문 1편 게재(게재승인)또는• 우수 학술대회 논문 2편 게재(게재승인)
      ※ 학술대회 논문으로 졸업할 경우 졸업요건 만족 여부는 학과 대학원 위원회에서 최종 확인

      • 연구윤리 준수 확인서

      • Turnitin 디지털 수령증

      • 학술지 공동저자 확인서(필요시)

      		 • 석사학위 논문심사 및 종합시험 결과보고서
      • 석사학위 논문심사 요지• 국내•외 학술지 또는 학술대회 제1저자 논문 게재(게재승인) (학과 내규)• 연구윤리 준수 확인서

      • Turnitin 디지털 수령증

      • 학술지 공동저자 확인서(필요시)

      		 대학원학위논문 작성지침/학과내규
      제출기한 • 2월 졸업예정자: 12월 말까지
      • 8월 졸업예정자: 6월 말까지      		 • 2월 졸업예정자: 12월 말까지
      • 8월 졸업예정자: 6월 말까지
      학위 논문 온라인 등록 • 온라인 학위논문 제출: http://postech.dcollection.net/ 논문작성: 영어
      제출 • 하드바운드(3부)_도서관 2층 214호
      졸업정산신청 • 6월, 12월 공지 (POVIS 신청)