전공별로 석사학위 청구논문을 작성하는 부분으로, 논문지도교수의 지도하에 논제를 설정하고 이론을 전개하며 해석과 실험을 통하여 논문을 완성시켜 나간다.

설정된 논제를 바탕으로 자료조사, 해석 및 실험을 통하여 논문을 완성한다. 완성된 결과는 지도교수를 포함한 심사위원에게 심사를 받아 인정받을 수 있도록 한다.

신뢰도 높은 소프트웨어를 능력 있게 개발하는데 요구되는 소프트웨어 개발기술, 프로젝트관리기술, 개발도구, 개발환경, 신뢰도 및 자원활용 모델 등에 관한 연구를 수행한다.

Data structure와 이론적 배경, Algorithm의 원리와 분석, Sorting, Graphs, String Matching, Polynomials, Matrices Transitive Closure Bodean Matrices, Equivalence Relation, NP Hard, Approximation Algorithm 등을 연구한다.

컴퓨터 그래픽스의 기본 이론 및 구현 기술을 학습한다. 2차원, 3차원 모델링, 변환 시스템, 투시도 작성, 은둔선 제거, 곡선 작성, 렌더링(광선 추적, 광선 생성, 반사, 음영처리, 곡선), 구상화 등을 학습한다.

병렬성의 개념을 이해하고, 병렬처리를 위한 하드웨어 기술과 소프트웨어 기술에 대한 내용을 연구한다.

병렬처리를 위한 컴퓨터의 구조, 신경 회로망형 구조, 고급 언어처리를 위한 구조, 제5세대 컴퓨터구조 등의 분야에서 연구되는 결과를 중심으로 강의한다.

분산운영체제의 특징과 Process들간의 Communication, Remote procedure Call, Resource Management, Fault Tolerance, Protection과 Security, Deadlock, Work Load Sharing등에 관해 연구한다.

처리기, 메모리, 파일, 주변장치 등의 자원관리와 병행 프로세스의 동기화 및 통신 등 사용자에게 편의를 제공하는 이론에 관해 연구한다.

Introduction to database system, Physical data organization, Network model, DBTG proposal Hierarchical model, Query languages, Relational database에 대한 Design Theory, Query optimization, University Relation, Concurrent operations, Distributed database systems 등에 관한 연구를 한다.

분산 환경하의 각 사이트에 저장된 여러 소스 데이터베이스로부터 단일 사이트에 통합된 스키마로 수집.저장하는 방법론을 연구하며, 방대한 양의 데이터로부터 적절한 정보를 찾거나 지식을 발견하는 데이터 마이닝 기법을 연구한다.

자동정보 조직과 추출을 소개하고 사전구성과 통계와 구문론적 운용, 추출시스템의 성능평가, 질의어 설계, 데이터베이스 시스템의 모델과 데이터베이스 보안에 대해 연구한다.

컴파일러 구현의 기본 이론과 주요 방법을 취급한다. 어휘분석, 구문분석, 의미분석, 중간언어, 코드의 최적화, LL(K) parser를 다루며 컴파일러 개발에 관한 연구를 한다.

Programming Languages 설계상의 제반 문제점들을 고찰하고 Modularity, Abstraction, Applicative Model 과 Data Flow Model 및 Parallel Processing에 관하여 연구한다.

형식문법을 정의하고 산술표현 및 선행문법, 자유문맥문법 및 유한상태문법과 이의 구문론적 분석을 위한 알고리즘 및 문법적 구조에 대한 의미론으로써 환원문법, 형식 언어와 오토마타의 관계를 연구한다.

지능시스템에 관한 기본 개념과 모델링, 그리고 관련된 알고리즘과 최신 도구들을 소개하고 다양한 응용 분야에 대하여 연구한다. 이를 위해 신경망, 퍼지 시스템, 유전자 알고리즘 및 혼합시스템 등을 다룬다.

컴퓨터공학의 궁극적인 목표인 스스로 사고하는 컴퓨터의 설계를 위한 기초적인 문제들을 폭넓게 다룬다. 인간의 지식을 표현하는 방법, 잘 정립된 수학적 기법을 이용한 여러 가지 추론 방법, 인간이 문제를 푸는 방식중의 하나인 탐색 방법, 스스로 새로운 것을 배워나가는 능력인 학습에 관한 방법 등을 기본적으로 익히며, 인공지능의 여러 가지 응용분야중에 자연언어처리, 로보틱스, 전문가시스템, 신경망 컴퓨터, 에이전트 시스템 등을 다룬다.

패턴인식을 위해 필요한 세선화 기법과 clustering, classification을 위한 통계적 접근방법이나 신경망 접근방법 등을 다룬다.

퍼지 집합과 논리를 이해하고 퍼지 추론 방법을 습득하여, 퍼지시스템에 관한 기본 지식과 이론적인 개념을 파악하고 여러 응용 분야에 대하여 연구한다.

데이터 통신의 기본 개념과 신호 전송, 전송 미디어에 대해 학습한다. 다중화 기법과 교환 기술들을 통해 효율적인 전송방법을 이해한다. 이러한 원리를 바탕으로 유무선 시스템의 다양한 전송방법을 이해한다. 또한, OSI 계층 모델과 통신 프로토콜을 이해한다.

독립된 노드들이 네트워크로 연결된 분산 환경에서 분산처리를 제공하기 위한 다양한 하드웨어 구조와 소프트웨어 지원들에 대해 살펴보고, 각 시스템의 장단점을 비교 및 분석하는 능력을 배양한다. 지역적 한계를 벗어나 동종 또는 이 기종간의 분산형태, 통신방법, 자원공유 및 처리방법, 분산운영체제의 개발 경향들을 이해하고, 분산 프로그래밍 등을 과제에 대한 리포트나 실습을 통해서 분산 컴퓨팅 환경을 구축 할 수 있도록 개인의 응용개발 역량을 높인다.

네트워크 전체가 하나의 컴퓨터인 것처럼 동작하게 하는 컴퓨팅 환경에서, 이기종 컴퓨터 간에 애플리케이션을 분산 처리하기 위한 방법에 대해 알아본다. 네트워크 환경에서프로그램이나 데이터가 어디에 있든 잘 동작하기 위한 다양한 기술이 개발되어 있다. 클라이언트/서버, 그리드 컴퓨팅, 웹 서비스 컴퓨팅, 클라우드 컴퓨팅의 동작 방식을 연구한다. 이러한 서비스에 필요한 분산파일 시스템, 디렉터리 서비스, 인증 서비스에 대해 알아본다.

OSI 표준 계층을 이해하고, 하위 계층 및 상위계층의 요소 기술을 분석하여 서비스별 프로토콜의 동작을 이해한다. 인터넷에 사용되는 다양한 응용 서비스를 이해하고 여기에 사용되는 각종 프로토콜의 동작을 배운다. 근거리 및 장거리 통신 프로토콜과, 유선 및 무선 프로토콜의 동작을 이해한다. 또한, 멀티미디어 전송과 유비쿼터스 컴퓨팅의 프로토콜 및 동작 방식을 배운다.

TCP/IP 네트워크의 설계 및 운영을 다양한 기법을 배운다. 캠퍼스 네트워크의 기능별 모듈 설계 및 주소 배정, 네트워크 장비의 배치 등을 배운다. 네트워크 운영에 필요한 스위치 및 라우터, 서버의 설정과 동작을 이해한다.

이미지, 비디오, 오디오를 포함하는 멀티미디어 데이터의 효율적인 압축과 표현, 저장, 관리, 검색을 위한 정보 시스템 기반 기술을 연구하며, 특히, 내용 기반 멀티미디어 검색 기술을 심층 연구한다.

센서 네트워크 및 GPS 기술, 스마트폰 기술의 발전으로 수많은 이동체 등으로부터 불확실한 데이터들이 발생하고 스트림 형태로 수집되고 있다. 이러한 불확실한 스트림 데이터를 저장, 분석, 색인, 질의 처리할 수 있는 정보 시스템 기술을 연구한다.

스마트폰과 모바일 애플리케이션에 대한 관심과 기술의 비약적인 발전과 함께 기존의 웹 기반이 아닌 모바일 기반의 서비스를 충족시킬 수 있는 시스템 및 응용 기술에 관한 연구를 수행한다.

전통적인 구조적인 레코드 기반의 데이터베이스를 넘어서 비구조적인 텍스트 데이터, 준구조적인 XML 데이터, 객체지향 네트워크 데이터를 포함하는 웹 데이터베이스 시스템의 기반 기술을 연구한다.

임베디드시스템 및 임베디드 운영체제를 이해하고, 운영체제 내부의 작동 원리와 동작을 이해한다. 임베디드시스템에 사용되는 리눅스의 커널을 생성하고 타겟 보드로의 포팅 등을 다룬다.

대표적인 스마트폰 플랫폼인 안드로이드 플랫폼의 구조와 특성을 알아보고, 안드로이드 프로그래밍의 실습을 통해 어플리케이션을 개발해 본다.

본 교과목에서는 네트워크 보안의 기본 개념과 관련공격 및 방어 등 보안 정책 및 관리에 대해 학습한다. 네트워크상의 가능한 공격을 살펴보고, 방지 또는 검출할 수 있는 보안 기술 (침입탐지 시스템, 침입방지시스템, 방화벽 등)과 정보보안을 위한 관리 및 통제 등에 대해서도 살펴본다. 최근 네트워크 보안 관련 논문, 저서, 연구 보고서 등을 분석하며 심도있는 토론을 통해 네트워크보안 분야의 이론 및 실무능력을 배양한다.

본 교과목에서는 디지털상의 범죄와 체계적인 증거 수집 및 보고 등과 관련된 디지털 포렌식에 대해 학습한다. 디지털 포렌식은 디지털 데이터가 범죄의 증거로 활용될 수 있도록 하는 일련의 조사과정을 체계적으로 연구하는 분야로 최근 기술적 정책적으로 디지털 범죄에서 필수로 하는 보안 응용분야 이다. 본 과목은 디지털 증거에 대한 기본개념 및 조사방법을 소개하고, 사례분석 및 발표 및 실습 등을 통해 디지털 포렌식의 이론 및 실무능력을 증진시킨다.

본 교과목에서는 정보보안의 기본 이론인 암호학과 그 응용분야에 대해 학습한다. 암호학과 관련된 알고리즘에 대해 심도있게 논의 하며, 응용분야에서는 보안 취약점과 대응방안, 정보보호 시스템 등에 대해 실무관련 분야에 대해 논의한다. 최근 암호학 및 보안관련 논문, 저서, 연구 보고서 등을 분석하며 심도있는 토론을 진행한다.

컴퓨팅 패러다임이 네트워크의 확산 및 컴퓨팅 능력의 급속한 발전에 따라 스마트 객체 기반의 유비쿼터스 컴퓨팅 환경으로 전환되고 있다. 본 교과목에서는 유비쿼터스 컴퓨팅의 기본 개념과 핵심 기술에 대해 학습한다. 최근 연구 유비쿼터스 컴퓨팅 관련 논문, 저서, 연구 보고서의 분석 및 토론하여 유비쿼터스 컴퓨팅과 관련된 연구분야에 대해 심도있게 논의 한다.

본 교과목에서는 최근 이슈화 되고있는 IT 정보보안에 대해 학습 연구한다. 특히, 유비쿼터스 컴퓨팅 보안, 클라우드 컴퓨팅 보안, 소셜네트워크 보안, P2P 보안, 스마트 그리드 보안, 프라이버시 보안 등을 중점적으로 논의한다. 관련 연구논문 및 국내외 연구 동향 보고서 등을 분석하며 심도있는 토론을 통해 최근 정보보안 실무감각과 연구능력을 배양한다.

언제 어디서나 인터넷에 접근할 수 있는 유비쿼터스 시대가 열림에 따라 이를 가능하게 해주는 이동통신 기술의 중요성이 부각되고 있다. 본 과목은 현대 정보통신의 핵심이라 할 수 있는 이동통신의 다양한 기술들에 대하여 전반적으로 다룬다. 우선 이동통신의 기초적인 개념을 설명하고 무선랜이나 셀룰러망 등의 고전적인 이동통신망으로 시작하여 최근 이슈가 되고 있는 무선 메쉬망, 인지 라디오, 협력 통신 등의 최신 기술들을 소개한다.

본 과목에서는 특수한 알고리즘을 선택하여 해당 알고리즘의 개발 원리 및 효율성, 안전성 분석 방법에 관련된 최신 연구 주제를 깊이 있게 학습한다.

전공별로 박사학위 청구논문을 작성하는 부분으로 논문지도교수의 지도하에 논제를 설정하고 이론을 전개하며 해석과 실험을 통하여 논문을 완성시켜 나간다.

설정된 논제를 바탕으로 자료조사, 해석 및 실험을 통하여 논문을 완성한다. 완성된 결과는 지도교수를 포함한 심사위원에게 심사를 받아 인정받을 수 있도록 한다.

본 강좌에서는 머신러닝 알고리즘에 대한 이론적 내용을 학습하고, python을 프로그래밍 언어로 활용하여 scikit-learn과 같은 다양한 오픈소스 라이브러리를 활용한 실습을 진행한다. 또한, 전통적인 머신러닝 알고리즘뿐만 아니라 가장 최신의 딥러닝 알고리즘에 대한 이론적 내용을 학습하고, TensorFlow, PyTorch 와 같은 오픈소스 라이브러리를 활용한 실습을 진행한다. 머신러닝과 딥러닝은 데이터를 기반으로 한 학습 방식이므로, 데이터 과학과 선형대수학에 대한 이해가 선행되어야 한다. 따라서, 본 강좌에서는 다양한 데이터 전처리 기법과 머신러닝 알고리즘의 이해에 필요한 선형대수학 내용을 함께 학습할 수 있도록 한다.

컨벡스 최적화는 통신네트워크, 기계학습, 데이터마이닝, 금융, 통계 등의 많은 공학 및 과학 분야에 널리 응용되는 강력한 수학적 도구를 제공한다. 본 강좌는 컨벡스 집합과 컨벡스 함수에 대한 개념을 심도있게 배우고, 컨벡스 최적화 문제를 정의하고 최적해를 구하는 방법을 학습한다.

본 강의에서는 사물인터넷 환경에서 일어나는 일련의 보안 문제, 연구 주제 등을 보안관점에서 논의한다. 안전하고 효율적인 출입 통제, 인증, 지속 가능한 사물인터넷 환경의 현재와 미래를 다루고 사물인터넷 환경에서 나타나는 새로운 보안 문제에 대해서 학습한다. 학생들은 본 강의를 통하여 사물인터넷 환경에서의 보안 문제 및 대응 방안에 대해 토론하고 향후 연구 방향을 계획할 수 있다.

본 강의에서는 클라우드 플랫폼에서 데이터, 응용프로그램 및 기반구조를 설계, 관리 및 보호하기 위한 새로운 기술에 대해 논의한다. 증가하는 클라우드 데이터를 효과적으로 관리하고 다양한 보안 공격으로부터 보호하기 위한 보안 전략에 대해 토론하며, 클라우드 플랫폼에서 실제 발생 가능한 보안 문제에 대해 적합한 해결 방안을 제공 할 수 있는 기술과 지식을 향상시킨다. 학생들은 최근 연구 논문에 대한 분석을 통해 보안 격차를 해소하며 향후의 연구 방향을 학습한다.

본 강의에서는 블록체인의 개념, 블록체인의 응용 등에 관한 지식을 기반으로 블록체인 기술을 사용하여 사물인터넷 응용 서비스의 요구사항을 효과적으로 충족시킬 수 있는 방법에 대해 논의한다. 해당 기술을 사용하여 사물인터넷의 주요 이슈 문제 및 대응 방안을 학습한다.

본 강의에서는 사이버 보안, 프라이버시 및 통신 시스템 등 차세대 보안 시스템을 위한 융합 보안 연구를 조사하고 분석한 결과를 공학 실무에 적용하는 것을 목표로 한다. 현재의 통신 시스템과 새로운 통신 시스템의 보안 요소를 강화하는 새롭고 통합된 접근법을 학습한다. 학생들은 본 강의를 통해 미래의 보안 시스템을 분석, 논의 및 제안하여 차세대 보안 시스템에 대한 미래 연구 방향을 제시할 수 있다.

본 강의에서는 현대 암호 기술의 한계를 극복하고 미래 환경에서 발생할 수 있는 위협에 대응할 수 있는 미래 암호기술들을 소개한다. 다양한 스마트 인프라에 적용가능한 경량 암호 (lightweight cryptography), 4세대 암호라 불리우는 동형/함수 암호 (homomorphic encryption), 양자 컴퓨터 시대를 대비하기 위한 포스트퀀텀암호 (post-quantum) 암호 등을 공부한다.

본 강의에서는 암호 기술의 안전성을 분석하는 방법들을 소개한다. 키 정보나 비밀정보를 모르는 상태에서 암호문을 분석하여 키를 찾는 방법을 소개하고 역공학 (정적 분석 및 동적 분석)을 수행하여 시스템의 기술적인 원리를 구조 분석하고 비밀정보를 찾는 방법을 공부한다.

본 강의에서는 과거 조직 내부뿐만 아니라 여러 외부 조직에서 겪었던 많은 사이버 위협 정보를 수집·분석·활용하여 지능형 사이버 위협에 대응(CTI)하는 방법을 공부한다. 국내외 기관 및 산업계의 CTI 동향과 기계학습 및 인공지능 기반 지능형 사이버 위협 대응 기술의 원리를 공부한다.

본 강의에서는 다양한 스마트 모바일 디바이스 환경에서 발생할 수 있는 시스템 및 앱의 보안 취약점과 랜섬웨어 및 악성 코드에 대한 대응방법에 대해 논한다. 그리고 스마트 모바일 디바이스의 포렌식 절차 및 수집, 분석 기술에 대해 살펴본다.

컨벡스 최적화는 통신네트워크, 기계학습, 데이터과학, 금융과 같은 다양한 공학적 문제를 해결하기 위한 기반을 제공한다. 이러한 점에서, 본 강좌에서는 최적해를 찾기 위한 기본 알고리즘들과 이들의 응용을 학습한다. 본 강좌를 통해, 대학원 학생들은 그들의 연구 주제와 연관된 문제를 정립하고 해당 문제를 해결할 수 있는 알고리즘을 설계할 수 있다.

이해하고 추출하기 위한 중추적 역할을 할 것으로 기대되고 있다. 이러한 점에서, 본 강좌에서는, 데이터를 어떻게 표현하는지, 데이터로부터 어떻게 정보를 추출할 것인지에 대해 학습하고, 그들의 응용처를 살펴본다. 특히 본 강좌는 데이터과학 측면에서 matrix analysis, stochastic process, machine learning, 그리고 random graph 이론들을 다룰 것이다.

본 강좌에서는 심화된 머신러닝 알고리즘에 대한 이론적 내용을 학습한다. 본 강좌의 이론적 내용은 주로 머신러닝 알고리즘의 컴퓨터 비전 적용, 자연어 처리 적용, 에이전트의 지능 적용에 대해 다루도록 한다. 이를 위해, 머신러닝 중에서도 convolutional neural network, recurrent neural network, reinforcement learning 에 대해 집중적으로 다루도록 한다. 또한, 최신 연구 동향 파악을 위한 머신러닝 알고리즘 및 적용 연구에 대한 최신 논문을 학습하도록 한다.

본 과목은 모던 컴퓨터그래픽스에 대한 중급 이상의 이론 및 기술들을 다룬다. 기하 모델링, 렌더링, 컴퓨터 애니메이션 등 컴퓨터그래픽스의 기반이 되는 주요 주제들을 심도 깊게 다루며, 가상/증강현실, 이미징 등 근래에 각광받고 있는 연구 주제들에 대해서도 최신 연구 동향을 살핀다.

본 과목은 시각적, 심미적, 감성적 커뮤니케이션을 위한 컴퓨팅 방법들을 다룬다. 특히, 2차원, 3차원 영상 및 애니메이션에 대한 비실사적 표현 방법에 초점을 맞추고, 인지적, 심미적 평가에 대한 이론적 접근을 시도한다.

우리는 지금 데이터 중심의 세상을 살아가고 있고, 그러한 데이터들간 상호 작용을 이해하는 것은 데이터 프로세싱을 통해 우리의 삶을 개선하기 위한 핵심이 된다. 특히 데이터를 점들의 공간적 분포로 모델링하는 것은, 무선 네트워크, 텍스트 요약, 사진과 영상에서의 인간의 동작 모델링과 같은 다양한 실세계에서의 응용을 용이하게 한다. 본 강좌는 우선 확률기하를 소개하고 다양한 점과정을 확률이론을 통해 표현한다. 더 나아가 점들간 반발(즉 다양성)을 표현하기 위한 DPP(determinantal point process)에 집중한다. 마지막으로, DPP가 기계학습과 어떻게 연계되는지 그리고 우리는 실세계 문제에 이들을 어떻게 적용할 수 있는지 살펴본다. 본 강좌를 수강하기 위해서는, 확률과 선형대수학에 대한 충분한 배경지식과 기계학습에 대한 기초지식이 요구된다.