학부소개 세계 최고 IT 강국,
KAIST 전기 및
전자공학부가 만들어갑니다.
세계 최고 IT 강국, KAIST 전기 및 전자공학부가 만들어갑니다.

전기및전자공학부는 KAIST공과대학 소속의 학교
최대학과로서 대한민국, 나아가 전세계 전기및
전자공학 분야의 발전을 기원하고 있습니다.

  • 1
  • 3
Learn More
학부소개 세계 최고 IT 강국,
KAIST 전기 및
전자공학부가 만들어갑니다.
세계 최고 IT 강국, KAIST 전기 및 전자공학부가 만들어갑니다.

전기및전자공학부는 KAIST공과대학 소속의 학교
최대학과로서 대한민국, 나아가 전세계 전기및
전자공학 분야의 발전을 기원하고 있습니다.

  • 2
  • 3
Learn More
AI in EE AI and machine learning
are a key thrust
in EE research
AI and machine learning are a key thrust in EE research

AI/machine learning  efforts are already   a big part of   ongoing
research in all 6 divisions - Computer, Communication, Signal,
Wave, Circuit and Device - of KAIST EE 

  • 3
  • 3
Learn More
Previous
Next

Highlights

2023학년도 봄학기입학 대학원입시 ZOOM 면접진행 안내 (면접대상자 필독)

 

▣ 지원과정별 면접일정

  • 석사 +  석.박통합 + 전문석사 : 8월 17일(수) 
  • 박사 + 재학생 석.박통합        : 8월 18일(목) 
  • ZOOM ID 및 PW, 대기시간    : 개별 이메일 안내(8월 12일까지)

▣ ZOOM 진행 관련 준비사항

1.참가 시에 사용자 이름은 “수험번호 성명”으로 입력하여 입장합니다.  (예시: 110001 홍길동)

* ZOOM 가입자: 로그인 → 프로필변경(“수험번호 성명” 입력) → 공지한 ZOOM ID/PW 입력

* ZOOM 미가입자: 공지한 ZOOM ID/PW 입력 → 참가자 → 이름변경(“수험번호 성명” 입력)

 

2.대기 시작 시간에 맞추어 입장해 주시기 바라오며, 앞의 수험자의 면접진행이 지체될 경우 예정 면접시작 시간보다 지체되어 진행될 수도 있습니다.

   (대기 시작 시간 엄수하여 입장하시고, 면접관이 접속 요청 시에 수험자의 응답이 없을 경우 면접 진행에 발생되는 문제에 대해서는 모두 수험자의 책임입니다.) 

      * 면접시작예정: 안내된 대기시간 30분 이후 시작 예정

      * 화상면접 특성상 면접일 당일 면접진행이 계획표대로 되지 않을 수 있으며, 이에 대한 예측이 어렵습니다.

         면접 진행이 예상보다 더 늦어질 수도, 더 빨라질 수도 있겠습니다.
        (대기시간은 짧게는 10분에서, 길게는 1시간 이상 있을 수 있습니다.)

 

3.원활한 면접 진행을 위하여 안정적인 환경에서 접속할 것을 권고하며, 면접 진행 중 네트워크 불안정으로 인한 끊김 등의 문제가 발생될 경우 그에 따른 불이익은 모두 수험자 본인의 책임임을 알립니다.(중요: 이더넷 방식 연결 강력 권장하며, 태블릿, 휴대폰 등의 무선방식 사용자제) 

 

▣ 주의사항

  1. 면접 시 개인 공간을 확보하고, 면접 장소에 면접자 이외의 다른 사람이 함께 있는 것은 금지하며, 해당사항 적발 시에는 부정행위로 간주합니다. 
  2. 수험표를 왼쪽 가슴에 부착하고, 카메라 화면에서 면접자의 얼굴, 수험표, 주변사항이 모두 보이도록 비디오 위치를 설정해야 합니다. 
    (수험표 출력 가능일: 8월 14일까지)
  3. 면접 과정에서 취득한 정보를 타인에게 유출하는 등의 부정행위가 발생하거나, 녹음/녹취/녹화 등의 사항은 모두 금지하며, 이를 위반하여 면접 관련 정보를 수집하거나 유출할 경우 입학(합격)취소는 물론 법적 책임을 물을 수 있습니다. 
  4. 면접 시간 조정 등의 개인적인 요청사항 받지 않습니다. (개개인의 사정을 반영하여 면접 진행할 수 없으며, 관련 응대 역시 받지 않겠습니다.)
  5. 면접 진행방식(전공지식 관련 면접여부, 개별 혹은 토론 등) 등과 관련하여 본 공지사항 이외의 문의사항에 대해서는 응대할 수 없습니다.

 

▣ 면접전 사전 test 안내

  • 희망자에 한하여 참여할 수 있습니다.(필수 강제사항 아님) 
  • 안내드린 ID/PW로 ZOOM 사전 test 참여 
  • 참여시간: 8월 16일(화) 14시 – 15시 30분 까지 
  • 참여시간 이내에 입장하여 면접전 사전 test 진행요원과 비디오, 음향 등 개인별로 3분 이내로 점검하겠습니다.  

 

[정명수교수, 국동현박사과정,권미령박사과정,왼쪽부터]
 
우리 학부 정명수 교수 연구팀이 세계 최초로 자유롭게 확장되며 직접 접근 가능한 고성능의 차세대 인터페이스 컴퓨터 익스프레스 링크(CXL) 2.0 기반의 메모리 확장 플랫폼 다이렉트CXL (이하 DirectCXL)을 개발하였습니다.
 
정명수 교수 연구팀은 산업체/학계 최초로 CXL 하드웨어 시제품을 제작하고, 운영체제로 작동하는 단대단(End-to-End) 플랫폼을 구성하여 대규모 데이터를 다루는 데이터센터 응용을 시연하였습니다. 국내외 소수 대기업에서 메모리 장치 일부 단품에 대한 구성을 보여준 사례는 있지만, 전체 플랫폼을 구성하고 동작시켜 응용을 시연한 것은 정명수 교수 연구팀이 처음입니다. DirectCXL 플랫폼은 기존 메모리 확장 플랫폼 대비 메모리 용량을 대폭 늘리면서 데이터센터 응용의 최대 3배 빠른 실행속도를 자랑합니다.
 
데이터센터에서 주로 사용되던 기존 메모리 확장방식인 RDMA기반 메모리 확장은 CPU와 메모리로 이루어진 메모리 노드의 추가를 통해 시스템의 메모리 크기를 늘릴 수 있었지만, 성능 저하 및 추가적인 비용 소모가 크다는 단점이 있었습니다. 이러한 문제를 해결하기 위해 새로 등장한 CXL 프로토콜은 PCI 익스프레스 인터페이스를 기반으로 CPU와 장치 간 연결을 지원하며 높은 성능과 확장성을 제공하지만, 이를 기반으로 한 연구의 방향이 제대로 정립되지 않아 메모리 업계와 학계에서 어려움을 겪고 있었습니다.
 
연구팀은 CXL2.0을 통한 메모리 확장 연구의 초석과 솔루션을 제시하기 위해 메모리를 확장해 줄 장치인 ‘CXL 메모리 장치’와 ‘호스트 CXL 프로세서’, 여러 호스트를 다수의 CXL 메모리 장치에 연결해주는 ‘CXL 네트워크 스위치’ 그리고 메모리 확장 플랫폼 전반을 제어할 리눅스 운영체제 기반의 ‘CXL 소프트웨어 모듈을 개발하였습니다. 제안된 기술들을 통해 DirectCXL은 메모리 이외 컴퓨팅 자원의 추가비용 지불 없이 자유롭게 컴퓨터의 메모리를 확장하는 것이 가능합니다.
 
DirectCXL은 기존 메모리 확장방식보다 효율적인 메모리 확장이 가능하며, 대규모 데이터를 이용하는 응용의 실행 시 높은 성능을 제공할 수 있어 데이터센터나 고성능 컴퓨팅 분야에서 다양하게 활용될 것으로 기대됩니다.
 
한편 이번 연구는 미국 칼스배드에서 지난 7월 11에 열린 시스템 분야 최우수 학술대회인 유즈닉스 연례 회의 ‘USENIX Annual Technical Conference, 2022’에 ‘DirectCXL’이라는 논문명(Direct Access, High-performance Memory Disaggregation with DirectCXL)으로 발표되었습니다. 
 
이외에도 미국 산호세에서 8월 2/3일에 열리는 플래시 메모리 정상회담(Flash Memory Summit)에서 CXL 컨소시움이 이끄는 CXL포럼에 발표될 예정이며 메타 (페이스북), 마이크로소프트와 함께 UK 탑 테크놀로지 기사인 The Next Platform에도 소개 되었습니다.
 
‘DirectCXL’에 대한 자세한 내용은 연구실 웹사이트(http://camelab.org/)에서 확인할 수 있으며 메타(페이스북) 추천시스템 기계학습 데이터 가속에 대한 시연 영상을 연구실 유튜브(https://youtu.be/jm8k-JM0qbM)에서 확인하실 수 있습니다.
 
 
 
 

[연구성과도 1. DirectCXL 플랫폼의 개요 및 CXL1.1과 CXL2.0의 차이]

 
더욱 자세한 정보를 확인하실 수 있도록 관련 링크를 아래와 같이 안내드립니다.
 
[Link]
 

[왼쪽부터 김성민교수, 배강민 박사과정(1저자)]
 
최근 모바일 시스템 분야의 최고 권위 국제 학술대회인 `ACM 모비시스(ACM MobiSys)’ 2022에 발표한 논문이 최우수논문상을 수상했습니다. 
작년 KAIST 전기및전자공학부에서 아시아 대학 최초로 MobiSys 최우수논문상을 받은 이후 연속된 수상입니다. 
 
연구성과 : 전기및전자공학부 김성민 교수 연구팀, 천 개 ~ 수천만 개 이상의 대규모 사물인터넷(IoT) 동시 통신 기술 최초 개발
 – 밀리미터파 후방산란 시스템 기술로 초저전력 대규모 통신 설계 성공
 – 기존에는 다양한 장애물과 반사체가 설치된 환경에서 제대로 작동하지 않았던 문제점을 해결 
 – 2035년까지 1조 개 이상의 사물인터넷 기기가 생산될 전망에서 높은 실용성 및 확장성으로 초연결 시대를 위한 핵심 역할 기대
 
전기및전자공학부 김성민 교수 연구팀이 세계 최초로 천 개에서 수천만 개에 이르는 대규모 사물인터넷(IoT) 동시 통신을 위한 `밀리미터파 후방산란 시스템’을 개발했다고 28일 밝혔다.
KAIST 전기및전자공학부 배강민 박사과정이 제1 저자로 참여한 이번 연구는 모바일 시스템 분야의 최고 권위 국제 학술대회인 `ACM 모비시스(ACM MobiSys)’ 2022에 이번 6월 발표됐으며, 최우수논문상을 수상했다.
 (논문명: OmniScatter: extreme sensitivity mmWave backscattering using commodity FMCW radar). 
이는 작년 KAIST 전기및전자공학부에서 아시아 대학 최초로 ACM 모비시스 2021 최우수논문상을 받은 이후 연속된 수상으로 더욱 의미가 깊다.
 
연구팀의 후방산란 기술은 10마이크로와트(μW) 이하의 초저전력으로 작동해 코인 전지 하나로 40년 이상 구동 가능해 설치 및 유지보수 비용을 크게 줄일 수 있다.
이번 성과는 5G/6G 등 차세대 통신에서 요구하는 네트워크 밀도를 훨씬 웃도는 연결성을 자랑한다. 이에, 이번 시스템은 향후 도래할 초연결 시대를 위한 디딤돌 역할을 할 수 있을 것으로 기대된다.
김성민 교수는 “밀리미터파 후방산란은 대규모로 사물인터넷 기기들을 구동할 수 있는 꿈의 기술이며 이는 기존 어떠한 기술보다도 더욱 대규모의 통신을 초저전력으로 구동할 수 있다ˮ라며 ” 이 기술이 앞으로 도래할 초연결 시대에 사물인터넷의 보급을 위해 적극적으로 활용되길 기대한다ˮ라고 말했다.

이번 연구는 삼성미래기술육성사업과 정보통신기획평가원의 지원을 받아 수행됐다.

 
[연구성과도 1. 대규모 IoT 통신을 위한 태그(붉은색 삼각형). 1100개 태그 신호가 충돌없이 동시 통신]
 
 
[수상 행사 사진]
 
 
관련 언론 기사링크 : 전자신문 등

[(왼쪽부터)전기및전자공학부 정명수 교수, 권미령 박사과정, 국동현 박사과정]
 
NVMW Memorable Paper Award는 비휘발성 메모리 분야에서 귄위있는 상으로, 최근 2년간 OSDI, SOSP, FAST, ISCA, MICRO, ASPLOS, 그리고 ATC와 같은 탑티어 학회 및 저널에 발표된 논문 중 2편을 선정하여 수여됩니다. 이때, NVMW 위원회 구성원이 모든 탑티어 논문 및 발표의 질뿐만 아니라 비휘발성 메모리 분야에 미치는 영향력까지 고려하여 수상 논문을 선정합니다.
 
NVMW는 Center for Memory and Recording Research(CMRR)와 Non-Volatile Systems Laboratory(NVSL)에서 매년 개최하는 비휘발성 메모리 워크숍이며, 첨단 비휘발성 저장장치 및 시스템을 연구하는 세계 유수 대학 및 기업이 참여합니다. 지난 13 년간, 9명의 NVMW memorable paper award 수상자가 있었습니다.
올해 권미령(제1 저자), 국동현, 그리고 이상원 박사과정생들로 구성된 정명수 교수 연구팀이 “HolisticGNN: Geometric Deep Learning Engines for Computational SSDs”으로 그 우수성을 인정받아 NVMW memorable paper award 수상자로 선정되었고, 이는 KAIST 최초 수상입니다. 
 
이 연구는 대규모 GNN(graph neural network)을 위한 인-스토리지 처리(in-storage processing)에 관해 다룹니다. 이를 위해 프로그래밍 가능한 반도체를 스토리지 근처에 배치한 새로운 계산형 스토리지(CSSD) 구조와 기계학습 프레임워크를 활용하였습니다. 구체적으로는 그래프 변환, 샘플링 등의 GNN 전처리 작업을 비휘발성 메모리 근처에서 직접 수행하고, 재구성 가능한 하드웨어로 그래프 기계학습 추론 과정을 가속합니다. 연구팀은 자체 제작한 프로그래밍 가능 반도체(FPGA) 기반 계산형 스토리지(CSSD) 시스템에 그래프 기계학습 전용 신경망 가속 하드웨어 RTL과 그래프 전용 처리 컨트롤러/소프트웨어 프레임워크를 구현했습니다.
 
해당 연구는 삼성미래기술육성사업의 지원을 받아 진행되었으며 해당 연구에 대한 자세한 내용은 연구실 웹사이트(http://camelab.org)와 삼성뉴스룸에서에서 확인하실 수 있습니다.
 

[연구성과도, 그림 . HolisticGNN 데모 결과 ]

 

 

[발표사진. NVMW에서 수상발표, 정명수 교수 연구실 권미령 박사과정생]

 

 
 
 
전기및전자공학부 장민석교수 연구팀, 고도로 응축된 빛-물질의 새로운 플랫폼 구현 성과 발표 등
 
============================================================================
– KAIST 고도로 응축된 빛-물질의 새로운 플랫폼 구현
– 장민석교수 연구팀 금단결정위 유전박막에 전파되는 극도로 구속된 중적외선을 고해상도 산란형 주사 근접장 현미경으로 관측 성공
– 원자층 수준의 공간에 빛을 가둠으로서 빛과 물질간의 상호작용을 높여 차세대 광전자 소자개발에 응용될 수 있어 향후 고효율 나노광학소자 실용화 및 양자 컴퓨팅 등에 활용
=============================================================================
 
[장민석교수, 메나브데 세르게이 연구교수, 왼쪽부터]
 
 
한국과학기술원(KAIST)은 공동연구를 통해 고도로 구속된 빛이 전파될 수 있는 새로운 플랫폼을 2차원 물질 박막으로 구현했다고 18일 밝혔다. 이번 연구 결과는 향후 강한 빛-물질 상호작용에 기반한 차세대 광전자 소자 개발에 기여할 것으로 예상된다.
 
원자 한 층으로 이뤄진 2차원 물질이 쌓이면 기존 2차원 물질과 다른 특성을 보이는 ‘반데르발스 결정’이 된다. ‘포논-폴라리톤’은 전기를 띠는 물질 속 이온 진동이 전자기파에 결합된 형태를 말한다. 특히 고전도도 금속에 놓인 반데르발스 결정에 생성되는 포논-폴라리톤은 응축성이 극대화된다. 폴라리톤 결정 속 전하가 영상 전하 영향으로 금속에 반사돼 ‘영상 포논-폴라리톤’ 이라는 새로운 폴라리톤이 생성되기 때문이다.
영상 포논-폴라리톤 형태로 전파되는 빛은 강한 빛-물질 상호작용을 유도할 수 있는데, 금속 표면이 거칠 경우 생성이 억제된다. 이에 기반한 광소자 실현 가능성이 제한된다. 이런 한계점을 돌파하고자 다섯 연구팀이 협업해 단결정 금속 위 영상 포논 폴라리톤 측정에 성공했다.
 
장민석 교수는 “이번 연구결과는 영상 폴라리톤, 특히 영상 포논-폴라리톤 장점을 잘 보여준다. 특히 영상 포논-폴라리톤이 갖는 저손실성과 강한 빛-물질 상호작용은 차세대 광전자 소자 개발에 응용될 수 있을 것으로 보인다”며 “연구팀의 실험 결과가 향후 메타표면, 광스위치, 광 센서 등 고효율 나노광학 소자 실용화를 앞당기는 데 도움이 되기를 바란다”고 설명했다.
 
메나브데 세르게이 연구교수가 제1 저자로 참여한 이번 연구는 국제 학술지 ‘사이언스 어드밴시스’에 지난 13일자 게재됐다. 한편 이번 연구는 삼성미래기술육성센터와 한국연구재단 지원을 받아 진행됐으며, 한국과학기술연구원(KIST), 일본 문부과학성, 덴마크 빌룸 재단 지원을 받았다.
 
□ 연구성과도

[그림 1. hBN에 진행하는 영상 포논-폴라리톤을 초고화질로 측정하기 위해 사용되는 나노 팁]

 
□ 관련 링크 : 전자신문등 14개 언론 주요 링크
 
 

KAIST 유창동/권인소 교수 연구팀, ECCV 2022에 대조학습 기반(Adversarial Learning)의 자기지도 학습 가능방법 (Self Supervised Learning) 우수(Oral Presentation)연구발표

 

KAIST 전기및전자공학부 유창동 교수 연구팀이 권인소 교수 연구팀과 공동연구를 통해 인공지능이 월등히 높은 강인성을 가지며, 적은 label데이터로 성능을 높일 수 있는 자기 지도 학습 방법(Self Supervised Learning)을 제안하였다.

 

[KAIST 유창동 교수, 권인소 교수, Chaoning Zhang 연구원, Kang Zhang 연구원,왼쪽부터]

 

ECCV는 1990년에 시작되었으며 영상 및 신호처리에 관한 인공지능 및 머신러닝의 최신 연구를 소개하는데 초점을 맞추고 있으며, Computer Vision 및 Deep Learning 분야의 최우수 학회 중 하나로 오랫동안 각광받고 있다. 올해 ECCV 2022 에서는 5,803 개의 제출 논문 중 1650 개의 논문 (28%) 이 채택되었으며 이중 158 개의 논문은 (2.7%) 우수 연구 성과로 채택되었다.

본 연구는 ‘Decoupled Adversarial Contrastive Learning for Self-supervised Adversarial Robustness’ 라는 제목으로 2022 년 10월 23에 Israel, Tel Aviv에서 우수 연구 성과로 발표될 예정이다.

 

인공지능이 많은 발전을 해서, 다양한 영역에서 좋은 성과를 내고 있다. 그렇지만 아직까지 사람의 완전한 신뢰를 받고 있지 못하다. 완전한 신뢰성을 확보하기 위해서는 적은 데이터로 학습이 되어야 하며, 강인성이 더 확보가 되어야 한다. 이 두 가지를 수행하기 위해 자기 지도학습 (Self-supervised learning) 과 적대적(adversarial learning)을 결합하는 노력들이 시도가 되었다.

이 논문에서는 그것을 증류기법을 이용해서 효율적으로 결합하여, label 없이 자가 학습을 할 수 있는 adversarial learning framework를 제안하였다.

본 연구는 ECCV Oral Presentation (acceptance rate 2.7%)  논문으로 채택이 되었다.

이 연구는 유창동 교수님과 권인소 교수님의 두 실험실에서 공동 협력을 통해 수행된 연구 결과이다. 앞으로 이 연구가 인공지능의 월등히 높은 강인성을 가지면서 적은 label데이터로 성능 높은 서비스를 제공하는데 많이 활용될 것을 기대한다.

 

[연구성과도 : Adversarial Learning 기반의 Self Supervised Learning 모식도]

 

이 연구는 과학기술정보통신부의 재원으로 정보통신기술진흥센터의 지원을 받아 수행됐다.

 

“KAIST 이성주 교수 연구팀, ACM MobiSys 2022에 연합학습(Federated Learning) 속도 향상 기법 발표
 
KAIST는 전기및전자공학부 이성주 교수 연구팀이 국제공동연구를 통해 머신러닝시 학습속도를 4.5배 가속할 수 있는 방법론을
개발하였다고 밝혔다.

[KAIST 이성주 교수, 신재민 연구원, 칭화대 Yunxin Liu 교수, Yuanchun Li 교수, 왼쪽부터]

 

KAIST 이성주 교수 연구팀이 6/27-7/1에 열린 세계컴퓨터연합회(ACM) 주최로 진행된 제20회 모바일 시스템, 어플리케이션, 및 서비스 국제학술대회(MobiSys, International Conference on Mobile Systems, Applications, and Services)에서 연합학습(Federated Learning)의 학습속도 향상(4.5배 가속)을 위한 데이터 샘플 최적 선택 및 데드라인 조절 방법론을 발표하였다.
 
MobiSys는 2003년에 시작되었으며 모바일 시스템, 소프트웨어, 어플리케이션, 서비스를 위한 최신 연구를 소개하는데 초점을 맞추고 있으며, Mobile Computing 및 Systems 분야의 최우수 학회 중 하나로 오랫동안 각광받고 있다. 올해 MobiSys 2022에서는 176개의 제출 논문 중 38개의 논문이 채택되었다.
 
이번 논문(FedBalancer: Data and Pace Control for Efficient Federated Learning on Heterogeneous Clients)은 신재민 박사과정이 1저자로 활약했으며, 중국 칭화대학과의 국제협력으로 이루어진 성과이다. (칭화대학교 Yuanchun Li 교수, Yunxin Liu 교수 참여).
 
최근 구글에 의해 제안된 연합학습은 새로운 기계학습 기술로, 개인정보의 유출 없이 방대한 사용자 기기 위 데이터를 활용할 수 있게 하여 의료 AI 기술 등 새로운 인공지능 서비스의 개발을 가능케 하여 각광받고 있다. 본 연구팀은 연합학습에 참여하는 사용자 기기 위 데이터 샘플 각각의 학습 기여도 측정을 기반으로 최적의 샘플을 선택함으로써 학습속도 향상을 달성하였다.
또한, 샘플 선택으로 줄어든 학습 시간에 대응하여, 연합학습 라운드의 데드라인 또한 최적으로 조절하는 기법을 제안하여 모델 정확도의 저하 없이 학습속도를 무려 4.5배 향상시켰다.
 
이성주 교수는 ”연합학습은 많은 세계적 기업들이 사용하는 중요한 기술이다. 학습속도를 향상시켜 활용도를 높여 의미가 있으며, 컴퓨터 비전, 자연어 처리, 모바일 센서 데이터 등 다양한 응용에서 모두 좋은 성능을 보여, 빠른 파급효과를 기대한다“라고 소감을 밝혔다. 
 
이 연구는 과학기술정보통신부의 재원으로 한국연구재단과 정보통신기술진흥센터의 지원을 받아 수행됐다.
 
□ 연구성과도

[그림: 본 연구의 데이터 샘플 최적 선택 및 데드라인 조절 방법론을 적용한 연합학습 라운드 진행 모식도] 

2023학년도 봄학기입학 대학원 신입생 모집과 관련하여 KAIST 대학원입학팀에 제출하는 서류 이외에 KAIST 전기및전자공학부 행정팀에 직접 제출해야 하는 서류들을 안내드립니다.

 

첨부의 파일을 다운로드 하시어, 내용 확인하시기 바랍니다.

 

* 신입생 석·박통합과정 지원자의 경우 지원 시에 지도예정교수님을 적극적으로 찾아보시고, 해당 교수님 TO와 관련하여 면담하신 후에 지원하시기를 적극적으로 권장합니다.

 

* 서류 제출 해당자의 경우 이메일 제출도 가능합니다. (자필 서명된 서류 스캔본으로 제출가능)

 

* 문의 및 제출처 : KAIST 전기및전자공학부 행정팀(E3-2, 1212호) 김태연 barbie1975@kaist.ac.kr(T.042-350-3402)

 

 

 

 

학부일정

세미나