전기공학분야에서 중요하거나 현재의 흐름을 파악할 수 있는 주제를 집중적으로 다룬다.

전기공학분야에서 중요하거나 현재의 흐름을 파악할 수 있는 주제를 집중적으로 다룬다.

현대의 플래시 기반 솔리드 스테이트 디스크(SSD)는 내부 아키텍처의 복잡성과 플래시 관리 오버헤드를 얼마나 잘 숨기느냐에 따라 성능이 크게 달라질 수 있다. 이러한 아키텍처적 복잡성을 감추고 내부 펌웨어 오버헤드를 줄이기 위해서는 스마트한 플래시 컨트롤러 및 스토리지 시스템 설계가 핵심이다. 이 과목에서는 먼저 SSD 아키텍처의 핵심 구성 요소와 플래시 펌웨어의 주요 개념을 학습한다. 이후 다양한 동시성 처리 기법, 입출력 스케줄링 알고리즘, 가비지 컬렉션 회피 메커니즘 등 새로운 스토리지 최적화 기법들을 소개한다. 마지막으로 간단한 기본 파일 시스템 및 스토리지 스택에 대해서도 다룬다.

교과목의 주요 목적은 설명가능 AI와 딥러닝 가속시스템의 주요 개념과 최근 기술 동향을 소개하는데 있음. 특히, XAI 핵심 기법중에서 주의집중, human AI 간 협업, 설명가능 강화학습, GNN 기반의 XAI 기법등을 다루며, 또한 XAI 모델 학습, 추론시 가속 방식에 대하여 시스템 측면에서 엔지니어링을 수행하는 교과목으로 진행.

이 과목에서는 운영체제에 대한 폭넓은 주제를 다룬다. 주요 내용에는 기본적인 운영체제 구조, 메모리 관리, 저장 장치 및 파일 시스템, 프로세스 스케줄링과 자원 관리, 가상화, 분산 시스템 등이 포함된다. 각 주제에 대해 필수 논문을 읽고 토론하며, 컴퓨터 시스템 관련 연구를 희망하는 학생들에게는 모든 논문이 필독서이다. 읽기 목록에는 고전 논문인 “THE” Operating System (CACM 1968)부터 최근 논문인 BarrierFS (FAST 2018)까지 다양하게 포함되어 있다.

인터커넥션 네트워크는 프로세서, 메모리 및 입출력 장치와 같은 다양한 구성 요소 간의 효율적인 통신과 데이터 전송을 촉진하기 때문에 컴퓨터 시스템에서 매우 중요합니다. 이러한 네트워크는 고속 데이터 교환을 가능하게 하고 지연 시간을 최소화하여 병렬 및 분산 컴퓨팅 시스템의 성능과 확장성을 뒷받침합니다. 효과적인 인터커넥션 네트워크는 데이터가 시스템 전반에 걸쳐 신속하고 신뢰성 있게 전송되도록 보장하며, 이는 복잡한 계산을 실행하고 대규모 데이터 처리 작업을 처리하는 데 필수적입니다.

동 과목에서는 현재 운용되고 있는 LTE와 5G 등 상용 이동통신시스템을 소개합니다. 동 과목을 통해 학생들은 시스템의 내부 구성요소와 그들의 상호 정보교환 등을 상세히 살펴봄으로써 전체 이동통신 시스템에 대한 이해를 높일 수 있을 것으로 기대됩니다.

이 과목은 딥러닝과 컨볼루션 신경망(convolutional neural networks)에 대한 이해를 바탕으로, 컨볼루션 신경망과 관련된 최신 연구 주제를 학습하기 위해 개설되었다. 다루는 주제에는 잔차 신경망(residual network), 지식 증류(knowledge distillation), 네트워크 경량화(network minimization), 이미지 간 변환(image-to-image translation), 연속 학습(continual learning), 도메인 적응(domain adaptation), 데이터 증강(data augmentation), 자기 지도 학습(self-supervised learning), 메타 학습(meta-learning), 어텐션(attention) 등이 포함될 수 있다.

이 과목은 신경영상(neuro-imaging) 및 신경영상 처리(neuro-image processing) 기법에 대한 개요를 제공한다. 신경영상 기술의 역사적 발전과 최근 동향, 그리고 관련 영상 처리 기법들을 함께 다룬다. 다양한 신경영상 기법 중 특히 광학 영상(optical imaging)에 중점을 두어 설명하며, 영상 처리 측면에서는 일반적인 영상 처리 기법뿐만 아니라 신경영상에 특화된 기법들도 함께 다룰 예정이다.

이 강의는 고급 멀티미디어 처리 및 학습 기술을 다룬다. 멀티센서리 신호, 영상, 오디오, 언어는 멀티미디어의 핵심 요소이며, 이들을 활용한 멀티모달 학습은 지능형 감시 시스템, 스마트 TV, 인간-기계 인터페이스 시스템 등 실제 응용 분야에서 핵심 기술로 활용되고 있다. 강의에서는 이미지, 비디오, 오디오, 언어의 표현 학습을 포함한 멀티미디어 학습의 기초, 멀티미디어 융합 기법(multimedia fusion schemes), 정렬(multimedia alignment), 주의(attention) 메커니즘 등을 다룬다. 또한, 학생들은 멀티모달 처리 및 학습 분야에서 최근 발표된 논문을 읽고, 학기말 프로젝트를 수행함으로써 실질적인 이해를 심화하게 된다.