광주대학교대학원
석사과정
광주대학교대학원
박사과정
광주대학교대학원
계약학과
- 석사과정
- 도시재생학과
- 박사과정
정보통신공학과
- 학위수여명칭 : 공학석사
- 주임교수명 : 김광현
- 학위수여 가능전공 : 정보통신
- 연구실 : 062-670-2469
교육목표
정보통신분야의 폭넓은 이해와 고찰을 바탕으로 컴퓨터를 기반으로 한 멀티미디어 정보의 효율적 처리능력과 처리된 정보를 배포하는 통신능력을 배양하여, 궁극적으로는 21세기 정보화 시대의 주역을 담당할 전문인 양성을 목표로 한다.
학과(전공)의 특성 및 전망
- 특성 : 현재 정보통신 분야는 새로운 변환기에 있다고 볼 수 있다. 지금까지 1세기 이상 사용해 온 음성 위주의 통신망인 전화망 대신 멀티미디어 데이터 전송을 위한 종합정보통신망, 초고속인터넷 등 새로운 통신망이 선진국을 비롯한 국내외에서 경쟁적으로 도입되고 있기 때문입니다. 또한 정보통신분야는 타 분야에 비해 기술발전 및 도입속도가 빠르기 때문에 최신의 통신 하드웨어와 소프트웨어기술을 익힌 새로운 인력이 지속적으로 필요하다.
- 전망 : 현재 우리나라 정보통신산업 분야의 인력수급 현황을 보면 학사급의 인력은 남아돌고 있으나, 고급 석•박사 인력은 상당히 많은 인력부족 현상을 초래할 것으로 예상되고 있어서 취업이나 진로의 범위가 넓을 뿐만 아니라 전망이 밝다.
교과과정
| 번호 | 교과과목명 | 교과목 개요 | 학점 | 비고 | |
|---|---|---|---|---|---|
| 국문명 | 영문명 | ||||
| 1 | 컴퓨터구조론 | Computer Architecture | 병렬처리 컴퓨터를 중심으로 한 컴퓨터 구조와 새로운 시스템 설계 | 3 | |
| 2 | 딥러닝기술 | Deep Learning Technology | 멀티미디어의 효율적 처리를 위한 컴퓨터 구조에 관한 연구 | 3 | |
| 3 | AI기술특강 | Special Topics on AI Technology | MS의 윈도우 서버와 윈도우 커널에 대한 연구를 통해 OS 설계능력 함양 | 3 | |
| 4 | 데이터통신특론 | Advanced Data Communications | 컴퓨터네트워크에서 신뢰성있는 데이터 전송을 위한 다양한 기술 및 프로토콜을 학습 | 3 | |
| 5 | 고급컴퓨터네트워크 | Advanced Computer Networks | 네트워크를 통하여 이동되는 각종 데이터의 트래픽, 전송률, 효율성 등의 분석 능력을 함양하고 이를 바탕으로 환경에 적절한 네트워크 설계 능력 함양 | 3 | |
| 6 | 고급근거리통신망 | Advanced Local Area Networks | 근거리 통신망의 종류에 따른 프레임 유형과 특징을 비교 분석하고 환경 변화에 따른 각각의 장단점을 파악하고 이에 따른 올바른 망 구축 능력 배양 | 3 | |
| 7 | 차세대통신망 | Next Generation Communication Networks | 유비쿼터스 컴퓨팅 환경에 적절한 통신망 구조 및 이를 구현하기 위한 인프라 및 프로토콜 및 각종 응용 분야에 대한 이해력 함양 | 3 | |
| 8 | 무선이동 인터넷 | Wireless Mobile Internet | 사용자가 위치에 상관없이 인터넷에 접속할 수 있도록 해주는 통신망구조 및 제어 프로토콜 학습 | 3 | 종합시험교과목 |
| 9 | 무선 LAN | Wireless LAN | 근거리내에 네트워크를 구축하는 경우 적외선 발광소자 등 무선으로 연결된통신망 구조 및 제어 프로토콜 학습 | 3 | |
| 10 | AI융합특강 | Special Topics on AI Convergence | 음성, 데이터, 화상 등 주요 인터넷 정보들이 광 파장 신호로 변환되고, 교환·전달·처리되는 광속도 기반의 인터넷. 스위치, 라우터를 비롯하여 각종 광 네트워크 요소에 관한 학습 | 3 | |
| 11 | 차세대인터넷 | Next Generation Internet | 멀티캐스팅 기술, 차세대 라우팅 기술, 액티브 네트워킹, 이동성을 고려한 Mobile IP 기능, 사용자에게 차별화된 QoS 제공과 같은 다양한 기술을 연구한다. | 3 | |
| 12 | 고속통신망 | High Speed Networks | 차세대 고속 통신망 기술을 이해하고, 최신의 고속 접속망을 설계하기 위해, 통신망 구성, 트래픽 흐름제어, 혼잡제어, 네트워크 큐잉이론 응용, 버퍼제어 기술 등을 포함한 네트워크 전반에 관한 내용을 학습한다. | 3 | |
| 13 | 네트워크관리 | Network Management | 본 강좌에서는 분산 환경에서의 네트워크관리에 초점을 두어 SNMP에 기초한 네트워크 관리 기술, CORBA, Mobile Agent, LDAP, XML과 같은 분산 객체 기술 분야에 대하여 연구한다. | 3 | 종합시험교과목 |
| 14 | 네트워크보안특론 | Topics In Network Security | 본 강좌에서는 최근 제안되고 있는 네트워크 및 프로토콜에서의 보안 이슈에 대하여 강의한다. | 3 | 종합시험교과목 |
| 15 | 임베디드시스템특론 | Topics in Embedded System | 본 강좌에서는 임베디드시스템 기초 지식을 기반으로 지능형 로봇, 유비쿼터스 사회를 위한 임베디드 시스템에 대한 심화된 이론 및 기술을 강의한다. | 3 | |
| 16 | 네트워크보안설계 | Secure Network Design | 본 강좌에서는 네트워크를 구성하거나 기본 프로토콜 및 응용프로그램을 구현함에 있어서 요구되는 보안 요소 기술에 대하여 강의한다. | 3 | |
| 17 | 디지털통신특론 | Topics in Digital Communications | 소스코딩, 채널 코딩의 원리를 소개하고 디지털 변조 시스템을 학습한다. PCM, PSK, QAM등의 디지털 변복조 등을 이해한다. | 3 | |
| 18 | 이동통신특론 | Topics in Mobile Communications | 이동통신의 개념, 현상 및 이론과 관련된 수학적, 물리적 현상을 이해하고, 이동통신 기술의 활용을 탐구한다. | 3 | |
| 19 | 통신회로설계 | Communication Circuit Design | 하드웨어 설계언어인 VHDL을 이용하여 디지털 통신회로를 설계하고 FPGA를 이용한 회로의 구현을 목표로 한다. | 3 | |
| 20 | 전송부호이론 | Channel Coding Theory | 오류 정정 부호의 원리 및 설계를 목표, 유한체 이론을 학습하며 선형 블록 부호기와 순회부호기 등의 원리를 학습한다. | 3 | |
| 21 | 머신러닝 | Machining Learning | 유무선 통신과 방송 등 차세대 정보통신 기술을 이해하고 향후 발전 방향을 전망해본다. | 3 | |
| 22 | 멀티미디어통신 | Multimedia Communications | 여러 가지 네트워크 상에서 전송되는 멀티미디어(이미지와 동영상) 정보를 처리하는 영상처리(H.26x, JPEG, MPEG 등) 및 전송기술(전송오류제어, RTP/RTCP 등 스트리밍 프로토콜)을 학습 | 3 | |
| 23 | 영상처리특론 | Advanced Image Processing | 영상신호의 수학적 모델링, 샘플링, 공간 및 시간적 해상도, 양자화이론, 2차원디지털신호처리기초 및 변환, 필터링, 화질개선, 컬러공간 및 컬러변환 등을 학습 | 3 | |
| 24 | 정보통신세미나 | Seminar in Information and Communications | 정보통신에 대한 최신 기술과 논문을 중심으로 조사, 분석함으로써 독해력과 학습능력을 배양하고 발표력을 증진 | 3 | |
| 25 | 빅데이터분석 | Big Data Analysis | 방대한 데이터의 저장 및 처리 기술의 진화와 처리 비용의 하락, 빅데이터 분석 기술의 등장 등에 따라 데이터의 가공과 분석에 따라 상황 인식, 문제 해결, 미래 전망이 가능해지고 데이터가 경제적 자산과 경쟁력의 척도로 주목받은 것이다. 즉 지능화, 개인화 등 스마트 시대 주요 패러다임 선도를 위해서는 빅데이터의 활용이 핵심이며, 그 수준이 경쟁력과 성패를 좌우하게 되었다. 본 강좌는 빅데이터의 발생 환경 및 개념, 빅데이터 요소 기술 등에 대해 이해하고, 빅데이터를 실제 환경에 적용하기 위한 전랴에 대해 학습하는 것을 목표로 한다. | 3 | |
| 26 | 인공지능수학 | Mathematics of Artificial Intelligence | 인공지능 모델이 복잡해지고 데이터의 저장 및 처리 기술의 진화에 따라 인공지능 모델을 수학적인 관점에서 이해함으로써 인공지능의 학습능력을 향상시킬 수 있다. 인공지능의 모델 학습에서 중요한 오차함수의 최적화, 편미분, 행렬연산 등을 이해함으로써 새로운 인공지능 모델 설계에 큰 도움이 될 것이다. 본 교과는 인공지능에서 활용되는 수학적인 개념을 명확하게 이해함으로써 다양한 인공지능 모델에 대한 이해를 향상시켜 앞으로 새로운 모델의 개발에 적용하고 핚습하는 것을 교육목표로 한다. | 3 | |