최근 확인한 콘텐츠
데이터가 존재하지 않습니다.
데이터가 존재하지 않습니다.
협동과정 계산과학전공
본 과목에서는 병렬계산의 기본 개념, 병렬 및 벡터 컴퓨터의 이론 및 모델, 고성능 계산의 프로그래밍 모델, 병렬 프로그램의 모델 및 효율성, 병렬 프로그램의 기법, 디버깅, 병렬 계산의 응용 및 실험을 배우게 된다. 특히 FORTRAN, C/C++등의 언어와 MPI(Message Passing Interface)및 Open MP 등 병렬 언어처리를 결합한 병렬 프로그래밍 기법에 익숙하도록 한다.
loading...
본 과목에서는 병렬계산의 기본 개념, 병렬 및 벡터 컴퓨터의 이론 및 모델, 고성능 계산의 프로그래밍 모델, 병렬 프로그램의 모델 및 효율성, 병렬 프로그램의 기법, 디버깅, 병렬 계산의 응용 및 실험을 배우게 된다. 특히 FORTRAN, C/C++등의 언어와 MPI(Message Passing Interface)및 Open MP 등 병렬 언어처리를 결합한 병렬 프로그래밍 기법에 익숙하도록 한다.
교양대학수학 =
Programming challenges : the programming contest training manual
Handbook of discrete and combinatorial mathematics
(입문자를 위한) 병렬 프로그래밍
다변량 기초와 자료분석
GAN 인 액션 : 텐서플로 2.x와 케라스로 구축하는 생성적 적대 신경망
Quantitative methods : an active learning approach
경영·경제수학
대학수학 총론 : 교원임용고사 및 각종 수학시험 대비
알고리즘 : 이론과 응용 =
Handbook of applied mathematics for engineers and scientists
(Engineering) 이산수학 =
인공지능 알고리듬의 이해
Mathematical formulas for economists
多變量分析의 理論과 實際
Introduction to parallel computing
(배우기 쉬운) Fortran
대학일반수학
베이지안 통계학의 이론·계산 및 응용
Rude, Ulrich; willcox, Karen; McInnes, Lois Curfman; De Sterck, Hans · 2018
SIAM Review
Mironov, A. M. · 2022
Automatic Control and Computer Sciences
吴建平; 银福康; 彭军; 杨锦辉; 汪祥; 张泽 · 2023
高教学刊 / Journal of Higher Education
石学鹏; SHI Xuepeng · 2024
数字通信世界 / Digital communication World
de Doncker, Elise; Yuasa, Fukuko · 2017
Procedia Computer Science
Park, Eunhui; Park, Kunsoo · 2008
Fundamenta Informaticae
Moura P.F.S.,Leus R.,Yaman H. · 2025
European Journal of Operational Research
Wang R.,Chen C.,Lee J.,Darve E. · 2021
Journal of Parallel and Distributed Computing
Mniszewski SM; Cawkwell MJ; Wall ME; Mohd-Yusof J; Bock N; Germann TC; Niklasson AM · 2015
Journal of chemical theory and computation
Gorodnyaya, L. V. · 2024
Automatic Documentation and Mathematical Linguistics
Serik M.,Karelkhan N.,Kultan J.,Zulpykhar Z. · 2019
International Journal of Emerging Technologies in Learning
Zafalon, Geraldo F. D.; Marucci, Evandro A.; Momente, Julio C.; Amazonas, José R. A.; Sato, Liria M.; Machado, José Marcio · 2013
Journal of Biophysical Chemistry
Niculescu V. · 2022
Mathematics
Adler, J. · 2020
Computing in Science & Engineering, Comput. Sci. Eng.
熊智; 蔡玲如; 洪秀秀 · 2023
高教学刊 / Journal of Higher Education
FERDINANDO FIORETTO; ENRICO PONTELLI · 2018
Theory and Practice of Logic Programming
David Calvert; Deborah Stacey; Gary Grewal; Stefan C. Kremer; Fangju Wang; William B. Gardner · 2015
Journal of Computational Science
이민형, 백승훈, 김승조 · 2006
대한기계학회논문집 A
Andoh Y.,Ichikawa S.i.,Sakashita T.,Yoshii N.,Okazaki S. · 2021
Journal of Computational Chemistry
MENCAGLI, GABRIELE; VANNESCHI, MARCO · 2014
Cluster Computing
전선 / 대학원
본 과목에서는 자연과학 및 공학에서 나타나는 문제를 계산가능한 방정식으로 표현하는 수학적 모형화 과정, 수학적 모형 방정식에 대한 수학적 분석, 수학적 모형방정식에 대한 다양한 계산알고리즘의 효율성, 안정성 및 수렴성, 수학적 모형방정식들의 수치 시뮬레이션, 간략한 가시화 등을 배우게 된다.전선 / 대학원
본 과목에서는 특히 거대한 계산 혹은 병렬계산에서 계산의 효율성을 높이고 병목현상을 줄이기 위하여 과학적 프로그래밍 코딩에 사용되는 거대한 자료구조에 대하여 배운다. Array, recursion, sorting, pointer, stack and queue, link, graph, path, tree구조 등 자료구조의 기본을 배우고 이들의 구조를 이용하여 효율적인 알고리즘을 작성하도록 한다.전선 / 대학원
인구변화, 질병확산, 경제적인 변화 같은 많은 사회적 문제들은 시간이라는 하나의 독립변수에 따라 변화하는 상미분 방정식으로 귀결된다. 상미분 방정식은 소위 Dynamic Problem으로 많은 자연과학과 공학문제에서도 쓰여왔다. 본 과목에서는 상미분방정식의 수치해법으로 기본적인 One-step methods, Multistep methods, Predictor-corrector methods, Runge-Kutta methods 등을 다루며, Stiff Problem과 Two-point boundary value problem에 대한 수치해법을 배우도록 한다. 상미분방정식의 수치해법의 수렴성, 오차분석, 안정성 분석 등도 포함한다. 또 하나 중요한 접근방법은 최근 사회과학에서도 많이 쓰이는Agent-Based Modeling(ABM)이다. 최근 Python기반 MESA같은 패키지가 나왔는데 이러한 접근의 장단점과 한계등을 살펴봄을 통해서 사회문제의 다양한 접근들을 시도해본다.전선 / 대학원
자연 지능의 특징인 자율성, 목적성, 반응성, 적응성, 학습능력, 추론능력 등에 대한 계산학적 모델을 고찰하고, 이러한 특성을 지닌 지능형 에이전트를 컴퓨터상에 시뮬레이션함으로써 인간의 인지과정 및 지능에 대한 이해를 높인다.전선 / 대학원
본 과목에서는 유한요소해법, 유한체적법, Spectral methods, A posteriori error estimate, Adaptive methods, Nonconforming methods 등 편미분방정식의 최근 발전된 수치해법, 선형 및 비선형 방정식의 직접 및 반복 해법, 최적화 문제의 수치해법, 확률 및 통계문제의 수치해법, 몬테 카를로 해법 등과 관련된 최신 과학계산 이론과 더불어 이러한 이론을 과학, 공학의 주요 방정식에의 적용한 응용사례에 대한 최신의 선택적 주제를 배우도록 한다.전선 / 대학원
본 과목에서는 행렬문제의 Frontal methods등 직접해법, decomposition methods for banded matrices, 야코비 반복법, Seidel 반복법, ADI해법, Conjugate gradient해법, Lancoz해법, Preconditioning등 고급수치선형대수해법과 그 분석을 배우도록 한다. 또한 행렬의 고유치 문제의 풀이법을 다룬다. 특히 이러한 알고리즘을 FORTRAN, HPF, C/C++, Java, Matlab, Maple, Mathematica등의 언어를 이용하여 구현하도록 한다.전선 / 대학원
본 강좌는 대학원생을 위한 고급 계산생물학 교과목으로 (1) 데이터 전처리 및 정규화(RT-PCR/western blotting data normalization), (2) 기본 통계 및 가설검증 방법(hypothesis testing, multiple testing correction, Bayesian 통계 등), (3) 다변량 통계 기반 데이터 시각화 및 회귀분석(주성분분석, 다변량 회귀분석, 주요 변수 추출 등), (4) 오믹스 데이터 기본 분석(데이터 정규화, 매핑, 발현/활성 차이 유전자/단백질 선별), (5) 타겟 분자 예측(마이크로RNA 타겟 예측 등), (6) 다양한 바이오리소스 및 활용 방법(지놈브라우져, 다양한 데이터베이스 및 활용, 생체네트워크 모델링 및 메커니즘 예측) 등의 생물학 연구에 있어서 유용한 기본 분석 및 리소스 활용 방법들을 학습한다. (7) 단백질 예측 (단백질 서열의 특성을 예측하는 in-silico 방법). 학습한 방법들을 적용할 수 있는 텀프로젝트 과제를 부여한다. 이 텀프로젝트에서는 각자 가지고 있는 생물학적 문제에 학습한 방법을 올바르게 적용했는가를 평가한다.전선 / 대학원
본 과목에서는 과학, 공학, 의학, 산업, 국방 등에서 제기되는 중요한 실제적인 문제들의 효율적인 최신 과학계산모델링의 기법 및 응용, 시뮬레이션에 대한 선택적 주제를 배우도록 한다. 또한 선택된 주제들에 대하여 수학적, 수치해석적, 공학적 분석을 강의한다. 학생들에게 적절한 문제들을 배당하고 모델링, 분석, 수치해법, 시뮬레이션을 단계적으로 하게 한다.전선 / 대학원
본 과목에서는 과학, 공학, 의학, 산업, 국방 등에서 제기되는 중요한 실제적인 문제들의 효율적인 최신 과학계산모델링의 기법 및 응용, 시뮬레이션에 대한 선택적 주제를 배우도록 한다. 또한 선택된 주제들에 대하여 수학적, 수치해석적, 공학적 분석을 강의한다. 학생들에게 적절한 문제들을 배당하고 모델링, 분석, 수치해법, 시뮬레이션을 단계적으로 하게 한다.전선 / 대학원
CPU를 중심으로 I/O System, Memory System, Cache, Virtual Memory 등의 구조 및 설계 방법을 다루며, 이를 바탕으로 전체적인 컴퓨터의 조직을 이해한다.전선 / 대학원
계산이론은 컴퓨터공학의 기초학문이며, 중요한 문제에 대한 효율적인 알고리즘들을 소개하고, 그런 알고리즘의 복잡도 분석을 다룬다. 이 교과목에서는 먼저 알고리즘의 성능을 분석하는 기법, 특히 amortized analysis에 대해 배운다. 그리고, 계산이론 분야에서 중요한 알고리즘과 그 응용에 대해 배운다. 구체적으로, (스트링 매칭, 2차원 패턴 매칭, 근사 매칭, suffix trees, 데이터 압축 문제에 대한) 스트링 알고리즘과 bioinformatics에의 응용, (선택 문제, 다항식 확인 문제에 대한) randomized 알고리즘과 그 영향, (페이지 교체 문제, k 서버 문제에 대한) online 알고리즘과 금융문제(일방향 거래와 portfolio 선택 문제)에의 응용을 배운다.전선 / 대학원
빅데이터 혹은 대용량 고차원 데이터의 출연으로 현대 통계학에서 계산의 중요성은 과거의 어떤 때보다 더 중요하게 되었다. 이 과목에서는 빅데이터를 다루는데 필요한 최신의 계산 기법들, 즉 GPU를 이용한 통계계산과 병렬처리를 활용한 통계계산의 이론과 실제를 다룬다.전선 / 대학원
방대하고 다양한 경영관련자료의 통계적 처리에 관한 기본이론과 실제를 통해 자료의 분석능력과 미래예측능력을 배양하고 객관적인 판단자료의 작성기술을 익히며 나아가 연구방법론의 기본지식을 이해함으로써 체계적이고 과학적인 문제해결능력을 습득한다.전선 / 대학원
통계적 기계학습 방법은 데이터과학 및 인공지능 분야에서 핵심 방법론으로 사용되고 있다. 본 강의에서는 통계적 기계학습 방법론을 소개하고 기본 이론을 배운다. 주로 지도학습방법론을 위주로 다루며, 의사결정론, 고차원 선형모형, 비모수 함수추정, 의사결정나무와 앙상블, Support vector machine 그리고 딥러닝에 대한 이론 및 알고리즘을 가르친다. 그리고 지도학습 알고리즘을 관통하는 통계학적 원리인 M-추정량에 대해서 논의한다.전선 / 대학원
본강좌에서는 실험데이터로부터 두뇌 작용에 대한 계산모형을 개발하는데 필요한 기초적인 계산 이론, 정보 이론, 확률통계적 학습 알고리즘 등을 공부한다. 또한, 두뇌 및 자연의 계산 원리에 기반하여 동작하는 새로운 방식의 지능형 연산 모델인 인공신경망과 진화연산의 원리와 신경과학적인 응용에 대해서 실습을 통하여 공부한다전선 / 대학원
본 과목에서는 지능형시스템의 이론 및 구현의 바탕이 되는 수학을 다룬다. 컴퓨터 시스템, 로보틱스, 시스템 이론 등의 필수가 되는 대학원 수준의 선형대수를 비롯한 여러 주제의 응용수학을 배우며, 엄밀한 증명보다는 개념의 이해와 실제 응용을 목표로 한다.전선 / 대학원
사용자와 인터액션이 있는 시스템을 평가하기 위해서는 정확하며 효율적인 사용자실험 설계 및 수행이 요구 된다. 본 강의를 통해 학생들은 사용자실험을 설계 및 수행하기 위한 기초통계를 배울 뿐만 아니라 각자의 연구주제에 적합한 실습도 수행하게 된다. 본 강의는 사용자연구기획, 사용자실험의 설계, 사용자실험의 수행방법, 결과의 분석 및 보고방법에 대하여 다룰 것이다.전선 / 대학원
기계학습은 환경으로부터 데이터 관찰과 경험을 통해 성능을 계속적으로 향상시킬 수 있는 문제해결 시스템을 연구하는 인공지능의 한 분야이다. 본 과목에서는 기계학습에 관한 이론 및 실제적인 연구 주제들에 관해 학습한다. 감독 학습과 무감독 학습 및 강화학습에 관한 기본 원리와 이론적인 배경을 공부하며 이들에 대한 구체적인 알고리즘을 학습한다. 기호규칙 학습, 결정트리, 메모리기반 학습, 신경망, 유전자알고리즘, 베이지안 망, 은닉 마코프 모델, 커널방법 및 기타 최근 기계학습 알고리즘을 다룬다.전선 / 대학원
자연언어처리는 인간의 언어를 컴퓨터가 자동으로 분석하고 생성하기 위한 소프트웨어를 연구하는 분야이다. 본 교과목에서는 자연언어를 이해하고 기계번역을 자동으로 수행하기 위한 기본적인 개념과 구체적인 언어 처리 기법을 공부한다. 특히, 형태소 분석, 구문분석, 의미분석, 화용론 및 언어생성에 대해 공부한다.논문 / 대학원
창의적이고 우수한 계산과학전공의 학위논문을 쓰기 위하여 지도교수와 적절한 주제를 선정하여 관련된 문헌을 강독하고 분석하여 연구한 바를 지도교수와 정기적으로 토론한다.