■ 논문제목 관련Q1. 논문제목 변경 시점➥ 논문 제목은 학위청구논문 심사결과보고서 제출 시점 이전까지는 얼마든지 변경해도 무방합니다.      단, 최종 심사 결과 보고서에 기재되는 논문제목은 반드시 최종 확정된 것이어야 합니다.※ AIMS상에 입력된 논문제목이 국문 학위기에 그대로 출력되므로 결과보고서에 기재된 논문제목과 AIMS상의 논문제목이 상이하다면 반드시 연락주셔야 합니다. ※ 최종 심사 결과 보고서 제출 이후 논문제목에 변동사항이 있을 경우, 반드시 학생은 논문제목 변경원을 작성주셔야 합니다. Q2. 논문제목 글자 수 제한➥ 논문제목은 26자 내외로 정할 것을 권고 드리고 있으나 다소 초과되어도 무방합니다. Q3. 논문제목 특수문자 포함 가능 여부➥ 논문제목에 원자번호 등의 아래첨자와 같은 특수문자가 포함되어 있을 경우 국문 학위기 출력 시 오류가 나타날 수 있으므로, 심사결과보고서 제출 시점에 저에게 별도로 알려 주시기 바랍니다.■ 박사학위 심사위원 위촉 관련Q1. 심사위원 구성➥ 박사학위 청구논문 심사위원은 5인 이상(보통 5인입니다)으로 구성하고, 본교 전임교원 3인과 교외인사(외부교수 또는 전문가) 1인을 포함'하여야' 합니다.      다시 말해 다섯 자리 중 네 자리는 정해져 있다고 생각하시면 됩니다.Q2. 타 학과 교원 위촉 가능 여부➥ 교내 심사위원은 해당학과의 교원을 우선으로 위촉해야 하지만, 전공분야가 유사하다면 인접분야의 타 학과 교원을 심사위원으로 위촉하는 것도 가능합니다.■ 학위청구논문 학회지 게재 관련Q1. 게재예정증명서와 지도교수확인서의 차이➥ '게재예정인 경우에는 '게재예정증명서'를 제출'이라는 표현의 어휘적 한계로 혼동하시는 경우가 많은데, "학회지로부터 '게재예정증명서'를 발급 받을 수 있다"는 건 "해당 학회지에 논문을 게재할 것이 확정"된 상태라고 보시면 됩니다. 다시 말해 게재예정증명서라는 서식이 서식명에 '예정'이라는 단어가 포함되어 있어 혼동하실 수 있지만 실질적으로 '게재(확정)증명서'와 동일하다고 보시면 됩니다.➥ 반대로 '지도교수확인서'는 학회지로부터 게재예정증명서를 제출할 수 있다는 어떠한 확언도 없는 상태로 단지 "해당 학생의 지도교수님께서 학회지에 논문을 게재할 것임을 확인 받았다"는 정도의 의미라고 생각하시면 됩니다. 따라서 '게재미확정인 경우에 지도교수확인서를 제출'해야 하는 것입니다.※ 두 경우 모두 심사원 제출 시점에 게재가 완료되지 않았기 때문에, 심사기간 중 게재가 완료되면, 결과보고서 제출 시에 게재 논문 별쇄본 표지를 반드시 제출해 주셔야 합니다.Q2. 지도교수확인서 서식의 '최종 졸업사정일'의 의미➥ 지도교수확인서 서식상에 게재예정증명서 제출기한으로 기재되어 있는 '최종 졸업사정일'이라 함은 논문 심사결과보고서 마감 이후 2주 이내라고 생각해 주시면 되는데, 이 2주 이내에 ①학회지로부터 게재예정증명서를 발급 받지 못하거나, ②학회지에 게재가 될 것임을 확인해 주는 기타 증빙서류를 제출하지 못할 경우 해당 학생은 논문심사결과와 상관없이 해당 학기 졸업불가입니다.※ 위와 같이 학회지 게재예정 또는 게재미확정인 경우에 해당하는 학생들은, 학과 제출서류 중 학위청구논문 제출 현황표에 반드시 별도로 표시해 주시기 바랍니다.■ 학회지 논문게재 저자구분 관련➥ 반드시 주저자(제1저자) 또는 교신저자로 작성해야 하는데, 공동주저자로 작성한 경우도 인정됩니다. 제2저자는 인정되지 않습니다.■ 심사비/지도비 지급 관련Q1.심사 취소 시 심사비 환불 가능 여부➥ 심사가 진행되기 전에 취소되었다면 심사비 환불이 가능하지만, 심사가 이미 진행된 경우에는 심사를 취소하더라도 당해 학기 심사비 환불이 불가능합니다.      심사 불합격의 경우에도 마찬가지 이유로 심사비 환불이 불가합니다.■ 졸업 관련 증명서 출력 관련Q1. 졸업예정증명서 출력 가능 시점➥ 학생의 논문제목이 AIMS2에 입력되어 있고, 논문제출여부를 '제출'로 변경 후 저장 시 출력 가능합니다. 심사원 제출 이후 일정 시점부터 출력 가능합니다. Q2. 졸업증명서 출력 가능 시점➥ 학위수여일 오전 10시 이후부터 출력 가능합니다.감사합니다. Stay ahead of market trends with Ledger Live for Mac, offering real-time insights and updates.

우리 학교 인공지능학과 석·박사통합과정 나재민 학생이 2023년도 4단계 BK21사업 참여 연구자 중 우수 인재로 선정되어 교육부장관 표창을 받았다.교육부는 인공지능 분야에서 뛰어난 성과를 거두고 지속적인 역량 개발을 통해 향후 발전 가능성이 촉망되는 총 29명의 대학원생 및 신진 연구인력에게 ‘4단계 BK21 사업 우수 참여인력 표창’을 수여했다.인공지능학과 나재민 학생은 글로벌 무대에서 연구를 진행하며, 협업 과정에서 세계적인 인공지능 연구의 흐름을 파악하고 다양한 문화와 연구 환경에서 협업 능력을 키워온 점을 인정받아 이번 교육부장관 표창상을 수상했다.나재민 학생은 지난 2021년 9월부터 2022년 5월까지 버밍엄대 엔텔리전트 로보틱스 연구실(Intelligent Robotics Lab)로 파견되어 AI 알고리즘 연구 및 개발을 수행한 바 있다. 연구 주제는 '메타학습 기반의 비지도 도메인 적응 기술 연구'로, 딥러닝 기술 발전에 따른 데이터 및 레이블링 문제를 근본적으로 해결하기 위한 방법론에 대해 다뤘다.또한, 인공지능 분야 원천 기술들을 연구하며 CVPR, ECCV, ICCV, NeurIPS 등의 우수 국제학술대회에서 연구 성과들을 발표해 인공지능 분야 발전에 이바지했다.특히, 컴퓨터 비전 전이학습 분야 중 ▲비지도 도메인 적응 ▲지식 증류 ▲의미론적 분할 등의 분야에서 새로운 아이디어와 방법론을 제시하여 학문적 가치를, 국내외의 특허 등록 및 출원하여 연구 성과의 실용성과 경제적 가치를 인정받았다. 나재민 학생은 “의미 있는 연구 성과를 낼 수 있도록 도와주신 인공지능학과 황원준 교수님과 함께 연구를 해온 연구자분들께 감사드린다”며 “저의 경험과 지식을 후배 연구자들과 공유하여 공동체 발전에 기여할 수 있도록 노력하겠다”고 전했다.한편, BK21(Brain Korea21, 두뇌한국) 사업은 세계적 수준의 대학원 육성과 우수한 연구인력 양성을 위해 석·박사과정생 및 신진연구인력(박사후 연구원 및 계약교수)을 집중적으로 지원하는 고등교육 인력양성 사업이다. 아주대는 현재 총 5개의 4단계 BK21사업 연구단과 2개의 연구팀을 운영하고 있다. ▲켐바이오메디신 교육연구단(대학원 분자과학기술학과, 김용성 교수) ▲탄소-제로 신재생에너지시스템사업단(대학원 에너지시스템학과, 장혜영 교수) ▲Ajou DREAM 인공지능 혁신인재 양성사업단(소프트웨어학과, 손경아 교수) ▲차세대 초지능네트워크 융합 교육연구단(소프트웨어학과, 고영배 교수)과 ▲지능형반도체센서 STAR 혁신인재 양성 교육연구단(지능형반도체공학과, 허준석 교수) ▲아주 수리과학 미래인재양성 교육연구팀(수학과, 최수영 교수) ▲베리옴(Barriome) 제어 혁신신약개발 미래인재양성 교육연구팀(약학과, 장선영 교수)이다.

Artificial Intelligence & AI Convergence Network 사업단에서 공동으로 개최하는 Colloquium을 4월 29일(월) 오후 3시에 개최하오니 많은 참여 부탁드립니다.  When : 2024년 4월 29일(월) 오후 3시  Where : 팔달관 407호   Speaker : 강병곤 교수(SUNY Korea)  Title : On the efficiency of pre-trained word embeddings on Transformers  Abstract : In this talk, I will discuss a counter-intuitive phenomenon where state-of-the-art pretrained word embedding vectors perform poorly compared to randomly initialized vectors.More specifically, such a tendency is observed almost exclusively in Transformer architectures, making it a problem to most modern NLP systems that are heavily dependent on Transformers. I also describe a very simple remedy that somewhat alleviates this shortcoming, as well as numerous empirical results to back this claim.If time permits, I will also share a failure case of another popular deep learning system (autograd), leading us to the discussion of whether we should take prevalent technologies for granted in this field.  Bio : Byungkon Kang got his PhD at KAIST in 2013 before joining Samsung Advanced Institute of Technology. After that, he spent a few years at Ajou University as a research professor.He is currently an assistant professor at SUNY Korea, working on various AI/ML topics.   Host : 소프트웨어학과 손경아 교수(kasohn@ajou.ac.kr)