전남대 전자컴퓨터공학과 대학원 면접 예상질문 - 3

특수 대학원은 일반 대학원과 많이 다른 것 같다.

각 교수님을 컨텍하여 원하는 랩실에 들어가 연구활동에 전념하는 일반 대학원생들과 다르게 나는 직장인 재교육형 특수 대학원이기 때문에 일반적인 지원 과정이 아니라 자격 요건과 관련 서류만 제출했다.

제출 서류에 졸업증명서, 성적증명서, 중소기업 재직증명서나 경력증명서 등 첨부는 하였으나, 자기소개서 같은 서류는 없었다. 블라인드 채용처럼 요즘에는 최소한의 정보로만 하는 것인지....

아무 준비도 없이 가는 것 보단 전자공학과와 컴퓨터공학과에서 교수님들이 운영중이신 연구소에 대한 자료와 관련된 분야의 전공 관련 예상 질문을 조금이나마 준비해보려고 한다.

지능전자연구실(Intelligent Electronics Lab)

지능전자연구실은 신호처리 및 인공지능 기술 기반의 전자공학 융합시스템 개발 연구를 진행하고 있다. 딥러닝(deep learning) 인식기술을 활용한 오디오/영상 응용시스템으로서 행동인식, 식물분류, 음성인식 및 생산라인 모니터링 기술을 개발하고 있다. 지능전자연구실의 주력 프로그램 언어는 C(++), 파이썬, JAVA 등이며, 딥러닝 프레임워크는 TensorFlow, PyTorch 등이다. 이들 S/W를 기반으로 윈도우/리눅스(임베디드)/안드로이드 응용S/W를 개발한다.

 

딥러닝과 머신러닝의 차이점은?

머신러닝은 데이터를 기반으로 모델을 학습시키는 알고리즘의 집합을 말합니다. 딥러닝은 머신러닝의 하위 집합으로, 신경망을 기반으로 하며 많은 층(layer)을 사용하여 복잡한 패턴을 학습합니다. 특히 딥러닝은 이미지나 음성과 같은 비정형 데이터를 처리하는 데 효과적입니다.

 

TensorFlow와 PyTorch의 차이점은?

TensorFlow는 구글에서 개발한 딥러닝 프레임워크로, 프로덕션 환경에서 사용하기 적합하며, 모델 서빙을 쉽게 할 수 있는 장점이 있습니다. PyTorch는 페이스북에서 개발했으며, 코드가 직관적이고 디버깅이 쉬워 연구와 실험에 더 적합합니다.

 

행동 인식 시스템을 구축할 때 어떤 데이터가 필요한가?

행동 인식을 위해 주로 영상 데이터와 센서 데이터를 사용합니다. 예를 들어, 비디오 프레임에서 사람의 움직임을 분석하거나, 웨어러블 장치의 가속도 센서를 활용해 행동 패턴을 감지할 수 있습니다.

 

딥러닝 모델을 학습시키기 전에 데이터를 전처리 하는 이유는?

데이터 전처리는 모델 학습의 정확도를 높이기 위해 필수적입니다. 예를 들어, 노이즈를 제거하거나, 데이터를 정규화하여 모델이 특정 값에 편향되지 않도록 하고, 학습 속도를 높이는데 도움이 됩니다.

 

음성 인식 시스템의 기본적인 동작 원리는?

음성 인식 시스템은 먼저 입력된 음성을 디지털 신호로 변환하고, 이를 특징 벡터(feature vector)로 추출합니다. 이후 딥러닝 모델이 특징 벡터를 분석하여 텍스트로 변환합니다. 주로 RNN이나 Transformer 같은 모델이 사용됩니다.

 

식물 분류를 위한 딥러닝 모델을 설계할 때 고려해야 할 점은?

식물 이미지는 조명, 각도, 배경 등 다양한 변수가 있을 수 있으므로, 데이터 증강 기법을 활용해 다양한 학습 데이터를 생성해야 합니다. 또한, 특정 특징을 잘 추출할 수 있는 CNN 기반 모델을 사용하는 것이 효과적입니다.

 

윈도우와 리눅스 시스템에서의 S/W 개발 차이는?

윈도우는 GUI 기반의 응용 프로그램 개발에 유리하고, 리눅스는 임베디드 시스템이나 서버 환경에서의 개발에 적합합니다. 리눅스는 오픈소스이기 때문에 소스 레벨에서 최적화를 수행할 수 있는 장점이 있습니다.

 

임베디드 시스템이란?

특정한 기능을 수행하도록 설계된 하드웨어와 소프트웨어의 조합입니다. 주로 전자기기 내부에 내장되어 있으며, 실시간으로 동작해야하는 경우가 많은데 예로 자동차의 ECU, 스마트폰, IoT 디바이스 등이 임베디드 시스템의 예입니다.

 

딥러닝 모델 학습 중 과적합을 방지하기 위한 방법은?

과적합을 방지하기 위해 드롭아웃을 사용하거나 정규화 기법을 적용할 수 있습니다. 또한, 학습 데이터를 늘리기 위해 데이터 증강을 활용하거나, 학습 데이터와 테스트 데이터를 명확히 분리하는 것도 중요합니다.

 

지능형 전자 시스템에서 임베디드 시스템이 중요한 이유는?

임베디드 시스템은 전자 장치에 내장되어 특정 작업을 수행하도록 설계된 시스템입니다. 소형화와 전력 효율이 중요한 지능형 전자 시스템에서 필수적이며, 센서 데이터 처리와 실시간 제어에도 핵심 역할을 합니다.

반응형

디지털통신연구실 (Digital Communication Lab)

디지털통신 연구실에서는 디지털 통신용 모뎀의 설계 및구현에 관한 연구를 수행하는데, 주로 디지털TV의 성능 개선 및 알고리즘 개발, 디지털TV용 셋탑박스개발, 유무선 홈 네트워킹 기술 개발에 관한 연구를 수행중이며, 지상파 DTV송수신기 설계, 성능개선 및 구현(DTV용 송수신기 설계 및 구현, DTV수신성능 개선을 위한 빔형성, 동기, 등화기, 채널부호화 방식 연구 DTV 표준화 연구), DTV 셋탑박스 설계 및 구현, 엑세스 망 및 홈 네트워크를 위한 통신기술(블루투스를 이용한 홈네트워크 시스템, B-WLL 엑세스망용 통신기술, 케이블 모뎀, CWB, 무선 LAN등 유무선 홈 네트워크)등을 연구 중이다.

디지털 통신이란?

디지털 통신은 데이터를 0과 1의 디지털 신호 형태로 전송하는 기술입니다. 아날로그 신호에 비해 잡음에 강하고, 데이터 압축 및 오류 수정 기능이 뛰어납니다. 대표적인 예로 인터넷, 디지털 TV, 모바일 통신 등이 있습니다.

 

디지털 TV와 아날로그 TV의 차이점은?

디지털 TV는 신호를 디지털 방식으로 전송해 고화질 영상과 음질을 제공합니다. 반면, 아날로그 TV는 신호가 아날로그 방식으로 전송되어 화질과 음질이 상대적으로 낮고, 잡음에 취약합니다.

 

DTV 송수신기에서 동기화의 역할은?

동기화는 송신기와 수신기가 동일한 시간 기준을 유지하도록 도와주는 과정입니다. 이를 통해 데이터가 정확히 복원될 수 있으며, 특히 DTV에서 안정적인 신호 수신과 복호화에 필수적입니다.

 

채널 부호화의 목적은?

채널 부호화는 데이터 전송 중 발생할 수 있는 오류를 감지하고 수정하기 위해 사용됩니다. 이를 통해 신호 품질을 유지하고 데이터 전송 효율성을 높일 수 있습니다.

 

셋톱박스란?

셋톱박스는 디지털 신호를 텔레비전이 이해할 수 있는 영상과 음성 신호로 변환하는 장치입니다. 주로 디지털 TV 방송이나 인터넷 스트리밍 서비스에 사용됩니다.

 

빔형성(Beamforming)이란 무엇인가?

빔형성은 특정 방향으로 신호를 집중시키는 기술입니다. 이를 통해 신호 간섭을 줄이고, 원하는 방향으로의 전송 품질을 향상시킬 수 있습니다. DTV 송수신에서 효율적인 신호 전송에 자주 사용됩니다.

 

홈 네트워킹 기술이란?

홈 네트워킹 기술은 가정 내의 여러 디바이스를 유선 또는 무선으로 연결해 데이터를 주고받을 수 있게 하는 기술입니다. 예를 들어, 블루투스, 무선 LAN(Wi-Fi), 유선 LAN 등이 이에 해당합니다.

 

블루투스와 Wi-Fi의 차이점은 무엇인가?

블루투스는 짧은 거리에서 디바이스 간 데이터를 주고받는 데 사용되며, 전력 소모가 적습니다. Wi-Fi는 더 긴 거리에서 고속 데이터 전송이 가능하며, 주로 인터넷 연결에 사용됩니다.

 

디지털 TV 성능 개선을 위한 알고리즘 개발에서 중요한 요소는 무엇인가?

중요한 요소로는 신호 잡음 비율(SNR) 향상, 효율적인 압축 알고리즘, 에러 복구 기술, 동기화 및 채널 부호화 등이 있습니다. 이를 통해 더 안정적이고 고품질의 서비스를 제공합니다.

 

디지털 TV에서 등화기(Equalizer)는 어떤 역할을 하는가?

등화기는 송수신 과정에서 발생하는 신호 왜곡을 보정하는 장치입니다. 이를 통해 수신 신호의 품질을 높이고, 데이터 오류를 줄일 수 있습니다.

 

 

 

 

영상정보처리시스템연구실 (Visual Information Processing System Lab)

영상정보처리 연구실에서는 멀티미디어 시스템의 구현을 위한 영상 데이터의 압축, 다중화 및 응용기술을 연구한다. 특히 객체단위의 양방향 방송서비스, 무선 멀티미디어서비스를 위한 비디오 객체 추출 및 처리, 전송오류에 강인한 비디오 압축 기술, 컴퓨터기반 의료영상 자동분석 및 진단시스템 개발에 관한 연구를 진행 중이다.

 

비디오 압축 기술이란?

비디오 압축 기술은 영상 데이터를 효율적으로 저장하고 전송하기 위해 불필요한 데이터나 중복된 정보를 제거하는 기술입니다. 대표적인 압축 표준으로는 H.264, H.265(HEVC)가 있습니다.

 

객체 단위의 양방향 방송 서비스란?

객체 단위 양방향 방송 서비스는 방송 콘텐츠를 객체 단위로 분리해 사용자가 특정 객체를 선택하거나 제어할 수 있는 서비스입니다. 예를 들어, 드라마 중 특정 캐릭터에 대한 정보를 클릭해 확인할 수 있습니다.

 

비디오 객체 추출 기술의 기본 원리는 무엇인가?

비디오 객체 추출은 영상 프레임에서 배경과 객체를 구분하여 필요한 객체만 분리하는 기술입니다. 주로 경계 검출(edge detection), 배경 제거(background subtraction), 그리고 머신러닝 기반 알고리즘이 사용됩니다.

 

전송 오류에 강인한 비디오 압축 기술이 필요한 이유는 무엇인가?

무선 네트워크 환경에서는 데이터 전송 중 오류가 발생할 가능성이 높습니다. 이러한 환경에서도 영상 품질을 유지하기 위해 오류 정정 기술(FEC)이나 적응형 비트율 스트리밍 기술이 사용됩니다.

 

멀티미디어 시스템에서 다중화 기술이란 무엇인가?

다중화 기술은 여러 개의 멀티미디어 데이터를 하나의 신호로 결합해 전송하고, 수신 측에서 이를 다시 분리하는 기술입니다. 예를 들어, 비디오, 오디오, 텍스트를 동시에 전송할 때 사용됩니다.

 

컴퓨터 기반 의료영상 분석 시스템의 장점은 무엇인가?

컴퓨터 기반 의료영상 분석 시스템은 정확하고 빠른 진단을 지원하며, 의사의 판단을 보조합니다. 예를 들어, MRI나 CT 이미지를 분석해 종양 위치를 탐지하거나, 조직의 특성을 자동으로 분류할 수 있습니다.

 

H.264와 H.265의 차이점은 무엇인가?

H.264는 기존 압축 표준으로 고화질 영상 압축에 사용됩니다. H.265(HEVC)는 H.264의 개선된 버전으로, 같은 화질에서 약 50%의 비트 전송량을 줄일 수 있습니다.

 

무선 멀티미디어 서비스에서 중요한 기술적 요소는 무엇인가?

무선 환경에서는 전송 속도, 대역폭 효율성, 오류 복구, 그리고 적응형 스트리밍이 중요합니다. 이러한 요소는 안정적인 서비스 제공과 사용자 경험 향상에 필수적입니다.

 

의료영상에서 머신러닝 기술은 어떻게 활용되는가?

머신러닝 기술은 의료영상에서 특징(feature)을 추출하고, 질병 분류나 이상 탐지에 활용됩니다. 예를 들어, 딥러닝 기반 알고리즘은 CT나 X-ray 이미지를 분석해 폐암이나 골절 여부를 자동으로 판단할 수 있습니다.

 

멀티미디어 시스템에서 압축과 다중화의 조합은 왜 중요한가?

압축과 다중화는 대용량 데이터를 효율적으로 전송하기 위해 필수적입니다. 압축은 데이터 크기를 줄이고, 다중화는 여러 데이터를 하나로 통합해 전송 효율을 극대화합니다.

광통신망연구실 (Optical Communication Lab)

광통신연구실은 광통신, 무선광통신 및 광기반 응용기술을 연구한다. 광통신 분야는 WDM, OFDM, NG-PON2와 같은 차세대 가입자망(AN) 및 전송망 관련 시스템 기술 및 서비스를 연구한다. 무선광통신 분야는 반도체 LED 기반 가시광 통신(VLC), 광 카메라 통신(OCC), 실내 측위 및 관련 서비스를 연구한다. 광기반 응용기술 분야는 LiDAR를 활용한 센서 융합, LiDAR와 카메라 기반 환경인지 및 자율주행 관련 서비스 기술을 연구한다.

광통신이란 무엇인가?

광통신은 빛을 매개로 데이터를 전송하는 기술입니다. 광섬유를 통해 데이터 전송 속도와 거리에서 높은 효율성을 제공하며, 통신망, 인터넷, 케이블 TV 등에 널리 활용됩니다.

 

WDM(파장분할 다중화) 기술이란 무엇인가?

WDM은 서로 다른 파장의 빛을 사용해 여러 데이터 신호를 하나의 광섬유로 전송하는 기술입니다. 이를 통해 대역폭을 극대화하고 효율적으로 데이터를 전송할 수 있습니다.

 

OFDM(직교 주파수 분할 다중화) 기술은 무엇인가?

OFDM은 데이터를 여러 개의 직교하는 주파수 채널로 나누어 전송하는 방식입니다. 이를 통해 다중 경로 간섭을 줄이고, 전송 효율과 안정성을 높일 수 있습니다.

 

NG-PON2란 무엇인가?

NG-PON2(차세대 광수동네트워크)는 고속 데이터 전송을 위한 광통신 기술로, 초고속 인터넷 및 대용량 데이터 서비스를 지원합니다. WDM과 TDM을 결합해 기존 네트워크보다 더 높은 대역폭을 제공합니다.

 

가시광 통신(VLC)이란 무엇인가?

VLC는 가시광선, 주로 LED 조명을 이용해 데이터를 전송하는 통신 기술입니다. 주로 실내 환경에서 빠른 데이터 전송과 에너지 절약이 가능한 기술로 주목받고 있습니다.

 

LiDAR란 무엇이며, 어떻게 사용되는가?

LiDAR는 레이저를 이용해 주변 환경을 감지하고 3D 지도를 생성하는 기술입니다. 자율주행 차량, 드론, 로봇, 건설 등에서 물체 감지 및 거리 측정에 널리 사용됩니다.

 

광 카메라 통신(OCC)이란 무엇인가?

OCC는 LED의 깜빡임 신호를 카메라로 받아 데이터를 전송하는 기술입니다. 이를 통해 간단한 장비로 근거리 데이터 통신이 가능합니다.

 

광통신과 무선통신의 차이점은 무엇인가?

광통신은 빛을 매개로 데이터를 전송하며, 주로 고속 데이터 전송에 적합합니다. 무선통신은 전파를 이용해 데이터를 전송하며, 광범위한 커버리지를 제공하지만 속도는 상대적으로 느릴 수 있습니다.

 

실내 측위 기술이란 무엇인가?

실내 측위 기술은 GPS가 작동하지 않는 실내 환경에서 위치를 파악하는 기술입니다. 가시광 통신(VLC), Wi-Fi, 블루투스 비콘 등이 활용됩니다.

 

광통신 기술의 장점은 무엇인가?

광통신은 높은 대역폭과 빠른 전송 속도, 낮은 신호 감쇠, 전자기 간섭에 강한 특성을 가지고 있습니다. 따라서 데이터 전송의 안정성과 효율성이 뛰어납니다.

디지털신호처리연구실 (Digital Signal Processing Lab)

디지털신호처리연구실에서는 다양한 분야에 디지털 신호 처리 기술을 접목하는 연구를 진행하고 있다. 주로 사용되는 기술은 잡음 처리, 스펙트럼 처리, 확률적 모델링, 딥러닝을 이용한 패턴인식 등이 있으며, 현재 의료 분야와 자율 주행 관련 연구를 진행하고 있다.

디지털 신호 처리란 무엇인가?

디지털 신호 처리는 아날로그 신호를 디지털로 변환해 분석, 변환, 저장, 복원하는 기술입니다. 이를 통해 신호의 품질을 개선하고, 다양한 응용 분야에서 데이터를 활용할 수 있습니다.

 

잡음 처리는 어떤 방식으로 이루어지는가?

잡음 처리는 필터링, 주파수 분석, 평균화 기술 등을 통해 신호에서 불필요한 잡음을 제거하거나 감소시키는 과정을 말합니다.

 

스펙트럼 처리는 어떤 응용 분야에 사용되는가?

스펙트럼 처리는 음성 분석, 레이더 신호 처리, 의료 영상 처리, 무선 통신 등 다양한 분야에 사용됩니다.

 

확률적 모델링은 신호 처리에서 어떤 역할을 하는가? 

확률적 모델링은 불확실한 데이터를 분석하거나 예측할 때 사용되며, 신호의 특성과 잡음을 모델링해 신뢰성을 높이는 데 도움을 줍니다.

 

딥러닝을 이용한 패턴 인식은 어떻게 동작하는가?

딥러닝은 데이터를 학습해 신호나 이미지에서 특정 패턴을 인식합니다. 예를 들어, 의료영상에서 질병을 식별하거나 자율 주행에서 물체를 감지하는 데 활용됩니다.

 

의료 분야에서 디지털 신호 처리는 어떻게 사용되는가?

의료 분야에서는 MRI, CT와 같은 영상 신호의 분석, 생체 신호 처리, 그리고 질병 진단 알고리즘 개발에 디지털 신호 처리 기술이 사용됩니다.

 

자율 주행에서 디지털 신호 처리는 어떤 역할을 하는가?

자율 주행에서는 라이다, 카메라, 레이더 등 다양한 센서에서 수집한 데이터를 처리해 도로 환경을 분석하고 차량 제어에 활용됩니다.

 

잡음 제거 필터의 종류에는 무엇이 있는가?

저역 통과 필터, 고역 통과 필터, 대역 통과 필터, 칼만 필터 등이 잡음 제거에 자주 사용됩니다.

 

딥러닝과 전통적인 신호 처리 방식의 차이점은 무엇인가?

전통적인 방식은 수동으로 특징을 추출하는 반면, 딥러닝은 데이터를 기반으로 스스로 특징을 학습하고 더 복잡한 패턴도 인식할 수 있습니다.

 

디지털 신호 처리 기술의 장점은 무엇인가?

디지털 신호 처리 기술은 정확도, 안정성, 유연성이 높으며, 다양한 환경에서 복잡한 신호를 효과적으로 처리할 수 있는 장점이 있습니다.

인공지능신호처리연구실 (AI Signal Processing Lab)

인공지능신호처리연구실은 컴퓨터가 인간의 지능적인 행위를 모방하는 기술을 연구하는 인공지능 및 딥러닝 분야와 이를 신호처리에 적용하는 다양한 연구를 수행하고 있다. 특히 딥러닝 분야에서 새로운 신경망 구조 모델링과 학습 알고리즘, 심층생성모델, 심층강화학습 등의 다양한 주제로 연구를 진행하고 있다. 인공지능을 기반으로 실제 생활에 발생하는 음성, 영상, 텍스트, 네트워크 및 바이오 신호 등과 같은 다양한 멀티미디어 신호들을 처리하고 응용하는 시스템 개발을 목적으로 한다.

 

인공지능이란 무엇인가?

인공지능은 컴퓨터가 인간의 사고와 행동을 모방하도록 설계된 기술로, 학습, 추론, 문제 해결 등 지능적인 작업을 수행할 수 있도록 합니다.

 

딥러닝은 무엇이며, 신경망과 어떤 관계가 있는가?

딥러닝은 다층 신경망을 기반으로 데이터를 학습하는 기법입니다. 신경망은 딥러닝의 핵심 구조로, 입력 데이터를 처리해 결과를 도출하는 계산 모델입니다.

 

심층 생성 모델이란 무엇인가?

심층 생성 모델은 데이터를 생성하는 데 사용되는 딥러닝 모델로, GAN(생성적 적대 신경망)이나 VAE(변분 자동인코더)가 대표적인 예입니다.

 

심층 강화학습은 어떤 원리로 작동하는가?

심층 강화학습은 에이전트가 환경과 상호작용하며 보상을 통해 학습하는 방식입니다. 딥러닝과 강화학습을 결합해 복잡한 문제를 해결할 수 있습니다.

 

음성 신호 처리에서 딥러닝은 어떻게 활용되는가?

음성 인식, 음성 합성, 노이즈 제거 등에 딥러닝이 사용됩니다. 예를 들어, RNN과 CNN을 사용해 음성 데이터를 처리하고 분석할 수 있습니다.

 

바이오 신호란 무엇이며, 이를 처리하는 데 딥러닝이 어떻게 사용되는가?

"바이오 신호는 ECG, EEG와 같은 생체 신호를 말합니다. 딥러닝은 이를 분석해 심장 상태를 모니터링하거나 뇌 활동을 연구하는 데 사용됩니다.

 

새로운 신경망 구조 모델링이란 무엇인가?

새로운 신경망 구조 모델링은 특정 문제를 더 효과적으로 해결하기 위해 기존 신경망 구조를 수정하거나 새로운 구조를 설계하는 작업을 의미합니다.

 

텍스트 신호 처리를 위한 주요 딥러닝 모델은 무엇인가?

텍스트 처리를 위해 RNN, LSTM, Transformer 모델 등이 사용됩니다. 특히 Transformer 기반의 BERT와 GPT 모델이 최근 주목받고 있습니다.

 

멀티미디어 신호 처리에서 인공지능의 장점은 무엇인가?

인공지능은 다양한 신호를 자동으로 분석하고 학습할 수 있으며, 데이터에서 복잡한 패턴을 식별해 신호 처리의 정확도를 높입니다.

 

딥러닝 학습 알고리즘이란 무엇인가?

딥러닝 학습 알고리즘은 신경망이 데이터를 통해 패턴을 학습하도록 만드는 방법입니다. 대표적으로 역전파 알고리즘과 경사 하강법이 사용됩니다.