8월 2일 월요일

정보이론의 원리 - Fundamentals of Information Theory
강의시간 강의내용 연사
09:00~12:30 정보이론 기초 1: Information Measures 홍송남 교수 (한양대)
본 강의에서는 정보이론의 기본 개념 및 이론들에 대해 알아본다. 특히, Information Measures (Entropy, Divergence, Mutual Information), Fundamental Inequalities (Data Processing Inequality, Fano Inequality) 및 AEP (Asymptotic Equipartition Property)에 대해서 알아보고 이를 적용하는 몇 가지 사례를 소개한다.
12:30~13:30 중식
13:30~17:00 정보이론 기초 2: Coding Theorem and Channel Capacity 홍송남 교수 (한양대)
본 강의에서는 통신 및 데이터 압축 등의 응용분야에서 정보이론의 활용에 대해 알아본다. 특히, Entropy Rate, Data Compression, Differential Entropy, Rate-Distortion Function 및 Source/Channel Coding Theorem에 대해서 알아본다. 또한, 대표적인 통신 채널 (Binary Erasure Channel, Binary Symmetric Channel, Gaussian Channel)들의 채널 용량에 대해서 소개한다.

8월 3일 화요일

학습이론의 원리 - Fundamentals of Learning Theory
강의시간 강의내용 연사
09:00~12:30 머신 러닝 기초 1: Basic Algorithms 문태섭 교수 (서울대)
기본적인 선형(Linear) 기계학습 모델(Linear/Logistic Regression, Support Vector Machine) 부터 시작하여, 비선형(Nonlinear) 모델 (Kernel Machine, Neural Network, Decision Trees)에 대해 소개한다. 또한, 최근 많은 각광을 받는 딥러닝(Deep Learning) 모델의 기초를 소개한다.
12:30~13:30 중식
13:30~17:00 머신 러닝 기초 2: Deep Learning and Learning Theory 문태섭 교수 (서울대)
보다 심화한 딥러닝 모델의 학습 방식과 응용 사례에 대해 소개한다. 또한, 기본적인 학습이론 (Learning Theory)의 개념들(PAC Learning, Rademacher Complexity, VC Dimension)에 대해 소개하고, 간단한 증명 방식들에 대해서 소개한다.

8월 4일 수요일

정보이론기반 6G 이동통신 기술 - Information Theoretic Perspectives on 6G
강의시간 강의내용 연사
09:00~12:30 6G MIMO: Massive, Cell-Free, and LoS MIMO 정방철 교수 (충남대)
본 강의에서는 6G 이동통신의 핵심 전송기술로 사용될 MIMO 기술들의 정보이 론적 관점을 다룬다. 강의의 첫 부분에서 MIMO Channel의 Capacity 분석에 대 한 기초적인 개념을 다루고, 최근 활발히 연구되고 있는 Massive MIMO와 Cell- Free MIMO기술에 대한 정보이론적 분석 방법을 다룬다. 또한, 테라헤르츠 대역 통신에서 주로 구현될 가시선 다중안테나 시스템 (LoS MIMO)에 대해 살펴보고 LoS MIMO Channel의 Capacity 분석에 대한 정보이론적 관점을 살펴본다. 강의의 마지막에서 6G 이동통신에서 활용될 것으로 예상되는 각궤도운동량(Or- bital Angular Momentum, OAM)기반 MIMO기술과 지능형반사표면(Intelligent Reflection Surface, IRS)기반 MIMO기술에 대해서도 간단히 살펴본다.
12:30~13:30 중식
13:30~17:00 6G Access: NOMA and RSMA 신원재 교수 (아주대)
본 강의에서는 6G 무선 액세스 기술의 주요 후보 기술 중 하나인 비직교 다중접속기술(NOMA) 기술을 정보이론 관점에서 다룬다. NOMA는 동일한 시간, 주 파수, 공간 자원 상에 다수의 사용자들을 동시에 지원하기 위하여 다수의 신호 를 의도적으로 중첩시켜서 전송하고, 수신기에서는 순차적 간접제거(SIC) 기법 을 활용하는 기술이다. 다양한 무선통신 환경에서 어떻게 해당 기술이 적용 가 능하고, 이론적 성능 이득은 얼마나 있는지에 대해 살펴본다. 이어서 다중안테 나 시스템에서 NOMA 기술의 한계점을 보완할 수 있는 전송률 분할 다중접속 기술 (RSMA)을 소개하고, 이론적 주요 결과들을 소개한다. 마지막으로 관련 최신 연구 동향 및 기술적 과제에 대해 논의할 예정이다.

8월 5일 목요일

학습이론기반 미래 ICT기술 - Learning Theoretic Perspectives on Future ICT
강의시간 강의내용 연사
09:00~12:30 Federated Learning over Wireless Communication Systems 전요셉 교수 (POSTECH)
연합학습(Federated learning)은 서버와 다수의 무선 기기가 연합하여 데이터의 직접적인 전송 없이도 학습 모델을 훈련시킬 수 있는 분산형 기계학습 기술이다. 본 강의에서는 통신-효율적인 연합학습을 실현하기 위한 다양한 송/수신 기술들 을 소개하고자 한다. 특별히, 연합 학습의 통신 오버헤드를 효과적으로 줄일 수 있는모델압축기법들과함께,압축된모델을정확하게복구할수있는수신알고 리즘들을 소개하고자 한다. 또한, 위 송/수신 기술들을 사용하였을 때 달성할 수 있는 모델 복구 정확도 및 학습 수렴 속도를 이론적으로 분석하고자 한다.
12:30~13:30 중식
13:30~17:00 Privacy-Preserving Deep Learning and Its Applications 양현종 교수 (POSTECH)
본 강의에서는 딥러닝 플랫폼 중 Training Data와 Inference System에 가해 질 수 있는 공격들에 대해 알아본다. 특히, Training Data의 공격을 원천적으 로 방어할 수 있는 최근 연구되고 있는 Differential Privacy (DP)의 개념 및 이 론에 대해 알아보고, DP의 개념을 적용한 연구 사례들에 대해 소개한다. 또한, Inference System의 공격을 방어하기 위한 몇 가지 사례를 소개한다.