교수 상세정보

2015~2019년 데이터를 기준으로
정리되어 있습니다.

KAIST 재학생/졸업생의 평가

평가인원이 일정인원 이상 모이면 공개됩니다.


* 표시 항목은 평가가 부족하여 그래프에 나타나지 않음.

연구실의 장점에 대한 한줄평 평가하기

  • 머신러닝 분야를 폭넓게 알고 계시고 동시에 전문성도 뛰어나십니다. 학생들 지도에 열의를 다하시고 연구실 분위기도 좋은듯 합니다.

  • AI의 매우 폭넓은 분야에 전문적인 지식을 가지신 교수님입니다. 학생들을 대함에 있어 감정적이지 않고 항상 존중하고 배려하는 태도를 유지하시는 굉장히 성품 좋은 교수님입니다. 인건비 관련해선, 석사생 입장에서 주어진 일에 맞게 받고 있다고 생각합니다.

  • 가장 큰 장점은 학생들의 의견을 교수님이 존중해주신다는 겁니다 모든 면에서 뛰어나고, 부족한 건 제 실력인 것 같습니다 좋은 연구실을 만들어주셔서 감사합니다 My Life is For Professor Yun!

  • 교수님께서는 학생들의 자발적인 연구를 장려하십니다. 더불어 지도학생들의 훈련이 될 수 있도록 좋은 코멘트와 미션을 통해 성장할 수 있는 기회를 주십니다. 연구비는 대학원생으로써 연구에 집중 할 수 있을 만큼 받는다고 할 수 있습니다.

  • 인품, 논문지도력, 연구실 분위기는 정말 좋습니다. 학생들이 연구에 집중할 수 있도록 프로젝트에서 무리한 것을 요구하지 않아, 풀페이로 받는 타랩에 비해서는 상대적으로 적을 수 있으나 부족하다고 할 정도로 받는 것은 아닙니다.

  • 옆 연구실 학생입니다. 학생들이 인건비 때문에 스트레스를 상당히 받고있습니다. 같은 대학원생인데 장학생구분(국비/카장)에 따라 누구는 더 받고 누구는 덜 받고하더라구요. 석사에서 박사 진학하고 월급 10만원 오른 친구를 보면 마음이 아파 글남깁니다.

  • ...

  • ...

  • 학생들의 연구미팅을 적극 장려하시며, 바쁘시더라도 심도있는 디스커션을 진행할 수 있습니다. 교수님께서도 디스커션에 대해 매우 적극적으로, 긴 시간동안 참여해주시기 때문에 연구하는 학생 입장으로써 좋은 피드백을 받을 수 있습니다.

  • 학생들이 활발한 토의를 할 수 있도록 들어주시며, 강압적이 아닌 스스로 생각할 수 있는 질문을 되려 해주십니다. 또한 모르는 부분이 있을 경우 친절히 알려주시는 등, 제자들 연구에 많은 관심과 애정을 쏟고 있으십니다.

  • 신생랩이라는 리스크는 있지만 훌륭하신 교수님이 계셔서 크게 걱정 안해도 될듯 합니다

  • 신생랩이라는 리스크만을 제외한다면 인건비(공대 평균정도) 빼고 모두 탑이라고 생각합니다.

  • 당연 최고

  • 의미있는 연구(기계학습)를 하는곳

  • 산공과 전체에서 몇 없는 딥러닝을 '메인 연구주제로 다루는' 랩

  • 평이 좋습니다

  • 박사 생각 없다가도 생기게 만드십니다. 매주 모든 지도학생들 한명 한명 지도해 주십니다. 인품도 좋으시고 학생이 원하는 연구를 할 수 있게 많이 도와주십니다.

  • 갓 (이론 연구)

2015~2019년 연구실 정보

'교신 SCIE 논문'은 해당 교수가 교신저자로 들어간 SCIE 논문의 숫자를 말합니다. 논문의 저자는 크게 주저자(1저자, 교신저자)와 공동 저자로 나뉘며 논문 작성의 기여도는 주저자가 더 높습니다. 교신저자는 학술지 편집자 또는 다른 연구자들과 연락을 취하는 논문의 책임자로 볼 수 있으며, 보통 해당 연구실의 교수가 교신저자가 됩니다. (통상 연구실의 대학원생이 1저자가 됩니다.)
즉, 교수가 교신저자인 논문은 해당 교수가 공저자인 경우보다도 해당 연구실의 대학원생이 연구에 직접적으로 참여한 연구실의 실적일 확률이 높습니다. 이 때문에 김박사넷에서는 교신 SCIE 논문을 기준으로 집계하고 있습니다.

SCIE 논문이란 Science Citation Index Extended의 약자로 미국 톰슨사이언티픽사가 집계하는 논문 데이터베이스를 뜻합니다. (2020년부터 SCI, SCIE의 구분이 사라지고 'SCIE'로 통합되었습니다.) 논문에도 급이 있다고 가정한다면, 위와 같은 공신력 있는 기관에서 인정한 학술지에 게재된 논문들이 SCIE 논문입니다. (이 기준에 대한 논란도 있어 SCIE '급' 이라는 이름으로 SCIE, SSCI, A&HCL, SCOPUS 등의 분류체계도 있는데, 대동소이합니다. 어떤 학술지가 SCIE 급인지 확인하는 방법은 http://mjl.clarivate.com/ 에서 검색해 볼 수 있습니다.)

피인용 횟수는 해당 논문을 다른 논문에서 얼마나 인용하였는 지를 나타냅니다. 인용이 많이 되었다는 것은 그만큼 다른 연구자들도 관심을 많이 가지는 연구분야의 논문이라는 뜻으로, 피인용 횟수가 높을수록 좋은 논문이라고 여겨집니다. (피인용 횟수는 분야별로 차이가 크기 때문에 동일분야 논문끼리 비교해야 합니다.)
좋은 논문을 판별하는 다른 기준은 어떤 학술지에 게재되었는 지를 살펴보는 것입니다. 학술지의 게재논문이 한 해 동안 평균적으로 얼마나 인용되고 있는 지를 알려주는 지표가 impact factor이며, 보통 이 수치가 높을수록 좋은 학술지라고 합니다. (추후 SCIE 논문의 impact factor에 대한 정보도 추가할 예정입니다.)
* 피인용 횟수는 bing.com기준으로 산정하였습니다.
* 2020년부터 SCI, SCIE의 구분이 사라지고 'SCIE'로 통합되었습니다.

논문정보는 이메일 기준의 교신저자 논문이며, 피인용 횟수는 교신저자 논문의 피인용 횟수입니다. (bing.com검색결과 기준) 요청사항은 오류 수정요청을 이용해주세요


로그인이 필요합니다.

로그인 하기
 예시 보기

동일계열 (산업공학) 연구실과 비교

동일계열 연구실을 비교하는 이유는 연구 분야마다 논문의 수와 피인용 횟수가 상이하기 때문입니다. 상대적으로 논문이 잘 나오는 분야가 있는 반면, 졸업 때까지 한 편의 논문을 쓰기도 힘든 분야도 있습니다.
따라서 단순히 논문 수나 피인용 횟수만 비교하는 것보다 동일계열 연구실과의 상대적인 실적을 비교하는 것이 해당 연구실의 실적을 파악하는 데 좀 더 용이할 것입니다.
* 피인용 횟수는 bing.com기준으로 산정하였습니다.

해당 연구실은 파란색으로 표시


로그인이 필요합니다.

로그인 하기
 예시 보기

동일계열 (컴퓨터공학) 연구실과 비교

동일계열 연구실을 비교하는 이유는 연구 분야마다 논문의 수와 피인용 횟수가 상이하기 때문입니다. 상대적으로 논문이 잘 나오는 분야가 있는 반면, 졸업 때까지 한 편의 논문을 쓰기도 힘든 분야도 있습니다.
따라서 단순히 논문 수나 피인용 횟수만 비교하는 것보다 동일계열 연구실과의 상대적인 실적을 비교하는 것이 해당 연구실의 실적을 파악하는 데 좀 더 용이할 것입니다.
* 피인용 횟수는 bing.com기준으로 산정하였습니다.

해당 연구실은 파란색으로 표시


로그인이 필요합니다.

로그인 하기
 예시 보기

교신 SCIE논문 TOP 5

해당 교수의 교신 SCIE 논문 중 피인용 횟수가 가장 높은 논문을 추린 목록으로, 해당 교수의 논문 중 가장 영향력 있는 논문이라고 할 수 있습니다.
논문의 전문(全文)이 다운로드가 안 되는 경우, 해당 교수 홈페이지에서 확인하거나, 본인의 소속 대학이 논문의 전문을 제공하는 유료 서비스(Web of Knowledge, Scopus 등)에 가입되어 있는 경우, 이를 통해 확인할 수 있습니다.
* 피인용 횟수는 bing.com기준으로 산정하였습니다.
* 2020년부터 SCI, SCIE의 구분이 사라지고 'SCIE'로 통합되었습니다.

2015~2019년 교신저자 논문중 피인용횟수 순.


로그인이 필요합니다.

로그인 하기
 예시 보기

2015~2019년 졸업생 정보

졸업생 정보를 통해 해당 연구실을 얼마나 많은 사람들이 거쳐갔는지 알 수 있습니다.
2015년을 기준으로 비교하는 이유는 임용된 지 얼마 안 된 교수는 졸업생 숫자가 적을 수밖에 없기 때문입니다.


로그인이 필요합니다.

로그인 하기
 예시 보기

모든 졸업생 정보

현재까지 졸업한 모든 졸업생 데이터를 기반으로 '석사입학생 중 박사졸업생의 비율'을 산출하였습니다.
이는 해당 연구실로 석사과정 입학 후 박사과정을 거쳐 박사학위까지 받은 졸업생의 비율로, 항상 그런 건 아니지만, 이 비율이 높다면 해당 연구실에 긍정적인 요소가 많아서 그런 것일 수도 있습니다. 물론 관심있는 연구 분야의 타 교수들과의 비교, 동일계열 연구실과의 비교, 학생들의 한줄평 등 여러 요소들을 종합적으로 판단해 평가를 내리는 것이 좋겠습니다.


로그인이 필요합니다.

로그인 하기
 예시 보기

연도별 졸업생 수 (5개년)

졸업생 수 추이와 해당 연구실의 연혁을 확인할 수 있습니다.

현재 서울대학교, KAIST만 지원하며 타 대학원은 업데이트 예정


로그인이 필요합니다.

로그인 하기
 예시 보기

박사입학 후 졸업까지 필요한 평균 학기수

졸업까지 상당한 시간이 필요한 석박통합/박사과정생에게는 미래 계획을 위해 해당 연구실의 평균 학위취득 소요 기간을 아는 것이 중요합니다.
* 제공되는 데이터에는 파트타임 박사졸업생이 포함되어 있어, 전업학생의 경우 그 기간이 조금 더 짧을 수 있습니다. (향후 표준편차 정보를 제공할 예정입니다.)

현재 서울대학교, KAIST만 지원하며 타 대학원은 업데이트 예정


로그인이 필요합니다.

로그인 하기
 예시 보기

수정사항이 있을 경우 오류 수정요청을 이용해 주세요.