컴퓨터공학

1. 개요

프로그래밍 언어 JavaScript
ENIAC	알파고

2. 명칭 및 분류에 대해

3. 오해

4. 분류

4.1. 이론 컴퓨터 과학 / 수학

• 박사: 앨런 튜링, 존 폰 노이만, 스티븐 쿡, 리처드 카프, 래즐리 램포트, 로버트 타르잔, 존 매카시, 도널드 커누스
• 석사: 켄 톰슨[8], 마이클 I. 조던[9]
• 학사: 데니스 리치[10], 바바라 리스코프, 마테이 자하리아[11], 데이비드 브럼리

• 박사: 에츠허르 다익스트라, 앤드루 태넌범, 톰미 자아콜라
• 석사: 이홍락[12]
• 학사: 존 F. 캐니[13], 데니스 리치[14]

• 박사: 클로드 섀넌, 마틴 헬맨, 리 페이페이
• 학사: 존 F. 캐니[15], 지텐드라 말리크, 김태수 [16]

• 이산수학
• 자료구조론 : 컴퓨터과학에서 컴퓨터의 메모리와 CPU를 활용해 데이터를 구조적으로 처리하는 순서와 표현하는 방식을 다루는 이론으로 알고리즘의 분류에 포함된다.
• 알고리즘론: 알고리즘의 시간 복잡도및 공간 복잡도를 주로 다룬다. 시간 복잡도의 경우 처리해야 하는 데이터가 많아질수록 필연적으로 알고리즘의 실행이 끝나는 속도가 느려지는데, 늘어나는 처리 데이터에 비례해서 얼마나 알고리즘의 실행 속도가 느려지느냐가 관건이다. 예를 들어, n 만큼의 데이터를 처리해야 할때 [math(> {\mathcal O}(n^{2}))] 복잡도를 가진다면, 처리해야 하는 데이터의 양에 제곱을 한 만큼 비례해서 알고리즘이 느려진다. 공간복잡도의 경우 처리해야하는 데이터에 비례해서 알고리즘이 얼마나 많은 양의 메모리를 필요로 하는가가 관건이다.
• 정보이론/부호이론: 정보이론은 정보의 양을 측정하고 최적화된 코드에 대한 기대 길이를 측정하는 것인데, 머신러닝에서는 확률분포를 알아내는데 쓰인다. 부호이론의 경우 유한체를 이용해 순환 코드(cyclic code)와 BCH코드를 다룬다.
• 정수론: 암호 분야에 사용 된다.
• 집합론
• 그래프 이론
• 조합론
• 확률론
• 수리논리학: 분야를 가리지 않고 등장하기 때문에 중요하다. 일부 학자들은 비표준 논리학, 오토마타, 계산이론, 증명 이론까지 다룬다.
• 오토마타 이론: 기초적인 automaton과 결정가능성, 그리고 튜링 머신에 대해 배운다.
• 유형론(type theory)
• 도메인 이론(domain theory)

• 수치해석학

• 해석학
• 미적분학
• 미분방정식: 컴퓨터 그래픽스에서 물체의 움직임에서 사용하기도 하고, 계산 과학 분야에서도 사용한다.
• 함수와 측도론: 기계학습에 쓰인다.

• 확률론과 통계학

• 대수학
• 선형대수학
• 환론: 논리 연산이 대수 구조와 공리가 잘 정의되어 있는 환이므로, 환론을 어느 정도 공부해야 한다.
• 범주론

• 최적화 이론
  
• 암호학

• 네트워크 이론

• 기하학
• 이산/계산 기하학 : 컴퓨터를 이용해서 물체를 어떻게 표현 할 할지 연구하는 분야이다. 컴퓨터 그래픽에서 대표적으로 많이 사용하고 최근에는 컴퓨터 비전, 기계학습, 인공지능 분야에서도 사용된다.
• 이산 미분 기하학
• 정보기하학
  
• 정보이론
• 양자정보과학, 양자컴퓨팅[17]: 양자 컴퓨팅은 컴퓨터 과학, 물리학, 수학의 여러 측면으로 이루어진 종합적 분야로서 양자역학을 활용해 기존의 컴퓨터보다 빠르게 복잡한 문제를 해결할 수 있다.

• 전산논리학(logic in computer science): 전산논리학(logic in computer science)은 기호 논리학의 확장으로서 추론 과정을 컴퓨터의 계산 능력을 이용해 진행하는 것을 함께 다룬다. 컴퓨터를 이용한 추론 과정은 자연어로 표현된 명제에 대한 추론 과정과 궁극적으로는 차이가 없다. 그러나 자연어로는 현실적으로 불가능한 복잡한 추론 과정을 다룰 수 있고, 인간이 직접 다루기에는 너무 방대한 분량의 명제들도 한꺼번에 다룰 수 있다.

• 자동정리증명 : 자동정리증명(自動定理證明, Automated theorem proving, ATP) 또는 자동 연역(Automated deduction)은 자동 추론 연구의 한 분야로, 수학적 정리들을 컴퓨터 프로그램을 통해 형식적으로 증명하는 것, 또는 그에 대한 연구를 가리킨다. 수학적 증명에 대한 자동화된 추론은 컴퓨터 과학 발전의 주요 원동력이었다.

4.1.1. 계산이론

• 계산복잡도 이론
• 계산가능성 이론
• 오토마타 이론
• 계산학습이론(Computational Learning Theory): 기계학습과 계산이론이 결합된 분야

4.1.2. 프로그래밍 언어론, 형식언어

• 형식언어
• 프로그래밍 언어론
• 유형 이론 : 수학, 논리학, 컴퓨터 과학에서 유형 이론(類型理論, 영어: type theory) 또는 유형론은 유형의 개념을 사용하여, 합법적으로 사용 가능한 논리식에 제한을 두는 논리 체계들의 총칭이다. 최초의 유형 이론은 버트런드 러셀이 만든 분지 유형 이론이다.
• 함수형 프로그래밍
• 컴파일러 이론
• 인터프리터
• 프로그램 분석(program analysis) : 프로그램 분석(program analysis)은 자동으로 컴퓨터 프로그램의 동작을 분석하는 일이다. 프로그램 분석 방법은 크게 정적 프로그램 분석과 동적 프로그램 분석으로 나눌 수 있다.

4.1.3. 확률론, 통계학

4.2. 하드웨어

4.2.1. 전자공학

• 회로이론
• 전자회로
• 논리회로
• 전자기학

4.2.2. 컴퓨터 구조론

• 컴퓨터 구조론[21]
• 마이크로아키텍처
• 시스템 프로그래밍[22]
• 어셈블리어[23]
  

4.2.3. 신호 처리 및 제어

• 신호 및 시스템
• 디지털 신호처리
• 오디오 신호 처리
• 뇌-컴퓨터 인터페이스
• 컴퓨터 비전
• 정보이론 및 압축이론(부호화이론)
• 제어
• 디지털 제어이론
• 로보틱스
• 강화학습 : 오래전부터 움직이는 모터, 로봇, 드론, 자율이동체 등 이 원하는 성능을 갖도록 고전적인 제어공학이 발전되어 왔다. 점차 시스템이 복잡해지고, 원하는 성능도 높아지면서, 고전적인 제어공학으로 해결하기 힘든 현실적인 제어 문제가 많이 등장하였다. 최근 기존 제어와 비슷한 피드백 형식으로 시스템을 학습하고 원하는 성능을 얻어내는 강화학습은 이런 도전적인 제어 문제 해결에 큰 역할을 하고 있다.

4.2.4. 임베디드 컴퓨팅 / 마이크로프로세서(CPU) [24]

4.2.5. 컴퓨터 하드웨어 응용

• 양자컴퓨터
• 뉴로모픽 컴퓨팅(Neuromorphic Computing)
• 인공지능 가속기 (지능형 반도체)
  

4.3. 소프트웨어

4.3.1. 소프트웨어 개발방법론

• 절차지향 이론
• 객체지향 이론
• 소프트웨어 공학

4.3.2. 계산과학

• 바이오인포매틱스 ( 생물정보학)
• 계산경제학
• 수치해석학
• 계산생물학
• 계산물리학
• 계산화학
• 신경정보학
• 계산신경과학
• 기호계산
• 유한요소법

4.3.3. 컴퓨터 그래픽스

• 2차원 컴퓨터 그래픽스
• 3차원 컴퓨터 그래픽스
• 계산기하학
• 컴퓨터 애니메이션
• 렌더링
• 증강현실(AR)
• 가상현실(VR)
• 솔리드 모델링
• 게임 엔진
• 시뮬레이션

4.3.4. 운영체제

• 운영체제론
• 클라우드 컴퓨팅
• 하이퍼바이저, 가상머신

4.3.5. 데이터베이스

• 파일처리론
• 데이터베이스
• 데이터 마이닝
• 검색 엔진
• 인공지능 검색 엔진
• 빅데이터
• 블록체인

4.3.6. 통신 및 컴퓨터 네트워크

• 데이터 통신 : 네트워크 하위단에서 동작하는 통신의 개념 및 오류 정정 코드, 부호화, MAC 등 간단한 이론들을 배운다.
• 컴퓨터 네트워킹
• 정보이론 [27]

4.3.7. 정보보안

• 시스템 보안
• 운영체제 보안
• 해킹 기법, 악성코드
• 네트워크 보안

4.3.7.1. 암호학

4.3.8. 인공지능, 신경과학

• 인공지능(Artificial Intelligence)
  최근 머신러닝, 딥러닝 관련 연구가 활발하다.

• 인공신경망(Artificial Neuron Network): 기계학습 분야에서 연구되고 있는 학습 알고리즘들 중 하나. 주로 패턴인식에 쓰이는 기술로, 인간의 뇌의 뉴런과 시냅스의 연결을 프로그램으로 재현하는 것이다. 간단하게 설명하자면 '가상의 뉴런'을 '시뮬레이션'한다고 볼 수 있는 것으로서(실제 뉴런의 동작구조와 완전히 같은 것은 아니다.), 일반적으로 신경망 구조를 만든 다음 '학습'을 시키는 방법으로 적절한 기능을 부여한다. 현재까지 밝혀진 지성을 가진 시스템 중 인간의 뇌가 가장 훌륭한 성능을 가지고 있기 때문에 뇌를 모방하는 인공신경망은 상당히 궁극적인 목표를 가지고 발달된 학문이라 볼 수 있다. 역시 자세한 내용은 기계학습 문서를 참조. 2020년대에 들어서는 컴퓨터의 계산 능력이 무서울 정도로 발전하고 있고, 그에 따라 쏟아지는 데이터의 양과 종류도 많아지고 있어 비정형 데이터[28]를 처리하는 능력이 뛰어난 인공신경망 기술이 모든 인공지능 기술 중에서 가장 각광받고 있고 앞으로도 더 각광받게 될 기술로 대우받고 있다. 이쯤되면 인공지능에 관심이 많은 사람들은 눈치를 쳤겠지만, 수많은 인공신경망을 연결해서 계층 형태로 겹겹이 쌓은 인공신경망을 심층 인공신경망(Deep Neural Network)이라고 부르며, 이게 바로 우리가 흔히 알고 있는 딥러닝이다.


• 계산신경과학(Computational Neuroscience): 수학, 컴퓨터과학을 활용하여 신경과학을 연구하는 분야를 계산신경과학이라 부른다. 쉽게 말해 뇌의 신경지도를 만드는 분야다. 그래프와 네트워크 이론을 통해 뇌신경의 연결 구조를 파악하고, 수학적으로 모델링하여, 시뮬레이션하는 것이 계산신경과학의 목표다. 인공신경망(artificial neural network)과 이를 기반으로 한 각종 파생 기계학습 알고리즘(딥 러닝deep learning과 같은…) 역시 계산신경과학의 한 영역이다.[29]

• 계산학습이론(Computational Learning Theory): 기계학습과 계산이론이 결합된 분야.
• 인공지능 가속기
• 뉴로모픽 컴퓨팅(Neuromorphic Computing)

• 유전 알고리즘(Genetic Algorithm): 자연의 진화 과정, 즉 어떤 세대를 구성하는 개체군의 교배(CrossOver)와 돌연변이(Mutation)과정을 통해 세대를 반복시켜 특정한 문제의 적절한 답을 찾는 것. 대부분의 알고리즘이 문제를 수식으로 표현하여 미분을 통해 극대/극소를 찾는 것이 반해, 유전자 알고리즘은 미분하기 어려운 문제에 대해 정확한 답이 아닌 최대한 적합한 답을 찾는 것이 목적이다. Evolutionary Algorithm(진화 알고리즘)이라는 이름으로 불리기도 한다.

• 인공생명체(Artificial Life): 말 그대로 프로그램에 단순한 인공지능이 아닌 실제로 살아있는 유기체처럼 스스로 움직이고 생활하기 위한 능력을 부여하는 것. 실제 생명체를 갖고 실험하기에는 너무 시간이 오래걸리기 때문에 가상의 시스템(환경)을 통해 생명체에 대한 연구를 하기 위한 목적이다.

• 로보틱스(Robotics)

• 사이버네틱스

4.3.9. 자연어 처리

• 자연어 처리: 컴퓨터가 인간의 언어를 알아들을 수 있게 만드는 학문분야. 인공지능의 하위 분야로, 인간의 언어를 분석하고 해석하여 처리하는 인공지능이 세분화되면서 생긴 학문 분야. 흔히 우리가 아는 말하는 컴퓨터 및 인간과 대화하는 컴퓨터 관련 기술이 이쪽에 속한다. 언어학, 컴퓨터과학, 인공지능, 전산언어학(Computational Linguistics)의 연구 분야이며, 자연어를 컴퓨터로 해석하고, 의미를 분석하여 이해하고, 자동으로 생성하는 것 등에 관련된 분야다. 이 분야의 하위 분류로 정보 추출, 자동 교정, 대화 시스템, 기계 번역 등이 있다.
• 거대 언어 모델(LLM) : 거대언어모델, 초거대언어모델은 최근 트렌드이며 대화형 인공지능 처리에서 주로 연계되어 활용된다.

4.3.10. 코딩

• 오픈소스

4.3.11. 금융공학

4.3.12. HCI

• 인간-컴퓨터 인터랙션(Human-Computer Interaction)
  인간-컴퓨터 상호작용을 기반으로 인간 삶을 컴퓨팅 기술이 더 낫게 만들도록 하는데 중점이 맞춰져 있다. 앞서 설명한 인공지능과 연계하여 연구되기도 한다. 관련하여 국내에서 학부과정 컴퓨터학과에서 크게 다루는건 카이스트밖에 없다.
• 인간 인터페이스 장치
• 그래픽 인터페이스 연구
• 유비쿼터스
• 사물인터넷
• 모바일 디바이스
• 웨어러블 디바이스
• 앰비언트 컴퓨팅(ambient computing)
• 소셜 컴퓨팅: 인터넷 환경을 통해 이루어지는 인간들의 커뮤니케이션과 사회 현상을 사회과학적으로 분석하고, 전산학을 이용해 문제해결법을 제시한다. 관련하여 국내에서 이를 컴퓨터학과 학부 교육과정에서 크게 운용하는 대학은 카이스트밖에 없다.

5. 관련 기관, 과목

5.1. 튜링상

역대 튜링상 수상자 목록
{{{#!wiki style="margin:0 -10px -5px; min-height:calc(1.5em + 5px); word-break:keep-all" {{{#!folding [ 펼치기 · 접기 ] {{{#!wiki style="margin: -6px -1px -11px"	1966년	1967년	1968년	1969년
앨런 펄리스	모리스 윌크스	리처드 해밍	마빈 민스키
1970년	1971년	1972년	1973년
제임스 H. 윌킨슨	존 매카시	에츠허르 다익스트라	찰스 바크만
1974년	1975년		1976년
도널드 커누스	앨런 뉴웰	허버트 사이먼	미하엘 라빈
1976년	1977년	1978년	1979년
데이나 스콧	존 배커스	로버트 W. 플로이드	케네스 아이버슨
1980년	1981년	1982년	1983년
토니 호어	에드거 F. 커드	스티븐 쿡	켄 톰프슨
1983년	1984년	1985년	1986년
데니스 리치	니클라우스 비르트	리처드 카프	존 홉크로프트
1986년	1987년	1988년	1989년
로버트 타잔	존 코크	이반 서덜랜드	윌리엄 카한
1990년	1991년	1992년	1993년
페르난도 J. 코바토	로빈 밀너	버틀러 램슨	유리스 하르트마니스
1993년	1994년		1995년
리처드 스턴스	에드워드 파이겐바움	라즈 래디	매뉴얼 블럼
1996년	1997년	1998년	1999년
아미르 프누엘리	더글러스 엥겔바트	짐 그레이	프레드 브룩스
2000년	2001년		2002년
앤드루 야오	올렌-요한 달	크리스텐 니가드	로널드 라이베스트
2002년		2003년	2004년
아디 샤미르	레오나르드 아델만	앨런 케이	빈트 서프
2004년	2005년	2006년	2007년
로버트 칸	페테르 나우르	프란시스 E. 앨런	에드먼드 M. 클라크
2007년		2008년	2009년
앨런 에머슨	조세프 시파키스	바바라 리스코프	찰스 P. 태커
2010년	2011년	2012년
레슬리 밸리언트	유디 펄	샤피 골드바서	실비오 미칼리
2013년	2014년	2015년
레슬리 램포트	마이클 스톤브레이커	휫필드 디피	마틴 헬만
2016년	2017년		2018년
팀 버너스리	존 헤네시	데이비드 패터슨	제프리 힌튼
2018년		2019년
요슈아 벤지오	얀 르쿤	에드윈 캐트멀	팻 한라한
2020년		2021년	2022년
앨프리드 에이호	제프리 울먼	잭 동가라	로버트 메칼프	}}}}}}}}}

5.2. 대학

• 정보대학: 컴퓨터과학 및 정보계열 전공을 모아 정보대학으로 독립하는 경우가 있다.

• 컴퓨터공학과, 컴퓨터과학과, 전산학과, 전자계산학과, 컴퓨터학과, 컴퓨터학부 전부 의미는 같다.
  
• 인공지능학과: 컴퓨터과학 분야에서 인공지능을 중점으로 공부하는 학과

5.3. 학회

• ACM
• Springer/LNCS [34]
• 한국정보과학회
• 한국정보처리학회

5.4. 중등교육

• 정보(교과): 정보(과목), 인공지능 기초, 정보과학, 전문 교과Ⅱ의 관련 과목[35]
• Advanced Placement: AP 컴퓨터과학 A, AP 컴퓨터과학 기본

5.5. 올림피아드

• 국제 과학 올림피아드: 국제정보올림피아드, 아시아태평양정보올림피아드, 한국정보올림피아드, 국제 대학생 프로그래밍 대회