[장학] 2025-2학기 일반대학원 장학금 안내

2025-2학기 일반대학원 장학금 1. 장학제도 및 신청 기간 장학금명 대상 장학금액 (지급기간) 계속지급조건 및 유의사항 신청기간 최우수 이화인 - 2025학년도 후기 일반대학원 석사,박사,석·박사 통합과정 신입생 (1차 모집 합격자 대상) - 석사학위과정, 석·박사통합과정: 학부(타교 포함) 졸업누계평점 4.0/4.3 이상 - 박사학위과정: 학부(타교 포함) 졸업누계평점 4.0/ 4.3 이상, 석사(타교 포함) 졸업누계평점 4.0/4.3 이상(모두 충족) 수업료 전액 (수업연한) - 직전학기 평점 4.0 이상 - 휴학 시 이월불가 (출산으로 인한 휴학 시 이월가능) - 자퇴 등 학위과정 중도 포기 시 기수혜 받은 장학금 전액 소급 반환 6. 9.(월) ~ 6. 13.(금) 우월 김활란 21세기 - 한국 국적의 일반대학원 석사,박사,석·박사 통합과정 정규등록생 (2025-2학기 기준, 신입생 제외) - 대학원 누계평점 3.75 이상, 2025-1학기까지 6학점 이상 이수 (현재 학위과정 기준) - 기독교적 봉사 정신이 투철하고 학문적 능력이 탁월하며 국제적인 여성 지도자가 될 자질과 의지를 갖춘 학생 등록금 전액 및 연구지원비 300만원 (2개 학기) - 직전학기 6학점 이상 이수, 직전학기 평점 3.75 이상 - 휴학 시 이월불가 (출산으로 인한 휴학 시 이월가능) - 학위논문에 감사의 글 게재 6. 30.(월) ~ 7. 4.(금) 해외연구 (논문 집필) - 수료 평점 3.70 이상인 일반대학원 박사학위과정 논문등록생 (2025-2학기 기준) - 신청일 기준 박사학위 논문 제출 자격에 필요한 제 시험(영어, 종합, 제2외국어(해당학과에 한함)) 에 모두 합격하고 박사학위 논문 제출을 위해 해외에서 연구를 하고자 하는 학생 왕복항공료 및 체재비 (최대 6개월) - 귀국 후 중간보고서 제출 - 학위논문에 감사의 글 게재 7. 2.(수) ~ 7. 8.(화) 우수연구 - 누계평점 3.75 이상인 한국 국적의 일반대학원 석·박사통합과정 4학기 이상 및 박사학위과정 정규등록생 (신입생 포함, 신입생은 성적기준 없음) - 학문적 연구능력이 탁월하여 미래발전에 대한 뚜렷한 목표를 수립하고 지속적인 학술활동에 대한 수행 의지가 있는 학생 - 2025-2학기 연구지원비 성격의 타 장학금 미수혜자 연구지원비 300만원 (1개 학기) - 선발 이후부터 2년 이내에 KCI급 이상 학술지에 논문 게재 (예체능계열은 KCI급 이상 학술지에 논문 게재 또는 개인 공연/전시 개최) 10. 10.(금) ~ 10. 16.(목) 면학 장려금 (N) - 일반대학원 석사,석·박사통합과정(1~3학기) 정규등록생으로 가계형편이 어려운 학생 (2025-2학기 기준, 신입생 포함, 수료생·교과목등록생·외국인 유학생 제외) - 직전학기 평점 3.0 이상 (신입생은 성적기준 없음) 등록금 일부 (1개 학기) 9월 초 별도 안내 임파워링 - 일반대학원 박사,석·박사통합과정(4학기 이상) 정규등록생으로 가계형편이 어려운 학생 (2025-2학기 기준, 신입생 포함, 수료생·교과목등록생·외국인 유학생 제외) - 직전학기 평점 3.0 이상 (신입생은 성적기준 없음) 등록금 일부 (1개 학기) 9월 초 별도 안내 이화 플러스 - 일반대학원 석사,박사,석·박사통합과정 정규등록생 으로 가계형편이 어려운 학생 (2025-2학기 기준, 신입생 포함, 수료생·교과목등록생·외국인 유학생 제외) - 직전학기 평점 3.0 이상 (신입생은 성적기준 없음) 생활비 100만원 (1개 학기) 9월 초 별도 안내 ※ 이화연구엑셀런스, 우수이화(과학)인, 학석사연계과정생 장학금은 별도 신청 없이 장학복지팀에서 선발 후 통보 ※ 위 내용은 추후 변동 가능 2. 제출서류: 붙임파일 참조

[학부/학사] 2026학년도 전기 학·석사 연계과정 선발 안내

2026학년도 전기 학·석사 연계과정 선발 안내 1. 지원자격 구분 신청자격 취득학점 요건 성적 요건 예비생 4학기 이수 중인 재학생 또는 4학기 이수한 휴학생 2학년 수료학점 이상 취득 누계평점 3.3 이상 최종선발생 조기졸업과정 6학기 이수 중인 재학생 또는 6학기 이수한 휴학생 3학년 수료학점 이상 취득 누계평점 3.3 이상 정규졸업과정 7학기 이수 중인 재학생 또는 7학기 이수한 휴학생 3학년 수료학점 이상 취득 누계평점 3.0 이상 ※ 신청자격은 2025-1학기 현재 기준임 ※ 휴학생인 경우 선발 시 2025-2학기에 반드시 복학하여야 함 ※ 취득학점 및 성적 요건은 2025-1학기 수강학점 포함, 2025학년도 여름계절학기 제외 ※ 소속/입학년도별 학년수료 기준은 이화홈페이지→학사안내→학사정보→졸업→학년수료 참고 ※ 기타 지원 전공(학과)별 추가 자격 요건 충족 및 전공별 선발시행 사항은 붙임파일 <2026학년도 전기 학·석사 연계과정 선발시행표> 참고 2. 지원서 접수 : 6/4(수) ~ 6/30(금), 지원 대학 행정실로 제출 ※ 대학원 인공지능·소프트웨어학부/ 데이터사이언스학과 지원자는 인공지능대학행정실(ECC B141호)로 지원서 제출 3. 제출 서류 가. 학·석사 연계과정 지원서 (붙임파일 서식 활용) 나. 지도교수 추천서 (붙임파일 서식 활용) ※ 현재 지도교수의 추천서 첨부 / 단, 복수전공으로 지원하는 경우에는 주전공 및 복수전공의 지도교수 추천서 각각 첨부 4. 지원 가능 전공(학과) : 주전공(학과) 및 복수전공(학과) 5. 선발 결과 발표 : 8/1(금) 예정 6. 유의사항 가. 예비생 및 최종선발된 학생은 한 학기에 21학점까지 수강 가능함(예비생은 1년간). 나. 예비생 선발자라도 학·석사 연계과정 최종선발에 지원하여 최종선발 되어야 학·석사 연계과정을 이수할 수 있음. 다. 예비생 선발자가 아니라도 최종선발 지원 가능 라. 학·석사 연계과정 조기졸업과정 최종선발자는 반드시 2025학년도 제2학기 조기졸업 신청을 하여야 함. 마. 최종선발생의 경우 학부 졸업에 필요한 학점을 모두 이수하여야 하며, 이수하지 못한 경우 중도포기로 처리됨. 바. 대학원 진학 시기 : 2026학년도 전기(2026년 3월) 사. 대학원 석사과정은 3학기에 졸업하지 못할 경우 4학기 이상 이수하여야 수료 및 졸업가능함. 아. 대학원 교과목 수강 - '학부생이 수강가능한 석사학위과정 교과목'으로 개설된 교과목에 한하여 수강 가능하며, 3학년 수료 후부터(누계평점 3.3 이상) 학사학위과정 중 12학점까지 신청 가능함. - 대학원 교과목은 6학점까지 학사학위과정의 졸업 또는 수료에 필요한 학점에 포함시킬 수 있으며, 나머지 학점은 6학점까지 석사학위과정 수료에 필요한 학점에 포함시킬 수 있음. ※ 석사학위과정 진입 후 첫 학기말 이전에 학점이전신청서를 제출하여야 함. 자. 최종선발 학기와 석사 진입 후 첫 학기는 휴학 및 자퇴 할 수 없음. 차. "학·석사연계과정생 장학금"은 석사 진입학기의 기준에 따라 자동선발 및 통보되며, 3학기까지 졸업하지 못하는 경우 장학금을 반환하여야 함. 학·석사연계과정생은 일반대학원 입시를 통한 신입생 장학금 대상이 아님.

[홍보] Ewha CSE AI Seminar(TADFormer(Task-Adaptive Dynamic TransFormer) 개최 안내

Ewha CSE AI Seminar (TADFormer(Task-Adaptive Dynamic TransFormer)) 개최 일시 : 5월 20일 화요일, 11시 ~ 12시 장소 : 신공학관 151호 참석 신청 : https://forms.gle/TgsKVSnTJVYdwe8S9 많은 관심과 참여 부탁드립니다. 제목: 효율적인 멀티태스크 시각 모델 학습을 위한 모델설계법 발표자: 백승민 석.박사과정생 연사 정보: - 2024.02 이화여자대학교 컴퓨터공학과 졸업 - 2025.03 ~ 이화여자대학교 일반대학원 인공지능소프트웨어학부 재학 중 - 이화여자대학교 민동보 교수 컴퓨터비전 연구실(CVLAB) 석박사통합과정 3학기생 - CVPR 2025 "TADFormer: Task-Adaptive Dynamic TransFormer for Efficient Multi-Task Learning" 논문 게재 초록: 최근 시각 인공지능(컴퓨터비전) 모델은 하나의 이미지에서 다중 작업(분할, 깊이 추정, 객체 검출 등)을 수행해야하는 멀티태스크 학습(Multi-Task Learning)이 주목받고 있다. 하지만 기존의 방식은 모든 작업을 학습하기 위해 모델의 크기가 너무 커지고 계산량이 많아지는 문제가 존재한다. 이러한 문제점은 특히 리소스가 제한된 환경에서는 실제 적용이 어렵다는 한계로 작용한다. 본 발표에서는 이러한 문제를 해결하기 위해 제안한 TADFormer(Task-Adaptive Dynamic TransFormer) 라는 새로운 접근법을 소개한다. 이를 통해 인공지능 모델을 더욱 효율적으로 활용하기 위해서 어떠한 관점으로 모델을 학습시켜야 하는지에 대해 자세한 설명을 진행할 예정이다.