이쪽분야를 공부한 것은 아니지만, 들어왔던 소문(?)을 기억해보며 몇자 적어봅니다. (그럴수도 있다...라는 것이니 다른것은 주변 분- 교수님, 선배님들, 동기, 후배분들 과 토론해 보세요~!)

 컴퓨터 사이언스 쪽이면 대수학 (그중에서도 정수론) 쪽에 기반한 알고리즘을 구현하고 연구하는 분야일 것 입니다. 학부때 이산수학을 수강하셨겠지만, 학년이 높아지고 연구를 진행 할 수록 대수학에 기반해서 연구를 진행해야할 경우가 많아질 것이라 추론해 봅니다.

 대수학 이외에도 확률/통계 - random variable & process 수업을 들으신다면 이와 관련된 통신/ 신호처리에 관한 연구의 기초를 배울 수 있고, 또한 해석학 수업을 통해 각종 증명의 읽기 / 쓰기 를 배우실 수 있습니다.

컴퓨터 분야가 고등수학지식이 (연구분야에서) 많이 쓰일것이라 생각되지만, 들어왔던 지식들은 위의 분야들 입니다. 다른분들이 더 좋은 답변을 달아 주실 것이라 기대합니다.

사족으로, 교수님은 학생들을 지도하고 학문의 발전을 만들어갈 '의무' 가 있습니다. 이는 학부연구생이라고 기초지식들을 보여/가르쳐 주지 않은 상태에서 너가 다해와라고 닥달하는 것이 아니라, 학문의 동반자로서 후학들을 지도해주고, 먼저 배운 사람으로 지식의 바다에서 '같이' 지식을 찾아가는 것을 보여주는 사람입니다.

 방법론은 다를지 모르지만, 절벽에서 밀어주고 기어올라오는 사람만 키우겠다는 것이 아닌지 염려해 봅니다. (제 부주의한 발언일지 모르니 너무 신경쓰진 마세요)

 보통사람은 수학에 접근하는 것이 어렵습니다. 이는 대학원에 진학하고 계속 공부를 하여도 마찬가지 입니다. (예전 김재호 님이 생각나는군요. 재호님은 더 좋은 답변을 달아주실 수 있으실텐데...)

 조금씩 정진하면, 지금 논문들에 쓰여진 수식들의 의미를 알고 구현할 수 있는 수준이 되십니다. 보통 대학원 수업에서 토나오게(??) 수업 듣고 숙제해야 하지만, 무언가 교수님께서 뜻이 있어 과제를 맡기신듯 하니까, 무리하지 마시고 조금씩 천천시 하신다면, 언젠가는 본인이 생각하시는 길에 한걸음씩 다가가실 것이라 생각합니다.

  데이터마이닝을 실현하는 방법론만해도 수십가지가 넘습니다.
기계학습의 방법도 다양하고요.

보시는 논문에서 어떤 방법을 사용해서 데이터마이닝을 실현했고, 기계학습을 수행했는지는 해당 논문을 봐야만 알 것 같습니다.

이런 부분은 여기보다 연구실 내 선배나 교수님께 여쭤보세요.

  분야마다 너무나 다양해서 이글만 가지고 뭐라 말씀드리기 쉽지 않지만 machine learning 분야를 공부하기 위해 일반적으로 필요한 수학지식을 꼽으라면 가장 첫번째가 통계, 확률이고 두번째가 선형대수학입니다. 요 두가지가 안되어있으면 이해할수 있는게 별로 없을거에요.

미적은 고등학교 미적분만으로도 부족함 느끼는 일 많진 않으실거구요(필요해도 좀더 추가로 찾아보면 되는정도), 일반적인 공학분야와 달리 미분방정식도 그닥 마주치실일이 없을겁니다.

확률통계, 선형대수학. 이게 제일 중요합니다~