T1-Deep Learning

  • 홈ˆ
  • Program
  • T1-Deep Learning

[Track 1] Deep Learning

[Session 1-1] 딥러닝1
▒ 일시 및 장소 : 10.27(금) 14:40-16:40 / 컨벤션홀 104+105+109+110호  좌장 : 이건명 교수(충북대)

이건명 교수(충북대)

KAIST 전산학 학사, 석사, 박사
프랑스 INSA de Lyon(Post-Doc), 미국 PSI(Staff Scientist), University of Colorado at Denver(Visiting Professor), Indiana University(Visiting Scholar)
현 충북대 소프트웨어학과 교수
딥러닝을 포함한 기계학습 적용 기술 및 자율적 기계학습 기법 연구

딥러닝과 기계학습
강연요약
기계학습은 컴퓨터가 데이터로부터 지식을 얻을 수 있도록 하는 기술로서, 직접적인 알고리즘 개발이 쉽지 않는 문제 해결에 유용한 도구이다. 이 강좌에서는 지도학습, 비지도학습, 강화학습의 개념과 주요 방식들에서 대해서 살펴본다. 또한 최근 딥러닝 기술이 기존 신경망의 한계를 어떤 방식으로 돌파했는지, 최근에 어떤 괄목할 만한 성과에 있었는지, 어떤 시도들이 이루어지고 있는지 소개한다.

이지형 교수(성균관대)

1999.08 KAIST 전산학과 박사학위 취득
2000.02-2002.02 SRI International, International Fellow
2002.03-현재 성균관대학교 컴퓨터공학과 교수
2017.01-현재 정보과학회 인공지능소사이어티 부회장
2017.07-현재 성균관대학교 지능정보융합원 부원장
관심분야: 기계학습, 텍스트마이닝, 딥러닝, Generative Model

Text Generation and Attention Mechanism
강연요약
최근 딥러닝 기술은 분류 또는 인식의 문제를 넘어, 새로운 데이터의 생성에 관한 분야까지 적용되고 있다. 새로운 데이터를 생성하기 위해 현재까지 다양한 Generative Model들이 제안되었다. 본 발표에서는 텍스트 생성을 위한 제안된 모델과 최신 연구 동향에 대해서 소개한다.

김철연 교수(숙명여대)

서울대학교 전기컴퓨터공학부, 공학박사
서울대학교 컴퓨터공학과, 공학사
숙명여자대학교, 조교수, 2016-현재
가천대학교, 조교수, 2010-2016
㈜컬처메이커, 기술고문, 2004-2008
㈜엔트로스, 기술이사, 2000-2002
관심분야: 빅데이터분석, 딥러닝, 다학제간 정보분석

딥러닝의 효율성 향상을 위한 학습데이터 선별기술
강연요약
최근 딥러닝은 빅데이터의 활용과 병렬처리 하드웨어의 발전에 힘입어 빠르게 발전하고 있다. 그러나 특히 지도학습의 경우 빅데이터의 활용을 위해서는 인간이 직접 정답을 부여한 학습 데이터가 필요하기 때문에 학습 데이터의 양이 많아질수록 학습비용이 증가한다는 문제점을 안고 있다. 본 발표에서는 학습 데이터의 선별을 통해 딥러닝의 학습과정의 비용을 절감하고 오히려 학습의 정확도를 높일 수 있는 기술들에 대해 논의한다.

허욱 본부장(한국IBM)

서울대학교 산업공학과 졸업
한국IBM Systems 사업부 소속
High Performance Computing & High Performance Data Analytics 관련 시스템 솔루션 영업 총괄

Accelerated Deep Learning with Power AI
강연요약
Deep Learning 기반 연구의 성능 개선을 위한 기술로 사용되는 GPU 등의 연산가속장치의 보다 효율적인 활용을 위해 고려해야할 시스템 기술에 대한 이해(CPU와 GPU간의 연결 구조, CPU와 GPU간의 메모리 공유 문제, 멀티 시스템 확장과 복수 사용자간 작업 스케줄링 방법 등)와 이에 최적화된 소프트웨어 스택을 결합하여, 최적의 연구/개발 환경을 구축하는 방안을 제시합니다.

김선욱 부장(소프트센)

한남대학교 일반대학원 컴퓨터공학과 AI전공
현대정보기술 BI센터에서 금융/공공분야 DW/CRM 프로젝트 다수수행
현대정보기술 BI센터에서 CDW솔루션 개발업무 담당
현 소프트센에서 CDW 사업수행 및 컨설팅 업무 담당

임상연구방법론 기반 연구지원 시스템 구축사례
강연요약
기존의 CDW솔루션들은 단순 데이터추출 위주로 되어 있어 연구자들이 사용하기 위해서는 연구형태에 따라 여러 가지 전처리 과정이 필요했으나 임상연구방법론 기반의 CDW는 이러한 전처리 과정을 줄이고 바로 사용가능한 임상연구방법론별 데이터를 제공하며 시간흐름에 따른 데이터 추출이 가능하도록 다양한 추출기준도 적용가능하며 R기반의 기초분석 기능과 OLAP기반의 시각화 기능을 통한 분석기능을 제공합니다.

[Session 1-2] 딥러닝2
▒ 일시 및 장소 : 10.28(토) 09:00-11:00 / 컨벤션홀 104+105+109+110호   좌장 : 조성배 교수(연세대)

이창기 교수(강원대)

1995.3-1999.2 BS in Computer Science, KAIST, Korea
1999.3-2001.2 MS in Computer Science and Engineering, POSTECH, Korea
2001.3-2004.8 PhD in Computer Scinece and Engineering, POSTECH, Korea
2004.9-2012.2 Senior Researcher, ETRI, Korea
2012.3-current Associate Professor, Kangwon National University, Korea
SCI 24편, 등재지 20편, 국제학회 18편, 국내학회 66편
관심분야: 딥러닝 기반의 자연어처리

딥러닝 기반의 자연어처리 기술
강연요약
자연어처리 분야의 특징에 대해서 간단히 소개하고, 최근 각광받고 있는 딥러닝 기반의 자연어처리 연구들을 한국어 적용 예제 중심으로 살펴본다.

송사광 실장(KISTI)

2010-현재 한국과학기술정보연구원 의사결정지원기술연구실 실장/책임연구원
2014-현재 과학기술연합대학원대학교 빅데이터과학과 부교수
2014-현재 (사)한국빅데이터서비스학회 이사
2011 KAIST 전산학과 박사
2005-2010 한국전자통신연구원 바이오인포매틱스팀 연구원
2000-2003 서치캐스트(주) 멀티미디어검색팀 팀장
1999-2000 한국전자통신연구원 자연어처리연구부 연구원
관심분야: 빅데이터, 기계학습, 자연어처리, 정보검색

Deep Learning based Weather Prediction
강연요약
본 강연에서는 딥러닝 기술을 적용한 기상 예측 연구 동향을 소개하고자 한다. 기상 레이터 영상, 위성 영상, 센서 데이터 등을 대상으로 CNN, LSTM 등의 딥러닝 기법을 활용하여 홍수 예측, 강우량 예측, 태풍 예측 등의 주요한 기상 이벤트 예측 기술 동향을 소개한다. 기상 예측은 다른 연구 사례들과 비교할 때 상대적으로 대용량의 데이터 학습이 필요한 분야인데, 이런 분야에서의 딥러닝 적용 가능성을 사례를 들어 살펴보도록 한다.

조성배 교수(연세대)

연세대학교 전산과학과 학사(88)/ KAIST 전산학과 석사(90)/KAIST 전산학과 박사(93)
1993-1995 일본ATR HIP 연구소 연구원
1998 호주Univ. of New South Wales 초청과학자
2005-2006 캐나다Univ. of British Columbia 방문교수
1995-현재 연세대학교 컴퓨터과학과 정교수
(현) 국가DB심의위원회 위원, 한국정보과학회 부회장, 한국BI데이터마이닝학회 회장
(현) IEEE Transactions on Computational Intelligence and AI in Games 외 다수 국제논문지 편집자, Asia Pacific Neural Networks Assembly 집행위원

고성능 분류를 위한 하이브리드 딥러닝 모델
강연요약
다양한 분야에 적용되어 괄목할만한 성과를 내고 있는 딥러닝 모델로는 영상처리의 컨볼루션 신경망과 언어처리의 순환신경망을 들 수 있다. 최근에는 이들을 효과적으로 결합한 하이브리드 구조가 개발되어 그 성능을 극대화하고 있다. 이 강연에서는 몇가지 대표적인 하이브리드 모델을 소개하고, 자동차 소음분류와 욕설문장 분류에 적용한 사례를 설명한다.

김광백 교수(신라대)

1999 부산대학교 전자계산학과 졸업(이학박사)
1997-현재 신라대학교 컴퓨터소프트웨어공학부 교수
1999-2000 Biomedical Fuzzy Systems Association, ditor(Japan)
2009 Journal of Digital Imaging (Springer: SCI), Guest Editor
2013 International Journal of Computational Vision and Robotics (SCOPUS), Guest Editor
2013 International Journal of Information and Communication Technology (SCOPUS),
       Guest Edit
2014-현재 Open Computer Science Journal, Editor.
2013-현재 International Journal of Intelligent Information Processing (SCOPUS), Editor
2015 Computational Intelligence and Neuroscience(SCIE), Lead Guest Editor
2016-현재 한국정보통신학회 회장
관심분야: Artificial Neural Networks, Machine Learning, Medical Image Processing,
            Fuzzy Logic

퍼지 신경망 및 기계 학습 기반 의료 영상 및 정보 분석
강연요약
본 강연에서는 신경망 기법을 적용하여 초음파 영상에서 복부 및 요부의 근육을 추출하고 분석하는 방법과 요부 근육 영역에서 기계 학습 기법을 적용하여 지방을 분석하는 방법에 대해서 강연한다. 또한 한방 자가 진단 시스템에서 증상과 질병과의 연관 관계를 분류하기 위한 클러스터링 기법과 개발된 소프트웨어 대해 소개한다. 마지막으로 초음파 영상에서 어깨 인대 파열 영역을 추출 및 분석하기 위해 적용된 Unsupervised 기반 Deep Neural Networks와 어깨 인대 파열 추출 및 분석 소프트웨어를 소개한다.

[Session 1-3] 딥러닝3
▒ 일시 및 장소 : 10.28(토) 14:10-16:10 / 컨벤션홀 104+105+109+110호  좌장 : 최재식 교수(UNIST)

유병인 전문연구원(삼성종합기술원)

2005-현재 삼성전자 종합기술원 전문연구원
2002-2005 AhnLab 안티바이러스연구소 선임연구원
1999-2002 Unitech 그래픽소프트웨어연구소 주임연구원
2013-현재 KAIST 전기및전자공학과 박사 수료
1993-1999 동국대학교 컴퓨터공학과 학사/석사 졸업
특허출원 199건, 특허등록 52건 및 학회 논문 16편, 저널 3편
연구경험: 영상 기반 감정/얼굴/행동/자세 인식, HCI, 안티바이러스 소프트웨어, 훈련용 시뮬레이터
관심분야: 패턴인식과 기계학습 기반 영상 인식 알고리즘

Towards Understanding Deep Facial Information
강연요약
본 강연에서는 딥러닝을 기반으로 사용자의 얼굴 영상에서 다양한 정보를 인식할 수 있는 기술을 소개한다. 특히 사용자의 성별과 나이 추정 기술, 감정을 추정할 수 있는 표정 인식 기술, 얼굴 인식이 Biometric으로 활용되기 위해 중요한 요소 기술인 얼굴 위변조 검출 기술을 중심으로 실제 활용 사례와 함께 설명한다.

황원준 교수(아주대)

1999 고려대학교 전자공학과 학부 졸업
2001 고려대학교 전자공학과 석사 졸업
2016 KAIST 전기및전자공학부 박사 졸업
2001-2016 삼성종합기술원 전문연구원
2016-현재 아주대학교 소프트웨어학과 조교수
2004 MPEG-7 얼굴 기술자 표준화 성공
2006 美 NIST 주관 Face Recognition Vender Test (FRVT) 1등 (조명 변화)
2007 삼성 Anycall SGH-V920 얼굴 인식기 기술 적용
2011 삼성 휴머노이드 Roboray 얼굴 인식 및 사람 인식 기술 적용
2016 삼성 Galaxy 딥러닝 얼굴 인식 기술 적용
관심분야: Computer Vision, Pattern Recognition, and Deep Learning

딥러닝 기반 영상 및 얼굴 인식 기술 소개
강연요약
최근 인공지능 및 딥러닝에 기술 발전에 따라서 이에 대한 응용 기술에 대한 관심이 높아지고 있다. 본 강좌에서는 딥러닝 기술이 어떻게 얼굴 인식 기술에 적용되어 왔고 어떻게 기존에 풀리지 않던 문제가 풀리게 되었는지에 대해서 살펴보도록 한다. 또한 일반적인 영상 인식 기술이 특정 도메인(얼굴)에 적용되고 활용되는지 살펴 보도록 한다.

최재식 교수(UNIST)

2012-2013 일리노이 주립대, 전산학과, 박사후 연구원
2012 일리노이 주립대 어바나 샴페인, 전산학과, 박사
2004 서울대학교, 컴퓨터공학, 학사
2013-현재 울산과학기술대학교(UNIST), 전기컴퓨터공학부, 조교수
2013-2013 로렌스 버클리 연구소, 박사후과정
관계형 칼만 필터(Relational Kalman Filtering)
비디오 추출을 위한 시공간 피라미드 비교법(Spatio-Temporal Pyramid Matching)
관계형 자동 통계학자(The Relatioanl Automatic Statistician)
관심분야: 확률적 추론, 확률 관계형 모델, 칼만 필터, 그래프 모델, 로봇 작업 계획

딥러닝 기반 시계열 데이터 분석
강연요약
시계열 데이터는 금융, 군사, 날씨등 다양한 응용 분야에서 순차 데이터를 표현하는데 필수적인 도구이다. 최근 딥러닝의 발전은 이미지 및 동영상 분석의 시각인지를 넘어서, 음성 및 뇌파와 같은 시계열 신호를 분석하고 인지하는데도 큰 진전이 있었다. 본 강의에서는 딥러닝 기반 시계열 데이터 분석에 사용되는 모델을 소개하고 그 적용의 예를 소개한다.

김태규 전무(OBSKorea)

1993-2001 인하대학교 , 기계공학과
2002-2007 ㈜록시아 CTO
2008-현재 (주)오픈비지니스솔루션코리아 전무이사
2008-현재 스마트그리드 제주 실증사업 에너지 관리 시스템 PM
의료 영상 판독 플랫폼 사업기획 및 PM
치과 영상 질환 분석 딥러닝 솔루션 기획
폐기종 의료 영상 판독 플랫폼 PM
뇌동맥류 MRI 인공지능 의료 영상 판독산업용 클라우드 플랫품 연구 사업 수행 PM
의료 영상 데이터 레이블링 툴 기획 및 PM
머신 비전 영상 분석 시스템 개발 PM
산업용 클라우드 플랫폼 기획 및 PM
ICT융합 기반 생산현장에서 작업자 안전관리 시스템에 관한 연구의료 영상 판독 플랫폼(한국통신학회 2015년 하계종합학술발표회)

AI Medical Image Analysis Service in Radiology
강연요약
인공 지능이 의료 분야를 보강하기 위해 사용되고 있는 입증 된 사례가 이미 많이 있습니다. 이미 입증 된 분야 중 하나는 인공 지능과 컴퓨터 비전이 의료 스캔 및 영상 분석을 도와 방사선과 의사 및 기타 임상의를 지원하는 의료 영상 분야입니다.
이 기술은 영상의학 전문의의 기존 워크 플로에 맞게 설계되어 작업을 보다 효율적으로 수행 할 수 있습니다.
지난 몇 년 동안 CT와 MRI 검사의 양은 극적으로 증가했지만 방사선과 의사의 양은 기본적으로 동일하게 유지되었습니다. 또한 디지털 방사선 촬영이 주류가 됨에 따라 X- 광선의 수가 크게 증가했습니다. 이로 인해 오늘날 의료 이미지 해석은 의료 분야에서 심각한 병목 현상을 일으키고 있습니다. 인공 지능은 이 과정에서 영상의학과 전문의를 지원할 수 있습니다. 그 동안 OBS Korea의 의료 영상 인공지능 연구 실적 및 다양한 사례를 소개하게 되어 기쁩니다.

※ 상기 일정은 사정에 따라 변경될 수 있습니다.


서울시 서초구 방배로 76 (방배동, 머리재빌딩 401호) 우)06704 | (Tel)1588-2728 | (Fax)02-521-1352 | 고유번호 : 114-82-03170 | 대표 : 엄영익

Copyright (c) KIISE. All rights reserved.