인공지능 트랙

  • 홈ˆ
  • 프로그램
  • 인공지능 트랙

[Session 2] AI 1   
▒ 일시 및 장소 : 1.19(목) 16:00~18:00 / 그레이스홀1(6층)              좌장 : 최희열 교수(한동대)

최재훈 실장(한국전자통신연구원)
2000년 10월 ~ 현재 한국전자통신연구원(ETRI) SW.콘텐츠연구소 바이오의료IT연구부 바이오의료정보연구실 실장

AI 헬스를 위한 개인 건강정보 기반 힐링 플랫폼
강연요약 개인 주도로 건강 데이터를 관리하고 이 데이터를 기반으로 개인 맞춤형 서비스를 제공할 수 있도록 헬스 주체들을 참여시키고 이들이 유기적으로 연결됨으로써 고부가가치를 헬스 시장을 창출할 수 있는 개인 건강정보 기반 개방형 힐링 플랫폼 기술 개발, 고부가가치 헬스 서비스 개발을 헬스 빅데이터 딥러닝 기반 개인 주도 건강 지능 API 개발, 의료 복합 지능을 위한 다기관 협진형 앙상블 딥러닝 기술 소개

최재식 교수(UNIST)
2013년 7월 ~ 현재 울산과학기술대학교(UNIST) 전기컴퓨터공학부 조교수, 2013년 1월 ~ 2013년 7월 로렌스 버클리 연구소 박사후과정

시계열 데이터를 위한 기계학습
강연요약 시계열 데이터는 금융, 군사, 날씨등 다양한 응용 분야에서 순차 데이터를 표현하는데 필수적인 도구이다. 본 강의에서는 시계열 데이터를 분석하는 최신 기계학습 기술을 소개한다. 시계열 데이터를 모델링 할 수 있는 비선형 방법인 가우시안 과정 및 딥러닝 기반 다중 시계열 데이터 분석 기법에 대한 사례를 소개한다.

김건희 교수(서울대학교)
2015년 ~ 현재 서울대학교 컴퓨터공학부 조교수, 2013년~2015년 Disney Research 박사후 연구원

Neural Attention Models을 이용한 Video Captioning
강연요약 본 강연에서는 attention model을 이용하여 짧은 동영상에 대한 설명 문장을 생성하는 Video captioning 연구에 대하여 소개한다. 첫 번째로, 사람들이 영화를 시청할 때 얻은 시점 데이터를 활용하여 attention model을 지도학습하고 이를 통해 video captioning의 성능을 높이는 방법에 대해 제안한다. 두 번째로, 근래 영화기반 video captioning 대회인 LSMDC 2016 challenge에서 2개 부분에 대해 우승한 attention model 에 대해 설명한다.

황성주 교수(UNIST)
2014년 8월 ~ 현재 울산과학기술대학교(UNIST) 전기컴퓨터공학부 조교수, 2013년 9월 ~ 2014년 8월 Disney Research, Postdoctoral Research Associate

초대규모 오브젝트 인식을 위한 기계학습
강연요약 최근 Deep Convolutional Neural Network 등 딥 러닝 모델들의 발전에 힘입어 시각 오브젝트 카테고리 인식 성능이 놀랍게 향상되어, 최신 모델은 천개의 오브젝트에서 80% 이상의 분류 성능을 내고 있다. 이는 주목할 만한 결과이긴 하지만, 아직은 우리의 일상에 큰 영향을 미치기엔 인식 가능한 오브젝트의 개수가 부족하다. 세상에는 몇 십만개의 이름을 가진 물체들이 존재하며, 이 숫자는 매일 새롭게 생겨나는 상품들로 인해 계속적으로 증가하고 있다. 따라서, 진정 실용성을 가지는 물체 분류 시스템은 이들 몇십만, 백만개의 오브젝트들을 인식할 수 있어야 한다. 하지만 현재 최신 오브젝트 인식 시스템들은 만단위 오브젝트의 인식에서 30% 정도의 성능만을 획득하여, 이러한 대규모 오브젝트 인식에 부적합하다. 이러한 낮은 성능은 클래스의 세분화, 파라메터와 학습 시간의 증가, 클래스의 불균형, 학습 데이터의 부족 등의 대규모 오브젝트 인식에서 새롭게 나타나는 어려움들에 기인한다. 그렇다면 우리는 이러한 어려움을 어떻게 극복할 수 있을 것인가? 본 강연에서는 이러한 새로운 어려움들을 극복하기 위한 기계학습 모델과 알고리즘들을 소개한다.

[Session 6] AI 2   
▒ 일시 및 장소 : 1.20(금) 16:30~18:00 / 그레이스홀1(6층)              좌장 : 최재식 교수(UNIST)

최희열 교수(한동대학교)
2006년 9월 ~ 현재 한동대학교 전산전자공학부 조교수, 2015년 9월~2016년 7월 Invited Scientist, Montreal Institute of Learning and Algorithms(MILA)

Introduction to Recurrent Neural Networks
강연요약 딥러닝은 음성이나 이미지 인식과 같은 패턴인식 분야에서 최고 성능을 갱신해 왔고, 최근엔 번역이나 언어 모델 등을 포함하는 자연어 이해에도 성공적으로 적용되기 시작했다. 기존의 패턴인식 문제와 달리 자연어 이해 관련 문제들은 본질적으로 sequence-to-sequence 문제로 해석될 수 있고, recurrent neural networks (RNNs) 이 입력 sequence 에 대한 encoding 과 출력 sequence 에 대한 decoding 에 모두 필수적인 요소로 사용되고 있다. 본 강의에서는 RNNs 에 대해 소개하고, 응용분야들에서의 성과들도 포함한다.

유승주 교수(서울대학교)
2015년~현재 서울대학교 컴퓨터공학부 부교수, 2008년~2015년 포항공과대학교 전자전기공학과 조교수, 부교수

딥러닝 구현 최적화기술
강연요약 딥 뉴럴네트워크는 알고리즘적으로 계산량을 많이 줄인 경우에도 실제 구현에서는 몇배 또는 10배가 넘는 실질적인 계산량 감소가 가능하다. 본 강연에서는 이러한 딥뉴럴네트워크의 구현 최적화를 가능하게 하는 소프트웨어 설계기술로 네트워크 압축, pruning, 양자화, 저비용 convolution 알고리즘을 소개한다. 또한, 실시간성과 에너지효율을 위해 최근 활발히 연구되는 뉴럴네트워크의 하드웨어 가속기 연구동향을 소개한다.

유현곤 부장(NVIDIA)
2009년 1월 ~ 현재 엔비디아 코리아 WWFO Solution Architect, GPU기반 CUDA 병렬 프로그래밍에 대한 기술지원 및 GPU기반 딥러닝 가속에 대한 기술 지원 및 컨설팅 진행

GPU기반 딥러닝 가속 솔루션 소개
강연요약 최근 다양한 분야에서 딥러닝을 활용한 연구가 활발히 진행되고 있다. 오픈 프레임워크를 사용한 GPU 가속을 통한 사례를 살펴본다. 특히, 딥러닝 학습 및 서비스 구현에서의 성능 개선을 위한 방법론을 살펴본다.

※ 상기일정은 사정에 따라 변경될 수 있습니다.

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

Copyright (c) KIISE. All rights reserved.