1. 소식
  2. arrow_forward_ios

새 소식

태그
검색
전체

김선 교수, ACM/IEEE TCBB Steering Committee로 활동

김선 교수가 컴퓨터분야 최고 학술지인 IEEE/ACM Transactions on Computational Biology and Bioinformatics (TCBB)에 ACM SIG Bio 대표 멤버로 Steering Committee로 선정되었다.임기는 2022년 1월부터 2024년 12월까지이다. Steering Committee는 논문지의 출판 범위및 발전 방향을 결정하는 역할을 하는데, 다학제 학문의 경우는 역할이 더욱 중요하다. Steering Committee 멤버는 관련 학술단체장의 추천에 의해 임명된다.이전에 김선 교수는 2017년부터 2021년까지 IEEE/ACM Transactions on Computational Biology and Bioinformatics (TCBB) 부편집장을 역임하였으며, 현재 ACM SIG Bio 이사회(board of directors) 위원이다....
과거 미분류
포스트 대표 이미지

이영기 교수 연구진, 영유아 인지발달 관련 AI 시스템 개발로 세계 선도

■ 일상 가정환경에서 모바일 기기로 손쉽게 부모의 언어 습관 개선 도움 ■ 세계 최초로 AI의 일반적 인지발달 정도를 평가하는 가상환경 개발 <a href='https://hcs.snu.ac.kr/' target='_self'>이영기 교수 연구진</a>이 영유아의 인지발달에 대한 연구를 통해 영유아-부모 상호작용 보조 AI 및 AI 인지발달 평가 가상 환경을 개발하였다. Captivate! [1]: 부모가 영유아 자녀에게 효과적인 언어 자극을 제공하도록 돕는 모바일 시스템인 Captivate!를 개발하였다. Captivate!는 AI와 모바일 컴퓨팅 기술을 기반으로 실시간으로 놀이 상황에 맞는 문구들을 제시하여, 부모의 언어 구사 능력에 구애 받지 않고 누구나 쉽게 활용 가능하다. 상황 맥락에 적합한 문구를 제시하기 위해, 시각적 단서와 음성 언어 단서를 모두 활용하여 놀이 상황에 대한 실시간 분석을 시행한다. 그 과정에서 얼굴 인식, 물체 인식, 음성 인식 등의 최신 AI 기술들이 동시에 활용되며, 아동심리학에 기반한 공동 관심 분포(joint-attention distribution) 도출 알고리즘을 바탕으로 부모와 아이의 공동 관심(joint-attention) 대상을 추론한다. 연구에서 제시한 부모-아이 놀이 상황 분석은 <a href='https://www.chosunbabylab.com' target='_self'>조선대학교 음성학 연구실(고언숙 교수)</a>와의 융합 연구로 진행되었으며, <a href='https://www.familynet.or.kr/web/index.do' target='_self'>서울특별시 다문화가족지원센터</a>와 연계하여 진행한 사회공헌 연구로서 의미가 있다. 이번 연구 결과는 <a href='https://chi2022.acm.org' target='_self'>CHI 2022</a>에 발표될 예정으로 Best Paper Honorable Mention Award를 수상하였다. VECA [2]: AI 에이전트와 인간 영유아의 일반적 인지발달 정도를 비교할 수 있는 가상 환경 VECA를 세계 최초로 개발하였다. VECA는 인간 영유아 대상 표준 인지발달 검사인 Bayley Scales 테스트를 기반으로 81개 핵심 인지 과제를 가상 환경 내에 구현하였다. VECA는 표준화된 시나리오에서 AI 에이전트의 행동 반응을 관찰하여 기호적 이해, 사고, 추론, 기억, 문제해결능력, 개념 이해 등 다양한 인지기능을 종합적으로 평가한다. 이를 위해, 연구진은 인지발달에 결정적인 생물학적 감각 입력을 충실히 모사한 가상 영유아 아바타를 새롭게 개발하였다. 이번 연구 결과는 올해 2월 <a href='https://aaai.org/Conferences/AAAI-22/' target='_self'>AAAI 2022</a>에서 구두 발표(Oral) 세션에서 발표되었다. 해당 세션은 올해 AAAI 학회에 제출된 논문 중 약 상위 4%(=384/9251)의 논문에만 주어지는 발표 기회이다. [1] "<a href='https://arxiv.org/abs/2202.06806' target='_self'>Captivate! Contextual Language Guidance for Parent–Child Interaction</a>”, Taeahn Kwon, Minkyung Jeong, Eon-Suk Ko and Youngki Lee. [2] "VECA: A New Benchmark for General Cognitive Development”, Kwanyoung Park, Hyunseok Oh and Youngki Lee....
과거 미분류
포스트 대표 이미지

2022년 제1차 컴퓨터공학부 교수채용 안내

서울대학교 컴퓨터공학부는 4명의 신규 교원을 채용합니다. 정년보장트랙(tenure-track)의 조교수, 부교수, 정교수 모든 직위를 대상으로 하고, 컴퓨터공학 및 과학 전 분야에 걸쳐 뛰어난 연구 성과를 거두었고 교육에 대한 열정을 가진 분을 찾습니다. 지원자는 지원 시점에 박사학위를 소지하고 있어야 합니다. 서울대학교 컴퓨터공학부는 1975년부터 지난 40여 년간 컴퓨터공학과 과학, 그 관련 분야에 있어 세계 최고 수준의 교육과 연구를 추구하고 있습니다. 현재 35명의 교수가 400여 명의 학부생, 350여 명의 대학원생들과 함께 하고 있으며, 지속적으로 교수를 충원하여 학부의 규모가 성장하고 있습니다. 현재는 계산 이론, 인공지능, 컴퓨터 시스템, 시스템소프트웨어, 내장형 시스템, 데이터 과학, 네트워크, 프로그래밍 언어, 그래픽스, 비젼, HCI, 생물정보, 기계학습 등 컴퓨터 전 분야에 걸쳐 연구와 교육이 이루어지고 있습니다. 신규 채용은 컴퓨터공학 모든 분야의 미래지향적 연구를 이끌어갈 수 있는 분을 대상으로 합니다. ◾ 신규 임용 대상자: 정년보장트랙의 조교수, 부교수 혹은 정교수 4명 ◾ 모집 분야: 컴퓨터 전 분야, 컴퓨터그래픽스, 컴퓨터파운데이션, 인공지능및응용 분야 각 1명 ◾ 접수 기간: 2022.4.11.(월) 10:00 ~ 4.25.(월) 14:00까지(한국시각 기준) 신규 채용 접수에 대한 세부사항은 아래 웹사이트를 참고하시기 바랍니다. 추가적인 문의는 <a href='mailto:recruit@cse.snu.ac.kr' title='recruit@cse.snu.ac.kr'><img src='https://cse.snu.ac.kr/sites/default/files/node--notice/recruit.PNG'></a>로 해주시기 바랍니다. <a href="https://eng.snu.ac.kr/node/20955" target="_newWindow">[서울대학교 교수채용 지원 사이트]</a>...
과거 미분류
포스트 대표 이미지

강유 교수 연구진, 그래프 증강 기법을 활용한 정확한 그래프 분류 기술로 세계 선도

■ 효과적인 그래프 증강 기법이 만족해야하는 5개의 특성 제시 ■ 모든 특성을 만족하는 그래프 증강 기법인 NodeSam 과 SubMix 개발 ■ 제안한 기법들을 이용하여 그래프 분류 정확도 향상 <a href='https://datalab.snu.ac.kr' target='_self'>강유 교수 연구진</a>이 주어진 그래프에 대한 증강(augmentation) 기법을 개발하여, 그래프 분류의 정확도를 높이는 기법을 제시하였다. 제안한 기법은 기존 연구의 성능을 능가하는 최고 수준의 성능을 보였다. 그래프는 소셜 네트워크, 인터넷 연결 망 등 다양한 데이터를 모델링하는데 쓰이며, 그래프 분류는 시계열, 웹, 언어 처리, 이미지 등 다양한 응용에 활용되는 핵심 기술이다. <a href='https://datalab.snu.ac.kr' target='_self'>강유 교수 연구진</a>은 그래프 내 핵심 부분을 보존하지 못하는 기존 연구들의 단점을 극복하여 NodeSam 과 SubMix 기법을 개발하였다. 두 알고리즘은 그래프 분류 정확도를 기존 기법 대비 최대 2.1배 향상시켰다. 이번 연구 결과는 오는 4월 <a href='https://www2022.thewebconf.org/' target='_self'>WebConf (WWW) 2022</a>에 발표될 예정이다. 한편 <a href='https://datalab.snu.ac.kr' target='_self'>강유 교수 연구진</a>의 하이퍼그래프 샘플링 관련 논문도 <a href='https://www2022.thewebconf.org/' target='_self'>WebConf (WWW) 2022</a>에 추가로 채택되었다. "<a href='https://arxiv.org/pdf/2202.10107.pdf' target='_self'>Model-Agnostic Augmentation for Accurate Graph Classification</a>”, Jaemin Yoo, Sooyeon Shim and U Kang, The WebConf 2022, Lyon, France...
과거 미분류
포스트 대표 이미지

송현오 교수 연구진, 최고 성능의 이미지 분류 신경망 적대적 방어 알고리즘 개발

■ 소셜 미디어 등의 실제 어플리케이션에 분류 신경망의 적용 가능성을 크게 향상 ■ 기존 알고리즘 대비 적대적 강건성 분류 정확도 최대 31%p 향상 <a href='http://mllab.snu.ac.kr/' target='_self'>송현오 교수 연구진</a>이 이미지 분류 신경망의 적대적 공격(adversarial attack)에 대한 강건성을 크게 향상시키는 적대적 방어 알고리즘을 개발하였다. 본 알고리즘을 통해 신경망 모델을 소셜 미디어, 웹 이미지 검색 등의 이미지 기반 어플리케이션에 더욱 안전하게 적용할 수 있을 것으로 기대한다. 현재의 합성곱 신경망(convolutional neural network) 기반의 이미지 분류 네트워크는 입력 이미지를 약간만 변화시켜도 이를 잘못 분류하게되는 심각한 취약점을 지니고 있다. 이러한 현상은 사용자가 자유롭게 이미지를 업로드 할 수 있는 인스타그램 등의 소셜 미디어상에서 더욱 심각한 상황을 초래할 수 있는데, 사용자가 일상 사진을 업로드 하는 과정에서 공격자가 이를 중간에 가로채어 포르노와 같은 악의적인 클래스로 분류되도록 변화시킬 수 있다. 이러한 문제점을 해결하기 위해 <a href='http://mllab.snu.ac.kr/' target='_self'>송현오 교수 연구진</a>은 선제적으로 이미지를 변형하여 적대적 공격을 무력화시킬 수 있는 이중 구조 최적화(bi-level optimization) 기반의 이미지 강건화 알고리즘을 제안하였다. 개발된 알고리즘은 이미지넷(ImageNet-1k) 벤치마크 데이터셋에서 강건성 분류 정확도를 기존 알고리즘 대비 최대 31%p 향상하는 성과를 거두었다. <a href='https://aiis.snu.ac.kr/hyperscale/index.php' target='_self'>SNU-NAVER Hyperscale AI Center</a>의 지원을 받아 진행된 이번 연구 결과는 <a href='https://aaai.org/Conferences/AAAI-22/' target='_self'>AAAI 2022</a>에서 발표될 예정이다. “<a href='https://arxiv.org/abs/2112.05634' target='_self'>Preemptive Image Robustification for Protecting Users against Man-in-the-Middle Adversarial Attacks</a>”, Seungyong Moon, Gaon An, Hyun Oh Song....
과거 미분류
포스트 대표 이미지

2022년 2월 우수학위논문상 수상자 안내

서울대학교 컴퓨터공학부에서는 매 학기 졸업생을 대상으로 우수학위논문상을 수여합니다. 석박사 과정 졸업논문의 경우 논문 심사 위원들이, 학부 졸업 논문의 경우 지도교수가 뛰어난 논문을 선별하여 우수학위논문상 후보로 추천하고, 논문상 심사위원회에서 엄격한 심사를 거쳐 수상자를 선정하고 있습니다. 2022년 봄학기에는 박사 논문상 수상자 2명, 학사 논문상 수상자 1명을 최종 선발하였습니다. o 박사 논문상 수상자: 강동현 (지도교수: 하순회) 제목: Hardware/Software Codesign of the MIDAP CNN Accelerator 강동현 학생은 석사 과정 동안에는 시스템 공유 자원이 있는 분할 멀티코어 시스템에서의 공유 자원 접근에 의한 태스크 지연시간에 대해 모델링하고 이를 기반으로 최악 성능 분석을 진행하였습니다. 해당 방법론을 이용하여 제 논문도 2편 썼고, 이를 확장 및 응용한 논문의 작성에도 도움을 주었습니다. 이후 진행한 연구 주제인 Embedded DNN Optimization에서는 주어진 Constrained device(NVIDIA Jetson TX2)에서의 소프트웨어 최적화에 대해 연구하였는데, 이 과정에서 CVPR(Conference on Computer Vision and Pattern Recognition) 워크샵에서 진행된 저전력 이미지 인식 챌린지(LPIRC – Lower Power Image Recognition Challenge)에서 2017, 2018년(Track2) 우승을 차지할 수 있었습니다. 이러한 경험을 통해 하드웨어 별로 최적화 방법론이 달라져야 할 수 있겠다는 사실에 대해 다시 한 번 공감하였고, 더 나아가 최적화 방향을 제시할 수 있는 뉴럴 프로세서의 개발 또한 하나의 비전이 될 수 있겠다는 생각을 가졌습니다. 이후 박사과정을 마무리하기까지, NPU를 위한 하드웨어/소프트웨어 통합설계 워크플로우를 기반으로 NPU 설계 연구를 진행하였습니다. 이 과정에서 임베디드 향 CNN 가속기인 MIDAP 아키텍쳐를 제안하고, 이를 기반으로 다양한 NPU 확장 방법에 대해 연구하였습니다. 먼저 Multi-bank feature map memory를 적용하고, Adder tree 기반 코어 확장을 통해 depthwise convolution, pooling layer, element-wise operation을 지원하는 방법에 대해 연구하였고, 이를 기반으로 2019년도에 ICCD 학회에서 논문을 발표하였습니다. 다음으로는 Transposed convolution, NN upsampling과 같은 데이터 재구성 레이어를 NPU에서 메모리 수정 없이 처리할 수 있도록 하는 텐서 가상화 기법을 제안하였으며 2020년도에 이에 관한 논문을 발표하였습니다. o 박사 논문상 수상자: 유재민 (지도교수: 강유) 제목: Probabilistic Approaches for Node and Graph Classification 유재민 학생은 데이터 마이닝 및 머신 러닝 분야를 연구하고 있고 올해 3월부터 카네기 멜론 대학교에서 박사 후 연구원으로 일할 예정입니다. 서울대학교 컴퓨터공학부를 졸업하여 2016년에 석박통합과정으로 입학한 후 데이터 마이닝 및 머신 러닝 분야의 최고 학회에 총 11편의 주저자 논문을 발표하였습니다. (WWW, 2 SDM, 3 ICDM, KDD, PAKDD, WSDM, NeurIPS, IJCAI) 연구 성과를 인정받아 2019년에 휴먼테크 논문대상 장려상 및 구글 PhD 펠로우십, 2020년에 율촌 AI스타 장학금 및 퀄컴 이노베이션 펠로우십, 2021년에 BK21 스타 학생 연구자상 및 BK21 우수 대학원생 상장을 수상하였습니다. o 학사 논문상 수상자: 이영원 (지도교수: 황승원) 제목: Bridging Code-Text Representation Gap with Pseudocode 이영원 학생은 자연어 쿼리와 코드를 BERT 계열 모델을 사용하여 같은 latent space로 임베딩함으로써 적절한 유사도 메트릭(similarity metric) 하에서 주어진 자연어 쿼리에 대해 가장 가까운 vector representation을 갖는 코드를 찾는 dense retrieval 방식의 코드 검색 task에서, (1) 코드를 슈도코드로 변환하여 대체하는 경우 성능이 향상될 수 있음을 확인하고 (2) 또한 사전에 정의된 abstract syntax tree (AST) 상에서의 치환 규칙에 기반하여 슈도코드를 생성하는 non-parametric한 접근으로 사람이 직접 슈도코드를 만드는 (human annotation) 것을 피할 수 있음을 설명한 논문 Bridging Code-Text Representation Gap using Explanation 작성에 제2저자로 참여하였고, 해당 논문이 ACML 2021에 accept 되었습니다....
과거 미분류
포스트 대표 이미지

전병곤 교수 연구진, MLOps 하이퍼파라미터 최적화를 빠르게 수행하는 시스템 개발

■ 머신러닝 하이퍼파라미터 최적화 가속을 위한 새로운 데이터 관리 방식과 계산 스케줄링 방법 제안 ■ 제안한 방법을 구현한 시스템 히포(Hippo) 개발 ■ 다양한 딥러닝 하이퍼파라미터 최적화에서 기존 방식 대비 최대 2.76배 최적화 시간 단축 및 최대 4.81배 그래픽 처리 장치 사용량 단축 <a href='https://spl.snu.ac.kr/' target='전병곤 교수 연구진'>전병곤 교수 연구진</a>과 <a href='https://friendli.ai/' target='FriendliAI'>(주)프렌들리에이아이(FriendliAI)</a>는 엠엘옵스(MLOps)의 핵심 부분인 머신러닝 하이퍼파라미터 최적화 도중 발생하는 중복된 연산을 자동으로 탐지하고 제거하는 시스템인 히포(Hippo)를 개발하였다. 본 시스템을 통해 하이퍼파라미터 최적화 시 걸리는 전체 학습 시간과 그래픽 처리 장치(GPU) 사용량을 큰 폭으로 줄일 수 있을 것으로 기대한다. 하이퍼파라미터는 머신러닝 학습 전에 미리 선택해서 정해야 하는 값을 가리키며, 머신러닝 모델의 성능에 큰 영향을 끼치는 중요한 요인이다. 예로 학습률(learning rate), 배치(batch) 크기 등이 하이퍼파라미터이다. 그러나 최적의 하이퍼파라미터를 찾는 과정은 시행착오(trial-and-error)를 기반으로 하고 여러 하이퍼파라미터의 조합을 함께 최적화 해야하기 때문에, 해당 과정은 계산 집약적이고 많은 자원을 필요로 한다. 이러한 문제를 해결하기 위해 해당 연구진은 머신러닝 하이퍼파라미터 최적화 과정에서 발생하는 중복된 연산을 자동으로 탐지하고 제거하는 시스템을 개발했다. 구글의 비지어(Vizier)와 같은 기존의 머신러닝 하이퍼파라미터 최적화 시스템에서는 연산 수행의 최소 단위를 시행 (trial)으로 처리하는 반면, 히포는 시행을 스테이지(stage)라는 더 세분화된 단위로 쪼개어 여러 시행 간에 서로 동일한 하이퍼파라미터 값을 가져 연산이 중복되는 부분을 표현할 수 있도록 했다. 스테이지를 효율적으로 관리하기 위해 검색 계획(search plan)이라는 트리 형태의 자료 구조를 제안하고, 더 나아가 전체 최적화 수행 시간을 줄이기 위해 스테이지 간의 주요 경로를 배칭하여 스케줄하는 것을 구현했다. 하이퍼파라미터 최적화 시 히포를 사용하면 전체 학습 시간과 그래픽 처리 장치 수행량을 각각 2.76 배, 4.81 배 줄일 수 있다. 히포는 다양한 하이퍼파라미터 최적화 알고리즘과 머신러닝 프레임워크를 사용할 수 있도록 구현하였다. 이번 연구 결과는 <a href='https://vldb.org/2022/' target='VLDB'>VLDB(International Conference on Very Large Data Bases) 2022</A>에서 발표될 예정이다. “Hippo: Sharing Computations in Hyper-Parameter Optimization”, Ahnjae Shin, Joo Seong Jeong, Do Yoon Kim, Soyoung Jung, Byung-Gon Chun. 48th VLDB 2022....
과거 미분류
포스트 대표 이미지

제 28회 휴먼테크논문대상 신호처리분야 금상 및 동상 수상

<a href='https://humantech.samsung.com/saitext/index.jsp' target='_self'>제 28회 휴먼테크논문대상</a>에서 우리 학생들이 우수한 성과를 거두었습니다. o 신호처리 분야 금상 수상자: 박서홍 학부생 (논문지도: <a href='https://cse.snu.ac.kr/professor/%EA%B9%80%EA%B1%B4%ED%9D%AC' target='_self'>김건희</a>) 논문 제목: <a href='https://arxiv.org/abs/2202.00914' target='_self'>Lipschitz-constrained Unsupervised Skill Discovery</a> 박서홍 학생은 강화학습을 통해 아무런 외부적인 보상 함수 없이, 로봇이 다양한 동적인 스킬들을 배울 수 있는 효과적인 방법론을 제안하여 금상을 수상하였습니다. 박서홍 학생은 학부생임에도, 기계학습 최우수 학회인 <a href='https://icml.cc/Conferences/2021' target='_self'>ICML 2021</a>, <a href='https://neurips.cc/Conferences/2021' target='_self'>NeurIPS 2021</a>, <a href='https://iclr.cc/' target='_self'>ICLR 2022</a>에 강화학습 주제로 1저자 논문을 3편 출판하는 탁월한 연구 성과를 보였으며, 이들 중 ICLR 2022 논문으로 수상을 하였습니다. o 신호처리 분야 동상 수상자: 박은화 박사과정생 (논문지도: <a href='https://cse.snu.ac.kr/professor/%EA%B9%80%EC%84%A0' target='_self'>김 선</a>) 논문 제목: <a href='https://arxiv.org/abs/2112.06386' target='_self'>Sparse Structure Learning via Graph Neural Networks for Inductive Document Classification</a> 박은화 학생은 그래프 신경망을 통해 문서분류에 도움이 되는 효과적인 희소구조학습 방법론을 제안하여 동상을 수상하였으며, 세계인공지능학회 <a href='https://aaai.org/Conferences/AAAI-22/ ' target='_self'>AAAI 2022</a>에 그래프신경망 주제로 1저자 논문으로 수상을 하였습니다....
과거 미분류
포스트 대표 이미지

문봉기 교수 연구진, 고성능의 동적 클러스터링 알고리즘 개발

■ 스트리밍 환경에서 빠른 삭제 수행 성능을 가진 동적 클러스터링 알고리즘 개발 ■ 시시각각 변화하는 클러스터의 탐지가 요구되는 다양한 응용 분야에 적용 가능 클러스터링이란 많은 데이터들 속에서 유사한 데이터들의 그룹을 찾는 분석 방법으로서 방대한 데이터에서 의미 있는 정보를 찾는데 활용된다. <a href='http://dbs.snu.ac.kr/' target='_self'>문봉기교수 연구진</a>은 이번 연구에서 스트리밍 환경에서 삭제 연산을 효율적으로 처리하는 밀도 기반 클러스터링 알고리즘을 개발하였다. 이를 통해 클러스터의 변화를 빠르게 감지할 수 있게 됨으로써 시시각각 변화하는 클러스터의 탐지가 요구되는 다양한 응용 분야에 적용 가능할 것으로 기대한다. 기존의 밀도 기반 클러스터링 알고리즘들은 각각의 클러스터를 논리적 혹은 물리적인 그래프의 형태로 관리하여 비정형의 클러스터 조차도 탐지 및 관리할 수 있는 장점을 갖고 있다. 그러나 데이터 삭제 시에 클러스터를 업데이트 하는데 많은 시간이 소요되는 문제로 인하여 실시간 적용을 불가능하게 한다. <a href='http://dbs.snu.ac.kr/' target='_self'>문봉기교수 연구진</a>은 이 해묵은 난제를 극복하기 위하여 클러스터링 알고리즘 덴포레스트(DenForest) 를 개발하였다. 덴포레스트는 스트리밍 환경에서 밀도 기반의 클러스터를 효율적으로 추적 및 관리하는 알고리즘이다. 기존의 알고리즘들과 달리 덴포레스트는 데이터에 내재된 클러스터를 신장 트리(Spanning Tree) 형태로 관리함을 통하여 삭제 시간을 획기적으로 단축하였으며, 이는 다양한 데이터에서의 실험과 이론적인 증명을 통해 검증되었다. 기존의 알고리즘 대비, 덴포레스트는 150배 가까운 빠른 삭제 성능을 보인다. <a href='https://icde2021.gr' target='_self'>2021년 ICDE (International Conference on Data Engineering)</a> 학회에 발표된 선행 연구인 디스크 (DISC) 알고리즘과 더불어 본 연구 결과는 실시간 동적 클러스터링 작업의 성능 향상에 큰 기여를 할 것으로 기대된다. 이번 연구 결과는 오는 6월 <a href='https://sigmod.org/' target='_self'>ACM SIGMOD(Special Interest Group on Management of Data)</a>에 게재될 예정이다. “DenForest: Enabling Fast Deletion in Incremental Density-Based Clustering over Sliding Windows”, Bogyeong Kim, Kyoseung Koo, Undraa Enkhbat, and Bongki Moon....
과거 미분류
포스트 대표 이미지

2021년 Naver Fellowship 수상자 선정

2021년 Naver Ph.D. Fellowship Award 수상자가 선정되어 소식을 전합니다. 1인당 500만원의 장학금을 수여하는 본 프로그램에 올해 훌륭한 인재들이 많이 지원하였으며, 연구성과 및 논문실적을 기준으로 심사를 하여 총 6명의 박사과정 학생이 그 기쁨을 누리게 되었습니다. 김동주 학생(<a href='https://cse.snu.ac.kr/professor/%EA%B9%80%EA%B1%B4%ED%9D%AC' target='_self'>지도교수 김건희</a>)은 다이나믹한 환경에서도 로버스트하게 동작을 하는 딥러닝 모델을 연구하고 있습니다. 김재겸 학생(<a href='https://cse.snu.ac.kr/professor/%EA%B9%80%EA%B1%B4%ED%9D%AC' target='_self'>지도교수 김건희</a>)은 강화학습 분야에서 강건성을 높이는 방법론 및 비지도적 학습 등에 대해 연구하고 있으며, 정보 병목, 상호 정보 최대화를 비롯한 정보 이론적 접근 및 분석, 새로운 환경에서의 스킬 발견 방법론을 연구하고 있습니다. 김현우 학생(<a href='https://cse.snu.ac.kr/professor/%EA%B9%80%EA%B1%B4%ED%9D%AC' target='_self'>지도교수 김건희</a>)은 사회인지(social cognition) 기제를 접목한 딥러닝 기반 대화 모델을 연구하고 있으며, 최근에는 상대방의 감정의 원인을 파악하고 그것에 집중하는 공감 표현 생성 관련 연구를 진행하였습니다. 이상호 학생(<a href='https://cse.snu.ac.kr/professor/%EA%B9%80%EA%B1%B4%ED%9D%AC' target='_self'>지도교수 김건희</a>)은 비디오와 같은 멀티 모달 데이터에 적용할 수 있는 자기 지도 표현 학습법을 연구하고 있습니다. 장준기 학생(<a href='https://cse.snu.ac.kr/professor/%EA%B0%95%EC%9C%A0' target='_self'>지도교수 강유</a>)은 대규모 고차원 텐서 데이터를 위한 효율적인 텐서 분석 기술을 연구하고 있습니다. 조영은 학생(<a href='https://cse.snu.ac.kr/professor/%EC%9D%B4%EC%B0%BD%EA%B1%B4' target='_self'>지도교수 이창건</a>)은 실시간 자율주행을 임베디드 보드에서 실현하였고, 한정된 병렬 컴퓨팅 자원을 한계치까지 활용할 수 있는 이론을 개발하였습니다. 장학생으로 선정된 학생들에게 진심으로 축하의 메시지를 전하며, 향후에도 우수한 연구자로 성장하여 좋은 결과를 보여주기를 기대합니다....
과거 미분류
포스트 대표 이미지