행사개요

■ 일자 : 2022년 8월 11일(목)~12일(금)

■ 장소 : 숭실대학교 형남공학관 대강의실 05115호 (1층)

■ 주최 : 한국정보과학회 데이터베이스 소사이어티

■ 주관 : 숭실대학교

초대의 말씀

최근 들어 학계와 산업계 전반에서 많은 각광을 받고 있는 빅데이터, 인공지능, 머신러닝 등에 대한 소개와 이해를 돕기 위해 한국 정보과학회 데이터베이스 소사이어티에서 2022년 8월 11(목) - 12(금) 양일에 걸쳐 "최신 데이터 기술 - 기계학습과 빅데이터를 중심으로"라는 부제로 "한국정보과학회 데이터베이스 소사이어티 여름학교"를 개최합니다.

빅데이터와 인공지능, DBMS를 연구하고 계시는 국내 최고 권위의 연사 분들을 모시고 기초 이론에서부터 응용에 이르기까지 다양하고 유익한 내용으로 강의를 준비하였습니다. 부디 많은 분들께서 이번 여름학교에 참여하시어 최신 데이터 기술에 대한 폭넓은 이해와 경험을 습득할 수 있는 기회의 장이 되시기를 기대합니다.

· 대회장: 유재수(충북대)

· 조직위원장: 이상준(숭실대)

· 프로그램위원회: 이민수(이화여대), 이경하(KISTI), 최원익(인하대), 이종욱(성균관대)

· 자문위원: 송하주(부경대), 김철연(숙명여대), 권동섭(MOLOCO), 권준호(부산대)

프로그램

8월 11일(목)

8월 12일(금)

강의자료

2022년도 데이터베이스 소사이어티 여름학교 강의자료 링크

(강의자료는 2022년 08월 17일(수)까지 제공됩니다.)

프로그램 내용요약

■ 프로그램 1 : Graph Neural Networks의 이론과 응용

• • 연사 : 서울대학교 강유 교수

• • 요약 : 그래프는 소셜 네트워크, 웹, 추천 시스템 등 다양한 데이터를 모델링하는데 널리 쓰이며 그래프 뉴럴 네트워크는 다양한 그래프 데이터를 정확하고 효율적으로 분석하는데 필수적이다. 본 세미나에서는 그래프 뉴럴 네트워크에 대한 원리와 이론을 살펴보고, 그래프 뉴럴 네트워크를 활용한 노드 분류 및 추천 시스템 사례에 대해서 살펴본다. 이를 통해 그래프 뉴럴 네트워크를 좀 더 깊이 이해하고, 실제 여러 응용에 활용할 수 있는 지식을 학습한다.

• • 연사 약력 :

- 2003년 서울대학교, 컴퓨터공학과 학사

- 2009년 Carnegie Mellon University, Information Technology 석사

- 2012년 Carnegie Mellon University, Computer Science 박사

- 2013-2015.8 KAIST 전산학과 조교수

- 2015.9-현재 서울대학교 컴퓨터공학부 부교수

■ 프로그램 2 : Graph Neural Networks 기반 추천 시스템 및 응용

• • 연사 : 성균관대학교 박호건 교수

• • 요약 : 최근 인터넷이 발달하고 정보 과부하 시대가 도래하면서, 추천 시스템(Recommender System)은 사용자들의 정보 소비, 의사 결정에 중요한 역할을 하기 시작하였다. 추천 시스템은 과거에 관찰된 사용자-아이템 상호작용(예: 구매, 평점) 데이터를 활용하여, 사용자가 미래에 관심을 가질 만한 아이템을 추천할 수 있기에, 사용자의 상품 구매 확률을 높여 매출과 재방문율을 높이는 데에 큰 역할을 하여 왔다. 하지만, 사용자에 대한 정보가 제한적으로 주어진 경우 높은 성능을 기대하기 어렵기에, 최근에는 많은 연구자들이 High-Order Neighborhood 활용에 강점이 있는 Graph Neural Networks(GNN)을 활용하여 성능을 크게 개선하여 왔다. 본 세미나에서는 GNN에 기반한 추천 시스템의 기본 개념과 최신 동향을 소개하고자 한다.

• • 연사 약력 :

- 2003-2006 한국정보통신대학교 (현재 KAIST로 통합) 전산학과 학사

- 2006-2008 한국정보통신대학교 (현재 KAIST로 통합) 전산학과 석사

- 2008-2013 KIST 영상미디어연구센터 연구원

- 2012-2013 United Nations Centre for Trade Facilitation and Electronic Business, Technical Editor

- 2013-2020 Purdue University 컴퓨터과학학과 박사

- 2020-현재 성균관대학교 소프트웨어학과 조교수

■ 프로그램 3 : 그래프 기계학습의 최신 동향

• • 연사 : KAIST 박찬영 교수

• • 요약 : 그래프는 개체들 간의 연결 관계를 표현하는 데이터 구조로서 실생활의 다양한 현상들을 표현하는데 널리 사용되며, 대표적인 예시로는 사용자의 소셜 네트워크, 지식 그래프, 분자 구조 그래프, 단백질 간 반응 그래프, 유전자 그래프 등을 들 수 있다. 그래프 기반 기계학습 모델의 성능 향상을 위해서는 그래프의 구조를 고려해 node 및 edge의 representation을 학습 하는것이 핵심이며, 이를 위해 최근 딥러닝 기술의 발전과 함께 그래프 분석을 위한 기계학습 기법이 각광을 받고 있다. 본 강연에서는 Graph Representation Learning을 위한 딥러닝 기반 최신 기술 및 연구 동향을 소개하며, 그래프 기계학습 기술의 응용분야에 대해 소개한다. 뿐만 아니라, GNN의 효과적인 학습을 위한 self-supervised learning 기법 및 GNN의 강건한 학습을 위한 adversarial training 기법 대해서도 소개한다.

• • 연사 약력 :

- 2014년 서강대학교, 컴퓨터공학과 학사

- 2019년 포항공과대학교(POSTECH) 컴퓨터공학과 박사

- 2019-2020년 University of Illinois at Urbana-Champaign, 박사 후 연구원

- 2020년-현재 한국과학기술원(KAIST) 산업 및 시스템공학과 조교수

■ 프로그램 4 : 차세대 정보검색 연구

• • 연사 : KAIST 서민준 교수

• • 요약 : 최근 정보의 양이 급격하게 많아지고 높은 검색의 질을 요구하는 수요가 많아지면서 정보검색 연구도 다양한 관점과 방법론으로 접근되고 있다. 본 강연에서는 연사의 언어지식 연구실에서 진행하고 있는 세가지 프로젝트의 결과물에 대해서 다룬다. 첫째로, 스마트폰과 같은 엣지 디바이스에서 구동이 가능한 경량 검색 연구를 소개한다. 본 연구는 2020년 NeurIPS EfficientQA Challenge 500MB Track에서 인간평가 기준 1위을 차지한 바가 있다. 둘째로, 텍스트 문서 뿐만 아니라 비디오와 같은 다양한 모달리티 (Multimodal)를 아우르는 검색 연구를 소개한다. 본 연구는 2021년 ICCV VALUE Challenge Retrieval Track에서 1위를 차지했다. 마지막으로 소개할 연구는 기존 Embedding기반의 단점을 뛰어넘는 생성기반 검색 연구로, 논리 추론이 필요한 Multi-Hop Retrieval 과 같은 문제에서 기존 모델 대비 뛰어난 성능을 보인다.

• • 연사 약력 :

- 2012년 UC Berkeley, 전자컴퓨터공학 학사

- 2012-2013년 Oracle Software Engineer

- 2020년 University of Washington, 전산학 박사

- 2018-2021년 네이버 클로바 연구원 및 리더

- 2021-2022년 Meta 연구원

- 2021년-현재 한국과학기술원 김재철 AI대학원 조교수

■ 프로그램 5 : 대용량 이미지 및 비디오 학습을 위한 기계학습 알고리즘

• • 연사 : 한양대 김은솔 교수

• • 요약 : 본 강연에서는 대용량 이미지와 비디오를 학습하기 위해 제안된 최신 기계학습 알고리즘들을 소개한다. 기 존의 방법론들은 label 정보에 의존하여 알고리즘을 학습하기 때문에, label 정보가 없는 대용량 데이터를 학습시키는데 활용될 수 없다는 한계가 있다. 최근 제안되고 있는 self-supervised learning 알고리즘은 label 정보를 사용하지 않고도 데이터에 대한 효과적인 representation 을 학습할 수 있는 방법에 대한 아 이디어를 소개하고 있다. 본 강연에서는 대용량 이미지와 비디오를 학습하는데 사용될 수 있는 self- supervised learning 알고리즘들을 소개한다. Self-supervised learning 방법론의 원리와 역사를 살펴 보고, 최신 동향에 대해 소개한다.

• • 연사 약력 :

- 2010년 서울대학교 컴퓨터공학부 학사

- 2018년 서울대학교 컴퓨터공학부 박사

- 2018년 ~ 2021년 카카오브레인 연구원, 팀장

- 2021년 ~ 현재 한양대학교 컴퓨터소프트웨어학부 조교수

■ 프로그램 6 : 강건한 딥러닝 및 실세계 응용을 위한 확장

• • 연사 : NAVER 송환준 박사

• • 요약 : 가용 데이터의 폭발적인 증가에 따라 데이터 품질이 인공지능 알고리즘의 성능을 결정짓는 데이터 중심 AI가 인공지능의 주류가 되고 있다. 따라서, 인공지능 모델의 학습과 연계해 데이터 품질을 체계적으로 향상하는 것은 많은 관심을 받고 있다. 특히 딥 러닝 방법론의 경우 에러에 대한 과적한 문제에 취약하기 때문에 산업계에서 해결해야 할 주요 도전과제 중 하나이다. 본 강의에서는 레이블 에러와 관련된 기본적인 개념과 해결책 그리고 실 세계 응용을 위한 기술의 확장에 대한 이해를 높이는 것을 목표로 한다. 레이블 에러와 관련된 연구 동향을 먼저 소개하고 쉽게 구현될 수 있는 강건한 학습을 위한 최신 방법론을 소개한다. 또한, 실 서비스를 위한 보다 현실적인 두 가지 학습환경인 연속 학습 연합 학습의 개념을 소개하며 레이블 에러와 관련된 어떠한 새로운 문제가 있는지 그리고 해당 문제들을 해결하기 위한 방법론을 설명하고자 한다.

• • 연사 약력 :

- 2016년 KAIST 지식서비스공학과 (현 데이터 사이언스 대학원) 석사

- 2021년 KAIST 지식서비스공학과 (현 데이터 사이언스 대학원) 박사

- 2020년 구글 연구소, 연구인턴

- 2021년-현재 네이버 클로바 AI 연구소, 연구원

- 2021년-현재 SNU-NAVER & KAIST-NAVER 공동 AI 연구센터, 연구원

등록안내

■ 등록안내: 사전등록 (온라인) 및 현장등록

■ 사전등록마감: ~ 2022.08.08(월)

■ 사전등록페이지: https://www.kiise.or.kr/conference/conf/105/

■ 행사장, 행사일정 등 관련: 이상준 교수 (sangjun@ssu.ac.kr)

■ 참가확인서, 납입증명서, 거래명세서가 필요하신 경우 '성함, 소속, 행사명'을 기재하여 오다름 주임(dareum89@kiise.or.kr, 070-4800-4012)에게 신청하여 주시기 바랍니다.

등록비 일반 전일제 학생

사전등록 300,000 원 200,000 원

현장등록 350,000 원 250,000 원

행사장

■ 숭실대학교 형남공학관 대강의실 05115호 (1층) | 숭실대학교 캠퍼스맵 ☞