다양한 산업 분야에서 수학을 어떻게 활용하는 것인가의 고민은 4차산업혁명 시대에서는 선택의 문제가 아니라 필수적인 요소가 되었습니다.

이 강연은 수학과 산업의 다각적인 연결을 탐구하고 수학은 아는 만큼 행복하다는 관점을 언급하고자 합니다.

그것은 어떻게 수학적 원리와 기술이 금융에서 의료와 제조에 이르는 분야에서 현실의 문제를 해결하고 과정을 최적화하고, 혁신을 이끄는 데 필수적인 지에 대해 소개합니다.

산업에서의 수학의 적용은 생산성과 효율성을 향상시킬 뿐만 아니라 경제 성장과 사회 복지및 안전까지도 기여합니다.

더욱이, 그것은 데이터 분석, 모델링, 그리고 최적화와 같은 수학적 개념이 어떻게 빠르게 변화하는 세계 환경에 적응할 수 있도록 역할을 하는지 보여줍니다.

수학과 산업의 공생 관계를 소개함으로써, 이 강연은 더 밝고 더 풍요로운 미래를 조성하는 수학의 변혁적 잠재력을 조명하고, 궁극적으로 개인과 사회 전체에 더 큰 행복으로 이끄는 것을 목표로 합니다.

數學(수학)의 연구를 통해 인류는 수많은 발전과 혜택을 받아왔고, 또한 앞으로 지속적으로 받게 될 것입니다. 영국의 사례를 보면 산업수학이 실제 산업에 얼마나 큰 도움이 되었는지, 미국의 사례를 보면 수학자들이 얼마나 산업에 필요한지가 여러 지표를 통해 증명되었습니다. 하지만 이 數學(수학)의 이름이 마치 숫자나 계산만을 연구하는 즉 算數(산수)라 오해하는 일반인들이 많은 것도 현실입니다. 특히 수학을 실 생활과 업무에 어떻게 적용시키는지, 아니 적용 자체가 가능한지 조차 모르는 경우가 태반이었습니다. 국가기관, 공기업, 대기업의 경우는 다를 수 있지만 국가의 허리 축을 담당하는 중소기업, 중견기업 그리고 새롭게 태어난 스타트업까지 대부분은 본인의 사업분야는 수학과 관계가 없다고 생각하는 분들이 많았습니다. 그러한 연유로 수학자보다는 개발자의 도움을 더 필요로 하는 경우가 많았습니다. 

그래서 오늘 강의에서는 수학자가 아닌 일반인의 시점에서 수학으로 발전한 여러 분야에 대한 사례를 공유하고 실제 산업수학문제해결 워크샵을 통해 혜택을 받고 발전한 많은 사례들 중 제가 직접 경험한 사례를 공유하여 대한민국의 수학자들이 국가와 사회 그리고 기술발전에 얼마나 커다란 공헌을 하고 있는지, 앞으로 여러 산업수학을 통한 문제해결에 非수학자들과의 소통에서도 도움이 될 만한 이야기들을 소개하려 합니다.

보건의료산업에서 수학적 모델링은 질병의 전파를 예측할 뿐만 아니라 보건의료분야의 의사결정, 자원 관리, 데이터 분석, 비용 효과성 등 다양한 측면에서 중요한 역할을 한다. 본 강연에서는 통계청 마이크로 데이터를 이용한 사망자 모델 구축 및 초과사망 분석, 수학적 모델링을 이용한 감염병 백신 임상시험 최적화 문제 사례를 소개한다.  

The classification of white blood cells (WBC) has been one of the important problems in the area of medical image processing and AI data analysis. Most current research on this is based on the established datasets including BCCD, LISC, and segmentation WBC. It is a natural question to develop a more general deep learning algorithm which works for various kinds of datasets of WBC. In order to be more realistic, we collected white blood cell images from actual patients and integrated them with the known datasets.  We have developed a CNN model called DH-WBC classifier with 10 layers which outperforms VGG-16 and ResNet-50 with respect to the classification accuracy. Further, we have applied YOLO for object detection and structure-preserving color normalization and U-net for image segmentation. 

최근에 딥러닝 모델의 우수한 성능과 함께 발생하는 계산 비용 및 매개변수 관리의 어려움을 극복하기 위한 혁신적인 텍스트 분류 방법에 대한 연구가 발표되었습니다. 이 논문에서는 압축 알고리즘 gzip과 k-최근접 이웃 분류기를 효과적으로 통합하여 경량 모델을 개발하였습니다.  

이 방법은 사전 훈련 없이 다양한 데이터 세트에서 경쟁력 있는 성능을 보였으며, 기존 딥러닝 모델 중에서 일부를 능가했습니다. 뿐만 아니라, 이 방법은 분포 외 데이터 세트에서는 사전 훈련된 모델 및 사전 훈련되지 않은 모델보다 우수한 성능을 보입니다. 본 발표에서는 gzip 알고리즘의 작동 원리와 압축 용량을 기반으로 한 거리 지표와 이를 이용한 텍스트 분류 알고리즘에 대해 설명합니다. 

This talk delves into the intricate relationship between microscopic particle interactions and macroscopic system behaviors, utilizing the Boltzmann equation as a foundational tool. We navigate through challenges associated with handling a vast number of particles, exploring specific conditions such as high-temperature and low-density environments, and their implications on particle dynamics. The talk also sheds light on diffusion processes and their role in thermal conduction in gases. Towards the end, we discuss strategies for relaxing the model to facilitate numerical computation, aiming to provide a comprehensive understanding that bridges the gap between microscopic interactions and macroscopic phenomena. 

In this talk, I shall review current issues and relevant methodologies, including some aspects of, e. g. classical data mining, machine learning, LLMs (Large Language Models), etc. in industrial data science, drawing on my experience as a mathematical physicist and data scientist working at the Research Institute of Industrial Science & Technology (RIST). My discourse will be primarily directed towards population genomics, financial mathematics/engineering, with a particular emphasis on risk/safety modelling, and materials science. I endeavour to discuss pressing research problems within these fields, sharing insights from my own practices in these industrial sectors. Furthermore, this talk will also shed light on the prospects for collaborative research, particularly in alignment with part of the future R&D strategies of the POSCO Group. This presentation aims to bridge the gap between academic inquiry and industrial applications, highlighting how interdisciplinary approaches can address complex challenges in today's data-driven landscape. 

최근 인공지능(AI) 기술의 발전은 기존에 상상조차 하지 못했던 창의적이고 혁신적인 가능성을 제시하고 있습니다. 특히 생성형 AI는 텍스트, 이미지, 시계열 등 다양한 데이터 분야에서 인간과 유사한 창조력을 발휘하며 놀라운 성과를 이루고 있습니다. 이러한 맥락에서, 본 강연은 두 개의 발전된 AI 시스템, 김컴재와 조향사 센트리아를 중심으로, 생성형 AI의 현재 상황과 미래를 탐구합니다. 생성형 AI의 기술적 진보와 그로 인해 생겨난 새로운 기회를 이해하고, 이에 비롯된 위험과 제약사항, 그리고 이를 극복하기 위한 방안을 논의합니다. 

편미분 방정식은 현실 세계의 다양한 물리적, 경제적, 그리고 공학적인 현상을 모델링하는 데에 광범위하게 사용됩니다. 이러한 방정식을 정확하고 효과적으로 해결하면 산업 분야에서 발생하는 다양한 문제에 효과적으로 대응할 수 있습니다. 딥러닝 모델은 고차원의 데이터에서 의미 있는 패턴을 추출하고 학습할 수 있는 능력으로 인해 현대 산업 분야에서 기존의 방법론을 보완하고 확장하는 역할을 하고 있습니다. 본 강연에서는 편미분 방정식을 해결하기 위한 수치적 방법과 딥러닝 모델 및 개체 탐지 알고리즘을 이용한 산업 수학 사례를 소개합니다. 

최근 20년 동안 SARS-CoV, MERS-CoV 및 SARS-CoV-2와 같은 여러 코로나 바이러스가 등장하여, 이러한 코로나 바이러스 및 새로운 변이 바이러스들은 전 세계적으로 심각한 위협으로 떠오르고 있습니다. COVID-19 감염 확산의 특성과 각 시기에 실시된 한국의 K-방역 관련 정책의 효과를 분석하고자 합니다. 또한, COVID-19에 대한 예측 및 정책 결정을 위해 수학적 및 통계적 모델링의 방법 및 연구결과를 소개하고자 합니다. 또한, 코로나19 뿐만 아니라, 중장기 예측을 위한 계절성 감염병 등의 최근 연구 주제들을 소개합니다.