2025년 하계 학부생 인턴 모집 공고 (마감)

연구실 소개

• 서울과학기술대학교 Big Data-Driven AI 연구실 (연구책임자: 권혁윤 교수)은 대학 4학년 학부 학생들을 대상으로 25년 여름방학 하계 인턴을 모집합니다 (그 밖에 학부생 연구원, 석사과정, 박사과정 지원자는 하단 이메일로 따로 연락주세요.)

• 본 연구실은 아래의 연구를 주로 수행하며, AI, 데이터마이닝, 데이터베이스, 분산컴퓨팅 분야에서 세계적인 수준의 Top Tier 학술대회 및 저널 논문 제출을 목표로 합니다. 

  • Data-Driven AI

    • Anomaly detection and forecasting in time-series (NeurIPS2024, IEEE TII2024, AAAI2025)

    • Representation learning in graphs (SIGMOD2025, IEEE TKDE2024, ICDM2023)

    • Image segmentation and video highlight detection (Applied Soft Computing 2022)

  • AI-focused Practical Analysis

    • Fairness of datasets and AI models

    • Continual learning (IEEE BigData2024a, IEEE BigData2024b)

    • Self-training (IEEE TII2024)

    • Federated learning  (ICDE2025)

    • Multimodal learning

    • Large language model (Knowledge-Based Systems 2024)

  • Scalable Data Computing

    • Data scraping (Data & Knowledge Engineering 2024)

    • Edge-Cloud computing (IEEE TII2025)

    • Distributed data pipeline and ingestion

• 연구실구성원: 박사과정 6명 (외국인학생 1명포함), 석박사통합과정 1명, 석사과정: 5명 (외국인학생 1명포함), 학부생인턴: 3명, 행정원: 1명

• 주요 프로젝트: 연구재단 중견연구(2025~2030), BK(2020~2027), 연구재단 중점연구소(2019~2028), 전자제조인력양성사업 (2021~2026), 국립중앙의료원(2024~2025), 산업부 한-영 국제공동기술연구개발 (2024~2026), 중기부 시장대응형 (2024~2026)

• 최근 2년 주요 실적 (학생 Underline) 

  • • [Top Conference, 국제공동연구(LSU, USA)]  Bo-Young Lim, Jeong-Ha Park, Kisung Lee, and Hyuk-Yoon Kwon*, "Multi-Level Graph Representation Learning Through Predictive Community-based Partitioning," In Proc. 2025 ACM SIGMOD Int'l Conf. on Management of Data, Berlin, Germany, June 2025  

    • [Top Conference, 국제공동연구(Georgia Tech, USA)] Jihoon Moon, Ling Liu, Hyuk-Yoon Kwon*, "FedSDP: Federated Self-Derived Prototypes for Personalized Federated Learning," 2025 IEEE 41st International Conference on Data Engineering (ICDE), Hong Kong, May 2025.

    • [Top Journal] Junghwan Im, Young Il Lee, Changdae Lee, Hyuk-Yoon Kwon*, "Orchestration of Edge Controller and Cloud Metric Engine for Managing OPC UA-based Microgrids," IEEE Transactions on Industrial Informatics, May 2025 (Accepted). 

    • [Top Conference] Jaeseok Jang and Hyuk-Yoon Kwon*, "TAIL-MIL: Time-Aware and Instance-Learnable Multiple Instance Learning for Multivariate Time Series Anomaly Detection," The 39th Annual AAAI Conference on Artificial Intelligence (AAAI2025), Philadelphia, Pennsylvania, USA, Feb. 2025.

    • [Top Conference] Jaeseok Jang and Hyuk-Yoon Kwon*, "Are Multiple Instance Learning Algorithms Learnable for Instances?," Thirty-Eighth Annual Conference on Neural Information Processing Systems (NeurIPS 2024), Vancouver, Canada, Dec. 2024 [PDF] [VIDEO] .

    • [Top Journal, 국제공동연구(LSU, USA)] Jeong-Ha Park, Bo-Young Lim, Kisung Lee, and Hyuk-Yoon Kwon*, "SaaN 2L-GRL: Two-Level Graph Representation Learning Empowered with Subgraph-as-a-Node," IEEE Transactions on Knowledge and Data Engineering (TKDE), Dec. 2024 (Impact Factor: 8.9, top 1.8%) 

    • [국제공동연구(Georgia Tech, USA)] Min-Seon Kim, Ling Liu, and Hyuk-Yoon Kwon*, "SPrint: Self-Paced Continual Learning with Adaptive Curriculum and Memory Replay," 2024 IEEE International Conference on Big Data (IEEE BigData 2024), Washington D.C, USA, Dec. 2024 (acceptance rate = 18.8%)  [video] .

    • [국제공동연구(Georgia Tech, USA)] Min-Seon Kim, Ling Liu, and Hyuk-Yoon Kwon*, "OL4TeX: Adaptive Online Learning for Text Classification under Distribution Shifts," 2024 IEEE International Conference on Big Data (IEEE BigData 2024), Washington D.C, USA, Dec. 2024 (acceptance rate = 19.7%) (Ack: 2022R1F1A1067008 and 2020M3H2A1078119) [video] .

    • [Top Journal] Jong Seong Park, Jeong-Ha Park, Jihyeok Choi, and Hyuk-Yoon Kwon*, "Learning with Correlation-Guided Attention for Multi-Energy Consumption Forecasting," IEEE Transactions on Industrial Informatics (TII), Nov. 2024 (Impact Factor: 11.7, top 1.5%) 

    • Seung-Kyu Hong, Jae-Seok Jang, and Hyuk-Yoon Kwon*, "Enhancing Performance of Transformer-based Models in Natural Language Understanding through Word Importance Embedding," Knowledge-Based Systems, Nov. 2024 (Impact Factor: 7.2 top 13.5%).

    • [Top Journal] Jae-yeol Kim and Hyuk-Yoon Kwon*, "Self-Training of Cyber-Threat Classification Model with Threat-Payload Centric Augmentation," IEEE Transactions on Industrial Informatics (TII), Oct. 2024 (Impact Factor: 11.7, top 1.5%) . 

    • Taehee Kim, Jae-Seok Jang, and Hyuk-Yoon Kwon, "Correlation-Driven Multi-Level Learning for Anomaly Detection on Multiple Energy Sources," Applied Soft Computing, July 2024 (Impact Factor: 7.2, top 8.6%) .

    • [국제공동연구(NAIST, Japan)] Yun-Tae Jin, Jae-Beom You, Shoko Wakamiya, and Hyuk-Yoon Kwon*, "Analyzing User Reactions Using Relevance between Location Information of Tweets and News Articles," EPJ Data Science, June 2024 (Impact Factor: 3.0 top 12.7%). 

    • [Top Conference, 국제공동연구(LSU, USA)] Jeong-Ha Park, Kisung Lee, and Hyuk-Yoon Kwon*, "Two-Level Graph Representation Learning with Community-as-a-Node Graphs," In Proc. 23rd IEEE International Conference on Data Mining (IEEE ICDM 2023), Shanghai, China, Dec. 2023 (oral presentation, acceptance rate = 19.94%) . 

    • Min-Seon Kim, Bo-Young Lim, Han-Sub Shin, and Hyuk-Yoon Kwon*, "Historical Credibility for Movie Reviews and Its Application to Weakly Supervised Classification," Information Sciences, Vol. 630, pp. 325-340, June 2023 (Impact Factor: 8.233, Top 9.45%).

모집분야 (중복접수가능)

• 분야1: 연합학습 (1명)

  • 연구주제: Federated Codebook Learning for Generalizable Vector Quantization

  • 연구목표

    • 학습 데이터 분포에 민감한 Vector Quantization(VQ)의 한계를 해결하기 위해, 사전학습된 AutoEncoder/VQ-VAE 기반의 코드북을 연합학습 방식으로 공유하는 구조를 제안

    • 각 클라이언트는 freeze된 encoder로부터 latent를 생성하고, 로컬 코드북을 학습

    • 이후 각 클라이언트의 코드북을 서버에서 통합하여 다양한 데이터 분포를 포괄하는 범용적인 코드북 공간을 구축

  • 제출: AAAI (9월 중)

  • 상세내용소개: 바로가기

• 분야2: LLM 공정성 평가 (1명)

  • 연구주제: CommonCrawl 분석 및 LLM 공정성 영향 연구

  • 연구목표

    • LLM 페르소나 기반 분석을 통해 CommonCrawl 웹 코퍼스의 내재적 편향성 규명

    • 데이터 필터링 방식이 콘텐츠 대표성에 미치는 영향 분석

    • 편향이 확인된 데이터와 균형 조정된 데이터로 학습한 LLM 성능 비교

  • 제출: WSDM(8월 중) / WWW(10월 중)

  • 상세내용소개: 바로가기

• 분야3: 웹 데이터 편향성 (1명)

  • 연구주제: Web Fair 데이터셋 구축 방법론

  • 연구목표

    • 다차원 특성(정치적 성향, 주제별 입장 등)을 고려한 웹 데이터의 벡터/그래프 표현 학습

    • 공정성을 최적화하는 다차원 공간 샘플링 알고리즘 개발

    • 구축된 데이터셋의 공정성 평가 및 LLM 학습 효과 검증

  • 제출: WSDM(8월 중) / WWW(10월 중)

  • 상세내용소개: 바로가기

• 분야 4: 자연어 처리 (1명)

  • 연구주제: NLP에서의 Spike와 SNN 모델 간의 관계

  • 연구목표

    • Spike 발생량과 SNN 모델 학습 경향의 관계 규명

    • SNN 모델의 학습 속도와 성능 최적화를 위한 하이퍼 파라미터 최적화

    • SNN의 새로운 미분 방법론 제안

  • 제출: NAACL (2025. 10월 중)

  • 상세내용소개: 바로가기

• 분야 5: 의료 질병 영상 분류 모델 (1명)

  • 연구주제: 확장 가능한 다중 도메인 안저 이미지 연합학습 프레임워크

  • 연구목표

    • 본 연구는 보안이 중요한 안저 의료 영상에 대해 데이터 유출 없이 학습 가능한 자가 지도 연합 학습 프레임워크를 제안한다.

    • Pretraining (Federated Self-Supervised Learning)

      • Label 데이터 없이도 학습 가능한 MAE 기반 MIM(Masked Image Modeling) 방식을 채택

      • 다양한 병원에서 수집된 도메인 분산 안저 이미지를 활용해 글로벌 일반화 encoder 학습

    • Fine-tuning (Supervised Learning)

      • Encoder는 동결하고 각 클라이언트는 Shallow CNN Adapter + Classifier를 학습

      • 도메인 특화 표현 및 결정 경계를 로컬 학습으로 확보

    • Pseudo Labeling (Semi-supervised Collaboration)

      • Label 데이터가 없는 클라이언트는 Encoder + Adapter + Classifier를 활용한 공유 모델을 통해 Pseudo Label을 획득

      • 획득된 라벨을 기반으로 로컬 모델 재학습 수행

  • 제출: Medical Image Analysis (9월 중)

  • 상세내용소개: 바로가기

• 분야 6: 엣지-클라우드 컴퓨팅 (1명)

  • 연구 주제: Community-aware Lightweight Adaptation for Edge-Level Time Series Forecasting

  • 연구 목표

    • 자원 제약이 있는 Edge 환경에서 모델 학습 오버헤드 및 자원 사용량 최적화를 위해 유사한 시계열을 묶어 하나의 모델로 학습하는 Community  기반 예측 모델 구축 프레임워크 제안한다.

    • 각 Edge에서 경량 후처리 adaptor를 활용하여 예측 성능을 보정하는 구조를 제안한다.

  • 제출: AAAI(9월 중)

  • 상세내용소개: 바로가기

모집대상

• 데이터 엔지니어링 기술과 데이터 기반 AI기술을 접목한 연구를 경험하고 싶은 학생

• 지도교수님 및 박사과정과 세계 최고수준 Top Tier 학술대회 및 SCI 저널 논문 작성을 목표로 연구 과정을 경험해 보고 싶은 학생

• (25년 가을, 26년 봄/가을학기) 석사/석박사통합 과정 진학을 염두에 둔 학생

자격요건

• 컴퓨터공학/산업공학/데이터사이언스 학과 전공자 또는 해당 전공을 공부해보고 싶은 학생

• 높은 수준의 연구를 경험해보고 싶은 학부 4학년

• 1주일 40시간 이상 연구에 시간 투자할 수 있는 학생

• 데이터를 다루는 것에 흥미가 있는 학생

• 성실하고 끈기있는 학생

• 1개 이상의 자신있는 프로그래밍 언어를 갖춘 학생 (optional)

혜택

• 여름방학 8주간 장학금 200만원 지급 (Full time 기준)

• 제출한 논문이 Accept될 경우 해외학회 경비 지원

• 국제공동연구기회

  • 인턴 이후 지속적인 연구를 수행할 경우 미국 대학 방문 (8주) 또는 온라인 연구 진행

  • Georgia Tech (미국, Prof. Ling Liu), Louisiana State University (미국, Prof. Kisung Lee), University of Florida (미국, Prof. Thai), NAIST (미국, Prof. Wakamiya)

• 국가연구개발프로젝트(연구재단-중견연구, 산자부 한국-영국 공동연구, 중소벤처기업부 등) 및 산학협력프로젝트 (국립의료원, 산업AI 기업, 제조AI 기업 등) 참여기회

제출서류

• 준비서류: 학부 성적표, 자기소개서(지원동기 포함 2페이지 내외 자유양식), 이력서 (optional)

• 제출양식: 바로가기

Timeline

• 서류 제출 마감: ~ 2025년 6월 13일(금)

• 인터뷰 대상자 안내: 2025년 6월 16일(월)

• 인터뷰 (대면 또는 Zoom): 2025년 6월 17일(화) ~ 6월 19일(목)

• 결과 공지: 6월20일(금)

• 인턴 기간: 6월23일(월)부터 8주 (시작날짜 조정가능)

Contact

• 연구실 홈페이지: https://bigdata.seoultech.ac.kr

• 연구실 랩대표 (박사과정 2년차 임정환) 이메일: ijh4565 [at] naver [dot] com 

• 교수님 이메일: hyukyoon.kwon [at] seoultech [dot] ac [dot] kr  (LinkedIn)

• 연구실위치: 서울과학기술대학교 무궁관 712호

선발결과

• 분야2,3: 이재원 (국민대), 이세훈 (고려대)

• 분야5: 박우진 (삼육대)

• 분야6: 김남호 (서울과학기술대)