제10회 패턴인식 및 기계학습 겨울학교
- 딥러닝 기초, 이론 및 응용 -
2016년 1월 20일(수) - 22일(금), 고려대학교
정보 기술의 발전과 더불어 다양한 형태의 데이터들이 기하급수적으로 생성되고, 융합 학문의 중요성과 더불어 복잡한 데이터의 분석에 대한 필요성이 여러 학문 분야에서 부각되고 있습니다. 이러한 기술적 요구와 더불어 최근 딥러닝을 필두로 한 기계학습 및 패턴인식에 대한 관심이 그 어느때 보다도 높습니다. 이에 한국정보과학회 인공지능소사이어티에서는 2016년 1월 20일-22일 총 3일에 걸쳐 “제10회 패턴인식 및 기계학습 겨울학교”를 개최합니다.
다양한 분야에서 패턴인식 및 기계학습을 연구하고 계시는 국내 최고 권위의 아홉 분 연사를 모시고, 기초 이론부터 응용 사례에 대한 내용까지 알찬 강의를 준비해 보았습니다. 이번 겨울학교는 특히 패턴인식 및
기계학습 연구에 입문하는 수강생들을 대상으로 하여, 기본 개념 및 응용 기술에 대한 기초 지식을 심도있게 정립하는데 중점을 두었습니다. 많은 분들이 겨울학교에 참가하셔서 여러 분야에서 유용하게 활용하실 수 있는 기회의 장이 되었으면 합니다. 많은 분들이 겨울학교에 참가하여 의미 있는 시간이 될 수 있기를 기대합니다.
2015년 12월 10일
한국정보과학회 인공지능소사이어티 회장 이성환
제10회 패턴인식 및 기계학습 겨울학교 프로그램위원장 김기응
황규백(숭실대학교)
최승진(POSTECH), 최호진(KAIST)
▲ 맨 위로
▶ PRML을 위한 기초 확률 이론 (Basic Probability Theory for PRML)
노영균 교수(서울대학교)
내용
본 강좌에서는 가우스 확률밀도함수를 중심으로 확률 모델을 통한 예측 방법과 원리를 소개한다. 다차원 확률밀도함수를 다룰 때 해석적으로 conditional density function과 marginalized density function을 어떻게 얻어 내는지 소개하고, 이로부터 이해할 수 있는 고차원 데이터의 성질에 대해 설명한다. Maximum likelihood를 포함한 파라미터 추정의 기초에 대해 설명한다. 이렇게 이해한 개념을 바탕으로 Gaussian process regression의 기본 개념을 간단히 소개한다.
약력
2015 - 현재 : 서울대학교 기계항공공학부 BK조교수
2013 - 2014 : KAIST 전산학과 연구조교수
2011 : 서울대학교 인지과학 협동과정 박사
2007 - 2012 : 펜실베니아대학 GRASP 연구실 방문연구원
홈페이지
http://machinelearning.snu.ac.kr
강의자료 다운로드
▶ PRML을 위한 기초 최적화 이론 (Basic Optimization Theory for PRML)
석흥일 교수(고려대학교)
내용
본 강연에서는 패턴인식 및 기계학습 방법론에서 핵심적 역할을 하고 있는 최적화 이론의 기초에 대해 학습한다. 강연의 첫번째 파트에서는 수학적 최적화 문제에 대한 정의 및 gradient 벡터, Hessian 행렬과 같은 기본 개념을 소개한다. 두번째 파트에서는 교사학습 기반의 패턴인식 및 기계학습 방법론, 데이터 분류 모델들의 수학적 최적화 문제 정의, 최적화 문제의 해를 찾기 위한 알고리즘에 대해 학습한다. 본 강연을 이해하기 위해서는 선형대수, 미적분학에 대한 기초 지식이 필요하다.
약력
2015 - 현재 : 고려대학교 뇌공학과 조교수
2012 - 2014 : Univ. of North Carolina at Chapel Hill Postdoc Fellow
2012 : 고려대학교 컴퓨터·전파통신공학과 공학박사
홈페이지
http://www.ku-milab.org
▶ PRML 개요 (Overview of PRML)
오일석 교수(전북대학교)
내용
패턴인식과 기계학습은 불가분 관계이다. 패턴인식에서 발생하는 분류, 회귀, 군집화라는 문제를 기계학습으로 풀기 때문이다. 이 강의는 패턴인식과 기계학습이 사용하는 용어와 개념, 원리와 알고리즘을 개요 수준으로 쉽게 소개하여 초심자들이 즐거운 마음으로 이 분야에 진입할 수 있게 도와줄 것이다. 기본 분류 모델로 신경망, SVM, 결정트리, HMM을 다루며, 앙상블 기법으로 에이더부스트와 임의 숲을 소개한다. 최근에 각광을 받는 깊은 학습에 대해서도 간략히 설명한다. 특징추출과 선택의 중요성과 주요기법을 소개한다. 또한 데이터베이스, 성능 측정 등의 시스템 측면에 대해서도 설명한다.
약력
1992 - 현재 : 전북대학교 컴퓨터공학부 교수
2005 - 2006 : 한국정보과학회 컴퓨터비젼 및 패턴인식연구회 운영위원장
1992 : KAIST 전산학과 박사
홈페이지
http://cv.jbnu.ac.kr
▶ 커널 기법 (Kernel Methods)
박주영 교수(고려대학교)
내용
본 강연에서는 커널 기법의 주요사항(support vector machines, reproducing kernel Hilbert space, representer theorem, Gaussian processes, ...)에 대해 공부한다. 강연의 첫번째 파트에서는 support vector machines의 핵심을 고등학교 1학년 수학 시간에 배우는 "점과 직선의 거리" 개념에서 부터 시작하여 매우 쉽게 설명하고, 점차 이론적 깊이를 더해가면서 reproducing kernel Hilbert space와 representer theorem까지 다루도록 한다. 그리고, 이러한 설명 과정에서 필요할 때마다 커널 기법에 대한 간단한 역사와 matlab 데모를 곁들여서 관련 개념에 대한 친숙도와 이해도를 높이도록 한다. 두번째 파트에서는 확률론적 커널 기법인 Gaussian processes에 대하여 기초부터 핵심 이론까지 순차적으로 공부한다. 확률, 선형대수, matlab에 대한 간단한 기초 지식은 본 강연의 수강에 많은 도움이 될 수 있다.
약력
1993 - 현재 : 고려대학교 제어계측공학과 교수
1992 : University of Texas at Austin 전기및컴퓨터공학과 박사
1983 : 서울대학교 전기공학과 학사
강의자료 다운로드
▶ 동적 시스템의 학습 및 추론 (Learning and Inference for Dynamic System)
최재식 교수(UNIST)
내용
동적 시스템은 금융, 군사, 날씨등 다양한 응용 분야에서 순차 데이터를 표현하는데 필수적인 도구이다. 구글 무인자동차의 모태가된 스탠포드의 스탠리를 개발한 세바스찬 쓰룬 교수는 미국방성이 주최한 무인자동차 경진대회를 우승한 후 "스탠리의 우승에는 칼만 필터가 큰 기여를 하였다"라고 하였다. 본 강의에서는 동적 시스템의 기본이 되는 은닉 마코프 모델 및 (칼만 필터를 포괄하는) 선형 동적 시스템의 (1) 모델 학습 알고리즘과 (2) 은닉 변수 추론 알고리즘을 소개한다. 또한, 딥러닝에 기반한 동적 시스템인 순환 뉴럴 네트워크 모델을 소개하고 응용의 예를 살펴본다.
약력
2013 - 현재 : UNIST 전기컴퓨터공학부 조교수
2013 : 로렌스 버클리 연구소 박사후 펠로우
2012 : 일리노이 주립대 전산학과 박사 / 박사후 연구원
2004 : 서울대학교 컴퓨터공학과 학사
홈페이지
http://sail.unist.ac.kr
강의자료 다운로드
▶ 베이즈망 (Bayesian Networks)
황규백 교수(숭실대학교)
내용
본 강좌는 베이즈망에 대한 개론에 해당한다. 우선 d-separation 규칙을 이용하여 조건부 독립을 표현하는 방식으로서의 베이즈망 구조를 기술하고, 이를 통해 결합확률분포의 효율적인 표현이 가능함을 설명한다. 이후, 주어진 베이즈망에서 임의의 조건부 및 한계 확률을 추론하는 문제를 설명하고, 이 문제를 풀기 위한 전방-후방 알고리즘을 강의한다. 마지막으로 데이터로부터 베이즈망의 파라미터와 구조를 학습하는 방법 및 알고리즘을 다룬다. 본 강좌를 수강하기 위해서는 학부 수준의 확률 및 통계 지식이 필요하다.
약력
2006 - 현재 : 현재 숭실대학교 컴퓨터학부 부교수
2012 : 미국 보스턴어린이병원 의학과 객원연구원
2005 : 서울대학교 전기컴퓨터공학부 박사후연구원
2005 : 서울대학교 전기컴퓨터공학부 공학박사
홈페이지
http://ml.ssu.ac.kr
강의자료 다운로드
▶ 음성 인터페이스 (Speech Interface)
김지환 교수(서강대학교)
내용
본 강의는 음성 인터페이스 구현에 필요한 음향모델, 언어모델 및 디코더 구현에 대한 이해를 목표로 한다. 음성인식의 공학적 문제정의를 제시하며, 음성인식 문제의 복잡도 및 상용화된 음성 인터페이스 기술의 구현 난이도를 분석한다. 현재 음성 인터페이스 구현 기술의 주류를 이루고 있는 DNN-HMM을 중심으로 세부 기술을 소개한다. 음향모델은 HMM(Hidden Markov Models)에 기반한 방식과 DNN (Deep Neural Net)에 기반한 방식을 살펴본다. 언어모델은 n-gram 기반의 언어모델을 소개하며, 디코더에 대한 개념을 설명한다. 실제 application 구현 시 사용한 가능한 toolkit 및 음성 코퍼스에 대해서 소개한다.
약력
2007 - 현재 : 서강대학교 컴퓨터공학과 조교수/부교수
2001 - 2007 : LG전자 책임/선임 연구원
1998 - 2001 : University of Cambridge Department of Engineering 박사
홈페이지
http://speech.sogang.ac.kr
▶ 영상 인식 (Video Recognition)
임종우 교수(한양대학교)
내용
최근 수십년간 동영상에서 관심 물체의 위치나 상태를 추적하는 visual tracking 연구가 활발히 이루어졌고 여러가지 응용분야에 적용되고 있다. 단일 물체를 추적하는 알고리즘에서 부터 복잡한 환경에서 다중 물체를 추적하는 기법에 이르기까지 다양한 알고리즘이 개발되어 왔다. 본 강좌를 통해 물체 추적에서 많이 사용되고 있는 기본적인 Baysian filtering 모델, particle filtering 기법을 학습하고 이를 기반으로 하여 최근에 개발된 여러가지 단일 또는 다중 추적 알고리즘들을 살펴봄으로써 물체 추적 기술에 대한 전반적인 이해를 높인다.
약력
2012 - 현재 : 한양대학교 컴퓨터공학부 부교수
2011 - 2012 : Google Software Engineer
2005 - 2011 : Honda Research Institute Senior Scientist
2000 - 2005 : University of Illinois at Urbana-Champaign 컴퓨터공학 박사
홈페이지
http://cvlab.hanyang.ac.kr
▶ 시각 인식 (Deep Learning for Visual Recognition)
한보형 교수(POSTECH)
내용
심층학습(Deep Learning)은 많은 컴퓨터 비전 관련 문제에서 높은 성능을 나타내고 있고, 하루가 다르게 기술이 발전하여 놀라울 정도로 새로운 알고리즘들이 속속 등장하고 있다. 이와 같이 빠르게 발전하고 있는 심층학습을 이해하기 위하여, 이 강의에서는 인공 신경망의 기초적인 내용에 대하여 설명하고 인공 신경망이 어떠한 이유로 재등장하여 오늘날의 성공에 이르게 되었는지 논의한다. 또한, 컴퓨터 비전 분야에 가장 많이 사용되는 convolutional neural network의 기초적 내용과 응용에 대해 설명한다.
약력
2014 - 현재 : POSTECH 컴퓨터공학과 부교수
2010 - 2014 : POSTECH 컴퓨터공학과 조교수
2005 : University of Maryland at College Park 컴퓨터과학 박사
홈페이지
http://cvlab.postech.ac.kr
고려대학교 자연계캠퍼스 과학도서관 5층 강당 (자세히 보기)
