Loading...

학술행사

Korean AI Association

학술행사

  >   학술행사   >   국내학술대회

국내학술대회

연사 및 초록 (19일)
 
김지수 교수(UNIST)
 
Title:  Sequential Decision Making and Bandits
 
Abs: 
본 강연에서는 적응적 의사 결정을 위한 밴딧 알고리즘의 이론을 확률론적 및 통계적 관점에서 소개한다. 특히 다양한 밴딧 알고리즘의 exploration-exploitation 의 균형을 맞추기 위한 전략과 그 과정에서 발생하는 데이터간 상관성을 고려한 분석에 대해 자세히 소개한다.
 
Bio: 
Gi-Soo Kim is an Assistant Professor in the deparment of Industrial Engineering and Artificial Intelligence Graduate School at UNIST. Her research focuses on both theoretical and practical aspects of sequential decision making. She is interested in developing efficient multi-armed bandit algorithms and proving their theoretical guarantees.
 
 
 
박재식 교수(서울대학교)
 
Title: 영상기반 3차원 복원과 AI 응용
 
Abs: 
이미지로 부터 3차원 모양과, 공간, 그리고 모습을 온전히 복원할 수 있는 Radiance Field는 다양한 표현 기법의 제안으로 빠르게 발전하고 있다. 본 강연에서는 Radiance Field의 발전과정을 고찰하고, 최근 이루어지고 있는 경량화 기법, 빠른 렌더링 기법, 동적 물체의 표현 기법, 그리고 언어 모델과의 결합을 수행하는 다양한 연구들을 소개한다.
 
Bio: 
Jaesik Park is an Assistant Professor of Computer Science Engineering and an Interdisciplinary Program in AI at Seoul National University. He received his Bachelor’s degree from Hanyang University, and he received his Master’s and Ph.D. degrees from KAIST (supervised by Prof. Yu-Wing Tai and Prof. In So Kweon). He was a staff research scientist at Intel intelligent systems lab (led by Dr. Vladlen Koltun), where he co-created Open3D library. Before joining Seoul National University, he was a faculty member at POSTECH. His research interests include text-to-image synthesis, 3D perception, and computer vision topics. He serves as a program committee at prestigious international conferences, such as CVPR, ECCV, ICCV, and NeurIPS.
 
 
 
윤상두 연구소장(네이버 AI Lab)
 
Invited Talk Title: Towards Reliable and Efficient Multimodal AI
 
Abs: 
In this talk, we will discuss the current state and future prospects of multimodal AI. In particular, we will focus on the key challenges in ensuring reliability and efficiency in multimodal AI, explaining why addressing these factors is crucial for the successful real-world deployment of next-generation intelligent systems.
 
Bio: 
Sangdoo Yun is a research director at NAVER AI Lab. He received BS (2010), MS (2013), and PhD (2017) from Seoul National University. He currently serves as an adjunct professor at SNU AI since Sep 2022, following his previous appointment at SNU CSE Dept (Sep 2021-Aug 2022). He is actively serving in the computer vision and machine learning community as area chair for major conferences including NeurIPS D&B'23-'25, ECCV'24, CVPR'25, and ICLR'25.
 
 
 
안성수 교수(KAIST)
 
Title: Machine Learning for Molecules and Materials
 
Abs: 
Molecules and materials represent a unique and impactful data modality for machine learning (ML), with far-reaching applications in life and materials science. This modality stands out for ML due to its intrinsic structural properties—such as graph and 3D configurations—and the goal of identifying novel, high-value molecular candidates. In this lecture, I will discuss frameworks that leverage these structural and reward functions to advance simulation and discovery of molecules and materials. The scope will range from ML methodologies for molecules (geometric deep learning and geometric generative models) to more specific applications on drug or material design (ML force fields, protein-ligand docking, material generation).
 
Bio: 
Sungsoo Ahn an assistant professor in the Graduate School of AI at KAIST. He received his Ph.D. from KAIST, under the supervision of Prof. Jinwoo Shin. His research spans around developing probabilistic and structure-based algorithms for machine learning. His recent interest is on the application of ML algorithms to molecules, in particular to drug or material discovery. 
 
 
 
이창희 교수(고려대학교)
 
Title: An Introduction to Deep Learning Approach to Individualized Treatment Effect Estimation
 
Abs:
현대 의학은 무작위 대조군 임상 시험 (RCT) 결과를 바탕으로 치료법을 결정하는 것이 일반적입니다. RCT는 특정 환자 집단에 대한 평균 치료 효과를 제공하지만, 개별 환자의 특성을 고려하지 못한다는 한계가 있습니다. 각 환자는 유전적 배경, 생활 습관, 질병 진행 정도 등 다양한 요인에 따라 치료 반응이 다를 수 있습니다. 따라서 개인 맞춤형 치료를 위해서는 개별 환자에 대한 정확한 치료 효과 예측이 필수적입니다. 본 강의에서는 특정 환자에게 특정 치료법을 적용했을 때 나타나는 효과를 의미하는 개인별 치료 효과(Individual Treatment Effect, ITE) 또는 조건부 평균 치료 효과(Conditional Average Treatment Effect, CATE)를 추정하는 방법을 소개하고, 심층 학습(Deep Learning)의 강력한 표현 학습 능력을 통해 개인의 고유한 특성에 기반하여 특정 치료가 개인에게 미치는 영향을 예측하는 방법을 소개합니다.
 
Bio: 
- 주요학력
(2016.08 ~ 2021.08) 공학박사, 캘리포니아 대학교, 로스앤젤리스
(2011.03 ~ 2013.02) 공학석사, 고려대학교
(2007.03 ~ 2011.02) 공학학사, 고려대학교
- 주요 활동 이력
(2024.09 ~ 현재) 고려대학교, 인공지능학과, 조교수
(2023.01 ~ 현재) 대학의료인공지능학회, 학술위원
(2025.01 ~ 현재) 한국통신학회, 학술이사
(2021.09 ~ 2024.08) 중앙대학교, 조교수
(2019.03 ~ 2019.04) Public Health England, 방문연구원
(2013.03 ~ 2016.05) 한국전자통신연구원, 연구원