Korean AI Association

  >   학술행사   >   국내학술대회


연사 및 초록 (15일)
최영근 교수(성균관대학교)
Title: Basics of Causal Inference and Learning
This tutorial presents the essential concepts of causal inference and learning, a vital component of contemporary data science. This session will cover selected topics including: (i) "Causal Identification," focusing on how to identify and manipulate causal relationships within the Potential Outcome Framework (POF) and Structural Causal Model (SCM) at the population level, (ii) "Causal Effect Estimation," exploring methods to measure the impact of causality from observed data given identification, and (iii) "Causal Discovery," examining techniques to recover cause-effect pairs of SCM from existing data. Some key foundational insights of probability and statistical theory will be touched as needed.
His research interests are stat/ML methods and applications for multivariate data analysis, causal inference, multi-armed bandits, and dynamic pricing. He received the Ph.D. degree in statistics in 2015. Since 2023, he has been an Assistant Professor at the Mathematics Education Department, Sungkyunkwan University, Seoul, Korea. From 2019 to 2023, he served as an Assistant Professor at the Department of Statistics of Sookmyung Women's University, Seoul, Korea. From 2018 to 2019, he was a Research Scientist at Data Labs of SK Telecom, Seoul, Korea. From 2016 to 2018, he worked as a Postdoctoral Fellow at the Public Health Division of Fred Hutchinson Cancer Research Center, Seattle, USA.

임성빈 교수(고려대학교)
Title: Diffusion Model in a Nutshell: Theory & Algorithm
본 튜토리얼에서는 Diffusion Model 의 이론적 배경과 알고리즘을 소개합니다.
2023.03 - 현재: Korea University, Department of Statistics, Assistant Professor
2020.01 - 2023.02: UNIST Artificial Intelligence Graduate School, Assistant Professor
2018.01 - 2019.12: Kakao Brain, Research Scientist
2017.02 - 2017.07: DeepBio, Research Engineer
2016.03 - 2017.01: Samsung Fire & Marine Insurance, Junior Professional
2016.02 Korea University, Ph.D. in Mathematics

최윤재 교수(KAIST)
Title: 전자의무기록을 이용한 헬스케어 인공지능 연구
이 튜토리얼은 의료 데이터, 구체적으로 전자의무기록을 이용한 헬스케어 인공지능 연구에 대해 소개합니다. 전자의무기록은 병원에서 환자의 치료와 관련하여 수집되는 모든 정보를 뜻합니다. 이 강연에서는 먼저 전자의무기록의 구조에 대해서 간단하게 설명한 후, 이를 이용해서 수행할 수 있는 대표적인 인공지능 연구 토픽 세 가지, 진단 및 예측, 멀티모달 학습, 질의응답을 소개합니다. 
2020 년 3 월 - 현재: KAIST AI 대학원, 조교수
2018 년 9 월 – 2020 년 2 월: Google Brain, Software Engineer
2017 년 2 월 – 2017 년 8 월: DeepMind, Google Research Intern
2010 년 2 월 – 2014 년 4 월: 한국전자통신연구원 (ETRI), 연구원
박사, 2018 년 8 월: Georgia Tech, Computer Science
석사, 2009 년 8 월: KAIST, 전산학과
학사, 2007 년 8 월: 서울대학교, 컴퓨터공학과