7월 4일 (월)

발표주제 발표자
9:00-12:00
(3시간)
그래프 신경망 및 이를 활용한 추천 시스템 학습 이론 연세대
신원용 교수
그래프 신경망은 그래프에서 높은 표현 능력과 함께 특징 정보를 추출하는 방법론으로 학계와 산업체에서 최근 폭발적인 관심을 받고 있다. 본 세미나에서는 그래프 신 경망의 개요 및 주요 동작 원리를 다룬다. 구체적으로, message passing의 원리를 이해하고 state-of-the-art 알고리즘에서 사용한 다양한 message passing 함수를 소개 한다. 그리고, 협업 필터링에 기반한 추천 시스템을 소개하고, 이러한 추천 시스템 설계에 그래프 신경망의 응용에 대해 학습한다. 경량화된 그래프 신경망을 사용한 state-of-the-art 추천 알고리즘을 소개하고, 해당 방법들이 가지는 challenge를 이해한다. 마지막으로, 발표자 연구실에서 제안한 그래프 신경망을 활용한 새로운 추천 시스템 방법을 간단히 소개한다.
12:00-13:30 중식
13:30-15:30
(2시간)
Representation Learning for Meta-learning and Few-shot learning KAIST
윤세영 교수
딥러닝은 컴퓨터 비젼과 자연어 처리의 많은 응용분야에서 놀라운 성능을 보여주며 많이 연구 및 사용되고 있다. 하지만 딥러닝을 학습시키기 위해서는 굉장히 많은 양의 데이터를 모아야 하는 문제가 있었다. 인간의 학습 과정을 보면 다른 경험으로 부터 얻은 지식을 바탕으로 굉장히 쉽고 빠르게 새로운 지식을 습득 하는 상황들이 많 이 존재하며 딥러닝도 이와 같은 인간의 학습 효율을 따라가기 위한 노력이 최근 많이 이루어지고 있다. 본 강의에서는 특정 task를 위한 학습이 아닌 다양한 다른 task 에도 쉽게 적용 가능한 학습을 향한 노력들을 소개한다.
15:30-16:00 휴식
16:00-18:00
(2시간)
강화 학습의 기초 및 응용 KAIST
김세연 박사
본 강연은 강화 학습의 기초 개념 및 응용 연구를 소개한다. 먼저, 배경 이론이 되는 Markov Decision Process (MDP) 및 Bellman equation 부터 Deep leraning 기반의 심층 강화 학습 알고리즘들을 소개한다. 마지막으로 모바일 단말에서 강화 학습의 응용 사례를 중심으로 강화 학습을 연구에 적용하기 위한 방안 등을 논의한다.

7월 5일 (화)

발표주제 발표자
10:00-12:00
(2시간)
심층강화학습 고려대
주창희 교수
본 강연에서 심층강화학습의 개념과 관련된 기초를 소개하고자 한다. 강화학습의 feedback 샘플을 효율적으로 학습하기 위해 value 함수의 근사화를 통한 뉴럴네트워 크가 도입되었고, 이를 활용하여 효과적으로 학습을 진행하기 위한 기초적인 방법들을 소개한다. 더불어 policy를 직접 뉴럴네트워크로 근사하여 학습하는 기법들을 설 명하고, 이 과정에서 개발된 기술들을 살펴본다.
12:00-13:30 중식
13:30-15:30
(2시간)
Online Distributed Learning with Multiple Kernels 한양대
홍송남 교수
본 강연에서는 RKHS (Reproducing Kernel Hilbert Space)기반의 다중커널학습의 기본 이론 및 온라인 최적화 이론에 대해서 논한다. 특히, 스트리밍 데이터의 학습에 적합한 온라인 러닝 및 효율적인 분산 학습의 기본 개념 및 이론적인 성능 분석에 대해서 설명한다.
15:30-16:00 휴식
16:00-18:00
(2시간)
On the importance of biasedness in social learning DGIST
서대원 교수
Social learning basically considers how others’ behavior influences human learning, but the social learning theory tells an important message of bias when we design distributed learning systems. In the first part of this talk, we broadly review existing literature on social learning. In the second part, we discuss the necessity of biased decision making, which is closely related to human perception bias. The result implies that human perception bias from behavioral economics might be nearly optimal for social learning.

7월 6일 (수)

발표주제 발표자
10:00-12:00
(2시간)
Information-theoretic Tools for Responsible Machine Learning Harvard Univ.
정혜원 박사
This tutorial will focus on fair ML. Our goal is to present recent developments in the field of fair ML through an information-theoretic lens. We start by overviewing metrics for evaluating fairness and discrimination, including individual fairness, group fairness, predictive multiplicity, and fair use. We formulate these metrics using easy-to-understand and unified notation based on error rates and divergences. We then present recent results on the limits of fair classification. These limits include trade-offs between splitting classifiers across different demographic groups and are proved using standard converse results familiar to information theorists. We also overview state-of-the-art fairness interventions, describing and contrasting several techniques developed over the past five years. Finally, we outline open problems in the field. The tutorial will conclude with a hands-on demo of software packages for private and fair ML targeted toward student and post-doc attendees. No previous background in privacy or fair ML is required.
12:00-13:30 중식
13:30-15:30
(2시간)
실시간 강화학습과 통신관련 이슈 소개 POSTECH
한수희 교수
본 하계 머신러닝/강화학습의 기초 및 응용 강좌에서는 실제로 현실에서 움직이는 것들과 관련한 AI를 소개한다. 오래전부터 움직이는 모터, 로봇, 드론, 자율이동체 등 이 원하는 성능을 갖도록 고전적인 제어공학이 발전되어 왔다. 점차 시스템이 복잡해지고, 원하는 성능도 높아지면서, 고전적인 제어공학으로 해결하기 힘든 현실적인 제어 문제가 많이 등장하였다. 최근 기존 제어와 비슷한 피드백 형식으로 시스템을 학습하고 원하는 성능을 얻어내는 강화학습은 이런 도전적인 제어 문제 해결에 큰 역할을 하고 있다. 본 세미나에서는 최근에 개발된 강화학습 알고리즘인 Soft Actor Critic 을 주로 소개하고, 실제 실시간 제어시스템에서 어떻게 적용되는지 알아본 후, 통신 지연 및 대역폭 한계가 있을 경우에 대한 대책을 논한다. 특히, 제어 신호를 줄이기 위한 양자화 기술과 통신 시간 지연을 극복하기 위한 예측 기법등을 소개한다.
15:30-16:00 휴식
16:00-18:00
(2시간)
SignSGD with prior gradient distribution for federated learning 고려대
이남윤 교수
TBA