시간 | 강좌명 | 강사명 |
인공지능과 통신/네트워크 심화 |
10:00 - 11:00 |
Lyapunov Optimization and Reinforcement Learn-ing in Network Systems |
곽정호 (DGIST) |
개요: 기존에는 주로 최적화 이론이 동적 네트워크 시스템을 다루는 수학적 도구로 사용되었다. 하지만 최근 들어 네트워크 환경이 더욱 더 복잡해지고 미래변화의 예측이 어려워짐에 따라 강화학습 기반의 연구들이 많이 진행되어 왔다. 본 발표에서는 최적화 이론과 강화학습 이론을 적용한 네트워크 시스템들을 살펴보고, 두 이론의 장단점을 논의한다. |
11:00 - 11:20
|
휴 식
|
11:20 - 12:20 |
Federated and Adversarial Imitation Learning 활용사례: 통신네트워크를 중심으로 |
김중헌 (고려대) |
개요: 최근 각광받는 연합학습은 분산환경에 존재하는 기기들이 프라이버시 혹은 연산에 따른 오버헤드를 고려하여 각자 따로 학습하고 그 결과를 취합하는 방식에서 전체 데이터로 학습할 때와 유사한 성능을 얻기 위한 연구이다. 더불어 모방학습도 자율주행이나 전문가 시스템 설계에 적극적으로 활용되는 딥 러닝 알고리즘이다. 본 강의에서는 이 두 알고리즘에 대해서 기본적인 이론과 응용 사례에 대해서 고찰한다. |
12:20 - 13:30
|
휴 식
|
13:30 - 14:30 |
Fairness in AI: Overview and Future Directions |
이강욱 (Univ. of Wisconsin-Madison) |
개요: AI 시스템의 공평성을 수학적으로 정의하고 개선하려는 연구가 활발하게 진행되고 있다. 본 발표는 이와 관련된 주요 개념과 연구 결과를 소개하고 최신 연구 트렌드를 다룬다. |
14:30 - 14:50
|
휴 식
|
14:50 - 15:50 |
Reinforcement Learning for Wireless |
박정훈 (경북대) |
개요: 본 발표에서는 강화 학습의 개요와 이들이 어떻게 무선 통신 문제에 적용되고 있는지를 소개한다. |
15:50 - 16:10
|
휴 식
|
16:10 - 17:10 |
Bayesian Federated Learning over Wireless Networks |
이남윤 (POSTECH) |
개요: 최근 무선 네트워크기반 모바일기기간 연학학습 연구가 활발히 진행되고 있다. 본 발표는 무선 네트워크기반 모바일 연학학습의 기본 개념과 Bayesian 이론 관점에서 최적 연합학습 알고리즘들에 대한 소개를 한다. |
시간 | 강좌명 | 강사명 |
인공지능과 통신/네트워크 응용 |
10:00 - 11:00 |
인공지능을 활용한 에너지 ICT |
김홍석 (서강대) |
개요: 본 강의에서는 인공지능을 에너지/전력 시스템에 응용하는 것을 다룬다. 특히 딥러닝을 이용한 예측, 심층강화학습과 배터리를 이용한 제어, 리튬이온 배터리의 건강상태 추정 등의 예시를 통해 AI가 어떻게 에너지ICT에 활용될 수 있는지 살펴본다. |
11:00 - 11:20
|
휴 식
|
11:20 - 12:20 |
Deep Reinforcement Learning and Explainable AI for Wireless Networks |
이현석 (세종대) |
개요: 본 발표에서는 최근 많은 연구가 이루어지고 있는 심층강화학습과 설명가능한 인공지능 기술에 관하여 알아보고, 각 기술들이 통신 네트워크 분야에 응용된 사례와 앞으로의 활용 가능성에 관하여 소개한다. |
12:20 - 13:30
|
휴 식
|
13:30 - 14:30 |
Network Automation Using AI |
고한얼 (고려대) |
개요: 네트워크 관리 및 운용의 복잡성을 해결하기 위해 AI 기반 네트워크 자동화에 관한 연구가 활발히 이루어지고 있다. 본 발표에서는 AI 기반 네트워크 자동화에 대한 연구 동향 및 사례에 대해 소개한다. |
14:30 - 14:50
|
휴 식
|
14:50 - 15:50 |
Edge Computing for AI |
이주형 (가천대) |
개요: 최근 다양한 사물인터넷 기기의 확산과 인공지능 기술의 발전에 따라, 인공지능 기반의 지능형 사물인터넷 서비스를 설계하고, 도입하려는 연구 및 상용화가 광범위하게 진행 되고 있다. 본 발표에서는 이러한 지능형 사물 인터넷 서비스에서 효과적으로 인공지능 기술을 도입하도록 돕는 에지 컴퓨팅 기술에 대해 다룬다. 세부적으로는 에지 컴퓨팅 기술의 기본 개념과 resource management 관점에서 인공지능 기술 도입 시 주요 연구 이슈 및 실제 사업화 사례를 중심으로 인공지능을 위한 에지 컴퓨팅 기술에 대해 소개한다. |
15:50 - 16:10
|
휴 식
|
16:10 - 17:10 |
Information-theoretic Approach for Energy-efficient AI Semiconductors |
김용준 (DGIST) |
개요: 인공지능 및 기계학습 시스템에서는 방대한 데이터를 기반으로 반복적인 연산을 수행하기 때문에 높은 전력을 소비한다. 특별히, 최근 연구에서는 메모리에서 소비되는 전력의 비중이 매우 큰 것으로 알려지고 있다. 본 발표에서는 정보이론 및 최적화 방법을 활용하여 인공지능 및 기계학습 시스템의 전력 할당을 최적화하는 방법에 대해 소개한다. |