8월 22일(목)
| 시간 | 발표 제목 | 좌장/연사 |
| 09:30 ~ 12:30 | 오픈 거대언어모델 파인 튜닝 및 서비스 기술 | 신정규 대표 (래블업) |
| 이 강좌에서는 오픈소스 거대 언어 모델의 다양한 배경을 소개하고, 이를 활용해 독자적인 모델을 만드는 과정을 탐구합니다. 먼저 거대 언어 모델의 개요와 기술 적 구성 요소를 간략히 살펴봅니다. 그 다음 Mistral과 Gemma 같은 대표적인 오픈 모델을 파인튜닝하여 자체 채팅 서비스와 연동하는 방법을 알아봅니다. 이 과정에서 고려해야 할 기술적, 자원적 요소들도 함께 다룹니다 | ||
| 12:30 ~ 14:00 | 중식 | |
| 14:00 ~ 14:30 | 자율주행 비전 AI 시스템, 데이터 수집부터 학습, 적용까지 | 강정규 선임 (ETRI 초지능창의연구소) |
| 본 강좌에서는 실제 자율주행 차량의 비전 AI 시스템을 구성하기 위한 전 과정 을 소개한다. 먼저, 자율주행 차량에 필수적인 다양한 센서 세팅과 이를 통한 데 이터셋 수집 방법을 논의한다. 이후, 수집된 데이터를 정제하고 가공하는 과정을 상세히 설명하며, 이 데이터셋을 활용한 모델 학습 기법을 소개한다. 학습된 모 델을 실제 자율주행 시스템에 적용하는 과정을 설명하며, 이 과정에서 발생하는 여러 실무적 경험과 문제 해결 방법을 공유한다. 발표를 통해 자율주행 비전 AI 시스템 개발의 실질적인 모든 단계를 이해하고, 실무 적용 능력을 향상시키는 시 간을 갖는다. | ||
| 14:30 ~ 15:00 | 자율주행차를 위한 실시간 3D 객체 검출: 최신 기술과 실무 적용 | 이동진 선임 (ETRI 초지능창의연구소) |
| 본 강좌에서는 ETRI에서 수행 중인 “다양한 산업 분야 활용성 증대를 위한 대규 모/대용량 블록체인 데이터 고확장성 분산 저장 기술 개발” 과제에서 개발한 이 레이저 코드 기반으로 블록체인 원장 데이터와 대용량 데이터를 저장 공간을 적 게 차지하면서 안전하게 분산 저장하는 시큐어 데이터 스토리지 기술 및 서비스 에 대해 소개한다. | ||
| 15:30 ~ 15:40 | 휴식 | |
| 15:40 ~ 16:10 | AI기반 교통 최적화 기술 연구 동향 | 정문영 책임 (ETRI 초지능창의연구소) |
| 최근 도로 교통 분야에서는 인공지능 기술의 발전은 교통 최적화 및 교통 시뮬레 이션 분야에 혁신을 가져오고 있으며, 도시교통 시스템의 효율성과 안정성을 높 이는데 중요한 역할을 하고 있다. 본 강좌에서는 에이전트 기반 교통 시뮬레이 션 기술에 대해 살펴보고, 교통 시뮬레이션에 AI 기술을 융합하여 미래 교통예측 과 도시교통 최적화 문제를 해결한 최근 연구 동향에 대해 알아본다. 마지막으로 ETRI에서 수행한 교통 시뮬레이션 및 교통신호 최적화 연구에 대해 소개한다 | ||
| 16:10 ~ 16:40 | 빅데이터 기술 동향과 연구 방향 | 김지용 실장 (ETRI 초지능창의연구소) |
| 본 강좌에서는 최근 가트너 보고서와 우수 학회의 튜토리얼 내용을 중심으로 미 래 빅데이터 기술 동향과 연구 방향을 설명한다. 데이터 통합, 관리, 분석 기술의 발전과 AI와 머신러닝 기술의 융합이 주요 트렌드로 떠오르고 있다. 이를 통해 빅데이터의 잠재력을 극대화하는 방법과 실질적인 적용 사례를 함께 살펴본다. | ||
| 16:40 ~ 17:10 | 안전한 자율주행을 위한 인공지능 기반 이동객체 미래 궤적 예측 기술 | 최두섭 선임 (ETRI 초지능창의연구소) |
| 본 강좌에서는 자율주행의 핵심 기술 중 하나인 미래 궤적 예측 기술에 대해 설 명하고 해당 기술이 안전한 자율주행을 위해 어떻게 활용되는지 설명한다. 또한, 자율주행차 주변의 이동 객체들의 미래 움직임 예측을 담당하는 인공지능 기술 을 개발하기 위하여 이루어지는 데이터 수집, 딥 네트워크 설계, 그리고 학습에 이르는 모든 과정을 설명한다. | ||
8월 23일(금)
| 시간 | 발표 제목 | 좌장/연사 |
| 09:30 ~ 12:30 | Language Model 및 Transformer 기반 Large Language Model에 대한 소개 | 조병길 선임 (KETI 인공지능연구센터) |
| 본 강좌에서는 ChatGPT의 작동 원리인 Language model과 이를 구현하는 Transformer을 설명하고, 이를 활용하는 방법들을 소개한다. 먼저 Language model의 정의를 알아보고 챗봇에 어떤 식으로 적용되는지 설명한다. 이어서 Transformer의 핵심 연산인 Attention Mechanism을 이해하고 이를 기반으로 하는 Transformer 변형 구조들을 알아본다. 다음으로 LLM(Large Language Model)의 개념은 무엇인지, 어떻게 범용 인공 지능으로 활용될 수 있는지, 그리 고 한계는 무엇인 지를 알아본다. 마지막으로 KETI에서 수행 중인 LLM을 활용 한 연구들에 대해 소개한다. | ||
| 12:30 ~ 14:00 | 중식 | |
| 14:00 ~ 16:00 | 연구에서의 LLMs 활용 방법 및 LLMs를 활용한 어플리케이션 개발 실습 | 김산 선임 (KETI 인공지능연구센터 ) |
| 본 강좌에서는 최신 연구들이 LLMs를 어떻게 활용하는지 소개하고, LLMs을 활 용한 어플리케이션 프로그래밍에 주로 사용되는 langchain 라이브러리를 중심으 로, 외부 툴, API를 활용한 대화형 어플리케이션을 직접 만들어본다. 대부분 실습 위주로 강좌가 진행되며, 간단한 Chitchat, 검색 기반 Chat, 에이전트 기반 어플리 케이션 등을 만들어본다. 이 과정을 통하여 LLMs을 활용한 어플리케이션 개발에 익숙해지는 시간을 갖는다. | ||