Bootstrapping 은 통계학과 머신러닝에서 uncertainty quantification 에 많이 사용되는 방법론입니다.그러나 기존 bootstrap sampling 방식은 neural network 의 예측 분포를 학습할 때 지나치게 많은 연산량과 메모리를 요구하며, 데이터 사이즈가 커지는 경우 일부 데이터를 관찰하지 못하는 문제가 발생하게 만듭니다.이러한 문제들을 해결하기 위해 제안된 Neural Bootstrapper (NeuBoots) 방법론과, Neural Process 를 bootstrapping 하는 응용 방법도 같이 소개합니다.

- 학력 · 2010 ~ 2016 고려대학교 수학과 석박사통합과정 · 2005 ~ 2010 고려대학교 정경대학 정치외교학/수학 학사- 주요경력 · 2020 ~ 현재 UNIST 인공지능대학원/산업공학과 조교수 · 2018 ~ 2019 카카오브레인 연구원 · 2016 ~ 2017 삼성화재 장기상품개발팀 선임