어떻게 하면 데이터를 잘 이해하고 예측하는 모델을 학습할 수 있을까? 빅데이터에서 어떻게 유용한 패턴과 이상 신호를 찾을 수 있을까? 데이터 마이닝 연구실에서는 인공 지능, 데이터 마이닝, 기계 학습 분야의 핵심 모델, 알고리즘, 시스템에 대한 연구를 진행하고 있다.
딥러닝, 기계학습
대규모 빅데이터에서 어떻게 효과적인 학습을 할 수 있을까? 데이터 마이닝 연구실에서는 인공지능의 핵심 기술인 딥러닝과 기계학습에 대한 핵심 기술을 연구하고 있다.
- AutoML: 학습하는 방법을 자동으로 배우는 AI 알고리즘
- 경량 기계 학습: 빠르고 에너지 효율적인 모델
- 전이 가능한 기계 학습: 데이터가 많지 않을 때에도 효과적으로 빠르게 학습할 수 있는 기술
- 이상 탐지 및 예측: 데이터를 통한 머신의 이상 징후를 탐지하고 예측하는 알고리즘
- 물체 인식 및 분류: 다양한 센서를 이용하여 사물/사람을 인식하는 기술
그래프/텐서 분석
소셜 네트워크와 같은 그래프 데이터, 그리고 다차원 텐서 데이터를 어떻게 분석할 수 있을까? 데이터 마이닝 연구실에서는 그래프와 텐서 분석을 위한 모델, 알고리즘, 시스템을 연구하고 있다.
- 그래프에서의 랭킹과 추론을 위한 random walk with restart 기술
- 그래프 기계 학습: 그래프에서의 핵심 기계학습 기법인 그래프 뉴럴 네트워크와 그래프 표현 기법
- 대용량 그래프 분석: 수십, 수벅액개에 달하는 노드를 포함하는 대용량 그래프를 처리하는 엔진과 알고리즘
- 대용량 텐서 분석: 네트워크 침입 로그, 지식 베이스, 시간에 따른 소셜 네트워크와 같은 다차원 텐서 데이터를 효과적이고 효율적으로 분석하는 방법
추천 시스템
TV 프로그램이나 동영상 시청 기록에 기반하여 어떻게 사용자에게 적절한 TV 프로그램/동영상을 추천해 줄 수 있을까? 페이스북과 같은 소셜 네트워크에서 적절한 친구를 어떻게 추천해 줄 수 있을까? 추천은 데이터 마이닝의 중요한 연구 분야이며, 영화/음식점/직업/뉴스 기사/친구 추천 등의 다양한 응용에 쓰이고 있다. 데이터 마이닝 연구실에서는 추천을 위한 모델, 알고리즘, 시스템을 연구한다.
- 멀티 모달 추천: 다양한 형태의 데이터(평가 정보, 소셜 네트워크, 텍스트, 이미지, 비디오 등)를 고려하는 추천 기술
- 시퀀스 추천: 비디오, 뉴스 추천과 같이 연속된 일련의 시퀀스에서의 추천 기술
- 능동 추천: 추천 시스템의 성능을 극대화하기 위해, 단순히 주어진 데이터를 학습하는 것을 넘어 어떤 데이터를 학습해야 할지를 찾는 기술
- 네트워크 기반 추천: LinkedIn이나 페이스북과 같은 네트워크(그래프) 형태의 데이터에서의 추천 기술
금융 인공 지능
금융 자산을 자동으로 거래하는 인공 지능을 어떻게 설계할 수 있을까? 데이터마이닝 연구실에서는 데이터에 기반한 의사 결정을 통한 금융 분야의 혁신을 위하여, 보험/은행/투자 등 다양한 금융 응용을 위한 인공지능 기술을 개발한다.
- 시계열 예측: 시계열 값을 예측하는 기술
- 자산 가치 예측 및 알고리즘 트레이딩: 고품질의 트레이딩을 자동으로 수행하는 인공 지능
- 고객 분석: 효과적인 개인화, 고객 이해를 위한 핵심 기법
- 사기 탐지 및 예측: 금융 거래 및 활동에서의 의심스러운 활동을 탐지하고 예측하는 기술
