초록 ▼

○ 기계학습 과정 효율화를 위한 경량 모델 생성 및 이용 체계 기술 연구
▪딥러닝 모델 개발에 있어서의 Human-In-The-Loop 프로세스 조사 및 분석
▪현재의 딥러닝 모델 학습 및 개발을 저해하는 요인들에 대한 문제점 분석
▪모델 경량화 기법들에 대한 분석
▪Quantization 기반의 모델 경량화 기법 분석
▪Quantization 기반 모델 학습 시간 및 비용 단축을 위한 알고리즘 선정
▪CNN 기반의 모델 학습 방법과 Quantization 기반 모델 학습 방법간의 비교 실험
▪

○ 기계학습 과정 효율화를 위한 경량 모델 생성 및 이용 체계 기술 연구
▪딥러닝 모델 개발에 있어서의 Human-In-The-Loop 프로세스 조사 및 분석
▪현재의 딥러닝 모델 학습 및 개발을 저해하는 요인들에 대한 문제점 분석
▪모델 경량화 기법들에 대한 분석
▪Quantization 기반의 모델 경량화 기법 분석
▪Quantization 기반 모델 학습 시간 및 비용 단축을 위한 알고리즘 선정
▪CNN 기반의 모델 학습 방법과 Quantization 기반 모델 학습 방법간의 비교 실험
▪경량화된 모델 허브 이용 시나리오 및 방법론 개발

○ 모델 정확도 향상을 위한 학습데이터 자동 선별 기술 연구
▪범용의 기계학습에 사용할 수 있는 데이터 축소 기법 및 프레임워크 설계
▪메모리 효율적인 Data Distribution을 위한 Count-Min Sketch 기법 연구
▪기계학습 자질의 중요도 판단을 위한 Maximal Information Coefficient(MIC) 기법 분석
▪자질 선정을 위한 기존 방법 분석
▪핵심 영역 선정을 통한 학습데이터 형성 실험
▪Feature Extraction을 위한 AutoEncoder 기법 연구
▪효율적인 기계학습을 위한 학습 자질 선정 방법 연구 방향 수립

(출처 : 초록 3p)

Abstract ▼

III. Research results
○ Quantitative outcomes
‧ 7 seminars to introduce the latest AI technologies and provide directions for three areas of KISTI
‧ 1 research report and 1 domestic journal publication about data processing in deep learning
‧ 9 internal conferences to strengthen capabili

III. Research results
○ Quantitative outcomes
‧ 7 seminars to introduce the latest AI technologies and provide directions for three areas of KISTI
‧ 1 research report and 1 domestic journal publication about data processing in deep learning
‧ 9 internal conferences to strengthen capabilities of research center
‧ 2 academic conferences to strengthen researchers’ capabilities and promote research results
- Co-supervision of summer school 2019 with KIISE KDBS/Society for e-Business Studies (170 attendees (147 paid registrant) participated in the “Convergence of Machine Learning and Data Technology”)
- Supervision of a conference to exchange the progress of Intelligent Infrastructure Technology Research (Project MINSKY Workshop, 32 internal and external experts participated)

○ Qualitative outcomes
‧ Establishment of domestic network and advisory group for research on intelligent infrastructure technology
‧ Spreading knowledge about 『Convergence of Machine Learning and Data Technology』 through summer school 2019 that co-supervised with KIISE KDBS/Society for e-Business Studies and advertising theresearch project and institute
‧ Inviting AI/deep learning experts to introduce latest/new technologies to co-workers from other departments and establishing a technology linkage plan

(출처 : SUMMARY 6p)

목차 Contents

• 표지 ... 1
• 제 출 문 ... 2
• 보고서 초록 ... 3
• 요 약 문 ... 4
• Summary ... 6
• Contents ... 8
• 목차 ... 9
• 표목차 ... 10
• 그림목차 ... 11
• 1 장. 연구개발과제의 개요 ... 14
• 가. 연구의 필요성 ... 14
• 나. 연구내용 및 범위 ... 19
• 다. 추진 전략 ... 20
• 2 장. 국내외 현황 분석 ... 22
• 가. 모델 학습의 효율성 제고 기술 ... 22
• 나. 학습 데이터 선별 기술 ... 25
• 3 장. 연구개발 수행 내용 및 결과 ... 29
• 가. 딥러닝 과정에서의 Human-In-The-Loop 프로세스 ... 29
• 나. 딥러닝 학습 과정의 고속화 및 효율성 제고를 위한 연구 ... 37
• 다. 효율적인 기계학습을 위한 학습 자질 선정 방법 연구 ... 67
• 4 장. 연구 개발 결과의 활용 계획 ... 72
• 가. 딥러닝 모델 개발 시간의 단축을 통한 개발 시간 및 비용의 단축 ... 72
• 나. 경량화 모델을 위한 Model Hub ... 73
• 다. 주요 활용 방안 ... 74
• 5 장. 향후 연구계획 ... 75
• 가. 연구사업의 중장기 목표(2025~2030년 기준) ... 75
• 나. 차년도 연구계획 ... 76
• 참고문헌 ... 77
• 끝페이지 ... 81