Recruitment Plan of DMLAB
Last updated: Nov 28, 2023
Author: Jinhong Jung (정진홍)
안녕하세요😄
숭실대학교 소프트웨어학부 데이터이마이닝 연구실 (DMLAB)에서 저희와 함께 성장할 학생분들을 모집힙니다!
저희 연구 분야에 관심이 있는 학생분들은 아래 사항을 살펴보시고 안내에 맞춰 지원을 해주세요.
Undergraduate Reserach Internship Program
- 모집 인원
- 모집 완료
- 모집 기간:
- 모집 완료
- 학생 지원 사항
- 연구지원비
- 연구 성과급 (연구/과제 성과에 따라)
- 교육 및 연구 장비 지원
- 국내외 학회 참석 지원
- 모집 절차
-
관심이 있는 학생은 link를 클릭해서 신청해주세요.
-
Graduate Program
- 모집 인원
- 석사/박사과정 계획하는 학생 (상시모집)
- 모집 기간:
- 석사/박사과정: 숭실대학교 일반대학원 모집 시점
- 학생 지원 사항
- RA장학금, 연구지원비
- 연구 성과급 (연구/과제 성과에 따라)
- 교육 및 연구 장비 지원
- 국내외 학회 참석 지원
- 모집 절차
- 관심이 있는 학생은 jinhong@ssu.ac.kr로 지원 의사를 메일로 보내주시면 추후 상담을 통해 결정됩니다.
Research Interests
저희 연구실에서는 머신러닝/인공지능을 활용하여 실세계 현상으로부터 빈번하게 발생하는 다양한 종류의 데이터를 분석하는 데이터마이닝에 대한 연구를 수행합니다. 네이버, 카카오, 쿠팡과 같은 IT 기업에서는 방대한 데이터를 기반으로 다양한 서비스를 수행하기 위하여 머신러닝과 데이터과학의 기술적 지식을 요구하고 있으며 그 중요성은 날로 증가하고 있습니다 (link). 구체적으로 아래와 같이 최근 산학계에서 많은 관심을 받고 있는 문제들을 연구하며 학생 개개인의 공학적 실력 향상을 목표로 합니다.
- Graph machine learning: SNS의 친구 관계, 웹 문서의 하이퍼링크 관계, 컴퓨팅 기기들의 연결 관계등 실세계에는 다양한 개체들이 특정 관계로 연결되며 이러한 데이터는 그래프로 표현됩니다. 그래프 데이터는 이미지와 같이 격자형태의 데이터와 다르게 그 구조가 정해져 있지 않기 때문에 모델이 파악해야 하는 패턴의 복잡도가 크며, 최근 이러한 그래프 데이터를 학습하는 연구가 활발하게 진행되고 있습니다 (link). 저희 연구실에서는 복잡하고, 동적이며, 다양한 정보를 표현하는 실세계 그래프에 대한 그래프 학습 모델을 연구합니다.
- Recommender systems: 특정 유저가 상품을 구매하거나 영화를 본 내역은 유저와 상품/영화 간의 관계로 그래프로 표현됩니다. 이러한 그래프는 유저에게 적합한 상품을 추천하는데 많이 활용되고 있습니다. 다양한 형태의 유저-상품 그래프상에서 효과적으로 추천할 수 있는 그래프 추천 시스템을 연구합니다.
- Knowledge graph mining: 특정 문장으로 부터 사실에 기반한 지식은 주어-동사-목적어와 같이 지식 개체간의 관계로 표현될 수 있으며, 이러한 관계들이 모여 지식 그래프를 형성합니다. 지식 그래프로부터 지식 추론, 보강, 해석등을 효과적으로 수행할 수 있는 그래프 학습 기법을 연구합니다.
- Large-scale graph mining: 실세계 그래프는 수십 억개의 정점과 간선으로 구성될 수 있습니다. 대표적인 SNS인 페이스북에서는 월 27억명 이상의 사용자가 활동합니다. 이와 같이 거대한 그래프를 효율적이고 확장성 있게 분석하는 방법론을 연구합니다.
- 관련 연구 실적: [BalanSiNG] [BePI] [BEAR]
- 관련 산업계 동향
Research Programs
Research participation (including paperwork)
- 본 프로그램에서는 국제 학회 논문 발표 및 저널 논문 게제를 목적으로 연구를 수행하면서 데이터마이닝 관련 산업계에서 학생 개개인의 실력을 인정 받고 경쟁력을 확보하는 것을 주목적으로 합니다. 함께 관련 연구 주제에 대해 논문 조사부터 프로그래밍, 실험 수행, 완성도 있는 연구 결과물 (예, 논문/코드/발표자료) 작성에 이르기까지 전반적인 연구 과정에 대해 훈련하며 산업계에서 요구하는 머신러닝 및 데이터과학 관련 지식을 습득합니다.
- 추가적으로 국내외에서 개최하는 데이터마이닝 및 머신러닝 관련 경진대회에 참가하고 수상을 목표로 합니다.
Major study
- 연구 주제와 관련이 있는 전공 스터디를 진행할 예정입니다. 스터디 참여자간의 논의를 통해 다음의 주제에서 하나를 선정하여 진행합니다 (아래는 예시이며 주제는 상황에 따라 변경될 수도 있습니다).
- Data mining
- Deep learning
- Machine learning
- Recommender systems
- Natural language processing
- Big data analytic systems
Research paper study
- 연구실에서 수행하는 연구와 관련해 data mining/machine learning 분야의 최신 학술 대회 논문을 선정하여 정기적인 모임을 통해 토론/스터디를 합니다.