고등과학원 조합론 강연입니다.

제목: Combinatorics on flag varieties and related topics
일시: 2020년 1월 15일-17일
장소: 고등과학원 8101

자세한 내용 및 등록은
http://events.kias.re.kr/h/COFVART20/?pageNo=4143

학과 대수학 분야 같이 배우는 세미나입니다.

제목: affine toric variety
일시: 2020년 1월 14일 화요일 오후 2:00-3:30.
장소: 아산이학관 525호

affine toric variety 기초적인 내용에 대해 설명합니다. 대수학을 수강한 학부생들은 무난히 이해할 수 있는 수준으로 대수기하에 대한 좋은 시작이 되리라 생각합니다. 관심있는 학부생 및 대학원생의 참석바랍니다.

고등과학원 겨울학교입니다.

Winter School on Spherical Varieties
일시: 2020년 1월 7일-9일
장소: 부산 해운대 신라스테이

강의: Introduction to spherical varieties
연사: Boris Pasquier (Poitiers)

자세한 내용 및 등록은
http://events.kias.re.kr/h/WSSV20/

제목: Deep learning for beginners and experts
일시: 2020년 1월 6일-21일
장소: 아산이학관 633, 525

오승상 교수님께서 하시는 딥러닝 집중강연입니다.

– Deep neural network
– Convolutional neural network (CNN)
– Recurrent neural network (RNN)
– VAE vs GAN
– Deep reinforcement learning
– Natural language processing
– Visual attention
– Graph representation learning

자세한 내용은 학과행정실 게시판을 참고하기 바랍니다.

컴퓨터 보안 연구의 최신 동향 소개

1. 일시 : 2019년 12월 6일 (금) 오후 03:30 ~04:20
2. 장소 : 아산이학관526호
3. 연사 : 양대헌(인하대학교 컴퓨터공학과)
4. 제목 : 컴퓨터 보안 연구의 최신 동향 소개
5. 초록 : 이 강연에서는 컴퓨터 보안 분야의 최신 동향을 소개한다. 머신러닝/딥러닝을이용한 랜섬웨어탐지, 프로그램 코드의 프로그래머 식별 기술, 트래픽 측정 기술등에대해 소개한다. 랜섬웨어탐지 기법에서는 SSD와 같은 저장장치의 Firmware에서 랜섬웨어를탐지하기위해 사용되는 머신러닝알고리즘을 소개하고, 프로그래머 식별 기술에서는 딥러닝을이용해서 어떻게 소스코드의 프로그래머를 찾아낼 수 있는지 그리고 다양한 환경에서의 결과를 소개한다. 마지막으로 트래픽 측정 기술 분야에서는 최신의 네트워크 트래픽 측정 기술과 이의 발전 방향에 대해서 소개한다.

이 강연은 김바라 교수님께서 주관하십니다.

수학과 정기 특강입니다.

1. 일시: 2019년 11월 29일 (금) 오후 4시 30분 ~ 5시 30분
2. 장소: 아산이학관 526호
3. 연사: 정원기(울산과학기술원 전기전자컴퓨터공학부, 교수)
4. 제목: High-performance, Learning-based Visual Computing for Large-scale Biomedical Image Analysis
5. 초록: High-resolution, large-scale image data play a central role in biomedical researches, but they also pose very challenging computational problems for image processing and visualization in terms of developing suitable algorithms, coping with the ever-increasingdata sizes, and maintaining interactive performance. Massively parallel computing systems, such as graphics processing units and distributed cluster systems, can be a solution for such computation-demanding tasks due to its scalable and parallel architecture.In addition, recent advances in machine learning can be another solution because the learning-based approach can accelerate computation by shifting the time-consuming computing process into the training (pre-processing) phase and reducing prediction time by performing only one-pass deployment of a feed-forward neural network. In this talk, I will introduce several examples of such research directions from our recent development on large-scale biomedical image analysis using high-performance computing and machine learning techniques, such as cellular-level connectomics image analysis and compressed sensing MRI reconstruction.