-
Applied Artificial Intelligence & Data Science (정해선 교수)
인공지능 기술을 기반으로 한 데이터 분석을 바탕으로 다양한 현상을 이해하고 의사결정과 문제 해결을 지원하는 연구를 수행합니다. 분야별 맥락과 연구 목적에 따라 데이터의 특성을 파악하고 적합한 분석 방법과 모델을 설계·적용합니다. 텍스트와 시계열을 비롯한 다양한 데이터에서 의미 있는 패턴과 관계를 분석하여 현상을 설명하고 예측하며 해당 분야의 이론적 논의와 실제 문제에 연결하여 학술적·실무적 시사점을 도출하는 연구를 수행합니다.
-
AIP Lab (김윤기 교수 연구실)
AIPlatform Lab(AIP Lab)은 대규모 AI 시스템을 위한 분산 병렬 컴퓨팅 및 클라우드 네이티브 플랫폼 기술의 핵심 연구를 수행합니다. 이기종 GPU 클러스터에서의 병렬 학습·추론 최적화, 컨테이너 오케스트레이션 기반의 자원 스케줄링과 멀티테넌시 격리, 서비스 수준 목표를 보장하는 탄력적 자원 관리, 그리고 노드 장애와 선점형 자원 회수에 대응하는 체크포인트 기반 결함 허용 기법을 연구하고 있습니다. 특히 분산 환경에서 모델의 학습, 배포, 모니터링 전 주기를 자동화하는 MLOps 파이프라인과 데이터 파이프라인의 처리량 및 지연 시간 최적화, 외부 연결이 제한된 폐쇄망 환경에서의 대규모 언어모델 서빙과 검색 증강 생성 아키텍처에 주목하여, 확장 가능하고 신뢰성 있으며 자원 효율적인 AI 플랫폼 시스템과 그 응용을 연구합니다.
-
EIFL Research Group (최대영 교수 연구실)
EIFL(Edge Intelligence and Federated Learning) 연구그룹은 분산 머신러닝 시스템의 핵심 연구를 수행합니다. 분산 학습 환경의 핵심 과제인 이질적인 데이터 분포와 모델 구조, 통신 효율성, 프라이버시 보호 프로토콜, 그리고 제한된 자원에서의 실시간 추론 문제를 연구하고 있습니다. 특히 보안이나 규제 때문에 데이터를 한곳에 모으기 어려운 제조, 국방, 의료, 금융 등의 분야에 주목하여 데이터를 공유하지 않고도 함께 학습할 수 있는 안전하고 자원 효율적인 AI 기술과 그 응용을 연구합니다.
-
PIKA Labs (이규정 교수 연구실)
PIKA(Personalized Intelligence and Knowledge Adaptation) 연구실은 개인화 된 지능을 구현하기 위한 머신러닝 알고리즘과 응용시스템을 연구합니다. 단 하나의 모델이 모든 사용자에게 동일하게 동작하는 범용 AI가 아닌 사용자 각자에게 최적화된 개인화 AI를 만드는 것을 목표로 합니다. 특히, 모델이 배포 된 이후 지속적으로 축적되는 사용자 데이터를 이용하여 어떻게 효과적으로 모델을 개인화 할 것인가를 핵심문제로 삼으며 사용자 디바이스에서 동작하는 소형 언어모델을 주요 연구대상으로 합니다.
