이 메일이 보이지 않으면 이곳을 클릭해 주세요.  

body { display:block; margin:0px; } #wrapper { background-color:#ddd; } img {margin:0; padding:0; vertical-align:top; line-height:0; border:none;}

 

삼성서울병원 대강당에서 대한3D프린팅융합의료학회 제 5차 정기학술대회 가 있습니다. ... 2019년 의료기기실증사업에 선정되신 5개 업체의 연구과제 발표와 혁신의료기술 제도 & 신의료기술 트랙을 직접 경험하신 선생님의 발표가 있을 예정 입니다. 일본 동경대학의 정웅인 교수의 초청강연도 있을 예정이며, MD-PhD융합연구에 대한 발표도 있을 예정 입니다.  

Materialise Metal AM 아카데미       일자   (1회차) 5월 27-28일 월-화 / (2회차) 5월 30-31일 목-금 중 택 1 장소   KT분당빌딩 지도보기 Metal AM에는 빌드의 성공 여부를 결정하는 다양한 요인들이 존재합니다. 빌드 실패 최소화 및 리드 타임 감소는 너무나 길고 반복적인 과정이 됩니다. 이런 복잡한 과정 단축의 방법을 찾고 계신가요? Metal AM 공정에 대한 이론적/실용적인 노하우를 얻을 수 있는 Metal AM 아카데미(메탈 3D 프린팅 마스터클래스) 에 참석하세요. Metal AM 공정에 대한 Materialise가 쌓아온 지식과 노하우를 한국 3D 프린터 사용자들에게 공유하는 자리를 갖습니다. 등록하기

body { display:block; margin:0px; } #wrapper { background-color:#ddd; } img {margin:0; padding:0; vertical-align:top; line-height:0; border:none;}

아래 내용이 보이지 않으면 여기를 클릭하세요!  

아래 내용이 보이지 않으면 여기를 클릭하세요!     발표자 및 발표내용 상세 소개   1. Full AI workload - 데이터 분석과 인공지능의 활용 이주석 전무(인텔코리아)   제 4차 산업 혁명의 시대에서 필요로 하는 인재는 방대한 빅데이터 안에서 가치있는 인사이트를 도출해 낼 수 있는 능력을 가진사람이다. 데이터 과학자로서의 인사이트는 데이터의 취득에서 전처리 및 문제를 정의하는데부터 시작을 한다. 이 강의에서는 데이터 분석의 full workload를 이해하고 기계학습 및 딥러닝 기법을 적용하는 방안에 대해서 설명한다. 또한 실무적인 차원에서 필요로 하는 기술이 무엇인지를 알려주도록 한다.   [강사 주요 약력] 1995년부터 IT업계 종사 Toshiba를 시작으로 Infineon, NVIDIA를 거쳐 현재 인텔코리아에서 솔루션 및 생태계 구축 작업 2013년부터 딥러닝을 소개하기 시작하였고 현재 AI교육 활성화를 위한 다양한 활동 번역서 : 딥러닝  with Caffe 2. Theoretical Foundations of Machine Learning(머신러닝) 최병선 교수(서울대학교 경제학과)   첫째, 머신러닝은 이미 레드오션임을 설명하고, 왜 기본에 충실해야하는 가를 설명한다. 둘째, 머신러닝의 로직을 설명한다. 셋째, 머신러닝이 꼭 우리가 원하는 솔류션을 제공하지 않을 수 있음을 설명한다. 넷째, 머신러닝을 공부하기 위해서 선행학습해야 하는 scientific computing에 대해서 설명한다. 다섯째, 머신러닝의 네 기둥(four pillars)에 대해서 설명한다. 여섯째, 선형회귀분석에 대해서 설명한다. 일곱째, 주성분분석과 차원축소에 대해서 설명한다. 여덟째,  EM알고리즘과 클러스터링에 대해서 설명한다. 아홉째, support vector machine에 대해서 설명한다. 각 기법을  국제적으로 사용되는 대표적 예제들과 더불어 국내 제지회사의 데이터 Pulp를 사용해서 설명한다. 또한, 머신러닝을 공부하는 데 꼭 필요한 대표적 책들을 소개한다.   [강사 주요 약력] 서울대학교 수학과 졸업 (1977) 스탠포드대학교 경제학석사, 통계학석사, 통계학 및 경제학 박사 (1983) 연세대학교 상경재학 응용통계학과 교수 역임 현재 서울대학교 경제학부 교수 (재무경제학 담당)   3. Intel OpenVINO를 이용한 딥러닝 추론 이인구 전무(인텔코리아)   인공지능 딥러닝을 비즈니스모델에 적용하기 위해서는 분야별 전문가들이 모여 해결 하고자 하는 문제점을 확인하고 해결을 위한 솔류선 젹용 프로세스를 먼저 작성하게 된다. 그리고 절차에 따라 인공지능 딥러닝 모델을 개발하고 적용하고 배포하여(운영) 피드백을 통해 발전하게 된다.  강의는 1) 딥러닝 모델을 개발하고 적용하는 순서를 이해하고, 단계별 의사결정에 필요한 내용들을 숙지 할수 있도록 하고, 2) 모델 트레이닝을 하거나 공개된 모델을 OpenVINO를 이용해 추론, 즉 사물을 인식하게 되는데, 다양한 모델을 openVINO를 이용해 추론하는 것을 실습하고 관련 내용을 숙지하게 된다.    [강사 주요 약력] 인텔코리아에 기술담당 전무로 재직하고 있으며, 인텔의 인공지능 딥러닝 솔류선을 위해 협력사들과 협업하고 있으며, 인공지능 교육 활성화를 위해서는 인공지능 교육 플렛폼, 리큘럼등을 개발하고 전파하기 위해 많은 협력사 및 공공기관과 함께 협력하고 있다.     4. 파이썬(Python)을 이용한 가위바위보 인식 하성욱 연구소장(사라다) Python을 이용하여 데이터 수집, 데이터 정제, Caffe 학습, 모델 최적화, 실시간 학습 교육   [강사 주요 약력] (주) 사라다 연구소장 (주) 리얼허브 연구소장 중소기업청 수출기술개발 과제 책임자 KOITA 핵십융합기술개발사업 과제 책임자 행안부 기술개발사업 참여책임자 2일차(5/24)   5. 인공지능과 물리학 최무영 교수(서울대학교) 정보 처리와 관련해서 기존의 컴퓨터와 지능을 지닌 두뇌의 차이점을 지적하고 두뇌의 모형으로서 신경그물얼개에 대해 강의하려 한다.  일반적으로 많은 구성원으로 이루어진 뭇알갱이계의 떠오름 현상을 다루는 물리학의 방법인 통계역학을 간단히 소개하고 이를 이용해서 신경그물얼개 모형의 몇 가지 보기와 관련된 내용을 설명하려 한다. [강사 주요 약력] 서울대학교 이학사, 이학석사 미국 스탠포드대학교 이학박사 서울대학교 이론물리학연구소 소장, 고등과학원 겸직교수,  포항공과대학교, 미국 워싱턴대학교, 오하이오주립대학교 등 객원교수, 프랑스 국립과학연구원 부연구위원, 푸앙카레대학교 초빙교수 등 역임 현재 서울대학교 물리천문학부 교수 6. Machine Learning을 위한 수학적 알고리즘 신동우 교수(서울대학교 수학과) 현재 서울대학교 수학과 교수, 한국계산과학공학회 회장   7. 의료이미지 분석을 위한 기계학습 기법 및 최적화 방안 (with Keras) 고태훈 교수(서울대학교병원) 의료영상데이터에 대한 인공지능 연구가 매우 활발하게 이루어지고 있으며, 국내에서도 몇 인공지능 기반 소프트웨어들이 식품의약품안전처로부터 AI 기반 의료기기로 허가되기도 하였다.  본 강의에서는 의료영상데이터에 대한 연구와 사용된 딥러닝 모델을 소개하고, 간단한 실습을 Keras로 진행하고자 한다. [강사 주요 약력] ~ 2017년 2월             서울대학교 공과대학 산업공학과 박사 졸업 (세부전공 데이터마이닝) 2017년 3월 ~ 현재      서울대학교병원 정보화실 연구조교수   8. 중소기업에서 인프라 없이 데이터를 분석하는 방법 김광수 팀장 (에스더포뮬러)   중소기업에서 기계학습을 정교하게 적용하는 인프라를 구축하는 것은 매우 어려운 일 입니다. 인프라 보다 개인 레벨에서 데이터를 분석하고 업무에 적용하고 있는 사례를 소개하고자 한다.   [강사 주요 약력] - 고려대학교 사회학과 졸업 - 서울과학종합대학원 빅데이터MBA 재학중 - ㈜에코마케팅 디지털 마케터 & 데이터 사이언스 파트 - ㈜에스더포뮬러 마케팅팀 팀장 - 디지털 마케팅 기획 & 운영 (금융, 교육, 건강기능식품 인더스트리에서 100억 이상 집행 경험) - Python 활용 업무 자동화 및 분석 담당 * 기타 발표자료 요약 및 강사 상세 내용은 계속 업데이트 될 예정입니다.   교육수준 :  AI 초보자 가능, 중급(코딩을 몰라도 할 수 있음, 단 전혀 기본 이해가 없는 문과생은 어려울 수도 있음) 주요 사용 프로그램 :  파이썬(Python), 인공지능 딥러닝 오픈소스 프레임워크 카페(Caffe), 인텔 AI 오픈 비노(open VINO) 등