HOME > 뉴스 및 공지사항
뉴스 및 공지사항
제목 [대한금속·재료학회] 인공지능재료과학분과 2020 하계단기강좌 개최 안내 (2020.7.1~3)
학회명 대한금속·재료학회 등록일 2020-03-26
이메일 mmi@kim.or.kr 조회수 212
인공지능재료과학 분과 2020 하계단기강좌
“딥러닝의 기초이론과 재료설계 및 공정 최적화에 응용”


대한금속·재료학회 인공지능재료과학 분과에서 ‘딥러닝의 기초이론과 재료설계 및 공정 최적화에 응용'을 주제로 2020 하계단기강좌를 아래와 같이 개최하오니 많은 참여를 부탁드립니다. 

◇ 일  시: 2020년 7월 1일  (수) ~ 3일 (금)
◇ 장  소: 서울대학교 38동 글로벌 공학교육센터 (5층 글로벌 컨베션 센터)
◇ 주  최: 대한금속·재료학회 인공지능재료과학 분과
◇ 대  상: 딥러닝에 대한 초보 및 초중급 레벨자 교육 (max 80명; 선착순 접수)
◇ 등록비: 사전등록 기준 - 대학원생 (30만 원), 일반 (50만 원)
              (교재, 간단한 응용예제 코드 및 3일간 점심식사 포함)
◇ 교육내용
7월 1 ~ 2일 (수, 목): 딥러닝의 기초 이론 (양일 오전 10시 ~ 오후 5시; 총 12시간 교육)
1. 이승철 교수 (포스텍)
2. 윤종필 박사 (KITECH)

7월 3일 (금): 딥러닝 적용사례 및 응용예제
각 예제별 1.5 ~ 2시간; 문제설정 개념 및 이론 결과 간단한 코딩 디스커션
1. 윤종필 박사 (KITECH): 딥러닝 기반 영상 분석 기술 (재료 표면분석, 품질 검사, 결함검출)
2. 깅동훈 박사 (KIST): 인공지능 활용한 새로운 촉매 개발
3. 강주석 박사 (포스코): 철강 제품 설계에서의 인공지능 적용 사례 (포스코)
4. 안재환 박사 (현대제철): 철강 제조 공정에서의 인공지능 적용 사례 (현대제철)

◇ 참가등록 및 등록비 (선착순 최대 80명) 

참가등록

일반

대학 및 대학원생

사전등록

50만 원

30만 원

현장등록

60만 원

40만 원

사전등록은 2020 5 31일까지 학회 홈페이지에서 신청 

  사전등록 조기 마감. 추가 신청이 가능한 경우 6월 1일 이후 재안내
 현장등록은 7 1 현장에서 가능
  (사전등록이 80 이상인 경우 현장등록이 불가할  있습니다)
 사전등록 기간 내 취소 가능하며, 주최 측 결정으로 행사가 취소되는 경우 전액 환불 가능함
 교재간단한 응용예제 코드  3일간 점심식사 제공


◇ 사전등록 바로가기(클릭) (조기 마감)

◇ Contact
유시현 (mmi@kim.or.kr), 정희경 (hk.chung@snu.ac.kr) – 참가신청 및 행정 일반 
김동훈 박사 (donghun@kist.re.kr) – 강좌내용 및 행사 프로그램 일반
고원석 교수 (wonsko@ulsan.ac.kr), 정인호 교수 (in-ho.jung@snu.ac.kr) – 기타


7월 1 ~ 2일 (수, 목): 딥러닝의 기초 이론: 교육내용 상세 안내

이번 교육에서는 머신러닝, 딥러닝에 대한 기초 이론 및 데모을 진행한다. 선형대수, 최적화에 대한 강의를 통해 수학적 이해도를 높이고, 머신러닝에 대한 전반적인 설명과 더불어 인공신경망으로의 확장을 통해 딥러닝의 대표적인 구조를 설명하고자 한다. 파이썬 기반 실행 가능한 코드를 제공해 알고리즘의 이해도와 활용도를 높인다.

◇ 강의자료 및 설치파일 

◇ 실습 관련 안내 사항  
- 실습을 원하시는 분은 개별 노트북을 지참하여야 합니다.  
- 실습코드를 전부 제공하지만, 강습회에서는 이론 설명과 데모 위주로 수업을 진행합니다.

날짜

연사

주제

비고

7 1

이승철
(포스텍)

인공지능 소개
선형대수
최적화
회기분석
분류

Python 설치 및 사용법
Linear Algebra
Optimization, Gradient Descent
Regression (Overfitting)
Classification (Perceptron, SVM, Logistic Regression)

7 2

이승철
(포스텍)

윤종필
(KITECH)

인공신경망
오토인코더
합성곱 인공신경망
적대적 생성 신경망

Artificial Neural Network (ANN)
Autoencoder
Convolutional Neural Network (CNN)
Generative Adversarial Network (GAN)


한국재료관련학회협의회
(06633) 서울시 서초구 서초대로 56길 38
Copyright 2012 한국재료관련학회협의회 all rights reserved.