HOME > 학술대회 SEMINAR > 학술대회안내2017년도 춘계학술논문발표회 및 임시총회
페이지 정보
본문
2017년도 춘계학술논문발표회 및 임시총회 안내
2017년도 춘계학술논문발표회가 숙명여자대학교에서 5월 26일(금)～27일(토) 양일간 개최될 예정입니다.
논문발표, 학회장초청강연, 특별초청강연, Tutorial 및 리셉션을 가질 예정이오니, 회원들께서는 다음 사항을
참고하시어 학술논문발표회가 성공리에 치러질 수 있도록 많은 참여와 관심을 바랍니다.
￭ 사전등록 안내
학술논문발표회의 원활한 진행을 위하여 참가비 사전등록을 아래와 같이 받고자 합니다. 특히 회원과 비회원의 참가비가 차등 부과되오니 이점 착오 없으시기 바랍니다.
(단, 당해년도 연회비가 납부되어야 회원가로 참가비 적용됩니다.)
[등록일] 2017년 3월 6일(월) - 5월 8일(월)
[등록방법] 학회 홈페이지(http://www.kss.or.kr)에서 온라인 접수
[납부방법] 계좌입금(한국씨티은행, 186-00189-257, 예금주: 한국통계학회) 또는 학술논문발표회 웹페이지 에서 신용카드 결제
※ 참가비는 반드시 본인 이름으로 송금하여 주시기 바랍니다.
※ 당일등록에서는 현금결제만 가능하오니, 카드결제를 하셔야 하는 경우에는 사전등록기간을 이용하시기 바랍니다.
※ 사전등록 취소는 다음과 같이 가능합니다.
5월 15일(월)까지 취소시 100% 환불, 5월 22일(월)까지 취소시 50% 환불, 이후에는 취소 불가 합니다.
※ 이번 튜토리얼에서는 기계학습의 이해에 대해 소개할 예정입니다. 유익한 기회이오니, 많은 참여를 바랍니다. 특히 귀교의 대학원생들에게 널리 홍보해 주시기 바랍니다.
※ 리셉션은 사전등록 시 신청자에 한하여 입장되며(단, 비회원 학생의 경우 등록불가) 당일 등록하는 분들은 입장이 불허될 수 있습니다.
※초청 강연 연사 소개
∙Xiaotong Shen교수(특별초청강연1)
Xiaotong Shen교수는 현재 미국 미네소타주립대학교 통계학과의 John Black Johnston Distinguished Professor로 재직 중이다. Shen교수의 전공분야는 기계학습, 데이터마이닝, 가능도함수, 비모수추정, 모형 선택 등이다. 현재 주 연구분야는 구조화된 데이터 분석, 고차원 자료 분석과 이의 의학, 공학 분야의 응용이다. 수십편의 논문을 통계학/기계학습분야의 최고의 저널에 발표하였으며, IMS (International Mathematical Statistics)와 ASA (American Statistical Association)의 Fellow이며. 90년대에 Sieve방법을 이용한 비모수함수 추정의 점근적 성질에 대한 연구로 세계적 명성을 얻었다. Annals of Statistics, Journal of American Statistical Association 등의 Associated Editor를 역임하였다.
∙Kenji Fukumizu(특별초청강연2)
Kenji Fukumizu교수는 현재 일본의 ISM (The Istitute of Statistical Methematics)의 교수와 통계적 기계학습센터의 센터장으로 재직 중이시다. 주 연구분야는 복잡한 구조화된 자료를 이용한 학습방법의 통계, 수학, 기계학습 관점에서의 이론 및 응용이며, 특히, 위상자료(topological data analysis), 커널방법론, 그래프이론, singular model의 추론 등에서 왕성한 연구를 진행 중이다. 수십편의 논문을 Annals of Statistics, Journal of Machine Learning Research, Neural Information Processing Systems 등의 기계학습분야 최고의 저널에 발표하였으며 Annals of Institute of Statistical Mathematics와 Foundation and Trends in Machine Learning의 Editor로 역임 중이다.
∙윤기중명예교수님(학회장초청강연)
연세대학교 상경대학 응용통계학과 명예교수로 현재 대한민국학술원 학술원회원으로 계십니다.
※Tutorial 강연 내용 소개
기계학습의 이해: 기계학습(machine learning)은 차세대 혁신을 주도하는 하나의 분야로 자리 잡고 있다. 특히 컴퓨터의 발달과 더불어 과거에는 고려하기 힘들었던 복잡한 예측 기반의 모델링 기법들이 다양한 분야에서 활용되고 있다. 이번 강의에서는 회귀(regression)와 분류(classification) 문제를 중심으로 잘 알려진 선형 및 비선형 모델링 기법들을 소개하고 예측 기반 자료분석 프로세스에서 기계학습의 개념이 적용되는 과정에 대하여 살펴본다.