세션1_Graph Neural Network

고려대학교 컴퓨터학과 김현우 교수

그래프 신경망은 그래프 분석을 위해 특화된 인공신경망 구조로 다양한 분야에 활용 되고 있다. 그래프 신경망의 기초적인 모델을 포함하여 최신 모델의 장점과 한계점을 논의하고, 그래프 데이터를 다루기 위한 딥러닝 모델 구현 실습과 다양한 응용을 소개한다.

세션2_GNN을 활용한 추천 시스템

연세대학교 계산과학공학과 신원용 교수

그래프 신경망을 활용한 SOTA 추천 시스템 기술의 개요를 설명하고 모델 최적화 방안을 다룬다. 현재 그래프 신경망 기반 추천 시스템의 실제적인 챌린지에 대해 논의하고 부호 인지 그래프 생성 기반의 새로운 추천 시스템을 소개한다.

세션3_Neural ODE and Score-based Generative Model

연세대학교 컴퓨터공학과/인공지능학과 박노성 교수

Neural ODE의 핵심 개념과 이를 활용한 추천 알고리즘, 시계열 예측 등 최신 연구를 소개 한다. 생성 과정을 확률미분방정식으로 모델링하는 과정, denosing socre matching에 대한 기본 개념과 다양한 샘플링 방법, 그리고 테이블 합성 분야의 최신 연구를 다룬다.

세션4_Diffusion Probabilistic Models and Text-to-image Generative Models온라인

서울대학교 수리과학부 류경석 교수

확률미분방정식에 기반한 Diffusion 확률 모델과 Text-to-image 생성모델의 이론 및 최신 연구를 소개한다. DALLE-2와 Stable Diffusion과 같은 텍스트 조건부 Diffusion 모델을 설명한다.