Big Data

빅데이터

연구 목표 및 비전

KAIST 전기 및 전자공학부의 빅데이터 연구는 대규모 데이터의 수집, 저장, 분석 및 활용을 통해 혁신적이고 실세계에 유용한 솔루션을 제공하는 것을 목표로 합니다. 이 연구는 데이터베이스 관리, 데이터 마이닝, 인공지능, 데이터 관리 책임성, 그래프 및 시계열 분석, 이상 탐지, 해석 가능한 의사 결정을 포괄합니다.

데이터베이스 관리, 데이터 마이닝, 데이터 중심 AI, 책임 있는 데이터 관리, 그래프 및 시계열 분석, 이상 탐지, 해석 가능한 의사 결정 분야에서의 연구 결과는 IT, 제조, 금융, 의료 등 다양한 산업 분야에 응용되고 있습니다.

주요 연구 분야

데이터베이스

Database

데이터 저장 및 관리 : 대규모 데이터의 효율적인 저장 및 관리를 위한 데이터베이스 시스템을 설계하고 최적화합니다.
질의 처리 및 최적화 : 빠르고 정확한 데이터 검색을 위한 질의 처리 및 최적화 기술을 개발합니다.

관련교수

FACULTIES

황의종

데이터 마이닝

Data Mining

패턴 발견 : 대규모 데이터 내에서 유의미한 패턴과 트렌드를 발견하는 알고리즘을 연구합니다.
연관성 분석 : 데이터 항목 간의 연관성을 분석하여 비즈니스 인사이트를 제공합니다.

관련교수

FACULTIES

데이터 중심 AI

Data-centric AI

AI 모델 개발 : 데이터를 중심으로 한 인공지능 모델을 개발하여 예측 및 분류 작업을 수행합니다.
데이터 품질 향상 : AI 모델의 성능을 향상시키기 위해 데이터 품질을 평가하고 개선하는 방법을 연구합니다.

관련교수

FACULTIES

책임 있는 데이터 관리

Responsible Data Management

신뢰 가능한 AI : 공정성, 강건성, 프라이버시, 설명 가능성 등 신뢰 가능한 데이터 관리 방안을 연구합니다.
AI 윤리 : AI 모델이 윤리적일 수 있는 데이터 관리 방안을 연구합니다.

관련교수

FACULTIES

그래프 및 시계열을 위한 AI

AI for Graphs and Time Series

그래프 데이터 분석 : 그래프 구조를 가진 데이터의 분석 및 해석을 위한 AI 알고리즘을 개발합니다.
시계열 데이터 분석 : 시계열 데이터의 패턴 인식 및 예측을 위한 AI 기술을 연구합니다.

관련교수

FACULTIES

이상 탐지

Anomaly Detection

이상 징후 식별 : 정상 패턴에서 벗어난 이상 데이터를 식별하는 알고리즘을 개발합니다.
실시간 모니터링 : 실시간 데이터 스트림에서 이상 징후를 탐지하는 시스템을 연구합니다.

관련교수

FACULTIES

해석 가능한 의사 결정

Interpretable Decision Making

설명 가능한 AI : 의사 결정 과정을 이해하고 설명할 수 있는 AI 시스템을 개발합니다.
투명한 모델링 : 데이터 기반 의사 결정을 투명하게 하기 위한 해석 가능한 모델링 기법을 연구합니다.

관련교수

FACULTIES

빅데이터의 최근 관련 활동

KAIST EE의 빅데이터에 관련된 자세한 연구 성과는 아래를 참조하세요.

연구

연구분야

빅데이터

Big Data

학부 소개

연구

EE-X

AI in EE

구성원

교육

입학

소식

대외협력

학부 소개

연구

EE-X

AI in EE

구성원

교육

대외협력

입학

소식