연구

RESEARCH

연구분야

> 연구 > 연구분야 > 빅데이터

연구

RESEARCH

연구분야

> 연구 > 연구분야 > 빅데이터

연구분야

> 연구 > 연구분야 > 빅데이터

빅데이터

Big Data

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

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.

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.

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.

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.

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.

빅데이터의 최근 관련 활동

KAIST EE의 빅데이터에 관련된 자세한 연구 성과는 아래를 참조하세요.