AI-Bayesian OpTimization Lab

몬테카를로 방법은 수학적인 결과를 얻기 위해 반복적으로 무작위 샘플링의 방법을 이용하는 넓은 범위의 컴퓨터 알고리즘으로, 보통 물리나 수학 문제를 해결하는 데 쓰이며 주로 최적화, 수치적 통합, 확률 분포로부터의 도출 등에서 주로 사용됩니다. 베이지안 방법은 우리가 기존에 가지고 있었던 어떠한 '선입견'의 개념을 수치화해서 계산에 넣을 수 있으며, 다양한 머신러닝 알고리즘에서 핵심적으로 이용되고 있는 방법론입니다. 통계적 머신러닝이란 결국 이 베이지안 통계학의 원칙하에서, 선입견을 조금씩 수정하는 과정으로 이를 위해 최적화 및 몬테카를로 방법이 많이 이용됩니다. 저희 연구실에서는 빅데이터(Big Data) 속의 패턴과 관계를 파악하기 위해 컴퓨터가 학습하는 머신러닝(Machine Learning), 데이터 변화에 대해 스스로 학습하여 예측모델을 진화시키는 딥러닝(Deep Learning) 등을 연구하며, 특히 머신러닝과 딥러닝 알고리즘의 최적화 및 몬테카를로 방법에 대해 연구합니다.