대한기계학회 기계인공지능연구회
2025년 인공지능 여름학교
대한기계학회 회원 여러분, 우리 학회 기계인공지능연구회 주관으로 “2025년 인공지능 여름학교”를 개최합니다. 이번에서는 설명가능 인공지능, 불균형·불완전 데이터를 활용한 효율적 학습 방안, 물리 지식 기반 인공지능, 거대 언어 모델을 중심으로 강습회를 준비하였습니다. 본 강습회는 파이썬 코딩, 머신러닝, 딥러닝에 대한 초급 지식을 갖춘 분들을 대상으로 합니다. 기계공학 연구에 즉시 활용 가능한 수준 높은 이론과 실습(또는 데모)을 준비하여, 기존 강습회와의 차별화를 도모하였습니다. 회원 여러분의 많은 참여를 부탁드립니다.
● 주최 : 대한기계학회
● 주관 : 대한기계학회 기계인공지능연구회
● 일자 : 2025년 7월 14일(월)~16일(수)
● 장소 : 아주대학교 혜강관 209호
● 후원 : 아주대학교 기계공학과(첨단제조정밀기계부품장비 전문인력양성사업)
● 행사 일정
|
날 짜
|
시 간
|
제 목
|
연 사
|
|
7월 14일
(1일차)
|
13:00-15:00
|
머신러닝, 딥러닝
(ANN, CNN, RNN)
|
손정우 교수
(금오공대)
|
|
15:00-18:00
|
설명 가능 인공지능
(SHAP, LIME, CAM, Grad-CAM, LRP)
|
이세진 교수
(공주대)
|
|
7월 15일
(2일차)
|
09:00-11:00
|
데이터 효율적 학습 1
(Transfer Learning, Domain Adaptation, Self-supervised Learning)
|
하종문 교수
(아주대)
|
|
11:00-13:00
|
데이터 효율적 학습 2
(Active Learning)
|
이상승 교수
(인하대)
|
|
14:00-15:00
|
물리지식기반 인공지능 1
(Physics-informed Neural Networks; PINN)
|
윤헌준 교수
(숭실대)
|
|
15:00-16:30
|
물리지식기반 인공지능 2
(Deep Operator Network; DeepONet)
|
김태진 교수
(전북대)
|
|
16:30-18:00
|
물리지식기반 인공지능 3
(Fourier Neural Operator; FNO)
|
정준하 교수
(아주대)
|
|
7월 16일
(3일차)
|
09:00-13:00
|
거대 언어 모델
(Large Language Models; LLM)
|
김태완 박사
(한국전기연)
|
|
14:00-15:00
|
기계공학에서 인공지능 응용사례 1
(인공 신경망의 역전파법을 이용한 소음기의 최적 설계)
|
이진우 교수
(아주대)
|
|
15:00-16:00
|
기계공학에서 인공지능 응용사례 2
(Modeling extreme physics phenomena using physics-aware deep learning)
|
백승엽 교수
(Univ. of Virginia)
|
|
16:00-17:00
|
기계공학에서 인공지능 응용사례 3
(주요 기계 시스템에서 건전성 진단과 인공지능의 기여)
|
오현석 교수
(GIST)
|
● 세부 강연 내용
- (1일차 오후) 머신러닝 및 설명가능 인공지능 : 데이터를 학습하여 복잡한 패턴을 예측하는 ANN, CNN, RNN 모델에 대해 설명. 이러한 모델은 블랙박스로 도출된 결과에 대한 해석이 어렵다는 한계가 있는데, 모델 예측 결과에 대한 근거를 시각화하고 해석 가능성을 높일 수 있는 SHAP, LIME, Grad-CAM, LRP와 같은 설명가능 인공지능 기법에 대한 이론 강의와 데모 진행.
- (2일차 오전) 데이터 효율적 학습 : 데이터 부족/불균형 문제를 극복하기 위한 사전학습된 모델 지식을 활용하는 전이학습(Transfer Learning), 도메인 적응(Domain Adaptation), 그리고 라벨 없는 데이터 세트를 활용하여 학습 효율을 높이는 자기지도학습(Self-Supervised Learning)에 대한 이론 강의와 데모 진행. 정보량이 높은 데이터를 선택적으로 학습시켜 라벨링 비용을 줄이고 높은 성능을 얻을 수 있는 능동학습(Active Learning)에 대한 이론 강의와 데모 진행.
- (2일차 오후) 물리지식기반 인공지능 : 물리 법칙을 인공지능 모델의 손실 함수에 반영하여 인공지능 모델 출력 결과의 물리적 정합성을 유지하는 PINN, 다양한 조건에 대한 연산자를 학습해 빠른 예측을 지원하는 DeepONet, 푸리에 공간 기반으로 연산자 학습을 수행하여 계산 효율과 일반화 성능을 모두 확보하는 FNO에 대한 이론 강의와 데모 진행.
- (3일차 오전) 거대 언어 모델 : 자연어 처리 분야에서 비약적인 성능 향상을 이끈 거대 언어 모델(LLM)에 대한 최근 연구 동향 및 이론 강의 진행. 거대 언어 모델의 실질적인 활용을 위한 응용 기법(Retrieval-Augmented Generation) 및 프레임워크(LangChain, LangGraph)에 대한 강의와 데모 진행.
- (3일차 오후) 기계공학 응용 : (1) 인공신경망의 역전파법을 활용해 소음기 내부 형상을 자동으로 최적화하고, 기존의 반복적 수작업 설계 과정을 보완할 수 있는 소음기 최적설계 (2) 고온, 고속, 고압 등 극한 조건에서 발생하는 물리 현상을 물리지식 기반 딥런이 모델로 정밀하게 예측함으로써 전통 해석 기법의 한계를 극복하기 위한 극한 물리현상 모델링 (3) 회전체, 펌프 등 주요 기계 시스템의 고장 전 이상 징후를 감지하기 위한 건전성 진단에 대한 응용 사례 발표.
● 신청 안내
- 은행을 이용한 납부방법 : 우리은행/대한기계학회/1005-403-359047
- 카드 및 계좌이체를 이용한 납부방법 : 사전등록 페이지에서 전자결제시스템 이용
● 신청 마감 : 2025년 6월 20일(금)까지(단, 납부 기준 선착순 100명, 현장등록 불가)
● 수강료
|
구 분
|
회 원
|
비회원
|
|
일 반
|
1일차
|
10만 원
|
16만 원
|
|
2일차
|
15만 원
|
21만 원
|
|
3일차
|
15만 원
|
21만 원
|
|
학 생
|
1일차
|
8만 원
|
10.5만 원
|
|
2일차
|
12만 원
|
14.5만 원
|
|
3일차
|
12만 원
|
14.5만 원
|
- 점심 식사 및 다과 포함, 주차권 미포함.
- 비회원 등록의 경우 1년간 대한기계학회 회원 자격을 부여함.
- 비회원이 2일 이상 등록할 경우, 1일만 비회원가로, 나머지는 회원가로 등록함.
● 실습 안내
- 본 강습회에서는 개별 실습을 진행합니다. 따라서, 개인용 컴퓨터를 준비하시기 바랍니다.
- 필요한 프로그램은 등록한 분에게 메일로 사전 안내해 드릴 예정입니다.
- 실습에 필요한 모든 소스 코드를 제공합니다.
● 행사 문의
기계인공지능연구회 회장 오 현 석
대한기계학회 회장 배 중 면
