Optim. Lab.

Jong-June Jeon jj.jeon@uos.ac.kr
서울시립대학교 통계학과, 통계데이터사이언스 대학원

환영합니다!! 서울시립대학교 통계학과, 통계데이터사이언스 대학원 Optim.Lab.에 오신것을 환영합니다. 우리 연구실은 다양한 형태의 신경망 모형을 포함한 기계학습 모형개발과 그 모형을 적합하기 위한 최적화 방법론 연구를 하고 있습니다. 현재 연구실에서는 주로 이미지, 네트워크, 기상, 순위, 주가 데이터를 다루며, 이러한 데이터 도메인 위에서 특성벡터의 추출, 확률구조의 추정, 분류모형과 회귀모형의 개발과 관련한 일을 합니다. 연구실을 통해 생산한 논문은 다음 Google scholar를 통해 확인하실 수 있습니다.

Recent Work (2023-Present)

  • Lim, J, An, S., Woo, G., Kim, C., and Jeon J. J. (2024), "Context-Driven Missing Data Imputation via Large Language Model" (submitted).
  • Kim, C., An, S., Woo, G., Lim, J, and Jeon J. J. (2024), "ViTal-MVP: Visual Transformation of Tabular Data for Multi-View Explainable AI" (submitted).
  • Cho, S., Woo, G., Lim, J., Kim, C, Hong S., and Jeon J. J. (2024), "A New Large-Scale Knowledge Graph for Link Prediction in Chemicals inducing Diseases" (working paper).
  • An, S., Woo, G., Shin, W., Kim, K., Kim, D., Choi, J., and Jeon J. J. (2024), "Masked Language Modeling Becomes Conditional Density Estimation for Tabular Data Synthesis" (submitted)
  • Choi, S., Park, T. and Jeon, J. J. (2024), "Large Scale Road-Traffic Noise Mapping with AI Technology" (working paper)
  • Park, J., Hong, S., Cho, Y., and J. J. Jeon (2024), "Unicorn: U-Net for Sea Ice Forecasting with Convolutional Neural Ordinary Differential Equations" (submitted) (Link)
  • Cho, S., Hong, S., and Jeon, J. J. (2024), "Adaptive Adversarial Augmentation for Molecular Property Prediction" (submitted)
  • An, S., Hong, S. and Jeon J. J. (2024), "Distributional Learning for Synthetic Tabular Data via Cramer-Wold Device", (working paper)
  • Hong, S. and Jeon J. J. (2024), "Uniform Pessimistic Risk and Optimal Portfolio", (submitted) (Link)
  • Hong S., An, S. and Jeon J. J. (2024), "Improving SMOTE via Fusing Conditional VAE for Noise Adaptive Sampling", (submitted)
  • Kim D., Cho. S. Jeon J. J. and Choi J. (2024), "Inhalation toxicity screening of consumer products chemicals using OECD TG data based machine learning models", (accepted) Journal of Hazardous Materials
  • Hong S., An, S. and Jeon J. J. (2024), "Multivariate Cryptocurrency Price Forecasting using Distributional Variational AutoEncoder", CIKM 2024 (Link)
  • Hong, S., Choi Y. , Jeon J. J. (2024), "Interpretable Transformer for Water Level Forecasting" (accepted) , Journal of International Forecasting (Link)
  • An, S., Song.K,, Jeon J. J. (2023), Causally Disentangled Generative Variational AutoEncoder", ECAI 2023 (Link)
  • An, S. and Jeon J. J. (2023), "Distributional Variational AutoEncoder To Infinite Quantiles and Beyond Gaussianity", NeuRIPS 2023 (Link)
  • Oh C., So J., Byun H., Lim Y., Shin M., Jeon J., Song.K (2023), Geodesic Multi-Modal Mixup for Robust Fine-Tuning, NeuRIPS 2023
  • An, S. and Jeon (2023), "Customization of Latent Space in Semi-Supervised Variational Autoencoder" , Pattern Recognition Letters (Link)

On-Going Work

  • An, Shin, and Jeon, Sustainable ML-pipeline for customizing LLM
  • Moon, H., An, S., and Jeon, J.J. (2024), Stopping Exploration improves bandit algorithm?
  • Cho, S., Shin, W., Woo, K., Kim, K., and Jeon, J.J. (2024), Link prediction model for CTD data analysis
  • Shin, W., Kim, K., and Jeon, J.J. (2024), Link prediction model with contrastive learning for CTD data analysis
  • Woo, K., Cho, S., Shin, W., Kim, K., and Jeon, J.J. (2024), Explainable hypergpaph with causal inference
  • Jung, J., Park, H. and Jeon, J.J. (2024), Query Performance Prediction under LLM era

Funding

  • 거대언어모형 개인화 연구, 2023, 서울시립대학교
  • 로보어드바이저 알고리즘 개발, 2023, 관악연구소
  • 기초연구실, 2022-2024, 과학기술정보통신부
  • DS+ 사업단, 2022-2025, 과학기술정보통신부
  • 디지털혁신인재양성사업단 (빅데이터), 2021-2023, 교육부
  • 기본연구자지원사업, 2022-2024, 과학기술정보통신부
  • 1인가구추정 모형개발, 2021-2023, 서울시-서울시립대-SKT-KCB-신한카드 컨소시엄
  • 분자독성네트워크 연구, 2021-2025, 환경부
  • 인공지능 의사결정 모형개발, 2021

Contact

  • Building: 서울시립대학교 미래관 712호
  • tel: 82-2-6490-2637 / fax: 82-2-6490-2629
  • Address: 서울특별시 동대문구, 전농로 163 서울시립대학교 통계학과, 02504

Social Network




LAB.Current Research

연구실 구성원과 함께 진행 중인 연구에 대한 간단한 설명이 있습니다. 2024년 연구주제는 Synthetic Data Generation 입니다.


          

Deep Learning for Molecular Property Prediction

Members: 조소영, 신원형, 우경동, 김기원

연구방법론: Heterogeneous Graph Embbedding, Link prediction

소개: Chemical, Gene, Disease 간의 인과관계, 상관관계, 영향점수를 요약한 CTD database 를 이용하여 아직 발견하기 못한 연결관계를 추론하는 모형을 개발

Funding: Ministry of Environment

Leader: 조소영

Information Retrieval aided by Large Language Model

Members: 안승환, 신원형, 정재환, 문희원, 김창현

연구방법론; Causal Inference, Ranking Model, Bandit Model

소개: LLM 을 이용한 dense retreival 성능 개선 연구

Funding: Ministry of Science and ICT

Leader: 신원형

Synthetic Data Generation

Members: 안승환, 임재성, 김창현

연구방법론: Variational AutoEncoder, Generative Models

소개: 다양한 합성데이터 생성 방법 연구

Funding: Ministry of Science and ICT

Leader: 안승환

Long term forecasting for Multivariate time series

Members: 홍성철, 정지운, 박기정

연구방법론: Causal Inference, Transformer

소개: 금융 장기 시계열 예측 모형 연구

Funding: Ministry of Science and ICT

Leader: 홍성철

Deep Learning for General Science

Members: 홍성철, 최성수, 박재성, 조윤서

연구방법론: Transformer, CNN

응용분야: Climate Change, Hydrology, Noise level Prediction

Funding: Ministry of Science and ICT

Leader: 홍성철

Education & Carrier

서울시립대학교 도시과학빅데이터AI연구원 원장 (2023)
서울시립대학교 연구부처장/산학협력부단장 (2021-2022)
서울시립대학교 디지털혁신공유대학 사업단장 (2021)
서을특별시 스마트도시정책관 통계데이터협력단장 (2019-2020)
 

PHD

이학 박사
서울대학교 통계학과 - 고차원 순위 모형의 모수추정
Aug, 2012

BS

경영학사

서울대학교 경영대학 경영학과

Aug, 2005

LAB.Q&A



  • (Q) 연구실에 오면 어떤 공부를 하게 되나요?
    (A) Lab. Optim. 에서는 기본적으로 선형대수 및 최적화 방법론을 이해하고 기계학습 모형이나 인공지능 모형을 적합하기 위한 계산 방법을 배웁니다. 기계학습 모형을 수리모형의 표현형으로써 읽을 수 있는 능력을 키운 후, 관심있는 분야의 논문을 읽고 방법론을 구현해봅니다. 석사 과정 학생의 경우 기업과 공동 프로젝트를 수행하거나, 강의 교안 개발, 수업조교 활동을 통해서 경험을 쌓게 됩니다. 박사 과정의 경우 좀 더 깊은 수리적 능력을 배양하게 되며, 연구실의 중점 추진과제를 수행하게 됩니다. 2023년 연구실 중점추진과제는 Research menu를 참고하세요.

  • (Q) 학부인턴을 모집하나요?
    (A) 학교 교과과정인 인턴십프로그램, 혹은 연구실 차원에서 학부인턴제도를 운영하고 있습니다. 메일로 연락주세요.

  • (Q) 주로 어떤 프로젝트를 할 수 있고, 어떻게 프로젝트에 참여할 수 있나요?
    (A) 해마다 수행하는 프로젝트는 다르나 기계학습 및 인공지능 Application을 중심으로 이루어집니다. 2023년 프로젝트는 해상선박관제, 분자구조를 이용한 화학물질 독성예측, 결합데이터를 활용한 1인가구 분석 등이 있습니다. 프로젝트에 참여하기 위해서는 데이터 전처리, 분석, 보고서 작성과 같은 연구자의 기본적인 역량이 필요합니다. 프로젝트 참여여부는 프로젝트 시작시 교수와 연구원이 상의해서 결정하며, 연구자에게는 역량에 맞는 업무가 배정됩니다.

  • (Q) 졸업 후에는 어떤 일을 주로 하고 있나요?
    (A) 졸업생들은 대부분 데이터 분석과 관련한 일을 하고 있고 있습니다. 금융, 유통, 생명과학등 다양한 분야의 데이터 분석업무를 하면서 활발한 활동을 이어나가고 있습니다.

  • (Q) 석박사 과정에서 인건비가 있나요?
    (A) 서울시립대학교 교내 장학금, 인재양성사업 장학금 및 연구실 프로젝트를 수행하는데 대한 인건비를 지급할 수 있습니다. Funding 을 참고하세요.

  • (Q) 비전일제 과정도 있나요?
    (A) 통계학과 사무실을 통해 문의하시길 바랍니다.

  • (Q) 박사 졸업요건은 어떻게 되나요?
    (A) 박사 졸업을 위해서는 주저자 SCI(E) 논문 1편, 혹은 주저자 KCI 2편이 필수입니다.

          
      


Lab.Family


          

          
    
    
                
  • 박사과정

    • 조소영: Graph Neural Network, Graph Data Augmentation
    • 안승환: Synthetic Data Generation (Home)
    • 신원형: Neural Ranking and Collaborative Filtering
    • 정재환: Data fusion, Kalman filter
    • 강민설: (현: 언어모형 DB)
    • 이수재: (현: 경기도청)
    • 장홍진: (현: 신용보증기금)
    • 김영욱: (현: 품질관리)
    
                  
    
                            
  • 석사과정

    • 문희원: Collaborative Fitering with bandit algorithm
    • 최해인: -
    • 김기원: Reconstruction-based anomaly detection; Node-Link prediction with GNN
    • 정지운: Pattern analysis of stock price-
    • 조윤서: Spatiotemporal Attention Model for Sea Ice Extent
    • 박재성: Generattive model for temporal multi-channel data (prediction of sea ice changes)
    • 박기정: Survival model with time series data
    • 우경동: Generating Tabular data with Masked Transformers; Node-Link prediction with GNN
    • 임재성: Synthetic data generation in Tabular data
    • 김창현: Adaptive Input Variable Control in Generative Models for Targeted Data Exploration
    
                
    
                
  • 학사과정 (전공탐색)

    • (2024) 박상훈, 송화원
    • (2023) 신현서, 이경윤
    • (2022) 박재성, 박기정
    
                
    
                
  • 졸업생







LAB.News


Summer, 2022
May, 2022
May, 2022
May, 2022
Jan, 2022
Oct, 2021
May, 2021

Sep, 2024
Sep, 2024
Sep, 2023
Aug, 2023
July, 2023
July, 2023
Feb, 2023
Nov, 2022
May, 2022
June, 2019
Nov, 2019
Nov, 2019