ENGLISH

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)

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", (submitted)
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)
Hong, S., Choi Y. , Jeon J. J. (2023), "Interpretable Transformer for Water Level Forecasting" , (under revision) (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)
Kim D., Cho. S. Jeon J. J. and Choi J. (2023), "Screening inhalation toxicity of environmental chemicals using OECD test guideline 403, 412 and 413 data-based machine learning classification models", (submitted)

On-Going Work

Hong S., An, S. and Jeon J. J. (2023), Multivariate Cryptocurrency Price Forecasting using Distributional Variational AutoEncoder
Park, J. and Hong S., Cho, Y., and Jeon, J. J. (2024), A framework of Dynamic Neural Networks for Sea Ice Prediction
Choi, S., Park, T. and Jeon, J. J. (2024), Deep learning for predicting Traffic noise
An, Shin, and Jeon, Sustainable ML-pipeline for customizing LLM
Moon, H., An, S., and Jeon, J.J. (2024), Stopping Exploration improves bandit algorithm?
Lim, J., Woo, K., An, S., and Jeon, J.J. (2024), End-to-End Sythetic Data Generation under missing data
Cho, S., Shin, W., Woo, K., Kim, K., and Jeon, J.J. (2024), Link prediction model for CTD data analysis

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

Class

Optim Lab. 의 석박사 과정동안 기본적으로 배워야하는 컴퓨터, 수학, 통계학 관련 주제목록입니다. 정기적인 학생, 교수 세미나를 통해 데이터사이언스에 필요한 여러가지 내용을 학습하고 활용방법을 익힙니다.

Class

Convex Optimization (Graduate 2023 fall)

EDA (Undergraduate 2018 fall)

대학원 입학시 (Requirements)

파이썬/R 기초 (학부)
확률론 (학부)
선형대수 (학부)
회귀분석 (학부)
수리통계 (학부)

※ 통계학과 대학원 특별 세미나 (winter school) 계획 (매년 2월 15-19일, 6시간×5일간)

대학원 석박사 공통

다변량통계 (다변량정규분포, PCA, Copula)
기계학습 (likelihood model, empirical risk minimization, Multivariate Calculus, Monte-Carlo 시뮬레이션)
딥러닝 (파이썬 클래스, Database (SQL and transaction), 파이토치 (Custom layer, Custom loss, Gradient Tape))
Convex optimziation

※ 수업 수강 (통계학과 대학원, 최적화 수업 매년 2학기 개설)

대학원 박사과정 공통

해석학 (학부)
확률론 (대학원); 일반 적분
점근적추론 (대학원 수업)
Empirical risk process

Oct, 2021

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

박사후연구원

홍성철: 최적화 (Optimization in Group lasso, and Quantile regression), 강화학습 (Home)

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: -
최성수: Application of knowledge distillation (Urban Noise map)
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)

(2023) 신현서, 이경윤
(2022) 박재성, 박기정

졸업생

문상준 (박사): 하나카드 ( Personal Home)
홍성철 (박사): 서울시립대학교 박사후연구원
변성준 (석사): 드림씨아이에스
강희건 (석사): 서울시립대학교 통계학과 박사과정
채상희 (석사):
고은영 (석사): 롯데카드
한이정 (석사): GS리테일
조연선 (석사): 데이터산업진흥원
이지원 (석사): 새론솔루션
엄규철 (석사): SK C&C
한두희 (석사): LG 전자
홍예지 (석사): PT-KOREA
김혁구 (석사): KB국민은행
박진아 (석사): 데이타솔루션
길경주 (석사): SK매직

기계학습을 시작하고자 하는 사람들은 한 번 읽어보세요 (update: 2023 Oct.)

My Note

Materials

Useful Links

LAB.News

병렬컴퓨팅 2023: 2차 (8시간)
- 데이터 병렬화
- 모델 병렬화
- 3차원 병렬화
- Megatron-LM 실습
인과추론세미나 2022: 4차 (22시간)
- 인과추론소개: Purdue University 정용한
- 준모수추론이론: 건국대학교 유규상 교수님
- Causal inference with score matching: 서울대학교 이권상 교수님
- 공정한 AI: 서울대학교 김용대 교수님

Summer, 2022

기본연구 선정 : 분포강건학습을 이용한 강건한 VAE 모형연구(2022-2024)
- 이 연구는 분포강건최적화(DRO)에 대한 이론적인 분석을 목표로 합니다.
- 참여연구원: 석박사과정

May, 2022

기초연구실 선정 (대학원): 인과추론을 이용한 신뢰가능한 AI모형 연구(2022-2024)- news!!
- 통계학과 최연진 교수님, 인공지능학과 송경우 교수님, 정지영 교수님으로 구성된 연구팀이 인과추론을 이용한 신뢰가능한 AI 모형연구를 진행합니다. 인과추론과 분포강건모형, Vision 등의 융합연구를 희망하는 석박사 및 박사후연구원과 함께 연구하면 좋겠습니다.
- 참여연구원: 박사후연구원 1, 박사과정 3, 석사 17, 학사 1

May, 2022

데이터사이언스융합인재양성 사업 선정(대학원): DS플러스 차세대 융합인재 양성사업 (2022-2028)- news!!
- 서울시립대학교 통계학과-인공지능학과-도시빅데이터융합학과가 사업에 선정되었습니다. 이 사업은 고려대학교-서울시립대학교-충남대학교-호서대학교의 컨소시엄으로 수행하며 서울시립대학교에서는 매년 20명이상의 데이터사이언스융합인재를 양성하기 위해 장학금 지원, 교과과정을 개편, 산학연 교류사업을 수행합니다. 우수한 인재들과 함께하면 좋겠습니다.
- 지원대상: 서울시립대학교 데이터사이언스 융합인재양성과정 커리큘럽 이수생 및 연구생

May, 2022

연구실 주간세미나 성과발표회: 연구실 정기 세미나 성과발표회를 진행합니다. 2022년 2월 17일 광화문에 위치한 회의실에서 그동안 총 15회에 걸친 세미나 결과를 Vision, Text, Urban Bigdata 에 주제로 발표합니다. 2022년은 Research follower 에서 Leader group이 되길 바랍니다.

Jan, 2022

연구실 주간세미나 정례화: 연구실 내 소규모 연구그룹을 만들어 정기적인 세미나를 진행합니다. 최신 통계논문 읽기, 객체탐지모형의 구현, 키워드 및 문장추출 알고리즘 연구, 도시빅데이터 관련 연구를 진행합니다. (세미나 논문리스트)

Oct, 2021

디지털혁신공유대학인재양사업 빅데이터 선정 (2021-2026): 디지털 신기술 인재양성 혁신공유대학 (빅데이터)- news!!
- 서울대학교-경기과학기술대학교-경상대학교-서울시립대학교-숙명여자대학교-전북대학교-한동대학교 컨소시엄으로 학부 빅데이터 관련 교과 인재양성사업에 선정되었습니다. 잘 구성된 빅데이터 통계, 컴퓨터 과학 관련 교과목을 구성하였으며, 통계학과 컴퓨터과학과연계한 다양한 융합형 학부 교과목을 운영합니다. 마이크로디그리과정을 컨소시엄에서 구성하여 디그리이수 인증서를 발급합니다. 데이터사이언스 전공을 희망하는 고등학교, 학부 입학생, 복수전공을 희망하는 학생, 편입을 희망하는 학생들이 서울시립대학교의 디지털혁신공유대학 컨소시엄에서 함께 하길 바랍니다.

May, 2021

안승환 (박사과정) NeuRIPS 2023 accept을 축하합니다!

Sep, 2023

길경주(석사) 졸업을 죽하합니다!

Aug, 2023

자료분석학회 2023 summer, 안승환 (박사과정) , 학생논문상 우수상 축하합니다!
Distributional Learning of Variational AutoEncoder: Application to Synthetic Data Generation.
자료분석학회 2023 summer, 조소영 (박사과정) 학생 논문 장려상 축하합니다!
Robust Graph Augmentation for Molecular Property Prediction.
자료분석학회 2023 summer, 길경주 (석사과정) 학생 포스터 논문상 우수상 축하합니다!
Zero-inflated Data Generation using TVAE.

July, 2023

안승환 (박사과정) ECAI 2023 accept을 축하합니다!

July, 2023

홍성철(박사) 졸업, 김혁구(석사) 졸업, 박진아(석사), 한두희(석사) 졸업을 축하합니다!

Feb, 2023

홍성철 학생의 한국인공지능학회(2022 Fall) 우수논문상 수상을 축하합니다! (Uniform Pessimistic Risk and its Applications, Hong and Jeon)

Nov, 2022

김혁구, 박진아 학생의 서울데이터펠로우십 선정을 죽하합니다!- news!!

May, 2022

고은영, 한이정, 조연선 졸업을 축하합니다

June, 2019

한국 통계학회에서 발표 (2019년 추계): 전종준, 문상준, 홍성철, 한이정이 발표하였습니다 (click!) .

Nov, 2019

수상소식!!: 2019년 추계 한국통계학회에서 문상준 (학생발표 1등), 홍성철 (학생발표 2등), 한이정(학생발표 3등) 축하합니다!!!

Nov, 2019