데이터사이언스(DS) 응용 연구는 AI 모델을 산업 데이터에 단순히 적용하는 것을 넘어섭니다. (클릭 ☞ 본 연구실 “DS 연구 범주”). 본 연구실은 AI 모델의 내부 구조와 작동 원리에 대한 수학적·이론적 이해를 바탕으로, 산업별 도메인 지식과 실제 문제의 특성을 반영한 새로운 알고리즘을 설계하고 이를 AI 모델의 학습 구조에 통합하는 연구를 수행합니다.
이러한 연구는 디지털 헬스케어 및 의료 AI, 온라인 마케팅, 금융·경제, 인공위성 AI, 로보틱스 등 다양한 산업 분야를 대상으로 합니다. 특히 시계열 인공지능(Time Series AI), 설명 가능한 인공지능(XAI), 생성형 AI를 핵심 기술로 활용하며, 산업별 전문 지식과 시계열 데이터의 고유한 특성을 AI 모델에 반영하여 시간에 따라 변화하는 복잡한 현상과 데이터에 내재된 패턴을 예측·추론·해석합니다. 나아가 이러한 연구 성과를 지능형 의사결정 지원 시스템 및 AI 에이전트로 확장하여 실제 산업 문제 해결에 활용합니다. 연구 분야는 크게 다음 세 가지로 구분됩니다.
💡 주요 연구 분야(DataScience Applications Research)
- Domain Knowledge Representation
- 현실 세계의 산업별 도메인 지식과 복잡한 데이터의 특성을 AI가 학습하고 활용할 수 있는 형태로 표현하는 방법을 연구합니다.
- 텍스트, 이미지, 센서 및 금융 데이터 등 멀티모달 정보의 통합 표현과 지식 추출
- 복잡한 상황·맥락 정보의 주요 요인과 상호작용을 설명가능 AI(XAI)로 분석하여 사용자 행동 패턴을 정교하게 모델링
- 자연·사회 현상의 다양한 개체 간 관계와 상호작용을 복잡계 분석을 통해 구조화된 지식 표현
- 경제·금융시장, 온라인 광고, 의료 등 다양한 산업 데이터의 주요 패턴과 동적 특성을 확률·통계적 모델링을 통해 표현
- 관련 분석 모델 : 통계 및 확률과정(Stochastic Process and Statistical Modeling); 멀티모달 학습(Multimodal Learning); 자연어처리(Natural Language Processing); 설명 가능한 AI (eXplainable AI); 복잡계 네트워크 분석(Complex Network Science); 행동경제학(Behavior Economics)
- AI-based Prediction and Generative AI
- 효율적인 의사결정을 위해 미래의 변화를 예측하는 AI 모델과 사용자 맥락을 이해하고 자율적으로 행동하는 생성형 AI 에이전트를 연구합니다.
- 시계열의 순차적 특성과 시점 간 의존관계를 통합적으로 고려한 딥러닝 예측 모델 개발
- 도메인 지식을 반영한 모델 구조와 학습 방법 설계를 통해 예측 성능 및 학습·추론 효율 향상
- 산업별 도메인 지식을 바탕으로, 현실 문제 예측 성능 향상을 위한 새로운 지표 개발
- LLM의 맥락 이해와 지식 활용 능력을 높이기 위한 검색 증강 및 추론 방법 개발
- 상황에 맞는 계획 수립과 도구 활용을 통해 과업을 수행하는 지능형 에이전트 개발
- 관련 분석 모델: 시계열 예측 모델(Time-Series Forecasting); 기계학습 및 인공지능(AI and Machine learning); 대규모언어모델(Large Language Model); 검색증강생성(Retrieval-Augmented Generation); 특징 공학(Feature Engineering)
- Intelligent Decision Support
- AI의 예측·해석 결과와 도메인 지식을 바탕으로, 상황에 맞는 의사결정 전략과 이를 지원하는 지능형 시스템을 연구합니다.
- 도메인 지식과 AI를 융합하여 불확실성을 고려한 의사결정 최적화 전략 수립
- XAI 기반 미래 주요 영향 요인과 시간적 기여도를 분석하여 의사결정 근거와 투명성 제고
- 사용자 특성과 상황·맥락을 이해하여 적합한 정보와 선택 대안을 추천하는 개인화 전략 수립
- 금융, 의료, 광고 등 다양한 산업에서 예측·해석 결과를 활용하여 추천·최적화·의사결정을 지원하는 AI 에이전트 및 지능형 시스템 구축
- 관련 분석 모델: 최적화(Optimization); 설명 가능한 AI (eXplainable AI); 기계학습 및 인공지능(AI and Machine learning); 강화학습(Reinforcement Learning); 범용 인공지능 및 에이전트 AI(Artificial General Intelligence and Agentic AI); 도메인별 핵심 이론(Domain-Specific Theory)
💡 주요 연구 주제(Research Topic)
아래는 현재 데이터사이언스 응용 연구실이 진행 중인 세부적인 도메인 융합 연구 주제입니다.
- 시계열 예측 모델 및 강화학습 기반 스마트폰 과의존 중재 시스템 개발 (디지털헬스케어, HCI)
- 스마트폰 과의존 행동의 연결적 시퀀스 규명: TimeSHAP 기반 설명가능 분석 (디지털헬스케어, HCI)
- 인간의 장기기억 및 경험 기반 기억 강화 메커니즘을 모방한 AI 장기기억 검색 연구 (인지 AI, 자연어처리)
- 시계열 딥러닝 모델 기반 온라인 광고 예산 예측 및 최적화 (마케팅)
- 위성 텔레메트리의 이상징후 예측과 원인·변화구간 설명을 위한 AI 기반 지능형 관제 기술 개발(인공위성)
- 위성 텔레메트리의 이상 발생 시 변화 특성 규명과 효과적인 경보 지표 선정(인공위성)
- 중환자실(ICU) 생존 예측을 위한 시계열 기반 설명 가능한 AI 모델: TimeShap 기반 Mamba 모델 (의료)
- 다변량 시계열 예측 모델에서 변수 간 순차적 상호작용 패턴 해석 연구 (설명 가능한 AI)
- 특허 데이터의 국가 귀속 왜곡이 AI 에이전트의 전략적 판단과 협상 결과에 미치는 영향 분석 (Agentic AI )
- 환자별 운동수행 이력을 활용한 맞춤형 재활치료 처방 지원 의료 AI 에이전트 개발(의료)
- 시계열 검진 데이터를 이용한 딥러닝 기반 암 예측 (의료)