데이터사이언스(DS) 응용 연구는 AI 모델의 단순한 적용을 넘어섭니다. (클릭 ☞ “DS 연구 범주” 참고)
우리는 모델의 내부 구조와 작동 원리에 대한 수학적·이론적 지식을 깊이 축적하고, 이를 기반으로 연구를 발전시켜 나갑니다. 이러한 토대 위에서 산업별 도메인 지식과 실제 문제 해결 요구를 반영해 새로운 알고리즘을 설계하며, 이를 AI 아키텍처에 최적화된 방식으로 통합하여 성능을 강화하고 도메인 맞춤형 기능 구현을 목표로 합니다.

특히, 본 연구실은 금융/가상화폐, 디지털 헬스케어, 온라인 마케팅, 의료 AI 및 ESG 경영 및 에너지 등 다양한 산업에 데이터사이언스 기법을 응용하여 지능적인 의사결정 시스템을 연구·개발하는 것을 목표로 합니다. 연구 분야는 크게 다음 세 가지로 구분될 수 있습니다.

💡 주요 연구 분야(DataScience Applications Research)

• Domain Knowledge Representation
  • 현실 세계의 여러 산업과 관련된 다양하고 복잡한 행태를 컴퓨터가 이해할 수 있도록 지식화하는 연구를 합니다.
    • 자연/사회 현상 내 다양한 행위자들간 상호 작용을 표현하기 위한 복잡계 네트워크 분석
    • 경제 및 금융시장 내 다양한 거래 행태 및 동적 특성에 대한 확률 및 통계적 모델링
    • LLM 기반 멀티모달(텍스트+이미지·센서·금융 데이터 등) 융합을 활용한 지식 생성
    • 복잡한 상황인지(Context-Aware) 정보를 설명 가능한 AI (XAI) 분석을 통해 사용자 행동 패턴을 정교하게 모델링
  • 관련 분석 모델: 복잡계 네트워크 분석(Complex Network Science); 통계 및 확률과정(Stochastic Process and Statistical Modeling); 행동경제학(Behavior Economics); 대규모언어모델(Large Language Model); 설명 가능한 AI (eXplainable AI)
• AI-based Prediction
  • 효율적인 의사결정 실현을 위해 미래에 대한 이해를 높일 수 있는 시계열 AI 예측 모델을 연구합니다.
    • 시계열의 순차적 특성과 시점 간 상관관계를 통합적으로 고려한 딥러닝 예측 모델 개발
    • 산업별 도메인 지식을 바탕으로, 현실 문제 예측 성능 향상을 위한 새로운 지표 개발
    • LLM 기반 상황별 최적 전문가 혼합 모델 구조를 활용한 추천 알고리즘 개발
    • 사용자의 복합적인 맥락들 간 상호작용을 바탕으로 시간에 따른 사용자 행태 변화 예측
  • 관련 분석 모델: 특징 공학(Feature Engineering); 시계열 예측 모델(Time-Series Forecasting); 기계학습 및 인공지능(AI and Machine learning); 전문가 혼합 모델(Mixture of Experts Model)
• Intelligent Decision Support
  • 예측 및 빅데이터 분석을 기반으로 데이터 주도(data-driven) 맞춤형 의사결정 전략을 연구합니다.
    • 도메인 지식과 AI 융합을 통해 불확실성 문제를 최적화하는 의사결정 전략 수립
    • XAI 기반 미래 인과적 패턴 분석을 통해 AI 예측 성능 향상 및 의사결정의 투명성을 제고
    • 상황 맥락 기반 부정적 행동 개선을 위한 개인 맞춤형 적응적 디지털 헬스케어 전략 수립
    • 금융, 의료, 광고 등 다양한 도메인에서 예측을 통해 수익 증대와 비용 효율성 향상 등 실질적 가치를 창출하는 지능형 의사결정 시스템 구축
  • 관련 분석 모델: 최적화(Optimization); 기계학습 및 인공지능(AI and Machine learning); 설명 가능한 AI (eXplainable AI); 강화학습(Reinforcement Learning); 도메인별 핵심 이론(Domain-Specific Theory)

💡 주요 연구 주제(Research Topic)

아래는 현재 데이터사이언스 응용 연구실이 진행하고 있는 세부적인 도메인 융합 연구 주제입니다.

• 인공지능 기반 금융자산/가상화폐 시장 예측 및 투자 포트폴리오 최적화 연구 (금융)
• 강화학습 기반 스마트폰 과의존 중재 시스템 개발 (디지털헬스케어, HCI)
• 시계열 딥러닝 모델 기반 온라인 광고 예산 예측 및 최적화 (마케팅)
• 스마트폰 과의존 행동의 연결적 시퀀스 규명: TimeSHAP 기반 설명가능 분석 (디지털헬스케어, HCI)
• 중환자실(ICU) 생존 예측을 위한 시계열 기반 설명 가능한 AI 모델: TimeShap 기반 Mamba 모델 (의료)