|
 코드번호 : 86 |
|
| 발표자 : 윤세영 |
|
| 소속 : KAIST |
|
| 부서 : AI 대학원 |
|
| 직위 : 교수 |
|
| 세션시간 : 09:00~10:50 |
|
| 발표자약력 : |
KAIST 전기 및 전자공학 박사 (2012)
KAIST AI 대학원 조교수 (2019~)
KAIST 산업및시스템 공학과 조교수 (2017~)
Los Alamos National Lab. USA 박사후연구원 (2016~2017)
MSR, Cambridge, UK 방문연구원 (2015~2016)
MSR-INRIA, Paris, France 박사후 연구원 (2014~2015)
KTH, Stockholm, Sweden 박사후 연구원 (2013~2014) |
|
|
| 강연요약 : |
최근 딥러닝은 많은 분야에서 굉장히 놀라운 성능을 보여줬다. 알파고를 비롯한 수많은 성과는 많은 연구자의 주목을 받으며 빠른 속도로 발전하고 있다. 이러한 딥러닝 성공의 가장 큰 요소는 데이터의 크기와 컴퓨팅 파워이다. 많은 데이터를 모을수록 그리고 좋은 컴퓨팅 환경을 가질수록 더 좋은 성능을 기대할 수 있다. 하지만 컴퓨팅 환경의 발전 속도는 물리적 비용적 한계가 있으며 특히 단일 머신으로 학습하기에 어려운 상황들이 많이 발생하고 있다. 이를 해소하기 위한 다수의 머신을 활용한 분산 환경 구축이 최근 많은 관심을 받고 있다. 데이터들을 다수의 머신에 분산시키고 모든 머신을 활용하여 복잡한 딥러닝 알고리즘을 학습시키는 방법은 제한된 컴퓨팅 환경에서 훌륭한 성능을 보장 할 수 있다. 이와 같은 분산 학습 시스템을 구현하기 위해서는 머신 간 정보를 주고받는 통신 네트워크에 대한 고려가 매우 중요하다. 특히 딥러닝은 정보량이 굉장히 많기에 통신에 사용되는 시간이 결국 기계학습 시간의 대부분을 차지하게 된다. 본 발표에서는 최근 분산 자원을 활용한 딥러닝 연구에 대하여 소개를 하고 통신 효율을 증가시키기 위한 기법들에 대하여 논의한다. |
|
|
| 온라인행사장 : https://us02web.zoom.us/j/85436726493 |
|
|
facebook