<금융 분야(I)>

로봇을 뜻하는 '로보(robo)', 조언자를 지칭하는 '어드바이저(advisor)'가 합쳐진 단어 로보어드바이저, 금융 투자자문도 인공지능 기반의 로봇에게 받는 시대가 왔습니다. 빅데이터, 머신러닝 등 구현기술과 핀테크를 주도하는 금융업무 활용사례를 살펴본다.

<금융분야(II)>

전자금융사기거래 기법이 지능화됨에 따라 사고예방을 위한 대응방안도 진화하고 있다. 금융이상거래검출시스템(FDS)을 중심으로 대응방안의 현황 및 문제점을 진단하고 개선과제를 딥러닝과의 연계 측면에서 제시한다.

<의료분야(I)>

의료에서도 인공신경망에 기반한 딥 러닝 적용이 활발하다. 의료계에서는 딥러닝이 과거 임상의사결정지원시스템(CDSS)에서 한계로 인식되던 진료의사결정 요인의 다양성과 방대한 데이터 처리를 극복하고 진단의 정확도와 치료법에 대한 정보를 제공할 것으로 기대하고 있다. 본 발표에서는 의료분야에서 딥러닝 적용사례를 분석하고 향후 활용분야와 활용효과를 제시한다.

<의료분야(II)>

의료기관에서는 영상검사등에서 환자 생명과 관련된 위중한 상황이 발견시 즉각 이상결과보고(CVR, Critical Value Report)를 전달하고 의사가 조치하도록 의료기관인증평가 기준에 명시되어 있다. 골든타임에 밀접한 관련이 있는 CVR을 위하여 딥러닝을 통해 DICOM 의료영상에서 이상신호를 발견하고 이를 보다 정확하고 신속하게 의료진에게 전달하여 환자 안전을 보장하는 방안을 제시한다.

<영상분야>

지금까지의 모니터링 위주 영상정보에 지능화된 영상정보분석기술을 접목하여 안전, 보안 및 각종 비즈니스 영역에 활용을 극대화 할 수 있는 방안과, 비즈니스 차별화 전략을 제시하고 실제 적용사례를 소개한다.

<보안분야>

미래환경의 변화를 개략적으로 설명하고 딥러닝 시스템들이 cps 환경에서 대량 생산체제로 만들어졌을때의 문제점과 사람과 인간과의 싸움에 대한 내용을 시사하고 딥러닝 보안측면에서 고려되어야 할 사항이 무엇인지에 대해 이야기 하고자 한다.

<알고리즘 분야>

Image Recognition 분야의 세계적인 대회인 ILSVRC(Imagenet Large Scale Visual Recognition Challenge)는 2012년 Deep Learning 기술이 적용 되면서 인식율이 급격히 향상 되었으며 현재는 인간의 영상 인식률을 뛰어 넘었다. 2012년 부터 현재 까지 대회에서 우승을 거둔 Deep Learning 알고리즘을 자세히 살펴보고 기존의 Machine Learning, 특히 기존의 Neural Network에서 Deep Learning 이 가능하게 된 기술 요소들을 살펴본다.