🔑⭐ 센터장
프랭크 로젠블랫
센터장(머신러닝연구센터)
💡 퍼셉트론 발명, 신경망의 기원
← AI·컴퓨팅과학연구본부
머신러닝연구센터
순차적 지구물리 데이터를 위한 트랜스포머, 공간관계를 위한 그래프신경망, 물리기반 신경망(PINN), 연합학습 등 딥러닝 아키텍처와 신경망 알고리즘을 발전시켜 지구과학 예측·분류 과제에 적용한다.
🔑
🔑프랜시스 이시드로 에지워스
연구원(이상탐지/새로움탐지)
💡 데이터 내 이상치·비정상관측을 식별하는 최초의 엄밀한 통계기법('에지워스 기준') 개발, 현대 이상탐지알고리즘으로 정식화되는 이상탐지 통계이론 창시
🖥️ AI·컴퓨팅과학연구본부머신러닝연구센터
🔑데이비드 J. C. 매케이
연구원(베이즈신경망/불확실성인식딥러닝)
💡 신경망을 위한 실용적 베이즈기법 창시, 네트워크가중치에 확률분포를 부여해 보정된 예측불확실성을 얻는 방법 규명, 고위험 지구과학예측을 위한 현대 베이즈딥러닝의 직접적 기초
🖥️ AI·컴퓨팅과학연구본부머신러닝연구센터
🔑후고 슈타인하우스
연구원(군집화/비지도학습)
💡 k-평균 군집화 접근법(그룹내분산을 최소화하도록 데이터를 분할) 최초제안, 라벨없는 지구과학데이터의 구조를 발견하는 가장 널리쓰이는 비지도학습알고리즘 창시
🖥️ AI·컴퓨팅과학연구본부머신러닝연구센터
🧑🔬
🔑조지프 B. 크러스컬
연구원(차원축소/다양체학습)
💡 다차원척도법(MDS) 발명 — 쌍별거리를 보존하며 고차원데이터를 저차원공간에 임베딩하는 기초적기법 — 현대 다양체학습기법(t-SNE, UMAP)의 직접적 수학적 조상
🖥️ AI·컴퓨팅과학연구본부머신러닝연구센터
🧑🔬
🔑레오 브라이만
연구원(의사결정나무/앙상블기법)
💡 CART(분류·회귀나무), 배깅, 랜덤포레스트 발명, 구조화된 지구과학데이터에 가장 널리쓰이는 머신러닝기법 중 하나인 앙상블트리방법론 창시
🖥️ AI·컴퓨팅과학연구본부머신러닝연구센터
🔑솔로몬 컬백
연구원(특징선택/정보이론적변수선택)
💡 쿨백-라이블러발산 공동개발, 확률분포 간 차이를 재는 기초적 정보이론척도 — 머신러닝 전반의 정보이론적 특징선택·모델비교·정규화의 직접적 기초
🖥️ AI·컴퓨팅과학연구본부머신러닝연구센터
🔑C. R. 라오
연구원(연합학습/프라이버시보존통계학습)
💡 통계적추정효율성이론(크라메르-라오 하한, 라오-블랙웰 정리) 창시, 지역적 통계정보를 전역추정치로 결합하는 효율성을 규명 — 연합학습에서 지역계산 업데이트를 집계하는 것의 직접적 기초
🖥️ AI·컴퓨팅과학연구본부머신러닝연구센터
🔑프랭크 하라리
연구원(그래프신경망을 위한 그래프이론기초)
💡 '현대 그래프이론의 아버지'로 불리며 분야표준교과서 저술 및 그래프이론개념(인접성, 연결성, 동형성) 체계화, 그래프신경망이 공간적·관계적 지구과학데이터 모델링에 직접 다루는 개념들
🖥️ AI·컴퓨팅과학연구본부머신러닝연구센터
🧑🔬
🔑제임스 머서
연구원(커널기법/서포트벡터머신)
💡 머서의 정리 증명 — 함수가 (무한차원일 수 있는) 특징공간에서의 내적으로 표현될 조건을 규명 — 서포트벡터머신과 커널기법의 근간인 '커널트릭'의 정확한 수학적 정당화
🖥️ AI·컴퓨팅과학연구본부머신러닝연구센터
🧑🔬
🔑알렉세이 체르보넨키스
연구원(통계적·계산학습이론)
💡 블라디미르 바프닉과 함께 VC(바프닉-체르보넨키스)이론 공동개발, 학습알고리즘이 유한데이터로부터 언제·얼마나 일반화할 수 있는지 결정하는 수학적기초 — 현대 머신러닝 일반화보장의 이론적 근간
🖥️ AI·컴퓨팅과학연구본부머신러닝연구센터
🔑도널드 미치
연구원(메타학습/학습하는법의학습)
💡 AI초기세대 인물(블레츨리파크 암호해독가)로서 기계가 경험을 통해 자신의 학습전략자체를 개선한다는 '학습하는법의학습' 개념 개척, 현대 메타학습·퓨샷학습의 개념적 뿌리 창시
🖥️ AI·컴퓨팅과학연구본부머신러닝연구센터
🔑블라디미르 아르놀트
연구원(보편함수근사/신경망구조이론)
💡 콜모고로프와 함께 콜모고로프-아르놀트 표현정리 증명 — 임의의 다변수연속함수가 일변수함수의 합성으로 표현가능함을 규명 — 콜모고로프-아르놀트네트워크(KAN)로 직접 부활한 보편함수근사이론의 기초
🖥️ AI·컴퓨팅과학연구본부머신러닝연구센터
🧑🔬
🔑허버트 로빈스
연구원(확률적최적화/경사하강이론)
💡 로빈스-몬로 확률근사알고리즘 공동발명, 잡음이 있는 확률적관측으로 함수의 근·최적점을 찾는 최초의 엄밀한기법 — 모든 딥러닝의 핵심최적화기법인 확률적경사하강법의 정확한 수학적 조상
🖥️ AI·컴퓨팅과학연구본부머신러닝연구센터
🔑울프 그레나더
연구원(자기지도표상학습/패턴이론)
💡 패턴이론 창시 — 복합신호(영상, 형태)의 근본적 생성구조를 라벨없는 데이터로부터 직접 학습하는 일반적 통계프레임워크 — 자기지도표상학습의 기초
🖥️ AI·컴퓨팅과학연구본부머신러닝연구센터
🔑허먼 처노프
연구원(능동학습/순차적실험설계)
💡 순차적·적응적실험설계이론 창시 — 정보이득을 최대화하기 위해 다음에 관측할 데이터점을 선택 — 모델이 가장 유용한 미분류표본을 질의하는 능동학습의 정확한 통계결정이론적 기초
🖥️ AI·컴퓨팅과학연구본부머신러닝연구센터