HPC16

From HTC-as-a-Service, KISTI
Jump to: navigation, search



2016 한국정보과학회 HPC 연구회 하계 워크숍

Mis.jpeg

  • 일시: 2016년 8월 25일(목) - 26일(금)
  • 장소: 인천 무의도 홈플러스 아카데미 그랜드룸
  • 주최: 한국정보과학회 고성능컴퓨팅 연구회


Introduction

고성능 딥러닝 컴퓨팅 이슈와 미래

인공신경망(Artificial Neural Network) 기반 딥러닝 (Deep Learning) 등 기계학습 기술이 고성능 하드웨어의 보급과 빅데이터의 축척으로 최근 비약적으로 발전되어 바둑과 같은 고지능 게임, 영상 인식 등의 분야에서 인간의 능력을 뛰어 넘는 정확도를 보이는 소프트웨어가 개발되고 있습니다. 2015년 미국은 향후 고성능 컴퓨팅 분야의 선도적인 위치를 유지하기 위하여, 슈퍼컴퓨터가 인공지능에 이르기까지 활용되어 국가 발전에 큰 기여를 할 것으로 기대하며 국가전략컴퓨팅계획(National Strategic Computing Initiative, NSCI)을 발표했습니다. 고성능 컴퓨팅 기반 딥러닝은 인공지능뿐만 아니라 자율 주행, 로봇, 의료, 우주 등 다양한 첨단 분야들에 활용될 것으로 예상됩니다.

이번 정보과학회 HPC 연구회 하계 워크숍에서는 관련 기술/정책 전문가들이 인공신경망 개념과 딥러닝 구조에 대하여 설명하고 딥러닝 기반 기계학습 오프소스 소프트웨어 프레임워크들을 비교하며 딥러닝 가속 하드웨어 기술들을 소개한 다음 인공지능 컴퓨팅 환경 구축 전략과 방안에 대하여 발표할 예정입니다. 이어 패널 토의 시간에는 고성능 컴퓨팅 자원을 기반으로 하는 분산 병렬 딥러닝 등의 기계학습 연구 개발 이슈들을 논의하고 최선의 인공지능 컴퓨팅 환경을 확보하기 위한 방법에 대하여 토의할 예정입니다. 많은 관심과 참여 부탁 드립니다.

Program

  • 8월 25일(목)
Time Description Presenter
12:00-13:00 등록
13:00-13:05 개회 황순욱 박사

(KISTI)

13:05-13:35 제4차 산업혁명과 소프트웨어 중심사회를 준비하는 인공지능 연구체계 구축 [pdf] 김진형 원장

(AIRI)

세션 1 좌장 : 이재환 교수(한국항공대)
13:35-14:20 Neural Network and Deep Learning [pdf] 원중호 교수

(서울대)

14:20-15:05 Introduction to the TensorFlow Programming Model, API and Distributed Runtime 김진철 박사

(SKTelecom)

15:05-15:50 분산 딥러닝 오픈소스 소프트웨어 프레임워크 비교(TensorFlow, CNTK, Petuum, MxNet) [pdf] 김건희 교수

(서울대)

15:50-16:10 Break Time
세션 2 좌장 : 한혁 교수(동덕여대)
16:10-16:55 딥러닝 가속 하드웨어: GPU or Accelerator [pdf] 노원우 교수

(연세대)

16:55-17:40 인공지능 컴퓨팅 환경 확보 방안 및 전략 [pdf] 추형석 박사

(SPRi)

17:40-18:20 패널 토의 다같이
18:20 - 이동 및 저녁 식사 다같이


  • 8월 26일(금)
Time
9:30 - 11:30 HPC 연구회 현안 및 발전방향 논의 다같이

Talk Abstracts

Neural Network and Deep Learning (서울대학교 원중호교수)

최근 깊은 인공신경망(artificial neural network) 구조에 기반한 딥러닝(deep learning) 학습 알고리즘이 패턴 인식의 다양한 응용 분야에서 혁신적인 성능 향상을 불러 일으키고 있다. 본 튜토리얼에서는 먼저 기본적인 인공신경망의 개념과 학습 알고리즘에 대해 정리하고, 이어서 딥러닝 알고리즘의 기본적 구조와 주요 결과들을 간략히 소개한 뒤, 그동안 딥러닝이 가장 큰 성능 향상을 가져온 분야인 영상 인식과 순차적 자료 인식에 대해 좀 더 자세히 알아본다. 구체적으로, 영상 인식에 주로 사용되는 컨볼루셔널 신경망(convolutional neural network) 및 순차적 자료 인식에 주로 사용되는 재귀적 신경망(recurrent neural network)의 구조를 소개하고, 이들 신경망 구조와 해당 학습 알고리즘들이 어떻게 영상 분류나 음성 인식 등의 문제에 응용되었고 이들 분야에서 얼마나 혁신을 가져왔는지 알아본다.

Introduction to the TensorFlow Programming Model, API and Distributed Runtime (SKTelecom 김진철박사)

TensorFlow는 Deep Learning기반 Machine Learning 연산을 그래프 모델로 표현하고, 그래프 모델의 노드인 Operation 요소간에 Tensor 데이터 구조를 교환하면서 Deep Learning을 모델링하는 machine learning framework이다. 이 강의에서는 TensorFlow의 어떤 점이 전통적인 machine learning framework인 Theano와 Caffe보다 최근 더 각광을 받고 있는지 살펴본다. TensorFlow의 programming model을 살펴보면서 TensorFlow를 이용해 Deep Learning model을 디자인하고 만들 때 유의해야 할 부분에 대해서도 같이 살펴보고, TensorFlow API의 활용 방법에 대해서도 살펴본다. 최근 발표된 Distributed Runtime API를 이용해 분산 병렬 deep learning model을 만드는 방법에 대해서 살펴보고, 대형 deep learning model 개발 및 학습의 중요성 및 TensorFlow 아키텍처의 장점에 대해서도 같이 살펴본다.

분산 딥러닝 오픈소스 소프트웨어 프레임워크 비교(TensorFlow, CNTK, Petuum, MxNet) (서울대학교 김건희교수)

근래 딥러닝 기술의 급격한 확산은 사용하기 쉬운 오픈소스 라이브러리들에 힘입은 바가 크다. 그 중에서도 본 세미나에서는 딥러닝의 분산화를 위해 개발된 공개 소프트웨어 프레임워크에 대해 다룬다. 즉 여러대의 노드에 분산된 다수의 CPU와 GPU를 병렬적으로 이용해 딥러닝 모델의 학습속도를 증가하기 위한 프레임워크를 비교하여 설명한다. 분산 딥러닝 분야는 근래 활발히 개발이 진행중이며, 본 세미나에서는 Industry에서 주도하는 Google의 TensorFlow와 Microsoft의 CNTK, Academia에서 주도하는 MxNet과 Poseidon을 분산화 관점에서 비교한다.

딥러닝 가속 하드웨어: GPU or Accelerator (연세대학교 노원우교수)

인공지능 알고리즘의 구현에 있어서 하드웨어의 성능 향상은 빼 놓을 수 없는 주요 요소이다. 본 강의에서는 최근 이미지 인식, 음성 인식, 자율 주행, 데이터 분석 등에서 그 응용이 활발히 이루어지는 인공신경망(Artificial Neural Networks)의 구현과 하드웨어 가속 연구에 대한 소개를 하고자 한다. 먼저, 딥러닝 연산의 병렬성과 GPU 활용 및 이를 위한 GPU 구조 연구 소개를 한다. 또한, 최근 그 연구가 활발히 진행되는 각종 하드웨어 가속기 (Accelerator)에 대한 소개를 하고자 한다. 더불어, 이러한 GPU 및 하드웨어 가속기를 포함한 딥러닝 하드웨어의 향후 발전 방향에 대한 예상을 하고자 한다.

인공지능 컴퓨팅 환경 확보 방안 및 전략 (소프트웨어정책연구소 추형석박사)

지난 3월 "알파고 충격"으로 인해 인공지능에 대한 대중적관심이 급증했다. 최근 인공지능 성공의 원동력은 크게 빅데이터의 확산, 저렴한 고성능 하드웨어의 보급, 공개소프트웨어 등이 있다. 빅데이터를 학습하여 지능적 의사결정이 가능해진 시점에서, 이를 직접 구현하기 위한 컴퓨팅 환경은 인공지능 연구에 있어 가장 선결되어야 하는 요소이다. 따라서 인공지능 연구 확산의 첫 번째 키워드는 컴퓨팅 환경의 구축이다. 본 발표에서는 인공지능 연구가 얼마나 많은 연산을 요구하는지 구체적인 예를 들어서 설명하고자 한다. 특히 GPU가 왜 딥러닝에 최적화된 연산처리장치인 그 근거에 대해서도 살펴볼 것이다. 마지막으로 인공지능 연구 활성화를 위한 컴퓨팅 자원 확보 방안에 대해서 논의하고자 한다.

Registration

>> Click!! 사전등록 바로가기

등록구분 일반 학생
사전등록 300,000원 150,000원
현장등록 320,000원 170,000원


Accommodation

숙박 예약 관련

  • 객실 종류 및 가격 : 4인 1실(160,000원), 3인 1실(140,000원)(객실사진 )
  • 예약 문의 : 고성능컴퓨팅연구회 분과위원장 KISTI 황순욱 박사(E-mail: hwang@kisti.re.kr , Tel : 042-869-0647)

Location & Direction

홈플러스 아카데미(무의도)

  • 주소 : 인천광역시 중구 대무의로 159
  • 전화 : 032-745-8300~1
  • 네비게이션에 “잠진도 선착장”을 입력해 주십시오.

승용차 이용시

map1.gif


대중교통 이용시

map2.gif

Contact

Soonwook Hwang, KISTI, hwang AT kisti.re.kr

Sponsors

logo-kisti.jpg NISN.jpg

logo.jpg