정윤서 연구실
데이터과학과 정윤서
데이터과학과 연구실은 최근 3년간 다양한 연구 주제에서 두드러진 성과를 보여주고 있습니다. 특히 분위수 회귀와 관련된 연구에서 높은 수준의 연구 결과를 도출하였으며, 'Deep Support vector quantile regression with non-crossing constraints'와 같은 논문을 발표하였습니다. 또한, 합성곱 신경망을 활용한 이미지 분류와 관련된 연구도 활발히 진행되고 있으며, 'Tutorial and applications of convolutional neural network models in image classification' 등의 논문을 통해 그 성과를 입증하였습니다. 이 외에도 모델 선택과 계층적 군집화와 관련된 연구도 활발히 이루어지고 있습니다. 연구실은 이러한 다양한 연구 주제를 바탕으로 기업과의 R&D 협력을 통해 실질적인 성과를 창출할 수 있는 역량을 갖추고 있습니다.
Hierarchical Clustering
Quantile Regression
Convolutional Neural Networks
양자 회귀 모델 및 비모수 회귀 연구
본 연구실은 양자 회귀와 비모수 회귀 모델에 대한 심도 있는 연구를 수행하고 있습니다. 특히, 이 연구는 이질적 오차와 대규모 이상치 데이터를 다루는 비선형 회귀 모델을 중심으로 발전하였습니다. 또한, 다양한 모델 선택과 효율적인 정보 기반의 기준을 통해 최적의 회귀 모델을 탐구하고 있습니다. 양자 회귀에서의 비교연구와 튜닝을 통해 보다 정밀한 예측 모델을 구축하며, 이 과정에서 모델의 효율성과 정확도를 극대화하는 방법론을 개발하고 있습니다. 이러한 연구는 데이터 과학, 머신러닝, 예측 분석 등의 분야에서 실질적이고 혁신적인 솔루션을 제공할 수 있는 잠재력을 지니고 있습니다.
1
Deep Support vector quantile regression with non-crossing constraints
Shin, W., Jung, Y.*
Computational Statistics, 2023
2
Tutorial and applications of convolutional neural network models in image classification
Lee, D., Jung, Y.*
Journal of the Korean Data & Information Science Society, 2022
3
Wafer Bin Map Failure Pattern Recognition Using Hierarchical Clustering
Jeong, J., Jung, Y.*
The Korean Journal of Applied Statistics, 2022