[Abstract]
변수 선택 기법은 대상 변수(혹은 종속 변수)를 예측하는 데 주요한 입력 변수를 선택하는 기술로써, 데이터로부터 입력 변수와 대상 변수 간의 관계를 설명할 수 있는 인공지능 기술의 하나로 활용되고 있다. 변수 선택 기법은 특히 의료 분야와 같이 입력 변수의 기여도 및 내재된 관계에 대한 이해가 필요한 분야에서 많이 활용되고 있다. 예를 들어, 변수 선택 기법은 데이터로부터 환자의 어떤 위험 요소가 질병 예후에 영향을 미쳤는지, 환자 혹은 암의 어떤 유전적인 특징들이 약물 민감도에 영향을 미쳤는지 등을 파악하여, 질병에 대한 이해와 임상적 결정에 중요한 근거를 제시할 수 있다. 최근 전통적인 통계학 및 머신러닝 모델에 비해 비약적으로 향상된 성능을 제공하는 딥러닝 모델은 블랙박스 특성으로 인해 주요 변수를 파악하는 것이 어려우며, 기존의 통계 기반의 변수 주요도 및 선택 기법을 적용하기 어렵다. 본 발표에서는 변수 선택 기법 문제를 딥러닝 모델을 활용한 학습 가능한 형태로 정의하고, 최근 딥러닝 기반의 변수 선택 기법 연구가 어떻게 발전하고 있는 지 소개한다.

[Biography]
• 주요 학력
o (2016.08 ~ 현재) 공학박사, 캘리포니아 대학교, 로스앤젤리스
o (2011.03 ~ 2013.02) 공학석사, 고려대학교
o (2007.03 ~ 2011.02) 공학학사, 고려대학교

• 주요 이력
o (2021.09 ~ 현재) 중앙대학교, 조교수
o (2024.01 ~ 현재) 한국통신학회, 학술이사
o (2023.01 ~ 현재) 대학의료인공지능학회, 학술위원
o (2019.03 ~ 2019.04) Public Health England, 방문연구원
o (2013.03 ~ 2016.05) 한국전자통신연구원, 연구원