SRC 10대 과제

1. 지식공간(통계 모형)의 확장
이영조
선도연구센터 SRC
1

2. 이영조 |지식공간(통계 모형)의 확장
I
II
III
IV
연구의 주제 및 성격
연구의 선도성
연구의 융합성
연구 실적 목록
V 향후 계획
목차

3. 이영조 |지식공간(통계 모형)의 확장
지식공간(통계 모형)의 확장
• 기존 회귀분석(LM)체계를 계속해서 확장해 나가는 방법으로 새로운 통계모형을 개발한다.
• 새롭고 복잡한 모형을 개발함에 있어서 기존 통계이론 체계내에서 새로운 알고리즘 이론을 응용하
는 것은 쉽지 않음 → 기존 방법 GLM 체계의 알고리즘과 이론을 최대한 활용
• 방법: GLM 을 각각 평균·분산·상관계수에 적용하고 서로 유기적 관계가 있다는 것을 바탕으로
새로운 통계모형을 개발
연구의 주제 및 성격 – 통계 모형의 확장
확장
1단계: 기존 회귀분석 체계 2단계: 새로운 알고리즘 도입 3단계: 통계모형의 확장
개발

4. 이영조 |지식공간(통계 모형)의 확장
지식공간(통계 모형)의 확장
 지금까지의 모든 통계 모형은 새로운 지식 사회의 다양한 분야들을 모두 포함하기
어렵다는 한계점을 가진다. 따라서 이러한 한계점을 극복할 수 있는 새로운 통계
모형이 필요하다.
연구의 선도성 – 다양한 분야를 포함하는 확장된 모형
연구 주제의 선도성 연구 방법의 선도성
개별 지식 사회 들에 대한
단편적인 통계 모형 제시
기존 연구 한계
개별 문제를 해결하기 위한
한정적인 모형
기존에 존재하는 통계 모형을
확장하면서도, 그들을 기본으로
활용하여 전체를 포괄하는 모형
다양한 지식 사회들을 하나로
묶어 공통의 지식 토대 마련
연구 성과의 선도성
자국의 연구 결과를 외국에서
개발된 지식 공간에서
설명하려고 함
지식 사회의 통합
기존 연구 한계
Old + New
기존 연구 한계
국내에서 자체적으로 개발된
모형을 통한 새로운 패러다임을
제시하여 자국이 현대 지식
사회를 이끌어 갈 수 있는 발판을
마련
지식 사회를 선도하는 토대

5. 이영조 |지식공간(통계 모형)의 확장
지식공간(통계 모형)의 확장
 지금까지의 모든 통계 모형은 새로운 지식 사회의 다양한 분야들을 모두 포함하기
어렵다는 한계점을 가진다. 따라서 이러한 한계점을 극복할 수 있는 새로운 통계
모형이 필요하다.
연구의 융합성 – 새로운 모형을 통한 다양한 분야의 확장
연구 주제의 융합성 연구 과정의 융합성
지식공간의 확장
통계학
현장의 분석방법 및 모형
요구
지속적인 연구를 통하여
요구되는 지식공간에 대한
정확한 제시
응용분야
지식
공간
사이의
융합
응용
분야
통계학: 다양, 세분화
되어지는 지식
사회들을 아우를 수
있는 통계 모형 제시
통계 모형 연구
여러 지식 사회의 전문가들과의
회의를 통한 융합 연구 추구
창조적 통계 모형 연구
융합적 지식공간 제시
연구 인력의 융합성
통계학(이영조교수 연구팀)
응용분야(의학, 생물학, 유전학 등)
 통계 모형의 다양한 분야로의
확장 연구
 확장된 통계 모형을 통해 여러
응용 분야들의 연구에 기여
 자국의 연구진들 사이의
지속적인 feedbock을 통해
생산적, 효율적인 연구 진행
타 분야와의 융합 연구 경험 및
지식을 갖춘 연구 인력으로 구성
통계학과의 적극적인
의사소통을 통해 각
분야에서 요구되는
지식공간을 요구

6. 이영조 |지식공간(통계 모형)의 확장
지식공간(통계 모형)의 확장
 Modeling random effect variance with double hierarchical generalized linear models,
Statistical Modelling (2012) Statistical Modelling
 Hierarchical likelihood methods for nonlinear and generalized linear mixed models with
missing data and measurement errors in covariates (2013) Journal of Multivariate Analysis
 Extended likelihood approach to large-scale multiple testing (2013)
Journal of Royal Statistical Society, B
 Random-effect models with singular precision (2014) Journal of Statistical Planning and
Inference
 Variable selection in subdistribution hazard frailty models with competing risks data
(2014) Statistics in Medicine
 Statistical Modelling of Survival Data with Random Effects - H-likelihood Approach(2014)
연구 실적 목록 – 확장된 모형을 이용한 논문 및 저서

7. 이영조 |지식공간(통계 모형)의 확장
의학: 디자인, 평가,
케이스 스터디 참여를
통하여 분석 시스템
개선
지식공간(통계 모형)의 확장
• 연구실 단위의 기초연구 수행 (시각화, 통계)  연구실간 융합 연구 – 데이터과학적 접근 실제 문제
해결에 융합 연구 결과 적용 (시각화+통계  의학)
• 실제 사용자 참여형 디자인 프로세스 및 평가 방법론 적용
연구의 융합성 - 다학제적 융합 연구 체계
연구 주제의 융합성 연구 과정의 융합성
컴퓨터과학: 시각화
기법에 대한 소개 및
디자인 스터디 진행
시각적
분석
시스템
설계 및
구현
시각적 분석 시스템 개발
연구실 단위 기초연구 수행 및 연
구실간 전문가와의 회의를 통한
융합연구
연구 인력의 융합성
 정보시각화 및 시각적 분석
기법에 대한 연구 진행
 디자인연구 방법론을 적용하여
사용자 인터페이스 디자인 연구
컴퓨터과학(서진욱 교수 연구팀)
통계학(이영조교수 연구팀)
의학(배희준 교수 연구팀)
 뇌졸중의 급성 악화를 조기에
예측하기 위한 새로운 예측 모델
연구 (HGLM 기반)
 Stroscope 디자인/평가 참여
 예측 모델 개발을 위한 Insight
발굴
예측 모델의 성능 평가
타 분야와의 융합 연구 경험 및
지식을 갖춘 연구 인력으로 구성
정보시각화 기법 및 시각적 분석 기
술을 이용하여 디자인 스터디 진행
시각적 분석 시스템을 이용하여 새
로운 뇌졸중 데이터 분석 모델 개발
신경학
적
예측
모델
개발
의학: 시각적 분석
시스템을 이용한
탐색적 분석 수행
예측 모델 연구
통계학: 탐색적 분석의
결과를 이용하여 예측
모델 개발

8. 이영조 |지식공간(통계 모형)의 확장
지식공간(통계 모형)의 확장
 현재 3단계 과정 중 2단계인 MDHGLM 모형 개발을 완료하였으며,
 SEM(구조방정식) : 정규성 가정 하에 심리학, 생산분석, 사회학 등에 널리 사용되는 모형
향후 계획 – SEM(구조방정식), Causality 그리고 path analysis와의 결합
진행 완료
1단계
(2011~2012)
진행 완료
2단계
(2012~2014)
기획중3단계
(2014~2017)
이중 다단계 일반화 선형모형(DHGLM) 개발
 변수선택 및 불완전한 데이터에 대한 분석 방법 개발
 시간 및 공간데이터를 분석할 수 있는 알고리즘 개발
이중 다단계 일반화 선형모형의 다변량 데이터에 대한 확장 - MDHGLM
 여러 반응변수와 그들의 관계를 동시에 모형화 하여 분석 가능
 시공간 데이터 분석을 위한 모형화 및 방법론 개발
고차원, 대용량 데이터로의 확장 및 SEM과의 결합
 2단계 까지 개발된 통계모형을 SEM과 결합하여 지식공간을 확장
 Factor Model로 시작해 SEM으로 확장되어 온 패러다임과 causality,
path analysis를 결부시킨 새로운 패러다임 제시
 확장된 지식공간을 통해 고차원, 대용량 데이터 분석의 기틀 마련