매칭 진행 중
·
ID
30094
데이터 기반 예측모델 개발 (수치·질병·결함·시계열 예측)
기업 용역
정부 지원 과제
기술 이전
을 함께 진행할
기업
을 찾는 공고입니다.
본 연구는 다양한 분야의 데이터를 활용해 수치 예측, 질병 여부 예측, 결함 탐지, 시계열 예측 등 데이터 기반 예측모델을 개발하는 것을 목표로 합니다. 협업 산업체의 입·출력 데이터를 바탕으로 머신러닝·딥러닝 모델을 학습하며, 데이터 특성에 따라 LightGBM, XGBoost, 딥러닝 등을 선택적으로 활용합니다.
게시자 유형
연구실
핵심 키워드
예측모델
머신러닝
딥러닝
과제 규모
협의 가능
공고 마감일
2026-08-31
연구실 소개
연구실 소개
가톨릭대학교 컴퓨터정보공학부 Intelligent Data Analytics Laboratory(IDAL)은 인공지능 응용을 연구하는 연구실로, On-premise 로컬 LLM(Large Language Model), 인공지능 기반 의료·헬스케어 문제 해결, AI Agents 기술, 인공지능 응용 융합(경제 분야 공급망 분석, 의류학 분야 지속가능한 자원 순환, 제품 결함 탐지 등)을 연구하고 있습니다.
대표 연구 분야
1. On-premise 로컬 LLM 기반 의료 질의응답 모델 - sLM을 통한 저자원 로컬 환경에서의 의료 질의응답 기술 보유 2. 의료 도메인 특화 언어 모델 학습 기술 - 한국어·의료 특화 언어 모델 KM-BERT(Korean Medical BERT)의 Pre-training 학습 기술 보유 3. 인공지능 기반의 타분야 융합 연구 - LLM 기반 뉴스 기사 분석을 통한 원자재 수요·공급망 자동추출 기술 보유, 의류학 분야 스와치 생성 모델 개발
정부과제 / 산학협력 경험
- (정부과제) 2021.06~2024.05 교육부 "딥러닝 자연어처리 모델 기반 정보 추출을 통한 대규모 의료 텍스트 기록의 정형화 기법 개발" 수행 (총사업비 2.1억 원 / 연구책임자) - (산학협력/연구용역) 2024.11~2025.01 (주)틸더 "중독질환 관련 상담 서비스 데이터 기반 개체명 인식 AI 알고리즘 개발 및 검증" 수행 (0.1억 원 / 연구책임자) - (정부과제) 2025.09~2028.08 과학기술정보통신부 "MoE-LLM 기반 의료 비정형 텍스트 정형화 모델 및 로컬 구동형 저자원 정형화 모듈 개발 연구" 수행중 (1.9억 원 / 연구책임자)
연구 희망 개요
연구 희망 및 관심 주제
다양한 분야의 데이터를 활용하여 예측모델을 개발합니다. - 협업 산업체에서 분석하려는 데이터의 입력·출력 데이터를 통해 머신러닝·딥러닝 모델을 학습하여 예측모델을 개발합니다. 데이터 특성에 따라 LightGBM, XGBoost, 딥러닝 등의 모델을 활용합니다.
협력 가능 분야
- 머신러닝·딥러닝 모델을 통한 예측모델 개발
본 연구 관련 연구실 특장점
- 헬스케어를 비롯한 다양한 분야와의 융합 연구 경험
협업 요건
파트너 기대 역할
[기업] - 데이터 제공 및 입·출력 데이터 정의 - 데이터 레이블 제공 [연구실] - 예측모델 개발 - 모델 최적화
협업 파트너 희망 요건
- 데이터 보유 기업