BEGIN:VCALENDAR
VERSION:2.0
PRODID:-//CERN//INDICO//EN
BEGIN:VEVENT
SUMMARY:Application of Machine Learning for Big Data Analysis in Astronomy
  (천문학 자료분석에서의 기계학습의 활용)
DTSTART;VALUE=DATE-TIME:20191107T055000Z
DTEND;VALUE=DATE-TIME:20191107T061000Z
DTSTAMP;VALUE=DATE-TIME:20260723T150639Z
UID:indico-contribution-12-8@sshep.snu.ac.kr
DESCRIPTION:Speakers: Min-Su Shin (KASI)\n천문학 관측 자료의 분
 석의 경우\, 관측 환경의 변화 등에 의해서 야기된 관측 
 부정확성이나 편향성\, 그리고 비균질적인 자료 획득 등
 의 특징적인 문제를 가지고 있다. 이러한 천문 관측 자
 료의 특성을 고려해서\, 천문학자들은 천체나 천체 현상
 의 검출\, 분류\, 특성의 추론 등의 문제를 접하게 된다. 
 이러한 문제들은  관측 자료의 급속한 증가와 함께 더욱
  심각해지는데\, 기계학습의 활용을 통하여 정량적인 검
 출\, 분류\, 추론의 문제들을 해결해 가고자 노력 중이다
 . 이번 발표에서는 이러한 문제들을 clustering\, anomaly detec
 tion\, classification\, regression\, recommendation 문제의 시각에서
  기계학습을 활용한 사례들을 소개하고\, 최근 시도되고
  있는 ensemble learning\, multi-task learning 등의 활용도 간랸히
  제시하고자 한다. 더불어서 천체와 그 현상에 대한 천
 체물리적 이해를 위한 기계학습의 활용 방향에 대해서 
 의견을 제시한다.\n\nhttps://sshep.snu.ac.kr/event/107/contributions
 /8/
LOCATION:Seoul National University\, College of Natural Sciences\, Buildin
 g 25-1 국제회의실 (International Conference Hall)
URL:https://sshep.snu.ac.kr/event/107/contributions/8/
END:VEVENT
BEGIN:VEVENT
SUMMARY:Machine Learning In Astrophysics:  Estimating Galactic Baryonic Pr
 operties from Their Dark Matter
DTSTART;VALUE=DATE-TIME:20191107T061000Z
DTEND;VALUE=DATE-TIME:20191107T063000Z
DTSTAMP;VALUE=DATE-TIME:20260723T150639Z
UID:indico-contribution-12-9@sshep.snu.ac.kr
DESCRIPTION:Speakers: Ji-hoon Kim (SNU)\nAs astrophysics and cosmology dea
 l with inherently "cosmological" sizes of data\, machine learning is being
  rapidly adopted in a variety of astrophysical applications.  In this talk
 \, I will introduce a pipeline that estimates baryonic (visible) propertie
 s of a galaxy based purely on dark matter (DM\; invisible) properties in l
 arge-scale DM-only simulations.  It is shown that our pipeline promptly ge
 nerates a galaxy catalogue from a DM halo catalogue using a machine traine
 d on smaller-scale\, fully-hydrodynamic\, high-resolution simulations. An 
 extremely randomized tree algorithm is used together with multiple novel i
 mprovements we developed such as a refined error function and two-stage le
 arning.  Our model may become a promising method to transplant the baryon 
 physics of galaxy-scale hydrodynamic calculations onto a larger-volume DM-
 only run.\n\nhttps://sshep.snu.ac.kr/event/107/contributions/9/
LOCATION:Seoul National University\, College of Natural Sciences\, Buildin
 g 25-1 국제회의실 (International Conference Hall)
URL:https://sshep.snu.ac.kr/event/107/contributions/9/
END:VEVENT
END:VCALENDAR