自訂 Cookie
禁止且拒絕未經各資訊當事人同意，擅自蒐集本服務提供的使用者個人資訊資料等資料之行為。即使是公開資料，若未經許可使用爬蟲等技術裝置進行蒐集，依個人資訊保護法可能會受到刑事處分，特此告知。
© 2025 Rocketpunch, 주식회사 더블에이스, 김인기, 大韓民國首爾特別市城東區聖水一路10街 12, 12樓 1號, 04793, support@rocketpunch.com, +82 10-2710-7121
統一編號 206-87-09615
更多
변정현
석사 전문연구요원 (신규편입) 구직중입니다. 현재 UCL NLP 연구소에서 석사 연구원 재직중입니다. 주 연구분야는 머신러닝, 자연어처리 (NLP), Knowledge Represetation 입니다.
經歷
Research into AI-based Drug Target Interaction model
echnical Research Personnel (전문연구요원; Alternative military service) Projects and tasks undertaken (담당업무 및 프로젝트): - Breast Cancer (유방암): detection and classification of breast cancer. - Neural Architecture Search (NAS): Currently surveying on NAS based on RL. - Animal Pathology (동물 병리학): classification of animal lymphoma cancer (Cytology) - Drug Design (신약 개발): Currently reading and surveying Deep Learning models/approaches applied in Drug Design process. - Camelyon17 (수습 기간; Probation period): Classification of breast cancer metastases in lymphnode based on segmentation based approach.
更多
Knowledge Graph Completion (일명 KG Link Prediction)에 관해 석사 논문 연구를 4달간 수행했습니다. 산학 협력 프로젝트로 런던 소재 Streetbees 스타트업과 UCL NLP 연구소와 함께 진행했습니다. 기존의 State-of-the-art 모델 이었던 ComplEx-N3는 주변의 Neighbourhood node를 참고하지 않는 Triple-Learning 기반의 모델이라는 한계를 가지고 있기에 이것을 극복하기 위해서 새로운 ContExt 모델을 제안하였습니다. 제가 새롭게 제안한 ContExt 모델은 최근의 NLP 연구에서 부각되고 있는 Attention 기반의 모델 (예를 들어서 Transformer in Machine Translation, Question Answering)과 LSTM 그리고 GRU의 Gating mechanism에 착안하여 만든 모델입니다. PyTorch를 활용하여 모델을 implement하였습니다. 코드는 https://github.com/jhb115/kgc 에서 참고하실수 있습니다. Wordnet (WN18RR), Freebase (FB15K-237), YAGO3-10 dataset (benchmark datasets for KG Completion tasks) 으로 실험하였습니다. 제 ContExt 모델은 WN18RR dataset에서 새로운 state-of-the-art 실험 결과를 성취하였고 기존의 state-of-the-art 모델의 실험결과를 15퍼센트 향상시켰습니다 (ContExt 모델: MRR = 0.52, HitsAt10= 0.61, ComplEx-N3: MRR= 0.48, HitsAt10 = 0.57). 현재 이 연구는 UCL NLP Group에서 Dr. Pasquale Minervini와 함께 계속 진행하고 있으며 ACL conference에 기고할 예정입니다.
更多
산학 협력 프로젝트로 런던 소재 UCL NLP 연구소와 함께 진행했습니다.
學歷
1st Term Modules: Introduction to Deep Learning Probabilistic and Unsupervised Learning Approximate Inference and Learning in Probabilistic Models Supervised Learning 2nd Term Modules: Information Retrieval and Data Mining Advanced Deep Learning and Reinforcement Learning Applied Machine Learning Statistical NLP
更多
3rd Year Project: FNN을 사용하여 태풍의 바람의 세기를 예측하는 모델을 개발함 Complexity and Networks Project Computational Physics Project
更多
International Baccalaureate curriculum: Achieved 43 out of 45 English B HL 7, Mathematics HL 7, Economics SL 7, Korean Literature SL 6, Physics HL 7, Chemistry HL 7, TOK + Extended Essay 2
更多
活動
最近活動
獲獎 1
證照 1
專案 3
프로젝트
Context Aware Knowledge Graph Completion
University College London(UCL) · 2019년 5월 - 현재 · 6년 9개월
산학 협력 프로젝트로 런던 소재 Streetbees 스타트업과 UCL NLP 연구소와 함께 진행했습니다. 기존의 State-of-the-art 모델 이었던 ComplEx-N3는 주변의 Neighbourhood node를 참고하지 않는 Triple-Learning 기반의 모델이라는 한계를 가지고 있기에 이것을 극복하기 위해서 새로운 ContExt 모델을 제안하였습니다. 현재 이 연구는 UCL NLP Group에서 Dr. Pasquale Minervini와 함께 계속 진행하고 있으며 ACL conference에 기고할 예정입니다.
프로젝트
Automatic Fact Checking
2019년 1월 - 2019년 4월 · 4개월
nformation Retrieval & Data Mining 모듈 (머신러닝 석사과정)의 개인 연구 프로젝트로 Automatic Fact Checking 주제에 관해 연구했습니다. Information Retrieval에서 중요하고 다양한 측면들 (Document Retrieval, Sentence Relevance, Truthfulness of Claims)을 분석 연구하였습니다.이 프로젝트를 통하여 Automatic Fact Checking의 기본적인 pipeline에 대해 더 자세히 이해할수 있었습니다
프로젝트
Abstractive Text Summarization using GCN
2019년 1월 - 2019년 4월 · 4개월
Statistical Natural Language Processing 모듈 (머신러닝 석사과정에 포함된 모듈) 에서 팀단위 프로젝트로 Abstractive Text Summarization using Graph Convolution Network에 관한 연구를 수행했습니다. 저희가 제안한 모델은 Gigaword dataset에서 기존의 state-of-the-art 모델인 Attention-based Seq2Seq 모델에 비해서 더 좋은 실험결과를 얻으며 요약된 문장들은 문맥적으로, 문법적으로 더 완성된 모습을 보였습니다.
자격증
GRE
2017년 11월
Verbal Reasoning: 157 out of 170 (76th Percentile) Quantitative Reasoning: 163 out of 170 (83rd Percentile) Analytical Writing: 3.5 out of 6 (41st Percentile)
수상
과학
Dulwich College Suzhou · 2015년 5월
이과 부문에서 학업이 가장 뛰어난 학생에서 주어진 상.