Kibong Choi
티맥스소프트 (병특); LG AI Research
Contact
Awards
- 한국정보과학회 (KSC 2020) 학부생 논문 경진대회 장려상, “동기적 및 비동기적 분산 학습에 대한 파라미터 샤딩 기법의 성능 평가”, 2021. 02. 03
Publications
*졸업 이후 실적은 Google Scholar 혹은 Personal Homepage 참고 부탁드립니다.
2 International Conference Papers
- Yunyong Ko, Kibong Choi, Hyunseung Jei, Dongwon Lee and Sang-Wook Kim, “ALADDIN: Asymmetric Centralized Training for Distributed Deep Learning”, In Proc. of the 30th ACM Int’l Conference on Information and Knowledge Management (ACM CIKM 2021), pp. 863-872, ONLINE, Nov. 1-5, 2021.
- Yunyong Ko, Kibong Choi, Jiwon Seo and Sang-Wook Kim, “An In-Depth Analysis of Distributed Training of Deep Neural Networks”, In Proc. of the 35th IEEE Int’l Parallel & Distributed Processing Symposium (IPDPS 2021), pp. 1-10, Portland, Oregon USA, May 17-21, 2021.
1 International Patent
- Ki bong Choi, Yun-Yong Ko and Sang-Wook Kim, Asymmetric Centralized Training for Distributed Deep Learning, 출원번호: PCT/KR2021/015014, 출원일: 2021.10.25.
4 Domestic Conference Papers
- 정조형, 임우태, 박준한, 고윤용, 최기봉, 김상욱, “동기적 및 비동기적 분산 학습에 대한 파라미터 샤딩 기법의 성능 평가,” KSC 2020, pp. 1132-1134, 온라인 개최, 2020년 12월 21-23일.
- 최기봉, 고윤용, 김상욱, “불균형한 DNN 모델의 효율적인 분산 학습을 위한 파라미터 샤딩 기술 성능 평가,” KIPS 추계학술대회 2020, pp. 881-882, 온라인개최, 2020년 11월 6-7일.
- 최기봉, 고윤용, 김상욱, “파라미터 서버 기반의 분산 딥 러닝 시스템을 위한 파라미터 샤딩 기술 성능평가 (Performance Evaluation: Parameter sharding for Distributed Deep Learning)”, KCC 2019, pp. 1088-1090, 제주 국제컨벤션센터, 2019년 6월 26-28일.
- 최기봉, 고윤용, 김상욱, “데이터 병렬화 기반 분산 딥 러닝 시스템의 노드 간 통신 방안 성능 평가”, KSC 2018, pp. 1912-1913, 평창 휘닉스파크, 2018년 12월 19-21일.
1 Domestic Patent
- 김상욱, 고윤용, 최기봉, 파라미터 서버 기반 비대칭 분산 학습 기법, 등록번호: 10-2555268, 등록일: 2023.07.10, (출원번호: 10-2020-0174036, 출원일: 2020. 12. 14)