|
|
|
|
|
 |
특히 전력연구원 데이터 사이언스랩은 생성형 AI 기술을 활용해 전력산업 전반의 혁신을 모색하는 부서로, 한전의 미래전략에서 핵심적인 위치를 차지하고 있다.
5년차 이후에는 전력연구원 데이터 사이언스랩 내 생성형 AI 응용분야의 핵심 연구자로 성장하고자 한다.
생성형 AI를 전력 데이터에 적용하는 데 있어 가장 큰 도전과제는 무엇이라고 생각하나요?
전력연구원 데이터 사이언스랩의 생성형 AI 연구 방향을 어떻게 생각하나요?
|
|
|
 |
특히 전력연구원 데이터 사이언스랩은 생성형 AI 기술을 활용해 전력산업 전반의 혁신을 모색하는 부서로, 한전의 미래전략에서 핵심적인 위치를 차지하고 있다.
또한, 생성형 언어모델(LLM)을 활용한 "스마트그리드 장애 진단 자동보고서 생성 시스템"개발 프로젝트에도 참여했다.
이러한 경험과 역량을 바탕으로, 전력연구원 데이터 사이언스랩에서 생성형 AI 기술을 에너지 분야에 창의적이고 실질적으로 접목할 수 있을 것이라고 확신한다.
입사 초기 1~2년 동안은 생성형 AI를 전력 데이터에 효과적으로 적용하는 다양한 연구 프로젝트에 참여해, 실전 경험을 쌓는 데 주력할 것이다.
4년차에는 직접 프로젝트를 기획하고 이끌어, 에너지 데이터 셋에 특화된 생성형 AI 모델을 개발하고자 한다.
생성형 AI를 전력 데이터에 적용하는 데 있어 가장 큰 도전과제는 무엇이라고 생각하나요?
생성형 AI가 이 특성을 잘 반영하지 못하면 현실성 없는데이터를 생성할 수 있습니다.
생성형 AI 모델을 선택할 때 기준은 무엇인가요?
전력연구원 데이터 사이언스랩의 생성형 AI 연구 방향을 어떻게 생각하나요? |
 |
데이터, 생, 성형, ai, 전력, 모델, 에너지, 사이언스, 활용, 성, 기술, 경험, 기반, 프로젝트, 랩, 연구원, 통해, 구축, 연구, 상황 |
|
|
|
|
|
|
 |
|
|
|
|
|
|
|
|
|
|
|
| |
|
|
|
2025.04.26
4페이지
