.png&blockId=86bef9e2-5257-4acb-bac8-36943a611ab0){kind=logo}
SKT AI Fellowship은 대학생 개발자들이 SK텔레콤의 실무 과제를 기획부터 개발까지 직접 완수할 수 있는 프로그램입니다.
5개월 동안 멘토링과 연구비를 지원 받으며 실무 과제를 직접 해결해보세요.
Why SKT AI Fellowship
SKT AI Fellow가 되어야 하는 이유
LEARN
필요한 연구비를 지원 받으며 5개월 동안 '설계'부터 '개발'까지 전체 프로세스를 경험해요.
SKT 개발자의 현실적인 피드백을 통해 실무 감각을 쌓아요.
CONNECT
함께 참가한 팀들과 연구 경험을 나누고 SKT의 선배 개발자들을 든든한 멘토로 얻어요.
5개월이 지나면 좋은 동료와 선배 개발자들을 얻을 거예요.
GROW
막연하게 상상해본 기술을 실제 작동하는 모델과 서비스로 만들어요.
5개월 동안 현업의 과제를 직접 진행하며 프로젝트를 리드할 수 있는 전문가로 성장해요.
지원 자격
🙋 AI 기술 개발에 관심이 있거나 경험이 있는 대학(원)생 누구나
👪 3인 1팀 또는 2인 1팀으로 구성하여 지원
지원 혜택
✨ 정규 채용 지원 시 서류 전형 우대
✨ SKT 현업 개발자의 멘토링
✨ 과제 수행을 위한 연구비 600만 원
✨ 최종 우수 프로젝트 상금 400만 원
(최우수팀 400만 원, 우수팀 300만 원)
✨ SK그룹 주요 기술 행사 초청
주요 일정
🗓️ 지원 접수 4. 15 (목) - 5. 16 (일) 오후 11:59 까지
🗓️ 서류 결과 발표 5. 25 (화)
🗓️ 온라인 인터뷰/PT 심사 5. 31 (월)
🗓️ 3기 오리엔테이션 6. 4 (금)
🗓️ 중간 리뷰 8월
🗓️ 프로젝트 최종 발표 11월 초
지원 방법
연구 과제 중 희망하는 주제를 하나 선택하세요.
'지원하기' 버튼을 눌러 지원 페이지에 접속한 후, 해당 연구 과제와 관련된 연구 계획서를 제출해 주세요.
1차 합격자 발표는 5월 25일(화) 입니다.
연구 과제
연구 과제 타이틀을 OPEN 하면 세부 페이지를 볼 수 있어요.
Search
no
연구 과제
세부 설명
분야
1
🤖
Open
■ 연구 내용
· 서비스 로봇이나 Digital Signage 등에 적용 가능한 2D/3D 카메라 기반의
실시간 영상 처리 응용 기술 개발
(예시) 얼굴 감지, people tracking/count, gesture 인식, hand tracking,
실시간 영상에 대한 특수효과 적용 등
■ 연구 목적
· Open Source 혹은 3rd Party SDK/library, 상용/외장 카메라 장비 등을 활용한
영상 처리 응용 기술의 prototype 개발 및 로봇 적용 가능성 테스트
→ CPU & 메모리 점유율, 처리/반응 시간 등의 구체적 지표화 예정
(한정된 spec.의 로봇 H/W에 적용하기 위함)
■ 활용 계획
· 서비스 로봇의 핵심기능/흥미요소 구현을 위한 선행기술 확보 차원에서 활용 예정
· 개발된 핵심 내용은 당사 로봇 제품에 실제 적용 검토 (방역로봇, 서빙로봇 등)
→ 최종 산출물은 기존 로봇 제품에 적용할 수 있게 API 형태의 release가 목표
■ 관련 경험/역량
· Intel RealSense, Azure Kinect DK 등의 depth sensing camera 및 관련 library 등을
활용한 실시간 영상처리 응용프로그램 개발 가능한 역량/경험 (C#, Python 추천)
머신러닝
Computer Vision
2
🔍
Open
■ 연구 내용
· 자연어 처리 기술을 활용한 지능형 검색기 개발(특정 NLP 모형으로 한정하지 않음)
· 사용자 의도 파악 및 의도에 최적한 검색 쿼리 생성 모델/Application 개발
· Application 유형 제한 없음
예) 서울 대치동 인근과 을지로 인근 최근 3일간 무선 품질 수준 비교분석
→ 결과 : [4월 14일 기준] 4/14: (내용), 4/13: (내용), 4/12: (내용)
■ 연구 목적
· Data Warehouse에서 적시에, 필요한 data만 정확히 획득하는 정보 검색 기능 구현
· 통신 data 바탕으로 고객이 경험하는 통신 품질 개선
■ 활용 계획
· SKT 내부 통신 데이터 분석 서비스에 적용
■ 관련 경험/역량
· 딥러닝 기반 자연어 처리 모형 구현 경험 / 검색기 경험
머신러닝
자연어처리
3
🦄
Open
■ 연구 내용
· 딥러닝 기술을 기반으로 거짓 합성 영상을 판별하는 기술 개발
예) Deep Fake 등의 GAN 기술로 생성된 거짓 얼굴 영상 판별
■ 연구 목적
· GAN등의 기술로 생성된 거짓 합성영상을 판별하는 딥러닝 모델 기술을 개발
· SOTA(State of the art) 기술을 반영하여 개발
· 영상 기반 서비스에서 활용 가능한 End-to-End 기술로 개발
■ 활용 계획
· NUGU facecan 등의 얼굴 인식 서비스나 다양한 영상기반의 서비스 시나리오에서 보안을 강화하는 기술로 활용
■ 관련 경험/역량
· 딥러닝 기반의 영상 분석 기술 개발 역량 (필수)
· GAN을 활용한 영상 생성이나 합성영상 판별 기술 개발 경험 (우대)
머신러닝
딥러닝
Computer Vision
4
🚨
Open
■ 연구 내용
· NASA Bearing dataset의 진동(가속도) 센서(2개 진동센서 X 4개 베어링)로부터 수집된 시계열 data 기반으로
이상 탐지 (Anomaly Detection) 모델 개발
· 이상 탐지 모델의 구현 시, 데이터 전처리 작업은 FFT 또는 Wavelet 둘 중 하나로 수행을 권장
· 이상 탐지 모델의 구현 알고리즘은 지도 학습 또는 비지도 학습의 선택이 가능하나,
최소 2개 모델의 개발 및 테스트 후 결과 비교를 권장 (예를 들어, 비지도 학습 모델 2가지로 개발 후, 결과 특성을 비교)
· NASA Bearing dataset으로 모델의 최적화 및 검증 후,
필요에 따라 2차 데이터 세트 NASA Turbofan Engine dataset으로 추가 테스트 및 검증 가능.
즉, 터보 팬 엔진에 부착된 진동(가속도), 압력, 온도 등 21개 센서로부터 수집된 시계열 data 기반으로
이상치 탐지(Anomaly Detection) 모델 테스트 및 검증
■ 연구 목적
· Smart Factory(Data기반 지능형 공장)의 핵심은 예지 정비 (Predictive Maintenance) 솔루션/서비스
· 예지 정비는 공장내 설비 (모터, 펌프, 컴프레셔, 로봇 등) Data를 수집하고, 통계 분석, AI 분석을 통해
설비의 고장 (Failure) 이전에 이상치 탐지 (Anomaly Detection) 및 알람을 제공하여 정비 계획을 사전 수립하고 예기치 못한 Downtime을 예방함
· 따라서, 이 연구는 이상 탐지 모델의 성능 강화를 주목적으로 함
■ 활용 계획
· 연구 결과를 SKT GrandView 서비스의 모델을 강화하는 기술로 활용
· (참고) SKT 'Metatron GrandView'서비스
■ 관련 경험/역량
· 머신러닝, 딥러닝 모델 학습 경험 / Python Programming
머신러닝
디지털 신호처리
5
⚡
Open
■ 연구 내용
· SKT 5G MEC (Mobile Edge Cloud) + Vision AI를 활용한 재미있는 응용 모델 개발
· AI workload를 5G 단말이 아닌 MEC 서버로 off-loading하여 저지연 영상 처리 use-case 개발
■ 연구 목적
· SKT가 보유한 MEC 서버의 GPU 연산 자원과 영상 전송용 5G 단말을 활용한 client-server 방식의
참신한 AI 기반 영상 처리 서비스 모델 개발
(예시) Obj. classifier/detector를 활용한 인형 뽑기, bottle 자동 분류 모델,
face expression/gender/age recognition 기반 맞춤형 광고 등
■ 활용 영역
· SKT의 MEC 활용 포트폴리오에 추가하여 해당 서비스를 원하는 업체와 연계
· SKT 기술 전시관(Tech gallery) 전시
■ 관련 경험/역량
· Docker container, AI framework (pytorch, tensorflow, caffe, darknet), REST/gRPC, coding (C/python), linux 활용
머신러닝
Computer Vision
MEC
6
🃏
Open
■ 연구 내용
· Self-supervised Learning 분야의 SOTA(State-Of-The-Art) 기술 활용 및 검증
■ 연구 목적
· Large Scale (over 1 billion images) 이미지 데이터 기반 Self-supervised Learning 기술의 가능성 및 효용성 검증
· SKT Vision AI Vertical Full Stack 기반 상용 적용 개발(Service Offering)
■ 활용 영역
· 사람의 참여가 어렵고(Highly Secure), 사람이 개입 시 효율성이 극명하게 떨어지는(Billion-scale Unlabeled Data)
Computer Vision 응용 기술 분야(object detection/classification 등)에 적용
■ 관련 경험/역량
· Computer Vision Application 개발 경험 / 딥러닝 모델 학습 경험 / Python Programming
머신러닝
딥러닝
Computer Vision
7
👀
Open
■ 연구 내용
· 스마트폰 카메라 이미지를 이용하여 카메라 위치/방향을 추정하고, 광고판/간판을 검출하는 기술 연구
1) 3차원 영상 특징점 맵(사전 제공)에서 입력 이미지에 대한 카메라 위치/방향을 추정하기 위한
end-to-end 딥러닝 학습 기반 추론 모델 구현
2) 실내/외 사진에서 광고판/간판에 해당하는 영역을 바로 instance segmentation 하거나,
detection 기법을 이용하여 광고판/간판 프레임의 위치와 모양을 (polygon의 좌표) 결과로 얻는 딥러닝 추론 모델 구현
■ 활용 영역
· 물체에 대한 3D 모델 생성
· 실내 로봇(로봇청소기, 서비스 로봇, 자율주행 자동차, 드론 등) 자율 주행
· 실내 보행자 길 안내
· AR의 Smart glass 위치의 실시간 추정
■ 관련 경험/역량
· 이미지 기반 딥러닝 모델 구현 경험
머신러닝
딥러닝
Computer Vision
8
💬
Open
■ 연구 내용
· SKT 에서 공개한 한국어 Pre-trained LM(KoBERT, KoGPT2, KoBART)를 응용한 다양한 한국어 NLP 모델 및 APP 개발
■ 연구 목적
· 사전 학습된 한국어 언어 모델 기반 자연어 처리 APP 개발
· KoBERT/KoGPT/KoBART 기반의 APP 생태계 확장
■ 활용 영역
· AI Ethics(혐오 표현 검출), Green AI(모델 경량화, 효율적 학습), Intelligent inferface(질의응답, 대화, 요약 등) 등
■ 관련 경험/역량
· 딥러닝 기반의 자연어 처리 경험, 최신 자연어 처리 연구/개발 동향 이해
머신러닝
자연어처리
9
📦
Open
■ 연구 목적
· 물류 창고에 적재된 무거운 상자를 사람이 아닌 로봇을 통해 옮기기 위해 Azure Kinect 영상 데이터를 활용한 물류 상자 자동 인식
■ 연구 내용
· 아래 주제 중 일부 선정하여 연구
1) Weakly Supervised Learning(WSL)* 기반의 Instance Segmentation 모델 개발 구현
*WSL: 정보가 적고 생산이 쉬운 annotation을 학습하여 더 복잡한 task를 수행하도록 하는 학습 방법
(예: bounding box를 학습한 모델로 segmentation 수행)
2) Few Shot Learning(FSL)* 기반의 Object Detection 모델 개발 연구 구현
*FSL: 기존 학습 데이터에 포함되지 않은 새로운 class에 대해서
매우 적은 양의 Data를 추가 학습하여 새로운 class를 인식하게 하는 학습 방법
3) Point cloud 데이터 기반의 3D Instance Segmentation 모델 개발 구현
■ 연구 활용
· 영상의 물류 상자 인식 결과를 스마트 물류 로보틱스 플랫폼에 연동하여 로봇 제어에 활용
■ 관련 경험/역량
· OpenCV library 및 Pytorch/Tensorflow 기반 object detection model 개발 경험, RGB+Depth 영상 분석 경험
머신러닝
딥러닝
Computer Vision
10
🙂
Open
■ 연구 내용
1) 스마트폰(Voice/Text)과 스마트워치(ECG, 가속도 센서 등) 센서 데이터를 이용한 감정 인식
2) 오디오에서 언어적 감정 feature(Text), 2차 특징(음색/톤 등) 감정 feature(Voice) 추출
3) 스마트워치의 ECG의 맥박 정보 혹은 Acceleration 에서 감정 feature 추출
4) 이를 적당하게 잘 Fusion하여 관심 감정 (예: Stressed, Depressed, Happy, Relaxed)을 정확하게 인식하는
인식 정확도 고도화를 목적으로 함
■ 연구 목적
1) Multi-modal 센서 데이터로 부터 감정 인식 정확도 고도화가 목적
2) 1차 Benchmark Dataset에서 테스트 (한국어 감정 데이터, IEMOCAP, Naver 영화 리뷰 데이터 셋 등)
3) 2차 진행하면서 관련 Challenge 참가 진행 여부 결정
4) 성능에 도움이 되는 센서 데이터만 선택적으로 활용 가능
■ 연구 활용
· 성능(인식 정확도/실 시간성) 확보 시, 디지털 치료제, 명상 앱 등으로 SKT 사내 앱 활용 예정
■ 관련 경험/역량
· Speech 또는 Text 또는 Wearable 데이터 처리 경험
· 감정 인식 AI 연구 경험
딥러닝
자연어처리
디지털 신호처리
머신러닝
시계열 데이터
11
🐉
Open
■ 연구 내용
· 오래된 영상물의 화질 개선을 위한 딥러닝 네트워크 모델 분석, 연구, 개발 등
· Old Image 화질 복원 with AI Tech.
· Old Monochrome (흑백) Image Colorization with AI Tech.
■ 연구 목적
· 정부산하기관, 한국영상자료원 등에 화질 수준이 매우 열악한 디지털 영상 자료들이 많이 보관되어 있으며,
AI 기술을 통해 이러한 자료들을 복원하는 것은 사회적/경제적 가치 측면에서 매우 의미 있는 일임
· SKT 슈퍼노바개발팀은 이러한 일을 다양한 외부 기관과 진행 중에 있으며, 참신한 기술 아이디어를 상용화하려 함
■ 연구 활용
· 최신 영상 복원 네트워크 모델 분석 및 새로운 모델 개발에 활용
· 80년대 사진, 비디오 등의 디지털 영상물 화질 개선
■ 관련 경험/역량
· 이미지&비디오 등 영상물에 대한 딥러닝 처리 경험 / 딥러닝 네트워크 모델 분석&개발 역량
머신러닝
딥러닝
Computer Vision
ⓒ SK TELECOM CO., LTD. ALL RIGHTS RESERVED.