KAIST, School of computing, iDBLab, Professor Soon Joo Hyun

1. Intelligent Database Systems Lab.
[Prof. Hyun, Soon Joo]
박사과정 김태훈
kingmbc@kaist.ac.kr
2017.03.07 (화)

2. LabMembers
• Professor
– Hyun, Soon Joo
• sjhyun@kaist.ac.kr
• #804, ITC Bldg. (N1)
• Tel. 350-3563 (office)
• Students
– 2 Ph.D. students
– 2 M.S. students
– Office
• #822, ITC Bldg. (N1)
• Tel. 350-7763
• Homepage
– http://idb.kaist.ac.kr
http://idb.kaist.ac.kr/members

3. • Sensor Database : Wireless Sensor Networks as Database
Data
Warehouse
ResearchInterest(1/2):SensorDatabase
Applications | Habitat monitoring, disaster surveillance, military
supports, patient monitoring, etc.
Query/
Result
Query/Result
Sensor Node
(Virtual) Storage
Wireless Sensor Network
Query/
Result
Sensor
Database

4. ResearchInterest(1/2):SensorDatabase(SmartHome)
Query
Result

5. ResearchInterest(1/2):SensorDatabase(SmartHome)

6. ResearchInterest(1/2):Sensor Database(Healthcare)
Illumination sensor Heartrate Blood pressure Altitude SensorAccelerometer
Sleep monitoringBMI
ECG
Step count Used calorie Moving distance
Information
Assistance
(Problem) Huge amount
of sensory data is
constantly transferred!!
Current activity
Consult

7. ResearchInterest(1/2):Sensor Database(UAVs)
• How to manage (connect, control, collect) swarms of drones?

8. ResearchInterest(1/2):SensorDatabase
• Sensor Network Query Language (SNQL) and Processor (SNQP)
[ON EVENT <event-predicate> | <event-name>]
SELECT <select_item_expressions_list>
FROM <list_of_table_references (table or inline view) >
[WHERE <condition>]
[GROUP BY <expression_list>]
[SAMPLE PERIOD <time_unit> FOR <time_unit> |
CASE
[WHEN <condition>
THEN SAMPLE PERIOD <time_unit>]+
ELSE SAMPLE PERIOD <time_unit> FOR <time_unit>
END]
[WITHIN <participation-percentage>]

9. ResearchInterest(1/2):SensorDatabase
Mobile
Sensor Data
Wireless
Networking
Distributed
Computing
Stream Data
Processing
Energy
Efficiency /
Response
Time
• Research Challenge
– 어떻게 저 많은 스트림 데이터를 서버 단에서 빠르게 처리/저장하
지?
– 각기 다른 형태의 센서 기기에 데이터 수집을 어떻게 일괄적으로
할 수 있을까?
– 데이터 수집에 관한 사용자 요구사항이 바뀔 때마다 어떻게 그것
을 개별 기기에 반영하지?
– 이상한 상황이 발생하면 나에게 알려주면 좋을 텐데!

10. IoT 전력량 관리 모듈을
통한 전력 계측
일상 기기의
스마트 오브젝트화
액츄에이터
설치
객체 별 보드 설치
스마트 홈 커뮤니티
서비스 프레임워크
스마트 홈 커뮤니티
테스트베드 구축
10
N1 테스트베드구축(회의실,휴게실)
웹캠
제습기로봇 청소기
환경 센서
통합 제어 모듈
도어 센서
스마트 TV & XBOX 서비스
환경 센서
통합 제어 모듈
가습기
사용자 인식 카메라
스크린
화분
프로젝터

11. ResearchInterest(2/2):Context-awareComputing
누구랑
같이
있는가?
나의
현재
기분은?
여기
온
목적은?
현재
나의
행동은?
내가
가고
있는
장소는?
언제
떠나야
하는가?
Social
relationship
mining from
Bluetooth
Activity
recognition from
accelerometer
sensor
Sentiment
analysis from
text
Task recognition
from all features
Next-place
prediction
from GPS
User
Context
Social
Implication
Temporal
Implication
Spatial
Implication
연구 가설/모델
설정
데이터 수집
(Collection)
데이터 전처리
(Preprocessing)
데이터 변환
(Transformation)
데이터 분석
(Mining)
데이터 해석 및
평가

12. ResearchInterest (2/2): Context-aware Computing
[NearbyPeopleRecommendation]
“우리 대학 연구소
Data Mining
Position에 누구
초청할 사람 없나?
“같은 학교”
다닌 애가
있지 않을까?”
“애가 왜 이렇게
자주 아프지?
뭐를 좀 먹어야
하나?”
“나랑 고향이
같은 사람
있나?”
“이번주 부산
가려는데
어디가
맛집이지?”
“부산 집에
내려가서
맛있는 집밥
먹어야지”
학
회
장
신
입
생
환
영
회
장
사
내
카
페
병
원
Realization of serendipitous interaction opportunity in a place
 Mobile opportunistic social matching [Terveen 2005][Mayer 2015]
“소셜 그래프
마이닝에
관심있는 사람
어디 없나?”

13. ResearchInterest (2/2): Context-aware Computing
[NearbyPeopleRecommendation]
ENTER
Conference Venue Shopping Mall Hospital
Interaction
Opportunity
Interaction
Opportunity
Serendipitous
Interaction
Opportunity
LEAVE
Willingness to interact with
others
Can a machine predict the degree of willingness to interact
with nearby people encountered in a public place?

14. ResearchInterest (2/2): Context-aware Computing
[NearbyPeopleRecommendation]

15. ResearchInterest (2/2): Context-aware Computing
[PlaceAmbiencePrediction&PlaceRecommendation]
Can a machine predict the ambience of place?
 Hyper-local, ambiance-driven place search and discovery
• E.g., a trendy place for a night-out or a romantic place for the wedding anniversary
 Data-driven recommendations for place owners to improve the presentation of their
venues (e.g., architecture design and style)

16. ResearchInterest(2/2):Context-awareComputing
• Research Challenge
– 사용자의 Context를 알아내면 무엇을 할 수 있을까?
– 어떤 데이터를 어떻게 수집하고, 수집된 데이터로 어떻게 사용자
Context를 알아내지?
– 사용자의 Context를 알았으면 어떤 서비스를 어떤 방식으로
제공/추천하는 것이 좋을까?
Web / Mobile
Data (Text,
Image, Sensor)
Social /
Environmental
Psychology
Theory
Data Mining /
Machine
Learning
User
Satisfaction /
Experience

17. 이런신입생이면좋겠어요.
http://www.slideshare.n
et/evoka/freedom-
responsibility-culture-
49207219?related=1

18. Q &A

19. WELCOME!
N1#822
AnyTime(9∽22)
kingmbc@kaist.ac.kr