<link rel="stylesheet" media="screen" href="https://static-assets.strikinglycdn.com/_reset-e86dc20205eb267eb1803edb4281063d0db8db4dde3345771532819dae916332.css">

    • PROFILE

      “人工知能で、みんな健康かつ笑顔で暮らせる社会を実現する”

      AIには、人々の「したい」という願望を、「した」という行為に変えられる力があります。


      「AIは人間を滅ぼすのでは？」

      いいえ、石器時代が石の不足で終わったわけではないように、そもそも人類はテクノロジィによって知を外在化し、己の人間性や文化を更新してきているのです。AIはさらに現実世界のあらゆる枠や法則といった「殻を破る」ことで、僕ら一人ひとりの思い描く未来を創造します。

       

      「AIは医師を代替するのでは？」

      いいえ、あくまで普遍的解釈がなく観察者間変動の激しい医療における「自動セカンドオピニオン」として誤診を減らすのです。AIは医師とともに健康を守り人命を救うことで、全人類にとって明るい社会を実現します。

       

      実際にAI、特に最先端のディープラーニングは高いポテンシャルを有し、専門医と同等かそれ以上の診断精度も出しつつある昨今です。

       

      たとえば、

      ・専門医と同レベルの、糖尿病による目の病気の識別 (Google, Dec ‘16)

      ・専門医よりも正確な、目視による皮膚がんの識別 (Stanford University, Feb ‘17)

      ・専門医と同レベルの、CT画像を用いた余命の予測 (The University of Adelaide, May ‘17)

      ・専門医よりも正確な、乳がんのリンパ節転移の識別 (Radboud University Nijmegen, Dec ‘17)

      など、大量の医用画像を用いる（主にn>100,000）、印象的な研究成果が発表されています。

       

      しかし、こうした研究成果は限定的で、臨床応用はなかなか進まずにいるのが現状です。

       

      というのも、メディカルイメージングには、

      ・医用画像・病気・臨床的意義や解釈など、医療の専門知識が必要

      ・病理画像取得・許可が必要なため、データ数は限定的（主に患者数<30）

      ・一部の病気の画像だけが多く、腫瘍は健康部位より相当少ない（主に体積<2%）偏ったデータ

      ・医用画像は、主に白黒で低コントラスト

      ・測定装置・測定方法・個人・重症度によるばらつき

      といった壁があり、データセット依存・タスク依存になりがちだからです。

       

      これらを打開し、AIをより多くの病気や状況に対応させ、メディカルイメージングの裾野を広げるには、これまでの知を集積する一般化が必要となります。

       

      そこで、僕はディープラーニングを武器として、

      ・どんな病気にも対応できる万能型画像診断

      ・合成医用画像を用いたデータ拡大による診断精度向上

      ・複数データセットを活用した診断精度向上

      などを目指しています。

    • EDUCATION

      1993.01　韓国釜山生まれ

      2008.08　大検 合格

      2009.08　東京大学理科一類 合格（16歳）

      2011.04　東京大学理科一類 入学

      2015.03　東京大学工学部電子情報工学科 卒業（伊庭・長谷川研究室）

      2016.04-09　Visiting Student @Technische Universität München, Munich, Germany (Supervisor: Felix Achilles)

      2017.03　東京大学大学院情報理工学系研究科　電子情報学専攻修士課程 修了（伊庭研究室）

      2017.04-　東京大学大学院情報理工学系研究科　創造情報学専攻博士課程 在学中（中山研究室）

      2017.09-10　Visiting Student @Università degli Studi di Milano-Bicocca, Milan, Italy (Supervisor: Prof. Giancarlo Mauri)

    • RESEARCH PROJECTS in Medical Imaging

      メディカルイメージングの研究プロジェクト一覧です

      どんな病気にも対応できる万能型画像診断

      従来のAIによる画像診断は主に、病理画像で学習し特定疾患だけを診断していましたが、(i) あらゆる病気の病理画像を大量に要するため、データセットの用意が困難、(ii) 画像の得難い希少疾患の診断が困難、という限界がありました。そこで逆に、CNNを健常者の脳MR画像だけで学習し正常な脳の一般化モデルを用意することで、それと対象者の再構築された脳の一部との差分から腫瘍や出血といった様々な病気の診断を目指します（教師なし異常検知）。

      Publication

      • C. Han, F. Gesser, Z.Á. Milacski, CNN-based MRI Regression Using U-Net, 画像の認識・理解シンポジウム (MIRU), 2017年 8月.

      Presentations

      • C. Han, MRI Reconstruction through CNN-based Regression for Brain Disease Diagnosis, 東京大学生命科学シンポジウム（BIO UT）, 2017年 4月.
      • C. Han, F. Gesser, Z.Á. Milacski, Tomographic Slice Reconstruction by U-Net, In Vision and Sports Summer School (VS3), Prague, Czech Republic, August 2016. Best Poster Award
      • C. Han, F. Navarro, F. Achiles, Tomographic Slice Reconstruction by Convolutional Neural Network, In Medical Imaging Summer School (MISS), Sicily, Italy, August 2016.

      合成医用画像を用いたデータ拡大による診断精度向上

      従来の医用画像のデータ拡大として主に、元画像の幾何学的・強度的変換が行われてきましたが、これらは元画像と本質的に似た画像しか生成しないため、十分な診断精度向上は得られません。そこで、GANを脳MR画像で学習し実際の脳の一般化モデルを用意することで、実画像と分布こそ似ているが個々の画像とは似ていない斬新な合成脳MR画像を生成し、診断精度向上を図ります。

      Publications

      • C. Han, L. Rundo, R. Araki, Y. Furukawa, G. Mauri, H. Nakayama, H. Hayashi, Infinite Brain MR Images: PGGAN-based Data Augmentation for Tumor Detection, In R. J. Howlett, and L. C. Jain (eds.) Smart Innovation, System and Technologies, Springer, 2018 (accepted). 
      • C. Han, L. Rundo, R. Araki, Y. Furukawa, G. Mauri, H. Nakayama, H. Hayashi, Infinite Brain Tumor Images: Can GAN-based Data Augmentation Improve Tumor Detection on MR Images?, 画像の認識・理解シンポジウム (MIRU), 2018年 8月.
      • C. Han, H. Hayashi, L. Rundo, R. Araki, Y. Furukawa, W. Shimoda, S. Muramatsu, G. Mauri, H. Nakayama, GAN-based Synthetic Brain MR Image Generation, In IEEE International Symposium on Biomedical Imaging (ISBI), Washington, D.C., The United States, April 2018.

      Presentations

      • C. Han, H. Hayashi, L. Rundo, R. Araki, Y. Nagano, Y. Furukawa, G. Mauri, H. Nakayama, Infinite Brain MR Images: PGGAN-based Data Augmentation for Tumor Detection, In International Computer Vision Summer School (ICVSS), Sicily, Italy, July 2018.
      • C. Han, L. Rundo, R. Araki, Y. Furukawa, G. Mauri, H. Nakayama, H. Hayashi, Infinite Brain MR Images: PGGAN-based Data Augmentation for Tumor Detection, In The Italian Workshop on Neural Networks (WIRN), Vietri sul Mare, Italy, June 2018.
      • C. Han, H. Nakayama, Infinite Brain MR Images: PGGAN-based Data Augmentation for Tumor Detection, 東京大学生命科学シンポジウム（BIO UT）, 2018年 6月.
      • 荒木 諒介, 韓 昌熙, 早志 英朗, Leonardo Rundo, MIRU2017若手プログラム報告：GANによる合成脳MR画像生成, 情報処理学会 コンピュータビジョンとイメージメディア研究会 (CVIM) , 2018年 5月（招待講演）. 
      • C. Han, R. Araki, W. Shimoda, S. Muramatsu, H. Hayashi, GAN-based Synthetic Medical Image Generation, 画像の認識・理解シンポジウム (MIRU) 若手プログラム, 2017年 8月.
        最優秀研究計画賞

      複数データセットを活用した診断精度向上

      従来のAIによる画像診断は主に、一様なデータからなるひとつのデータセットだけで学習していましたが、異なる測定装置・測定方法を使った解像度・コントラスト・解剖的連結などの違う別データセットとの互換が少なかったです。そこで、CNNで前立腺データセット間の一般化を多角的に行うことで、前立腺の区域のセグメンテーションの精度向上を図ります。

      Publications

      • L. Rundo, C. Han, J. Zhang, R. Hataya, Y. Nagano, C. Militello, C. Ferretti, M. S. Nobile, A. Tangherloni, M. C. Gilardi, S. Vitabile, H. Nakayama, G. Mauri, CNN-based Prostate Zonal Segmentation on T2-weighted MR Images: A Cross-dataset Study, In R. J. Howlett, and L. C. Jain (eds.) Smart Innovation, System and Technologies, Springer, 2018 (accepted). 
      • C. Han, L. Rundo, J. Zhang, R. Hataya, Y. Nagano, G. Mauri, H. Nakayama, CNN-based Prostate Zonal Segmentation on Magnetic Resonance Images, 画像の認識・理解シンポジウム (MIRU), 2018年 8月.
      • C. Han, J. Zhang, R. Hataya, Y. Nagano, H. Nakayama, L. Rundo, Prostate Zonal Segmentation Using Deep Learning, 医用画像処理学会研究会, 2018年 3月（ショートペーパー）.

      Presentation

      • L. Rundo, C. Han, J. Zhang, R. Hataya, Y. Nagano, C. Militello, C. Ferretti, M. S. Nobile, A. Tangherloni, M. C. Gilardi, S. Vitabile, H. Nakayama, G. Mauri, CNN-based Prostate Zonal Segmentation on T2-weighted MR Images: A Cross-dataset Study, In The Italian Workshop on Neural Networks (WIRN), Vietri sul Mare, Italy, June 2018.

    • RESEARCH PROJECT in Bioinformatics

      バイオインフォマティクスの研究プロジェクト一覧です

      大腸菌の遺伝子順序最適化による有用物質の大量生産

      従来の大腸菌オペロンの遺伝子順序改変による代謝促進は、コンピュータによる解析はなく、生物学者が5個の遺伝子（5! = 120）までを経験的に扱っていました。そこで、LCSを活用した合議制アルゴリズムで10個の遺伝子（10! = 3,628,800）を最適化をすることで、代謝物質を増やし薬やサプリメントなどの元となる有用物質の大量生産を試みます。

      Publications

      • C. Han, Computational Optimization of Gene Expression for Synthetic Biology, In World Congress of Regenerative Medicine and Stem Cell (RMSC), Singapore, Singapore, November 2017 (invited talk).
      • C. Han, K. Tsuge, H. Iba, Application of Learning Classifier Systems to Gene Expression Analysis in Synthetic Biology, In S. Patnaik, X. Yang, and K. Nakamatsu (eds.) Nature Inspired Computing and Optimization: Theory and Applications, Springer, March 2017 (invited book chapter, peer-reviewed).
      • C. Han, K. Tsuge, H. Iba, Optimization of Artificial Operon Construction bu Consultation Algorithms Utilizing LCS, In IEEE Congress on Evolutionary Computation (CEC), Vancouver, Canada, July 2016 (oral presentation).
      • 韓昌熙, 柘植謙爾, 伊庭斉志, 機械学習による人工解糖系オペロン構築の最適化, 進化計算シンポジウム, 2015年 12月.

    • ACTIVITY

      2018年

      • 2018.08 画像の認識・理解シンポジウム（MIRU）で『CNN-based Prostate Zonal Segmentation on Magnetic Resonance Images』に関してポスター発表を行います。
      • 2018.08 画像の認識・理解シンポジウム（MIRU）で『Infinite Brain Tumor Images: Can GAN-based Data Augmentation Improve Tumor Detection on MR Images?』に関してポスター発表を行います。
      • 2018.07 International Computer Vision Summer School (ICVSS)で『Infinite Brain MR Images: PGGAN-based Data Augmentation for Tumor Detection』に関してポスター発表を行いました。
      • 2018.06 The Italian Workshop on Neural Networks (WIRN)で『CNN-based Prostate Zonal Segmentation on T2-weighted MR Images: A Cross-dataset Study』に関して口頭発表を行いました。
      • 2018.06 The Italian Workshop on Neural Networks (WIRN)で『Infinite Brain MR Images: PGGAN-based Data Augmentation for Tumor Detection』に関して口頭発表を行いました。
      • 2018.06 東京大学生命科学シンポジウム（BIO UT）で『Infinite Brain MR Images: PGGAN-based
        Data Augmentation for Tumor Detection』に関してポスター発表を行いました。
      • 2018.05 情報処理学会 コンピュータビジョンとイメージメディア研究会（CVIM）で『MIRU2017若手プログラム報告：GANによる合成脳MR画像生成』に関して招待講演を行いました。
      • 2018.04 IEEE International Symposium on Biomedical Imaging (ISBI) で、『GAN-based Synthetic Brain MR Image Generation』に関してポスター発表を行いました。
      • 2018.03 中山研究室でVisiting Researcherをしていた共同研究者のLeonardo Rundo氏がイタリアに帰りました。
      • 2018.03 医用画像処理学会研究会で、『Prostate Zonal Segmentation Using Deep Learning』に関して口頭発表を行いました。
      • 2018.03 GCLシンポジウムで、3件の自主企画のポスター発表を行いました。
      • 2018.02 去年Visiting StudentをしていたUniversità degli Studi di Milano-Bicocca（ミラノ・ビコッカ大学）から、メディカルイメージングのスペシャリストで主な共同研究者であるLeonardo Rundo氏を招待し、中山研究室のVisiting Researcherとして受け入れました。
      • 2018.02 SPIE Medical Imagingに参加しました。
      • 2018.02 AAAI Conference on Artificial Intelligence (AAAI) に参加しました。

      2017年

      • 2017.12 東京大学にて『Medical Imagingが切り開く医療の未来――医用画像ならではの挑戦、そして意義』という題名で講演会を開きました。
      • 2017.12 GCL定例ポスターセッションで『GAN-based Synthetic MR Image Generation』に関してポスター発表を行いました。
      • 2017.12 博士課程教育リーディングプログラム ソーシャルICTグローバル・クリエイティブリーダー育成プログラム（GCL）から自主企画（個人、上限30万円）の予算が採択されました。
      • 2017.11 World Congress of Regenerative Medicine and Stem Cell (RMSC) で『Computational Optimization of Gene Expression for Synthetic Biology』に関して招待講演を行いました。
      • 2017.10 Università degli Studi di Milano-Bicocca（ミラノ・ビコッカ大学）でのVisiting Student (Supervisor: Prof. Giancarlo Mauri) を終えました。
      • 2017.10 SYSBIO.IT School on Computational Systems Biology and Bioinformaticsに参加しました。
      • 2017.09 Università degli Studi di Milano-Bicocca（ミラノ・ビコッカ大学）のVisiting Student (Supervisor: Prof. Giancarlo Mauri) になりました。
      • 2017.09 Medical Image Computing and Computer Assisted Intervention (MICCAI) に参加しました。
      • 2017.08 画像の認識・理解シンポジウム（MIRU）で『GAN-based Synthetic Medical Image Generation』に関して口頭・ポスター発表を行い、最優秀研究計画賞を受賞しました（チームリーダー、予選：8チーム中1位、決勝：4チーム中1位）。
      • 2017.08 画像の認識・理解シンポジウム（MIRU）で『CNN-based MRI Regression Using U-Net』に関してポスター発表を行いました。
      • 2017.08 「人工知能と脳科学の対照と融合」若手サマースクールに参加しました。
      • 2017.06 博士課程教育リーディングプログラム ソーシャルICTグローバル・クリエイティブリーダー育成プログラム（GCL）から自主企画（チームリーダー、上限150万円）の予算が採択されました。
      • 2017.04 東京大学生命科学シンポジウム（BIO UT）で、『MRI Reconstruction through CNN-based Regression for Brain Disease Diagnosis』に関してポスター発表を行いました。
      • 2017.04 博士課程教育リーディングプログラム ソーシャルICTグローバル・クリエイティブリーダー育成プログラム（GCL）の奨励金として20万円/月（選考により15・18・20万円/月の中から決まる）の受給を開始しました。
      • 2017.04 東京大学大学院情報理工学系研究科 創造情報学専攻博士課程（中山研究室）に入学しました。
      • 2017.03 世界最大手学術出版社のSpringer社の『Nature Inspired Computing and Optimization: Theory and Applications』という書籍の一部として、『Nature Inspired Computing and Optimization: Theory and Applications』に関してブックチャプター出版を行いました。
      • 2017.03 東京大学大学院情報理工学系研究科 創造情報学専攻を修了しました。
      • 2017.02 SPIE Medical Imagingに参加しました。

      2016年

      • 2016.12　Neural Information Processing Systems (NIPS) に参加しました。
      • 2016.09　Technische Universität München（ミュンヘン工科大学）でのVisiting Student (Supervisor: Felix Achilles) を終えました。
      • 2016.09　European Conference on Machine Learning and Principles and Practice of Knowledge Discovery in Databases (ECML-PKDD) に参加しました。
      • 2016.08　Vision and Sports Summer School (VS3) で、『Tomographic Slice Reconstruction by U-Net』に関してポスター発表を行い、Best Poster Awardを受賞しました。
      • 2016.08　Medical Imaging Summer School (MISS) で、『Tomographic Slice Reconstruction by Convolutional Neural Network』に関してポスター発表を行いました。
      • 2016.07　IEEE Congress on Evolutionary Computation (CEC) で、『Optimization of Artificial Operon Construction by Consultation Algorithms Utilizing LCS』に関して口頭発表を行いました。
      • 2016.04　Technische Universität München（ミュンヘン工科大学）のVisiting Student (Supervisor: Felix Achilles) になりました。
      • 2016.04　博士課程教育リーディングプログラム　ソーシャルICTグローバル・クリエイティブリーダー育成プログラム（GCL）の2年次選抜に合格し（約60 名中20 名）、奨励金（12万円/月）の受給を開始しました。

      2015年

      • 2015.12　進化計算シンポジウムで、『機械学習による人工解糖系オペロン構築の最適化』のポスター発表を行いました。
      • 2015.10　博士課程教育リーディングプログラム　ソーシャルICTグローバル・クリエイティブリーダー育成プログラム（GCL）から自主企画（個人、上限30万円）の予算が採択されました。
      • 2015.10　東京大学工学部電子情報工学科の授業である『プログラミング基礎演習』のTAとなりました。
      • 2015.04　博士課程教育リーディングプログラム　ソーシャルICTグローバル・クリエイティブリーダー育成プログラム（GCL）の1年次選抜に合格しました。
      • 2015.04　東京大学大学院情報理工学系研究科　電子情報学専攻修士課程（伊庭研究室）に入学しました。

    • PUBLICATIONS/PRESENTATIONS - INTERNATIONAL

      Google Scholar - Changhee Han

      ブックチャプター（査読あり）

      • C. Han, L. Rundo, R. Araki, Y. Furukawa, G. Mauri, H. Nakayama, H. Hayashi, Infinite Brain MR Images: PGGAN-based Data Augmentation for Tumor Detection, In R. J. Howlett, and L. C. Jain (eds.) Smart Innovation, System and Technologies, Springer, 2018 (accepted). 
      • L. Rundo, C. Han, J. Zhang, R. Hataya, Y. Nagano, C. Militello, C. Ferretti, M. S. Nobile, A. Tangherloni, M. C. Gilardi, S. Vitabile, H. Nakayama, G. Mauri, CNN-based Prostate Zonal Segmentation on T2-weighted MR Images: A Cross-dataset Study, In R. J. Howlett, and L. C. Jain (eds.) Smart Innovation, System and Technologies, Springer, 2018 (accepted). 
      • C. Han, K. Tsuge, H. Iba, Application of Learning Classifier Systems to Gene Expression Analysis in Synthetic Biology, In S. Patnaik, X. Yang, and K. Nakamatsu (eds.) Nature Inspired Computing and Optimization: Theory and Applications, Springer, March 2017.

      口頭発表（査読あり）

      • C. Han, K. Tsuge, H. Iba, Optimization of Artificial Operon Construction by Consultation Algorithms Utilizing LCS, In IEEE Congress on Evolutionary Computation (CEC), Vancouver, Canada, July 2016.

      ポスター発表（査読あり）

      • C. Han, H. Hayashi, L. Rundo, R. Araki, Y. Furukawa, W. Shimoda, S. Muramatsu, G. Mauri, H. Nakayama, GAN-based Synthetic Brain MR Image Generation, In IEEE International Symposium on Biomedical Imaging (ISBI), Washington, D.C., The United States, April 2018.

      招待講演

      • C. Han, Computational Optimization of Gene Expression for Synthetic Biology, In World Congress of Regenerative Medicine and Stem Cell (RMSC), Singapore, Singapore, November 2017.

      口頭発表（査読なし）

      • C. Han, L. Rundo, R. Araki, Y. Furukawa, G. Mauri, H. Nakayama, H. Hayashi, Infinite Brain MR Images: PGGAN-based Data Augmentation for Tumor Detection, In The Italian Workshop on Neural Networks (WIRN), Vietri sul Mare, Italy, June 2018.
      • L. Rundo, C. Han, J. Zhang, R. Hataya, Y. Nagano, C. Militello, C. Ferretti, M. S. Nobile, A. Tangherloni, M. C. Gilardi, S. Vitabile, H. Nakayama, G. Mauri, CNN-based Prostate Zonal Segmentation on T2-weighted MR Images: A Cross-dataset Study, In The Italian Workshop on Neural Networks (WIRN), Vietri sul Mare, Italy, June 2018.

      ポスター発表（査読なし）

      • C. Han, H. Hayashi, L. Rundo, R. Araki, Y. Nagano, Y. Furukawa, G. Mauri, H. Nakayama, Infinite Brain MR Images: PGGAN-based Data Augmentation for Tumor Detection, In International Computer Vision Summer School (ICVSS), Sicily, Italy, July 2018.
      • C. Han, F. Gesser, Z.Á. Milacski, Tomographic Slice Reconstruction by U-Net, In Vision and Sports Summer School (VS3), Prague, Czech Republic, August 2016.
      • C. Han, F. Navarro, F. Achiles, Tomographic Slice Reconstruction by Convolutional Neural Network, In Medical Imaging Summer School (MISS) Sicily, Italy, August 2016.

    • PUBLICATIONS/PRESENTATIONS - DOMESTIC

      Google Scholar - Changhee Han

      口頭発表（査読なし）

       

      • C. Han, J. Zhang, R. Hataya, Y. Nagano, H. Nakayama, L. Rundo, Prostate Zonal Segmentation Using Deep Learning, 医用画像処理学会研究会, 2018年 3月（ショートペーパー）.
      • C. Han, R. Araki, W. Shimoda, S. Muramatsu, H. Hayashi, GAN-based Synthetic Medical Image Generation, 画像の認識・理解シンポジウム (MIRU) 若手プログラム, 2017年 8月（ポスター発表含む）.

       

      ポスター発表（査読なし）

       

      • C. Han, L. Rundo, J. Zhang, R. Hataya, Y. Nagano, G. Mauri, H. Nakayama, CNN-based Prostate Zonal Segmentation on Magnetic Resonance Images, 画像の認識・理解シンポジウム (MIRU), 2018年 8月.
      • C. Han, L. Rundo, R. Araki, Y. Furukawa, G. Mauri, H. Nakayama, H. Hayashi, Infinite Brain Tumor Images: Can GAN-based Data Augmentation Improve Tumor Detection on MR Images?, 画像の認識・理解シンポジウム (MIRU), 2018年 8月.
      • C. Han, H. Nakayama, Infinite Brain MR Images: PGGAN-based
        Data Augmentation for Tumor Detection, 東京大学生命科学シンポジウム（BIO UT）, 2018年 6月.
      • C. Han, F. Gesser, Z.Á. Milacski, CNN-based MRI Regression Using U-Net, 画像の認識・理解シンポジウム (MIRU), 2017年 8月.
      • C. Han, MRI Reconstruction through CNN-based Regression for Brain Disease Diagnosis, 東京大学生命科学シンポジウム（BIO UT）, 2017年 4月.
      • 韓昌熙, 柘植謙爾, 伊庭斉志, 機械学習による人工解糖系オペロン構築の最適化, 進化計算シンポジウム, 2015年 12月.

      招待講演

      • 荒木 諒介, 韓 昌熙, 早志 英朗, Leonardo Rundo, MIRU2017若手プログラム報告：GANによる合成脳MR画像生成, 情報処理学会 コンピュータビジョンとイメージメディア研究会 (​CVIM)​, 2018年 5月.

    • AWARDS/GRANTS/LANGUAGES

      AWARDS

      • 2017.08　画像の認識・理解シンポジウム (MIRU)　最優秀研究計画賞（チームリーダー）
      • 2016.08　Vision and Sports Summer School (VS3)　Best Poster Award

      GRANTS

      • 2017.12-2018.03　GCL自主企画予算（個人、上限30万）
      • 2017.06-2018.03　GCL自主企画予算（チームリーダー、上限150万）
      • 2015.10-2016.03　GCL自主企画予算（個人、上限30万）
      • 2015.04-2020.03　博士課程教育リーディングプログラム　ソーシャルICTグローバル・クリエイティブリーダー育成プログラム（GCL、修士2年 - 月12万・博士 - 月20万）
      • 2010.03-2015.03　日韓共同理工系学部プログラム（月12万）

      LANGUAGES

       

      • 日本語：ネイティブ
      • 韓国語：ネイティブ
      • 英語：上級（TOEIC: 985/990）
      • プログラミング：Python (Modules: NumPy, TensorFlow, Keras)

    • CONTACT

      Email: han@nlab.ci.i.u-tokyo.ac.jp

      Submit

    © 2017