연합학습 (Federated Learning)은 여러 장치 혹은 조직에서 비공개 데이터를 가지고 별개의 모델을 학습하는 경우,이렇게 지역적으로 학습한 모델을 취합 및 재분배하여 성능 향상을 꾀하는 학습방법으로, On-device 학습등에서의 큰 실용성 덕분에최근 활발히 연구되고 있다. 본 강의에서는 앙상블학습 (Ensemble Learning)과 비교되는 연합학습의 기본 개념과, 가장 기본적인 알고리즘인 FedAvg, FedProx 등에 대해 살펴보며,연합학습의 새로운 실용적 시나리오를 다룬 최근 연구결과인 연합 계속적 학습 (Federated Continual Learning)과 연합 준지도 학습 (Federated Semi-supervised Learning)등에 대해 다룬다.

Zoom 회의 참가 https://snu-ac-kr.zoom.us/j/81224109559?pwd=OUxsOFhuaEJsSVk5Ly9PSnZjNzNUdz09

회의 ID: 812 2410 9559

암호: 880865

2020 - 현재: 카이스트 인공지능 대학원/전산학부 부교수

2018 - 2020: 카이스트 전산학부 조교수

2014 - 2017: 유니스트 전기전자컴퓨터공학부 조교수

2013 - 2014: 디즈니리서치 박사후 연구원

2013: University of Texas at Austin 박사 졸업