지금까지 머신러닝 및 딥러닝 분야의 기술은 비약적인 발전을 거듭해 왔음에도 불구하고 고품질 빅 데이터의 가용성이라는 심각한 도전에 직면해 있습니다. 실제로 데이터 분석에 머신러닝 및 딥러닝이 활용될 때 제한된 가용 데이터 부족 문제, 라벨링의 비용 문제, 낮은 일반화 성능 등의 문제가 자주 발생합니다. 이에 본 튜토리얼 세션에서는 전이 학습의 종류 및 최근 발전에 대한 개요를 제공하고 데이터 부족 문제를 완화할 방법들을 논의해 보고자 합니다. 또한, 전이 학습의 세부 분야인 파라미터 전이, 멀티 태스크 러닝, 모델 융합, 도메인 적응, 지식의 증류 기법들을 통해 실제 활용되는 모델들의 특징을 소개해 드릴 예정입니다.

4차산업혁명이 진행되면서 세상은 통합연결이라는 방향으로 변화하고 있고, 그에 맞춰 소비자와 산업도 변화하고 있다. 메타버스는 이러한 변화의 핵심으로 인식되고 있으며, 게임 뿐만 아니라 건설/설계/제조, 인테리어, 영화 애니메이션, 자동차/교통, 통신/의료 등에서 새로운 기회를 창출하고 있다. 본 튜토리얼에서는 산업계에서의 메타버스의 활용을 중심으로, 메타버스 관련 인재의 수요 추세를 제공하고자 한다.