ITPE * JackerLab

개요Synthetic Tabular는 개인정보 보호, 모델 성능 향상, 데이터 증강을 위해 실제 데이터를 모사해 생성한 구조화된(표 형식) 데이터이다. 의료, 금융, 산업 분야에서 민감한 정보를 대체하거나, 부족한 데이터를 보완하는 용도로 활용된다. 생성적 인공지능 기술(GAN, VAE, Diffusion 등)의 발달로 그 정밀도와 활용성은 급격히 향상되고 있다.1. 개념 및 정의Synthetic Tabular는 현실 세계의 표 형태 데이터(예: 고객 정보, 환자 기록 등)를 수학적/통계적으로 모사하여 생성된 인공 데이터로, 원본과 유사한 통계적 특성과 관계 구조를 갖는다.목적: 민감 정보 보호, 데이터 부족 문제 해결, AI 모델 학습 성능 개선필요성: 개인정보보호법 강화 및 데이터 이동/공유 제한 환..

개요Few-Shot Learning(FSL)은 소량의 학습 데이터로도 모델이 새로운 작업을 학습하고 일반화할 수 있도록 하는 머신러닝 기법입니다. 기존의 대규모 데이터 기반 학습 방식과 달리, 데이터가 부족한 환경에서도 신속하고 효율적인 학습을 가능하게 하며, 인간의 학습 방식에 유사한 형태로 주목받고 있습니다.1. 개념 및 정의Few-Shot Learning은 보통 N-way K-shot 구조로 정의되며, 이는 N개의 클래스 중에서 K개의 샘플만으로 분류 문제를 해결하는 방식입니다.1-Shot: 클래스당 1개의 학습 샘플만 사용5-Shot: 클래스당 5개의 학습 샘플 사용N-way K-shot: N개의 분류 클래스에서 K개의 샘플로 학습FSL은 제로샷(Zero-shot) 학습보다 실제적이고, 일반적인 ..