국립부경대학교 일반대학원 데이터공학과

2026년 5월 11일, 국립부경대학교 데이터사이언스융합인재양성사업단 주최로 'Parameter-Efficient Fine-Tuning for Foundation Models: Theory and Practical Applications' 특별 세미나가 개최되었다. 서울대학교 데이터사이언스대학원(GSDS) 김태섭 부교수가 연사로 나서, 거대 파운데이션 모델(Foundation Model)을 적은 연산량과 데이터로 효과적으로 적응시키는 핵심 기술인 파라미터 효율적 파인튜닝(Parameter-Efficient Fine-Tuning, PEFT)의 이론적 배경과 주요 기법들을 체계적으로 소개했다.

김태섭 교수는 파운데이션 모델이 현대 인공지능의 중심으로 자리 잡으면서 효율적인 파인튜닝(fine-tuning) 기법이 실제 모델 배포에 있어 필수적인 요소가 되었음을 강조했다. 강연에서는 PEFT가 등장하게 된 배경과 동기, 그리고 거대 모델 전체를 갱신하는 방식이 야기하는 연산·저장 자원의 부담과 한계가 공유되었다.

또한, 김 교수는 PEFT의 주요 기법들을 개괄한 후, 효율성(efficiency)과 적응성(adaptability) 관점에서 전체 파인튜닝(full fine-tuning)과 LoRA(Low-Rank Adaptation) 기반 기법을 체계적으로 비교했다. 학습 가능한 파라미터 수를 크게 줄이면서도 적응 성능을 유지하는 LoRA 계열 기법의 설계 원리와 그 변형들에 대한 분석이 학생들의 큰 이목을 끌었다.

마지막으로 김 교수는 PEFT의 최신 연구 동향과 자연어 처리·컴퓨터 비전 등 다양한 분야에서의 실제 응용 사례를 제시하며 강연을 마쳤다.

부경대학교 데이터사이언스융합인재양성사업단은 이번 세미나가 데이터사이언스 및 인공지능 분야 석박사 과정생들에게 파운데이션 모델 시대에 제한된 자원으로 거대 모델을 효과적으로 활용할 수 있는 실무적 통찰과 후속 연구 방향에 대한 영감을 제공한 유익한 시간이 되었다고 평가했다. 이번 강연은 비대면(Zoom) 방식으로 진행되었다.