ESC는 연세대학교 응용통계학과 최초의 공식 인증 통계 및 데이터 사이언스 학회입니다. 저희는 실용 학문으로서의 통계적 활용 능력을 배양하고, 이를 통해 사회 각 분야에서 필요로 하는 통계 및 데이터 사이언스 인력에 대한 인재상을 선도하고 양성하고자 하는 비전을 가지고 있습니다.

현재 응용통계학과 이지현 교수님께서 지도교수님으로 계시며, 통계와 관련된 다양한 학술 주제에 대해서 활동을 진행합니다. 방학과 학기 초에는 해당 학술 주제에 대한 깊은 이해를 위해서 학회원들이 직접 준비하는 세션으로 이루어집니다. 이에 더해서 세션에 대한 복습, 그리고 다른 주제들에 대한 공부를 위한 복습 스터디와 정규 스터디 역시 진행이 됩니다. 이번 26-1학기 활동은 ‘컨포멀 예측과 분포 이동’이라는 학술 주제로 진행되고 있습니다.

딥러닝과 LLM은 정답처럼 보이는 답변을 정말 그럴듯하게 만들어내고는 합니다. 문제는 틀릴 때 또한 그럴듯하다는 것입니다. 이로 인해 최근의 인공지능 연구에서는 모델의 예측 성능 뿐만 아니라, 예측 결과를 어느 정도까지 신뢰할 수 있는지 또한 점점 더 중요하게 여겨지고 있습니다.

컨포멀 예측(Conformal prediction)은 이러한 불확실성을 정량화하여 예측값에 수학적으로 보증된 예측 구간을 더해주는 통계적 방법론입니다. 또한 컨포멀 예측은 전통적 예측구간과 달리, 모델과 무관하게 데이터의 교환성이라는 최소한의 가정만으로 이론적으로 타당한 예측 구간을 보장합니다. 이를 통해 컨포멀 예측은 LLM과 딥러닝 같은 블랙박스 모델의 불확실성을 다루는 핵심적인 이론으로 주목받고 있습니다.

분포 이동(Distribution Shift)이란 모델을 학습시킨 데이터의 분포와 실제 적용 환경에서 관측되는 데이터의 분포 사이에 괴리가 발생하는 현상을 의미합니다. 일반적으로는 훈련 데이터와 실제 데이터가 유사한 분포를 따른다는 가정을 하지만, 현실의 데이터 생성 과정에서는 이러한 가정이 맞지 않는 경우가 많습니다.

학기 중에는 컨포멀 예측에 대한 이론적 이해를 바탕으로, 분포 변화 상황에서도 예측 신뢰구간의 유효성을 어떻게 보존할 수 있는지를 통계학적 관점에서 탐구할 예정입니다. 또한 이를 다양한 응용 분야에 접목해보며, 불확실성을 체계적으로 제어하기 위한 방법론을 함께 익히고자 합니다.