이정혜 연구실은 데이터 프라이버시 보호와 연합학습(Federated Learning) 기술을 중심으로, 다양한 산업 및 헬스케어 분야의 데이터 분석을 선도적으로 수행하고 있습니다. 연구실은 의료, 제조, 금융, 환경 등 민감한 데이터를 다루는 여러 기관이 데이터를 직접 공유하지 않고도 협력적으로 인공지능 모델을 학습할 수 있는 프라이버시 보호 연합학습 알고리즘을 개발하고 있습니다. 이를 위해 Word2Vec, 자기주의 기반 임베딩, 오토인코더, 하모나이즈드 임베딩 등 최신 딥러닝 기법을 적극적으로 도입하고 있으며, 실제로 국내외 병원, 제조업체, 금융기관 등 다양한 산업 현장에 적용하여 실질적인 성과를 내고 있습니다. 연구실은 딥러닝 및 머신러닝을 활용한 산업 및 헬스케어 데이터 분석에도 탁월한 역량을 보유하고 있습니다. 예를 들어, 제조 공정의 품질 예측 및 최적화, 스마트 인솔 기반 신체활동 및 체중 변화 예측, 환경성 질환 사망자 이상치 탐지 등 다양한 응용 분야에서 혁신적인 분석 방법론을 제시하고 있습니다. 또한, 유전체 및 대사체 데이터, 웨어러블 센서 데이터 등 고차원 데이터를 통합 분석하여 만성질환 위험 예측, 생체 나이 추정, 환자 맞춤형 건강관리 프로그램 추천 등 실질적인 건강 증진 방안을 연구하고 있습니다. 고차원 및 이질적 데이터의 통합 분석과 변수 선택 분야에서도 연구실은 독보적인 기술력을 보유하고 있습니다. 마코프 블랭킷 기반 변수 선택, 혼합형 데이터 전용 알고리즘, 다변량 피처 랭킹 등 고차원 데이터에 최적화된 변수 선택 기법을 개발하여, 예측 모델의 정확도와 해석력을 동시에 높이고 있습니다. 이러한 기술은 제조, 바이오, 환경 등 다양한 분야의 데이터 분석에 적용되어, 데이터 기반 의사결정의 신뢰성과 효율성을 크게 향상시키고 있습니다. 연구실의 연구 성과는 다수의 특허 출원과 산업체 협력 프로젝트, 국내외 학술지 논문 및 국제학회 발표를 통해 국내외적으로 인정받고 있습니다. 특히, 프라이버시 보호 연합학습, 딥러닝 기반 제조 및 헬스케어 데이터 분석, 고차원 데이터 변수 선택 등 핵심 기술은 실제 산업 현장과 공공기관에 적용되어 사회적 가치 창출로 이어지고 있습니다. 이정혜 연구실은 앞으로도 데이터 프라이버시 보호와 인공지능 기술의 융합, 고차원·이질적 데이터의 통합 분석, 산업 및 헬스케어 현장 문제 해결을 위한 혁신적인 연구를 지속적으로 추진할 계획입니다. 이를 통해 데이터 기반 사회에서의 신뢰성과 혁신성을 동시에 확보하는 데 기여하고자 합니다.