-발표자 후기-

1. 발표준비 및 후기

제안 방법에 대해서는 처음 듣는 사람의 경우 매우 헷갈릴 수 있는
개념이라서 발표구성 당시 그 부분을 잘 설명하기 위해 집중했다. 애니메이션도 적절히 사용하였는데, 학회장에서 PPT 프로그램이 호환이 안되어서 PDF 버전으로 발표하게 되었다. 이런 상황을 미리 대비하여 애니메이션
효과를 서로 다른 장표로 만들었어야 했는데, 그 부분을 준비하지 않아서 아쉬웠다. 다음 번 발표에서는 항상 여러 상황을 대비하여 발표자료를 준비할 것이다.

2. 질문 및 대답

질문1. 기존 PCA기반 연구가 있는데, 그 연구의 경우 T2 거리와 PCA의
reconstruction error를 동시에 모니터링하는데, 본 연구에서는 reconstruction error 만 사용한 것인가요?

답: 네. 그러나 말씀하신 연구에서는 PCA를 단순히 차원축소로 이용하여 그
공간에서 T2관리도를 적용하고 나머지 정보손실량을 고려하기 위해 reconstruction
error를 같이 고려하기 때문에 제안하는 방법과는 조금 다른 관점이라 생각합니다.

질문2. 실제 문제에서 beta error를 확인하려면 각 이상의 종류를 정의해야만 신뢰할 수 있는데,
이에 대한 언급이 없어 신뢰성이 떨어진다.

답: 제가 정확히 이해하지
못했으나, 사용한 실제 데이터에 이상과 정상의 레이블을 이용해서 결과를 냈습니다.

3. 발표 시 아쉬웠던
점과 개선방향

학회장 내에서는 질문2에
대해서는 사실 정확한 이해를 하지 못했다. 실제 전통적인 spc에서
type I error 와 type II error 사용은
정상분포와 이상분포가 정의되고 구할 수 있는 개념인데 실제 문제를 적용할 때 이를 고려하지 않고 동일한 measure를
사용한 것 같다. 이 부분에 대해서는 과연 계속 같은 measure를
사용해도 될 지에 대해 고민해 볼 수 있는 기회였다. 다만 학문적인 자유로운 토론이 아닌 무조건 틀리다는
식의 공격적인 질문과 이야기는 불편하였다. 질문을 완전히 이해 못했을 때는 학회시간에 구구절절 설명하기
보다는 생각을 정리해서 발표 후 대화 할 수 있도록 해야겠다.

-청취자 후기-

이번 산업공학회는 데이터마이닝 세션이 매우 많았다. 다시 한번 내가 하고 있는 학문에 대한 열기를 느낄 수 있었다. 제안한
방법론과 비슷하게 autoencoder를 사용하여 모니터링 하겠다는 연구가 있어서 흥미롭게 들었다. 우리 연구실에서 기존에 진행하던 모니터링 연구와는 초점이 다르기 때문에 처음에 쉽게 이해하기 어려웠지만, 시간을 고려한다는 관점에서 실제적용에는 더 현실적이지 않을까라는 생각이 들었다. 우리 과의 다른 연구실 학생이 발표한 “인스타그램에서 학습된 단어와
게시글의 메타 정보를 이용한 페이스북 텍스트 스팸 필터링 알고리즘” 연구가 매우 인상 깊었다. 실제 문제에서 페이스북 스팸을 풀고자 했던 아이디어에서 시작하여 비교적 label을
얻기 쉬운 인스타그램에서 텍스트 데이터를 찾아내어 일종의 transfer learning 모델을 만든
것으로 보인다. 다만 페이스북 스팸의 메타정보를 사용하는 것 자체가 이미 스팸에 대한 텍스트 데이터도
찾을 수 있는 상황이 아닌가에 대한 의문이 들었다. 발표자의 태도나 음성도 설득력 있었다. 좋은 글을 많이 보면 좋은 글을 쓸 수 있듯이 좋은 발표를 많이 들으면 발표를 잘 할 수 있는 기회가 생긴다고
생각하기 때문에 기억이 남는 발표였다.