- 발표자 후기 -

1. 발표 준비 및 후기

대학원생으로서 첫 학회 발표를 하게 되었다. 해당 발표에 사용한 알고리즘 중에서 recurrent neural network의 경우 처음 듣는 사람의 입장에서 생소한 개념이 많을 것으로 생각되어 핵심 개념만 추려서 설명하는데 집중하였다. 연구실 내부 세미나의 경우 시간의 제약이 없기 때문에 자세히 짚고 넘어갈 수 있지만, 15분 안에 준비한 내용을 모두 전달하는 일이 생각보다 어려웠다. 연구의 퀄리티 못지 않게 나의 연구를 상대방에게 전달하는 것 또한 많은 노력을 들여야함을 깨닫는 기회가 되었다.

2. 질문 및 대답

Q1) RNN 이외의 알고리즘에 Long Short Term Memory (LSTM)가 사용된 사례가 있나요?

A1) 네. LSTM이라는 개념은 RNN의 vanishing gradient 문제를 해결하기 위해서 등장하였지만, 최근 연구 중엔 의사결정나무와 같은 tree-based algorithm에도 적용한 사례가 있습니다. 하지만 알고리즘의 학습 방식이 다르기 때문에, LSTM의 구조도 다르게 구성되어 있습니다.

Q2) 반도체 물류자동화 시스템 내 주요 정체 구간간의 연결 정보를 활용해보시진 않았나요?

A2) 아니요. 활용해보고 싶었지만, 데이터를 제공해준 업체에서 보안 상의 문제를 이유를 시스템의 레이아웃을 제공해주지 않았기 때문에 안타깝게도 그 정보를 반영해볼 순 없었습니다. 하지만 추후에 그 정보를 얻어 반영한다면 예측력이 향상될 것으로 생각됩니다.

Q3) 향후 1분의 정체 수준을 예측하였는데, 2분 / 3분 등을 예측할 순 없나요?

A3) 가능합니다. 간단하게 예측변수와 종속변수를 다르게 구성하여 모델을 학습시킬 수 있습니다. 혹은 LSTM encoder-decoder 형태의 모델을 구축하여 향후 특정 시점에 대한 예측값 뿐 아니라 여러 시점을 예측하게 구성하여 모델을 학습시킬 수 있습니다.

- 청취자 후기 -

주로 데이터마이닝 세션에서 다른 연구자들의 발표를 들었다. 작년 대한산업공학회와 비교하였을 때, 딥 러닝 연구의 비중이 조금 늘었음을 확인할 수 있었다. 대다수의 딥 러닝 연구는 여전히 컴퓨터공학 분야에서 활발히 진행되고 있지만, 산업공학 분야의 연구자들도 문제 해결을 위해 딥 러닝 알고리즘을 이용하는 것 같다. 텍스트마이닝 연구의 비중도 활발히 진행되고 있음을 확인할 수 있었다. 아무래도 텍스트마이닝 분야가 갖는 장점은 가공할만한 충분한 양의 데이터가 존재한다는 점에서 찾아볼 수 있을 것 같다. 알고리즘 연구를 하는 사람의 입장에서, 알고리즘의 성능을 검증하기 위해선 충분한 양의 데이터가 필요한데, 안타깝게도 우리 연구실에서 많이 다루는 공정 데이터는 보안 등의 이유로 대학원생이 접근하기 어렵다. 현재 연구하고 있는 RNN 알고리즘의 경우에도 학계에서는 텍스트 데이터로 많은 연구가 진행 중이다. 향후 개인 연구를 하는 과정에서 텍스트를 활용해보면 좋을 것 같다는 생각이 들었다. 전반적으로 이번 대한산업공학회는 관심 가는 연구들이 많이 발표되었으며, 현재 데이터마이닝의 연구 트렌드를 가늠해볼 수 있는 기회였다.