이번 산업공학회는 KAIST에서 개최되었다. 이번 학회의 데이터마이닝 관련 세션에서는 강화학습을 이용한 연구가 여러 편 있었던 것이 주목할만한 부분이었다. 강화학습을 이용하여 전통적으로 최적화 방법론으로 해결이 어려운 다이내믹한 환경에서의 스케쥴링 문제에 활용하려는 시도가 있었다. 이번 학회에서는 딥러닝 관련 연구를 많이 청취 하였는데 제목은 흥미롭지만 완성도가 부족한 발표 내용도 있어 아쉬운 점도 있었다. 기존 문헌을 통해 공개된 복잡한 모델을 개발한 것이 대단해 보이지만 연구적 측면에서는 새로운 사실이나 정보 혹은 통찰을 전달해 주지 못하기 때문에 이를 기대하는 청자의 시간을 낭비한다. 따라서 학회에서는 이러한 발표가 적절하지 않다고 생각한다. 

 

<청취 후기>
이번 학회에서는 최근 임용된 교수님 세 분이 구성한 신임교원 특별세션이 흥미로웠다. 학위과정을 하고 있는 대학원생을 대상으로 각 교수님들은 어떤 분야를 어떤 방법으로 연구하고 있는지 소개하였다. 총 세가지 발표 중 첫번째와 세번째 발표가 내가 연구하고 있는 분야와 관련이 있어 이들에 대한 후기를 남긴다.

첫번째 발표는 동국대학교 손영두 교수님의 <Variations on Sparse Bayesian Kernel Regression> 이었다. Sparse Bayesian Kernel Regression에서 특히 relevance vector machine (RVM)을 active learning, missing value imputation 기법으로 활용하기 위해 RVM에 어떤 부분을 고쳐야 가능한지 고민하고 이를 해결하였다. 문제해결의 솔루션을 시간관계상 짧게 소개해 줬지만 해답을 찾기 위해 얼마나 모델을 깊이 있게 이해하고 고민했을 지 짐작이 간다. 이 발표를 통해서 연구주제를 어떻게 발견하고 어떤 식으로 해결했는지 연구의 과정을 대략적이나마 느낄 수 있어 유익한 시간이었다. 

세번째 발표는 성균관 대학교 강석호 교수님의 <Efficient Predictive Modeling under Practical Constraints> 였다. 교수님의 연구주제는 supervised learning으로 이를 산업, 의료 등 다양한 분야의 문제를 해결하기 위한 연구를 수행하고 있었다. 익히 들었던 대로 정말로 많은 연구를 다방면으로 수행했던 것을 다시 한번 알 수 있었다. 발표 말미에 앞으로 수행할 연구에 대해 소개하는 시간이 있었는데 그 중 한가지는 앞으로의 예측모델은 모델의 크기가 작고 효율적인 모델이 중요하다고 강조했던 부분이었다. 최근의 연구에서는 정확도가 높은 딥러닝 모델이 주목을 많이 받고 있는데 모델이 컴퓨터 상에서 차지하는 메모리가 매우 크며, 예측시에도 많은 양의 연산을 필요로 한다. 하지만 요즘에는 모바일 디바이스에서 구동 가능한 모델에 대한 수요가 있기 때문에 작은 모델에 대한 필요성이 대두되고 있다. 강석호 교수님은 딥러닝 같이 모델의 복잡도가 높고 예측 성능이 좋은 모델을 예측 성능에 대한 손실은 최소화 하면서 작은 모델로 근사할 수 있는 방법에 대해서도 연구하고 있다고 했다. 나 역시도 이러한 연구의 중요성에 대해 공감하고 기회가 된다면 연구하고 싶은 마음이 든다.