[학회 후기]

  나에게는 지난주 금요일이 뜻 깊은 하루였다. 또 새로운 한가지를 체험할
수 있게 된 날이었기 때문이다. 11월 9일 월요일, 대한산업공학회에서 주최한 추계 학술대회가 한양대에서 개최되었다. 이제
막 석사과정을 2달 조금 넘은 내게는 빅데이터, 데이터 마이닝, 머신 러닝 등이 연구 되는 다양한 분야에 대해서 시야를 넓힐 수 있는 시간이었던 것 같다. 학술대회에 참여하면서 나는 크게 2가지 관점을 바탕으로 세션들을
들으려 했다. 첫번째는 ‘우리 연구실이 아닌 타 연구실에서는
어떤 산업분야에서 어떤 데이터를 가지고 머신 러닝, 데이터 마이닝 등의 기법을 적용해서 연구하고 있는가?’ 두번째는 ‘세션에서 발표해주시는 연구자분들이 선행 연구와 다르게
적용한 아이디어는 무엇인가?’ 였다. 이러한 관점을 바탕으로 10개가 넘는 발표들을 들었다. 첫번째에 대해서는 반도체 등 제조업뿐만
아니라 의료, 방송, 문화,
예술 등 정말 다양한 분야에서 딥러닝, 머신러닝 등의 기법들을 적용해 연구 되고 있음을
알게 되었고, 내가 공부하고 있는 내용이 적용 될 수 있는 범위가 광범위하다는 사실에 놀라게 되었다. 두번째에 대해서는 우리 연구실 선배들에 대한 놀라움과 감사함을 동시에 느낄 수 있었다. 우리 연구실 선배들의 발표 내용에서는 정말 많이 고민하고 작은 부분에서라도 기존 연구를 비틀 수 있는 아이디어를
찾고 있음을 느끼며 놀랐고, 또한 많은 준비를 통해 발표에서 이러한 부분을 쉽고 명확하게 전달해 주어서
감사함을 느꼈다. 연구에 대한 고민이 점점 늘어나고 있는 나에게는 이번 추계 학술대회가 정말 값진 시간이었고, 이런 시간을 갖게 도와 주신 교수님과 좋은 발표 준비해주시고 사전에 사소한 것도 많이 알려주신 모든 선배들에게
감사함을 표합니다.

[청취 후기]

1. 기조 강연 : Big data Innovation

  Big data Innovation은 서울대 조성준 교수님께서 진행
해주신 강의로 4차 산업혁명, 빅데이터 시대에서 데이터 사이언티스트가
가져야할 역량에 대해 사례 중심으로 설명해 주셨다. 컴퓨터가 발전하고 다양한 분석 알고리즘이 진화하고, 이제는 정형 데이터가 아닌 비정형 데이터 자료까지 분석할 수 있는 시대이다.
즉, 데이터 사이언티스트로 깊게 공부하고 연구한다면 컴퓨팅, 분석 등 기술적인 측면에서는 이전보다 더 능력을 키울 수 있는 것이다. 하지만
이번 강의에서는 데이터를 분석해서 인사이트를 도출하는 것에 대한 중요성에 더하여, 그것을 통해 Value(가치)를 만드는 것이 중요하다는 내용을 들었다. 그리고 이 Value를 만들기 위해서는 기술적인 능력은 기본이고
기획력, 해당 산업에 대한 지식, 소통 능력, 리더쉽 등 다양한 능력 또한 키우려고 노력해야 한다는 사실을 깨달았다. 이번
강의를 들으며, 실제 프로젝트나 연구를 시작할 때 내가 진행하려는 데이터 분석을 통해 나올 수 있는
인사이트는 무엇인지, 더 나아가 이 인사이트를 통해 어떤 가치를 만들어 전달할 수 있는 지 사전에 고민하고
기획하는 자세가 필요함을 다시 한번 자각하게 되는 귀중한 시간이었다.

2. RNN(Recurrent Neural Network)을
이용한 대규모 TV 시청 로그 시청자 군집 분석

  해당 연구는 시청자들의 연속적인 대규모 시청 로그를 바탕으로 RNN(Recurrent
Neural Network)을 활용해 보다 많은 정보를 가진 고차원의 특징(feature)을
추출하며, 이 특징을 토대로 시청자들을 군집화하고 시청 패턴을 파악하는 것이다. 이번 연구에서 핵심 아이디어는 기존에 ‘채널’ 중심으로 시청자 데이터 분석을 진행했던 것을 ‘Category(스포츠, 예능, 영화 등)’ 중심으로
시청자 데이터 분석을 진행했다는 것이다. Category 중심으로 데이터를 수집하기 위해, 시청자가 5분 이상 머문 채널에서 시청한 Category data를 수집하였고, 이를 통해 군집 분석을 진행하였다. 나는 이전부터 사회과학 분야에 대한 데이터 분석에 대해 관심 있었기에 ‘TV
시청자 군집 분석’이라는 주제 자체가 흥미로웠다. 특히
분석의 중심을 ‘채널’에서 ‘Category’로 했다는 아이디어가 인상 깊었다. 이 아이디어를
들었을 때, 작은 변화이지만 직관적으로 이해하기 쉽고 좋은 결과물이 도출될 것으로 예상되었기 때문이다. 하지만 작은 아쉬움도 있었다. 한 청취자 분이 ‘기존 연구에서 Worst case만 가져온 것이 아닌가? 비교해 주신 기존 연구 그래프는 군집 분석 자체가 아닌 것 같다. 기존
연구에서 Best Case도 같이 보여줬으면 좋겠다.’ 라는
질문을 하였다. 하지만 이 부분에 대해서 명확하게 답변을 듣지 못한 것 같아서 아쉽다. 차라리 ‘기존 연구가 잘한 점을 명확하게 설명해주고, 이번 연구를 통해 더 잘된 점을 설명해주셨으면 좋지 않았을까’ 라는
아쉬움이 든다. 하지만 해당 발표를 통해, 작은 생각의 변화가
연구의 아이디어가 될 수 있다는 생각을 하게 된 귀중한 시간이었다.

 ​