[참석 후기]

서울대학교에서 개최되는 대한산업공학회 추계학술대회에 참석하게 되면서 연구실에 들어온 뒤 첫 학회 활동을 시작하게 되었다. 이번 학회에서는 우리 연구실에서 발표자로서 참석하는 사람들이 여럿 있었던 만큼 많은 기대를 하고 가게 되었다. 몰입감 있는 발표와 많은 사람의 집중을 받으며 준비한 내용을 설명하는 우리 연구실 사람들이 정말 기대 이상으로 멋져 보였다. 아직 발표 내용을 충분히 이해할 만큼의 지식을 쌓지는 못했지만 산업공학에서는 어떤 연구가 이루어지고 있는지 알 수 있었던 기회였고 많은 동기부여를 받을 수 있었다.

[청취 후기]

1. Multimodal Deep Learning for Explainable Product Design Data

Multimodal Learning은 텍스트와 이미지처럼 다른 성질의 데이터를 한 번에 학습시켜 같은 목표를 예측하는 것을 의미한다. 이런 형태의 학습 방법을 제품 설계의 인자 분석에 활용하는 방법론을 제안하는 발표였다. 현장에서 제품 설계를 할 때 기록되는 데이터의 종류는 다양하지만 분석하려는 방향에 따라서 가용할 수 있는 데이터에는 제약이 있다. 따라서 Multimodal Learning이 해당 제약을 해결하는데 유용할 수 있는 부분이다. 딥러닝이 사람처럼 다양한 성질의 데이터를 학습하여 판단(분류)할 수 있는 방법이 정말 인상 깊었다.

2. Missing Data Imputation with Adversarial Autoencoders

이번에 Random Forest를 공부하면서 머신러닝을 통해 Imputation이 가능하다는 것을 처음 알게 되었다. 마침 학회에서 현구 형이 Imputation을 주제로 발표를 하게 되어서 관심을 가지고 발표를 듣게 되었다. 기존에 GAIN이라는 방법론은 GAN을 기반으로 Imputation을 한다. 하지만 이 GAN을 대신에 Adversarial Autoencoder를 사용한 것이다. 기존에 있던 방법론의 단점을 알고리즘을 대체 및 적용함으로써 성능을 향상해볼 수 있다는 점뿐만 아니라 Imputation 방법론이 정말 다양하다는 점이 흥미로웠다.