[발표 후기] 자동차 사용자 클레임 예측을 위한 기계학습

대학원에 입학하여 연구실 내에서 발표하는 자리가 아닌 외부에서 진행되는 발표자리에서 처음 발표를 진행하게 되었다. 코로나로 인해서 대면발표대신 온라인으로 발표여서 아쉬웠지만 온라인 발표도 대면발표와 비슷하게 긴장되었다. 이번 발표에서는 기존에 진행하였던 프로젝트 데이터를 가지고 발표를 하게 되었는데 기존 데이터로는 딥러닝에 적용이 불가능한 상황이였다. 따라서 머신러닝 모델들을 가지고 분석을 진행하게 되었는데 머신러닝 모델들로만 분석을 하다 보니 결과에 대한 해석이 부족하였고 부족한 면을 채우기 위해 shap이라는 알고리즘을 사용하였다. 발표를 준비하면서 장표를 어떻게 구성해야 청취자들에게 잘 이해가 되는지 배울 수 있었고 발표하는 법에 대해서도 또 한번 배울 수 있었던 것 같다. 이번 발표를 통해 많을 것을 배울 수 있었고 얼른 코로나가 종식되어서 대면발표도 해보고 싶다.

[청취 후기] 잔여 유효 수명 예측을 위한 시계열 데이터 생성 방법

기업에서 사용하는 기계들의 잔여 유효 수명을 예측하는 일은 중요한 일이다. 해당 발표에서는 기계들의 잔여 유효 수명을 예측을 시계열 데이터를 사용하여 예측하였다. 관련 연구에는 RMS, MLP, LSTM, SVR을 주로 사용한다. 해당 발표에서 제안하는 방법은 학습 샘플을 먼저 알파벳 시퀀스로 변환하여 변환된 알파벳 시퀀스를 바탕으로 새로운 알파벳 시퀀스로 생성한다. 이렇게 생성된 알파벳 시퀀스를 다시 시계열로 변환하여 실험을 하였다. 데이터 부족 문제를 해결하기위해 위와 같은 방법을 사용하여 분석을 진행한 것이 인상깊은 발표였다.

[청취 후기] 딥러닝 기반 레이더 영상을 활용한 해상표적 식별에 관한 연구

해당 연구는 해군에서 운용중인 해상초계기의 레이더 영상을 기반으로 딥러닝을 이용한 해상표적 식별 능력을 비교 분석 하였다. 해상표적을 식별하기 위해 resnet-50이라는 알고리즘을 사용하여 분석을 진행하였고 해상표적 식별 능력이 향상된 것을 볼 수 있었다. 이미지 분석에 대해 평소에 관심있게 살펴 보았는데 해당 발표를 듣고 이미지를 적용할 분야는 무수히 많다는 것을 느꼈다.