Skip to content

Posts 패턴 인식 및 기계학습 겨울학교 2014 후기 #
Find similar titles

전반적인 감상을 빙자한 잡담 #

기계학습 겨울학교는 작년에 가고 올해도 갔다고 생각했는데 재작년에 가고 작년에는 못 갔었다(하긴 작년 겨울 그 헬게이트를 보내던 와중에 이런 행사를 갈 수 있었을 리 없다). 2년만에 가서 감회가 새로웠는데, 그 사이에 규모는 어마무지하게(거의 2배가량) 커지고 특히 그 때보다 학생 아닌 사람이 많아져서 확실히 사회 전반적인 기계 학습에 대한 관심이 높아졌다는 것을 실감했다. 다만 연세대 시설이..서울대 신공학관보다 안 좋다. 전반적인 행사 운영도 좀 미흡하고.(게다가 오늘(3일차)은 춥기까지 했다. 엉엉엉.) 그리고 관중은 일반인이 훨씬 많아졌는데 여전히 강의 타겟은 머신 러닝 전공 석사 고년차 이상인 것 같아서 좀 아쉬웠다(사람도 많이 받으면 대상 명시를 정확히 했으면 더 좋았을텐데, 이에 대한 명시는 어디에도 없더란 말이다). 게다가 강의하시는 교수님들은 '강의' 마인드라 재작년 발표 '자료'조차 거의 변경 없으신 분도 상당수고 대부분 시간을 오버하시고 그 와중에 준비한 내용은 반도 제대로 못 하고 스킵해서, 참가비도 비싼 교육인데 좀 신경 좀 써주셨으면 하는 마음이 가득. 자기들 학생들도 아니지 않은가. 하지만 이런 교육은 들으러 오면 좋은 게, 일터에서-특히 나야 가방끈이 짧아서 연구소 같은 데는 명함도 못 내밀다보니-일에 치이고 사람에 치이다보면 생각이 단순화되고 쓸데없는 쪽으로 나도 모르게 매몰되는 경향이 있는데,이런 데서 아카데믹한 내용만 (좀 하드하게나마) 머릿속에 밀어넣고 있다 보면 뇌가 운동하면서 주름 사이에 끼인 묵은 때가 빠져나가는 기분이 든다. 아직 할 게 산더미구나 하는 생각들과 함께. 그리고 물론 이번에도 내용들이 어렵긴 했지만, 들었던 내용도 있고 논문 잠시 훑어본 것들도 있고 해서 그런지 재작년보다는 그나마 이해할 수 있는 게 2% 더 많았다는 느낌. n년 전 수업 재수강할 때 기분과 비슷하기도 했고(...먼 산), 그나마 2년간 내가 아주 정체되지는 않았다는 생각에 3% 뿌듯하기도 하고, 수식도 이해하면 어려운 내용이 아닌지라, 문자와 추상화에 좀 더 익숙해졌다는 생각에 좋았고, 그래도 아직 멀었다 싶기도 하고, 확실히 요즘 트렌드는 베이지안인지 최근 베이지안을 다시 파기 시작한 게 시기적절했다는 느낌도 들고(확실히 이 부분 이해하기가 더 쉬웠다). 여름학교는 더 하드코어하다니 갈 생각 없고, 다음 겨울학교는 다른 장소에서 하고(...) 일하기 싫으면(...) 삼수강하는 기분으로 갈 지도 모르겠다(뭐래).

1일차 #

Overview of Machine Learning #

서울대 장병규 교수님의 전반적인 기계학습 소개 내용. 관련 알고리즘과 응용 사례가 주르륵. 당연히 3일 강의 중 가장 쉽다. 내용이 조금 업데이트되긴 했지만 재작년에 본 것들이 상당수.

Principles and applications of local features #

전북대 오일석 교수님 강의. 이미지 검색 관련 내용이고 SIFT 중심으로 유사 알고리즘들도 같이 설명하는 식이었다. 예제도 많고 교수님이 나름 쉽게 설명하려고 노력하셔서 재밌었음.

Supervised Learning #

KAIST 노영균 교수님 강의. 전에 들을 때는 포닥이셨는데 2년 사이 교수로 업그레이드하셨다(...). 똑똑하신 것도 알겠고 강의 내용 자체도 흥미로운데 너무 한 번에 많은 걸(감독 학습 관련된 주요 분야는 거의 다 다루신 듯?) 설명하시려고 하시다보니 속도도 빠르고 수식이 많아서 머리가 좀 저릿저릿.

Semi-Supervised Learning #

아주대 신현정 교수님 강의. 이 교수님은 발표자료 디자인만 바뀌고 내용은 별로 업데이트 안 되어서 심드렁하게 듣다가, 최근 연구 사례 몇 개가 꽤 쓸만해서 눈이 번쩍. 개인적으로는 이거 사례들 건진 걸로도 3일 값어치는 한다 싶을 정도로 흥미로웠다(하지만 순전히 개인적인 이야기. 그 사례들도 교수님은 어버버하시다 박사과정 학생한테 물어보셔서 좀 더 실망).

2일차 #

Conditional random fields #

조선대 양희덕 교수님 강의. 이번의 재밌어 보이는 주제 중 하나였는데 몸 상태가 메롱해서 거의 못 들음. 다만 수식이 굉장히 난무해서 사람들이 다들 죽어가는 분위기였음.(...)

Recursive Bayesian estimation: Applications in visual tracking #

POSTECH 한보형 교수님 강의. 전에도 강의하셨지만 이번에는 Bayesian도 붙고 visual tracking도 붙고 전의 강의도 꽤 재밌었어서 기대했는데 내용은 예제 빼고 거의 비슷한데다 시간 관계상 예제는 거의 안 한 지라(...) 좀 아쉬웠음. 선대쪽을 하드코어하게 다루시는 건 여전하셨다. orz

Manifold Learning #

삼성종합기술원 최희열 박사님 강의.역시 회사에서 단련되셔서 그런지(응?) 꽤 쉽게 설명하시려고 노력하시는 것 같아서 좋았음. 내용도 어쨌든 차원 축소 내용이라(제가 차원 축소 참 좋아하는데요...) 괜찮았고. 하지만 내가 따로 좀 더 공부해야 할 것 같음(.이거야 내 머리 능력 탓이죠.네...).

Random Forest #

계명대 고병철 교수님 강의. 랜덤 포레스트는 이미 그나마 좀 알고 대충 구현할 줄 아는 몇 안 되는(...) 알고리즘에 그 와중에 별로 안 좋아해서 시큰둥했는데, 역시 내가 아는 건 적고 알고자 하는 건 너무 많다는 라플라스의 말에 새삼 동감하면서. 그 사이에 Random Fern이라든가 등등 쉬우면서도 재미난 개념들이 쫌 나왔더라. 그 와중에 내용도 쉽게 설명해 주려고 하시는 편이라 좋았음.

3일차 #

개인적으로 일별 점수를 매기자면 난이도+이해도+흥미도 면에서 3일차가 제일 낫긴 했음.

Reinforcement Learning #

KAIST 김기응 교수님 강의. 이 교수님이야 강의도 잘 하시고 똑똑하시고(물론 덕분에 수업 내용 자체는 참 어려웠지만. 그러고보니 이 교수님 수업때 R가지고 랩사람들과 어버버 하던 게 엊그제 같은데..(먼 산)) 해서 이번에도 2%의 기대를 했지만...어째서 지난번과 강의자료가 같은 거죠. 왜죠. 물론 그 때 내용 어리버리 했던 걸로 기억나는데 이번에는 이해가 잘 되는 게 정말 재수강받는 느낌이었다. (...)

Latent variable models: EM and Bayesian #

POSTECH 최승진 교수님 강의. 사실 이 시간에도 개인적으로 멘탈이 좀 붕괴된 상태여서 거의 못 들었다. 하지만 더 집중할 수 없었던 이유는 역시나 전과 강의자료가 동일해서였다. 아니 내용이 좀 새로운 게 있어야 집중을 하죠(...). 내용도 다행히도(?) 수식 위주라고 해도 EM이랑 PCA 같은 거라 그나마 덜 어려운 쪽인 마당에.

Statistical inference with graphical models #

UNIST 최재식 교수님 강의. factor graph 를 이용해서 추론 관련 내용을 다뤘다. 내용 자체도 원체 2% 관심도 있었고, 그나마 관중 상태를 파악이라도 하시려는 의도(?)가 보여서 좋았음. 하지만 파악만 하시다보니 다른 강의에 비해 지나치게 대중적으로 가는 것 같기도 했고(내가 답답함 느낄 정도면 말 다 했지 뭐). 그 와중에 굳이 준비해온 거 다 하겠다고 시간 과하게 오버하시는 건 좀...(다들 오버하셨지만 이 분 좀 심하셨음).

Deep Learning #

한동대 김인중 교수님 강의. 요즘 페북 덕에 핫한 Deep Learning 인지라 일부러 끝에 배치한 것 같기도 했는데 진행하시는 분도 마찬가지로 소개했음(...). 물론 나도 트렌드 팔로워라 논문 하나 읽고 던져놓기는 했는데 그거 복습해 주셔서 좋았음. 역시나 개인적 멘붕이 2% 있었어서 2/3 정도 겨우 집중한 것 같은데 그나마 2/3 정도 이해한 것 같은 건 예습의 효과. 그런데 일부 부분은 교수님도 아직 이해 잘 못하셔서 막 넘어간 거 같은 데가...(질문하려다 이건 질문이 아니라 태클일 것 같은 데다 역시나 시간도 과하게 오버하시는 덕에 참았음).

▶ 일시: 2014년 2월 5일(수) - 7일(금)

▶ 장소: 연세대학교 제3공학관 지하 1층 C040 (오시는 길)

▶ 주관: 연세대학교

▶ 주최: 한국정보과학회 인공지능소사이어티


machine learning Data

Other Posts #

0.0.1_20140202_5