• 목록

일자 : 6/1 (목)

1.세션 : A 6.5. 비즈니스 애널리틱스
<노이즈 레이블 상황 하에서의 누적 손실 기반 시계열 샘플 선택>

대부분의 연구는 시계열 데이터의 labelling이 올바르다고 가정하지만 그렇지 않은 경우도 있다. 이러한 noisy label에 강건한 분류 모델을 구축하는 것은 필요하다. 본 연구에서는 cumulative loss를 기반으로 학습된 가우시안 믹스쳐 모델을 이용하여 clean한 sample을 select하는 방법을 제안한다.
발표를 듣고, 시계열 데이터의 label에 noise가 있는 경우 어떤 방향으로 접근하는것이 좋을까 생각해봤다. label의 smoothing을 통해 regularization의 효과를 줌으로써 noise에 더 강건한 model을 만드는 것도 하나의 방법이 아닐까 생각해봤고, 발표를 통해 cumulative loss 기반 clean한 시계열 샘플을 선택하는 방법도 알 수 있게 되어서 좋았다.

2.세션 : B 7.2. 4차 산업혁명/산업인공지능
<적응적 자기지도 학습: 데이터 노이즈에 강건한 표면 이상 탐지 모델 개발>

표면 이상 탐지란 물체의 표면에서 정상적이지 않은 패턴이나 객체를 찾는 과정으로 제품의 품질관리 및 공정의 안정적인 운영에서 중요한 역할을 한다. 표면 이상 탐지는 정상 데이터를 수집 학습하는 과정을 거치는데, 학습 과정에서 데이터 노이즈가 포함된다면 표현 학습을 저해하고 이상치 탐지를 수행하기 어려워진다. 이에 본 연구는 자기 주도 학습 기반의 방법론을 제안했다. 본 연구는 대조 학습을 통해 샘플의 negative, positive pairs를 나눔으로써 더 효과적인 표현 학습이 가능하다고 말한다.
발표를 듣고, 자기지도학습에 관한 지식이 많이 부족함을 느낌과 동시에 공부할 영역이 풍부한 분야라고 느낄 수 있었다. 

3.세션 : C3.3 비즈니스 애널리틱스
<외식업 종사자들의 직무만족 요인 분석>

직무만족이란 조직구성원이 직무를 수행하는 과정에서 느끼는 복합적인 감정 상태를 조작적 정의한 개념이다. 본 연구에서는 질적 연구방법론과 양적 연구방법론을 혼합한 연구방법론을 통해 직무 만족을 분석한다. 외식업 종사자들의 직무 만족의 정량적 척도로써 취업 사이트 내 별점을 사용하였고, 정성적 척도로써 직무 별 평가 코멘트를 사용하였다.
그런데 정량적 척도로써의 직무 별 평가 코멘트들을 감성 분석한 방법 및 절차에 관한 설명이 없었다는 점이 아쉬웠다.
해당 연구의 도메인이 나의 학부 전공이었기에 발표를 들으며, HR 관련 도메인을 어떻게 응용하면 좋을지 생각해보는 계기가 되었다.