카카오 계정과 연동하여 게시글에 달린
댓글 알람, 소식등을 빠르게 받아보세요
가장 핫한 댓글은?
- 원칙적으로 1저자는 글쓰기 기준입니다
위의 댓글들은 뭣도 모르는 것 같구요
적어주신 기여 비율이 사실이라면 꼭 글쓰기가 아니라 다른 부분들을 봐서도 충분히 공동 1저자 가능합니다
다만 연차가 낮아 본인의 기여 퍼센트를 객관적으로 파악했는지는 의심이 드네요
보통 연차가 낮으면 객관적으로 보지 못하고 본인한테 유리하게 판단하고 억울해하는 경우가 많아서요
16
- 이제 막 석사과정 시작한 학생들은 대다수가 자신의 기여를 과대평가합니다. 써놓으신 퍼센트지가 객관적이라면 공동1저자 가능합니다. 그러나 저는 질문자께서 과연 정말로 저만큼 기여하셨는지 회의적입니다. 석사 1년차의 주저자 논문은 그 자체로는 큰 의미 없다고 봐서 욕심 부릴 필요는 없다고 생각해요 어차피 박사과정, 포닥 때 실적으로 승부가 갈리는거라서요. 그 이후 PI가 돼서도 물론 실적 중요하지만 일단 자리잡는데까지는... 아무튼 저자 문제는 지도교수님과 상담해보세요.
12
- k>=ist>sp>>>>yk>>>>>>>ssh 이런 느낌인데 연구환경만 따지면
24
- 저는 외국 사는데 연봉 낮고 대우 안좋아도 연구에 진짜 미친 오타쿠들이 가는게 정출연이라고 생각합니다 .사기업 급 맞춰줘라, 워라밸 갖춰줘라 따지면 끝이 없죠.
실제로 지금 제가 있는 국가도 박사들이 가는 탑정출연 연봉이 사기업 학사졸들의 반토막입니다.
24
- 닥치고 다녀라? 다른곳도 그렇다? 당신같은 사람들때문에 사회가 문제가 생기는 겁니다. 다 그런 상황이면 누가 머라합니까. 0.33 사태만 보더라도 글은 읽은건가요? 기득권의 사다리 걷어 차기 이야기중인데 본질 파악부터 다시하시길바랍니다.
12
머신러닝 전공자들에게 질문 있습니다
젊은 알베르 카뮈*
2021.08.02
7
2036
머신러닝이 바둑, 이미지, 텍스트, 소리 등 컴퓨터 공학과나 전기전자공학과에서 기존부터 많은 관심을 가져왔던 영역에서는 대히트를 친건 맞는데, 그 외의 영역에서도 데이터를 많이 모은 후 학습하는 나이브한 방식의 접근만으로 기존 알고리즘을 압도하는 히트를 친적이 있나요? 예를 들어 개, 고양이 분류만 해도 관련 자료만 엄청나게 모은 후 cnn으로 학습하기만 하면 정확도가 엄청나게 높아지는데, 그렇게 간단히 데이터를 인터넷 등에서 긁어모을 수가 없는 대다수의 도메인들이 현실에서는 대다수인걸로 압니다.
금융, 농업, 의료, 기상, 시계열 등등
기상학 같은 분야에서도 관련 미분방정식을 신경망으로 빠르게 푸는 법은 연구를 해도, 기존 이론을 배제하고 데이터만 엄청 모은 후 학습하는, 모델 중심이 아닌 데이터 중심의 접근은 잘 안 이뤄진다고 들은 것 같네요. 만약 제 생각이 맞다면, 머신러닝 방법론이 기존 통계 방법론을 압도한다긴 보다는, 기존 통계 방법론이 어떻게 해도 모델링이 힘든 분야(사실 그게 이미지랑 텍스트 같네요)에서 효과적인 솔루션을 제시한 정도가 아닌지요? 제가 보기엔 머신러닝이 각종 영역으로 퍼져나가면서, 알파고 같은 혁신을 기대하는 사람들이 많았던 것 같은데, 그런 가시적인 성과는 잘 보이지 않는 것 같아요.
ai대학원에서도 ai를 중심으로 cv나 text 등을 전문적으로 파는것 같은데, 현실 데이터의 다양성을 고려할 때 좀 지나치게 전문적이고 나쁘게 말하면 협소한 시각의 데이터 분석가를 키우는 것 아닐까요. 요즘 들어 ai 대학원을 중심으로 데이터 분석 패러다임이 변해가는 느낌인데, 그런 현상에 대한 가벼운 제 생각입니다. 전공하시는 분들을 공격하려는게 아니라, 피드백을 통해서 생각의 폭을 좀 더 넓혀보고 싶은 마음이니, 어떤 말이든 피드백 주실 수 있는 분은 주심 감사하겠습니다!
금융, 농업, 의료, 기상, 시계열 등등
기상학 같은 분야에서도 관련 미분방정식을 신경망으로 빠르게 푸는 법은 연구를 해도, 기존 이론을 배제하고 데이터만 엄청 모은 후 학습하는, 모델 중심이 아닌 데이터 중심의 접근은 잘 안 이뤄진다고 들은 것 같네요. 만약 제 생각이 맞다면, 머신러닝 방법론이 기존 통계 방법론을 압도한다긴 보다는, 기존 통계 방법론이 어떻게 해도 모델링이 힘든 분야(사실 그게 이미지랑 텍스트 같네요)에서 효과적인 솔루션을 제시한 정도가 아닌지요? 제가 보기엔 머신러닝이 각종 영역으로 퍼져나가면서, 알파고 같은 혁신을 기대하는 사람들이 많았던 것 같은데, 그런 가시적인 성과는 잘 보이지 않는 것 같아요.
ai대학원에서도 ai를 중심으로 cv나 text 등을 전문적으로 파는것 같은데, 현실 데이터의 다양성을 고려할 때 좀 지나치게 전문적이고 나쁘게 말하면 협소한 시각의 데이터 분석가를 키우는 것 아닐까요. 요즘 들어 ai 대학원을 중심으로 데이터 분석 패러다임이 변해가는 느낌인데, 그런 현상에 대한 가벼운 제 생각입니다. 전공하시는 분들을 공격하려는게 아니라, 피드백을 통해서 생각의 폭을 좀 더 넓혀보고 싶은 마음이니, 어떤 말이든 피드백 주실 수 있는 분은 주심 감사하겠습니다!
김박사넷의 새로운 거인, 인공지능 김GPT가 추천하는 게시물로 더 멀리 바라보세요.
-
0
4
6731
김GPT
인공지능 분야 전망에 대해0
13
5220
김GPT
ai 대학원 조언 바랍니다.3
13
2067
김GPT
AI 대학원 고민2
12
9164
-
0
2
3652
-
1
13
7272
-
1
6
7416
김GPT
AI 교수님0
7
6819
김GPT
AI vs 데이터 사이언스6
17
2969
명예의전당
내 석사생활 참 많은일들이 있엇네요^^174
34
52488
명예의전당
우리 지도교수님..134
30
45106
명예의전당
대학원 월급 정리해준다 (공대 기준)197
75
148871
아무개랩 게시판에서 핫한 인기글은?
아무개랩 게시판에서 최근 댓글이 많이 달린 글
🔥 시선집중 핫한 인기글
2021.08.02
대댓글 3개
2021.08.02
대댓글 2개