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.
23
- 저는 갠적으로 위대가리도 내리는게 맞다고 생각하는데 이미 올린걸 내리는건 힘들다고 봅니다
그럼 생각해봅시다. 병사월급을 올렸더니 부사관 장교들이 박탈감 느낀다고 월급 올려달라고 하고, 이제는 공무원까지 월급 올려달라고 합니다. 이 모든 사람의 월급을 올려주는게 맞을까요? 그러면 다른 국민은 어떻게 생각할까요?
세금으로 운영하는 곳이란 자각을 좀 가지세요
아니면 사기업 가던가요
11
ML 탑컨퍼런스 쓰는 난이도에 대한 고찰
2023.04.08
18
4449
ML 탑티어란 ICML 하고 NeurIPS 라고 칠게. (ICLR, AISTATS 등도 수준 높지만 일단).
일단 옛날에 NeurIPS가 NIPS라고 불리던 시절엔 그 명성에 맞는 운영과 리뷰 퀄리티가 나왔음. 리뷰도 5~6명씩 붙었던 경우도 많았고. ICML도 마찬가지임.
--------------------
1. 결론: 즉 리뷰 퀄리티와 학회 운영은 과거가 훨씬 나았음.
그럼 논문 퀄리티를 보자. 일단, ML자체가 지금 매우 좋은 모습을 보여주고 있잖아? 공학적인 관점에서 지금과 과거의 차이는 엄청나게 크지. 공학의 관점에서 과거는 현재를 이길수가 없지 (학문이 발전하니까). 또한 상위권 논문에 경우 과거에는 꿈만팔고 있었다면 이제는 진짜 꿈이 실현되는 느낌임.
다만, 논문으로서 '말이되는지' (correctness) 여부는 현재가 더 노이지함. 이상한 논문도 가끔 붙음. 이건 기존 수학, 통계위주 머신러닝흐름하고 현재 뉴럴넷 기반 딥러닝 하고의 차이라고도 보여짐.
------------------
2. 결론: Significancy 는 현재가 우위, Reliability는 과거가 우위.
마지막으로 논문을 내는 난이도와 경쟁에 대해서 논해 보려고 해.
일단, 과거는 1번에서 언급했듯이 상대적으로 리뷰 퀄리티가 클린했음. 즉 좋은 논문은 붙고, 안좋은 논문은 떨어졌겠지. 지금은 scalability 이슈로 인해 불확실성이 너무 커졌음. 대가들도 무참히 떨어지는 경우 엄청많음.
물론 떨어져야할 논문이 붙는 운좋은 경우도 과거보다 많아졌음. 하지만 NeurIPS의 통계실험 (유명하지, 2개의 독립적인 리뷰를 받게하고 consistancy를 재는 실험) 에 의하면, 붙어야 될 논문이 떨어지는 noise가 더 크리티컬 했다는거야. 그 이후로 AC들이 나서서 구제도하고 판단도하면서 accept rate도 올라갔음.
경쟁에 대해서는 말이안되는 수준이지. 애초에 CS자체가 지금은 인재들이 몰리지. 나는 K 다니는 사람인데 애초에 과 인기가 말이안됨. 과거엔 CS 대학원 커트라인은 그냥 없는 수준이였음. 지금은 AI대학원 누구나 가고싶어하고 인기랩은 인턴 2년하는 애도있음. 수학, 물리, 전산 3복전하고 AI하는 애도 꽤많음. 인재 유입이 어마어마하게 되고있음.
따라서, 논문내는 난이도는 난 오히려 올라갔다고 생각함 (노이즈 등 억까 이슈 + SOTA뺏기는 경쟁적 흐름). 다만 이상황에서 논문 5~6편 들고 있는 괴수들이 많아지는건 그만큼 똑똑한애들이 많이 유입되고, 교수들도 잘하는 사람이 많아져서 선순환이 이루어졌다고 봄.
--------------
3. 결론: 학회 합격 난이도는 현재가 과거보다 높다고 보여짐.
그냥 요즘 AI하는 사람들 고생 많이함. 노력도 많이하는데, 논문 1개 가치도 후려치기 하는 사람도 많아지는 추세임. 더구나 기업들의 무자비한 폭격으로 학교에서 할 수 있는 것들이 점점 사라지고있음. AI는 너무 실전임.
Yoshua Bengio도 블로그에 요새 (AI) 대학원생들아 과거보다 훨씬 고생한다고 언급하기도 했지.
눈팅하다가 분야 논문 개수 후려치기하는 친구들 많이 보여서 글남긴다.
일단 옛날에 NeurIPS가 NIPS라고 불리던 시절엔 그 명성에 맞는 운영과 리뷰 퀄리티가 나왔음. 리뷰도 5~6명씩 붙었던 경우도 많았고. ICML도 마찬가지임.
--------------------
1. 결론: 즉 리뷰 퀄리티와 학회 운영은 과거가 훨씬 나았음.
그럼 논문 퀄리티를 보자. 일단, ML자체가 지금 매우 좋은 모습을 보여주고 있잖아? 공학적인 관점에서 지금과 과거의 차이는 엄청나게 크지. 공학의 관점에서 과거는 현재를 이길수가 없지 (학문이 발전하니까). 또한 상위권 논문에 경우 과거에는 꿈만팔고 있었다면 이제는 진짜 꿈이 실현되는 느낌임.
다만, 논문으로서 '말이되는지' (correctness) 여부는 현재가 더 노이지함. 이상한 논문도 가끔 붙음. 이건 기존 수학, 통계위주 머신러닝흐름하고 현재 뉴럴넷 기반 딥러닝 하고의 차이라고도 보여짐.
------------------
2. 결론: Significancy 는 현재가 우위, Reliability는 과거가 우위.
마지막으로 논문을 내는 난이도와 경쟁에 대해서 논해 보려고 해.
일단, 과거는 1번에서 언급했듯이 상대적으로 리뷰 퀄리티가 클린했음. 즉 좋은 논문은 붙고, 안좋은 논문은 떨어졌겠지. 지금은 scalability 이슈로 인해 불확실성이 너무 커졌음. 대가들도 무참히 떨어지는 경우 엄청많음.
물론 떨어져야할 논문이 붙는 운좋은 경우도 과거보다 많아졌음. 하지만 NeurIPS의 통계실험 (유명하지, 2개의 독립적인 리뷰를 받게하고 consistancy를 재는 실험) 에 의하면, 붙어야 될 논문이 떨어지는 noise가 더 크리티컬 했다는거야. 그 이후로 AC들이 나서서 구제도하고 판단도하면서 accept rate도 올라갔음.
경쟁에 대해서는 말이안되는 수준이지. 애초에 CS자체가 지금은 인재들이 몰리지. 나는 K 다니는 사람인데 애초에 과 인기가 말이안됨. 과거엔 CS 대학원 커트라인은 그냥 없는 수준이였음. 지금은 AI대학원 누구나 가고싶어하고 인기랩은 인턴 2년하는 애도있음. 수학, 물리, 전산 3복전하고 AI하는 애도 꽤많음. 인재 유입이 어마어마하게 되고있음.
따라서, 논문내는 난이도는 난 오히려 올라갔다고 생각함 (노이즈 등 억까 이슈 + SOTA뺏기는 경쟁적 흐름). 다만 이상황에서 논문 5~6편 들고 있는 괴수들이 많아지는건 그만큼 똑똑한애들이 많이 유입되고, 교수들도 잘하는 사람이 많아져서 선순환이 이루어졌다고 봄.
--------------
3. 결론: 학회 합격 난이도는 현재가 과거보다 높다고 보여짐.
그냥 요즘 AI하는 사람들 고생 많이함. 노력도 많이하는데, 논문 1개 가치도 후려치기 하는 사람도 많아지는 추세임. 더구나 기업들의 무자비한 폭격으로 학교에서 할 수 있는 것들이 점점 사라지고있음. AI는 너무 실전임.
Yoshua Bengio도 블로그에 요새 (AI) 대학원생들아 과거보다 훨씬 고생한다고 언급하기도 했지.
눈팅하다가 분야 논문 개수 후려치기하는 친구들 많이 보여서 글남긴다.
김박사넷의 새로운 거인, 인공지능 김GPT가 추천하는 게시물로 더 멀리 바라보세요.
-
29
38
5598
-
22
13
2274
김GPT
미국 탑대학원 와서 느끼고 있는 점17
15
19618
김GPT
ML 학회 난이도11
11
1868
-
17
13
3243
-
13
10
1698
김GPT
머신러닝 학회 난이도 어떠냐3
5
6021
김GPT
AI/ML 분야 탑티어 학회 포스터0
26
3008
-
15
2
6235
명예의전당
지도교수와 잘 맞는다는것115
20
47642
명예의전당
나의 선생님 (자랑 포함..)162
19
18575
-
144
20
62392
아무개랩 게시판에서 핫한 인기글은?
아무개랩 게시판에서 최근 댓글이 많이 달린 글
🔥 시선집중 핫한 인기글
최근 댓글이 많이 달린 글
2023.04.08
2023.04.08
대댓글 3개
2023.04.08
대댓글 2개