시계열 데이터 기반으로 하는 분야는 인기가 없나요? 아니면 이미 연구가 많이 진행돼서 그런 건가요?
카카오 계정과 연동하여 게시글에 달린 댓글 알람, 소식등을 빠르게 받아보세요
댓글 12개
2024.05.13
옛날 얘기일지도 모르겠습니다만, tabular(정형데이터)나 timeseries 분야에 있어선 머신러닝이나 통계적 모델이 딥러닝 이기는 경우가 아직도 꽤 있어서 좀 한계가 있는 것 같아요. 그래서인지 아예 CS 인공지능 랩에서보단 산업공학과에서 다루는 경우를 더 많이 본 것 같습니다. 아니면 아예 해당 도메인의 전문가가 딥러닝 배워서 기초적인 모델 정도만 적용시키거나요.
대댓글 1개
2024.05.13
이게 맞습니다. 시계열 쪽은 "핫"한 기법들이 그렇게까지 두각을 나타내지 않고 있다보니 전통적인 기법들을 많이 씁니다. 그렇다보니 핫한 것만 쫓는 사람들에게 인기가 적어요
2024.05.13
개인적인 생각으로는 시계열 주로 다루는 분야가 핀테크 쪽인데 애초에 걔들은 연구 성과 공유를 안해서 그런게 아닐까 싶습니다. 핀테크에서 요즘 다 딮러닝 머신러닝 전공자들 뽑고 있고, 데이터 특성상 시계열성을 무시하면 좋은 결과가 나올 수가 없거든요.
2024.05.13
한국에서는 비인기 분야임. 그나마 해외에는 큰 퀀트펌들 많아서 적당히 인기 있음. 우리 나라에는 월퀀 말고는 별로 없고 월퀀 갈바에 실적 좀 내면 해외 빅텍 가는게 훨 낮지. 요약 하자면 한국에서 시계열 잘해봤자...
2024.05.14
시계열 화이팅..
2024.05.14
산업 현장 센서 데이터로 할 수 있는게 많은데 대학에서 접근하기는 쉽지 않겠네요
선량한 레온하르트 오일러*
2024.05.14
시계열은 가성비가 너무 안좋은 분야임. 채용도 별로 없고 그래서 연구투자도 많지 않고 인기도 없음.
대댓글 1개
선량한 레온하르트 오일러*
2024.05.14
그리고 CV와 NLP는 상호보완적으로 영향을 주고받으며 학문이 발전하는 경향이 있는 반면 시계열은 분야자체가 고립되어 있어서 인기가 더 없어요.
예를 들어, 시계열에서 CV나 NLP에서 개발된 방법론을 가져다 쓰는 경우는 많은데 그 반대로 시계열쪽에서 독자개발된 방법론이 CV나 NLP쪽에 영감을 주는 경우는 거의 없습니다. 이처럼 분야 자체의 운신의 폭이 좁아서 인기가 낮을 수 밖에 없어요.
시계열 데이터를 다루고 싶으시면 그나마 audio/speech가 취직하기에는 상황이 더 좋습니다.
2024.05.14
이상치 탐지 << 사람들이 잘 모르는데 취직 깡패에요. 삼성sds, 하이닉스 취직하기 편하고 제조업 있는 회사들은 어지간해서 잘 뚫어요. 그리고 사람들이 많이 안하는 만큼 치열하지 않아서 마음도 편합니다.
2024.05.14
시계열 예측 기술은 유용하고 다양한 분야에 적용될수 있는 기술입니다. 다만 분야별 특성이 있어서 어느 특정분야에서의 시계열 예측을 잘한다고 다른 분야에서도 잘 되지 않습니다. 적용 분야를 잘 정하는 것이 중요할 것 같습니다. 시계열예측만으로는 경쟁력이 떨어지므로, 설명가능한 AI, 분포예측, 최적화까지 확장하는 것이 좋습니다. 데이터 드리분 어프로치에서 모델 드리분 방식이나 둘을 조합하는 쪽도 좋을것 같네요. 그리고 최근 시계열 파운데이션 모델 연구가 있는데 한번 찾아보세요.
2024.05.14
결국 시계열에서 다루는 데이터가 정형 데이터라는 점이 크다고 봅니다. 비정형이 아니면 굳이 딥러닝을 쓰지 않아도 해법이 많으니까요
2024.05.16
직접해보면 느낌오는데 잘안됩니다. Vision이나 LLM하세요. 인기있는 이유는 잘되기도하고 발전가능성도 무궁무진하고 기업들 수요도 많기 때문입니다.
2024.05.13
대댓글 1개
2024.05.13
2024.05.13
2024.05.13
2024.05.14
2024.05.14
2024.05.14
대댓글 1개
2024.05.14
2024.05.14
2024.05.14
2024.05.14
2024.05.16