오늘 읽기 시작한 부분에서는 논문과 관련한 것으로 KCI라고 불리는 것과 SCIE라고 불리는 두 가지를 비교한다. 핵심만 간단히 언급하자면 KCI는 국내용이고, SCIE는 국외용이라고 할 수 있다.
또한 여러가지 정황상 KCI보다는 SCIE가 좀 더 수준높은 논문일수밖에 없는 근거들이 몇 가지 나온다. 결과적으로 저자는 SCIE논문이 좀 더 중요하니 가급적 이 SCIE논문을 활용하여 해당 분야의 최신 지식을 지속적으로 업데이트 하라고 하는 것이다.
KCI(한국학회지인용색인)가 국내를 기준으로 논문이 경쟁을 펼치는 공간이라면 SCIE(과학인용색인)는 세계의 석학들과 논문으로 경쟁을 펼치는 공간으로 이해하면 된다.- P230
만약 본인이 심혈을 기울여 정말 좋은 아이디어로 훌륭한 실험 결과를 얻어 이를 논문으로 열심히 썼다면 당연히 KCI보다는 SCIE에 투고를 하는 것이 좋다. SCIE에 논문이 실려야 학자로서의 명예도 얻을 수 있을 뿐만 아니라 향후 교수 또는 연구원으로 취업 시에도 훨씬 유리하다.- P230
학교들마다 교수의 테뉴어(대학에서 교수의 직장을 평생 동안 보장해 주는 제도) 심사기준에 논문실적이 반영되는데 당연히 SCIE 논문이 KCI보다 고가 평점을 받는다. 대부분의 명문대학 박사학위 심사 지원 자격에도 SCIE 논문실적이 포함되기 때문에 박사학위를 받기 위해서도 SCIE에 논문에 심혈을 기울일 수밖에 없다.- P230
KCI는 주로 석사급 학생들이 쓰거나 박사나 교수급이 쓰더라도 단기간에 많은 논문을 출간하기 위해서 물량으로 승부할 때 쓰는 용도가 많다. 반면 SCIE는 기여도가 명확하지 않으면 승인되기 어렵고 교수, 박사의 지위를 보장받기 위해서 필사적으로 쓰는 경우가 많다. 또한 한국 무대가 아니라 세계 석학들과 경쟁을 펼치기 때문에 좋은 논문이 나올 기회도 그만큼 크다.- P230
특히 AI 빅데이터 분석 분야는 미국, 중국의 연구 실적이 월등하다. 따라서 KCI 보다는 SCIE에서 수준 높은 논문이 나올 수밖에 없다.- P231
특정 학회지가 SCIE인지 아닌지를 확인하는 방법은 mjl.clarivate.com 에서 Search Journals 메뉴를 사용하면 된다. - P231
논문 다운로드는 구글 학술검색을 활용하면 된다. 논문 검색 후 제목 우측에 PDF라고 적힌 부분이 있으면 해당 문자를 클릭해 논문을 다운받을 수 있다. 문제는 PDF라고 적힌 부분이 없는 논문도 다수 있다는 점이다. 이 경우는 구글에서 무료로 제공해주지 않는 논문이다.- P232
Sci-Hub를 활용하면 전 세계 논문 대다수를 무료로 사용할 수 있다.- P233
무조건 피인용지수(Impact Factor, IF)가 높다고 좋은 학회지라 생각해 해당 학회지의 논문을 읽는 것은 어리석은 짓이다. 본인의 성향과 잘 맞지 않을 수도 있다.- P234
최신 알고리즘을 제안하거나 정보시스템 분야에 최신 알고리즘을 적용한 사례를 간결하게 제안한 논문 ...(중략)... 학회지로는 IEEE ACCESS, IEEE Transaction on Knowledge and Data Engineering, Expert Systems With Applications 가 있다. 해당 학회지 웹사이트에 주기적으로 들어가 새로운 논문이 나오면 관심 있는 주제를 선택해서 읽는다.- P235
KCI 논문은 서론, 실험의 연구 모형과 연구 결과 위주로 읽고 나머지 부분은 간단히 읽고 넘어가는 방식을 추천했었다. 그러나 SCIE 논문은 전체 내용을 모두 정독해서 읽기를 추천한다.- P235
SCIE 논문을 KCI 논문 읽는 방식과 같이 서론, 실험 부분 위주로만 읽는다면 논문 내용 자체를 이해하기 어려울 수 있다. 내용 자체가 더 심화된 내용이고 언어도 영어라서 속독을 하면서 핵심 내용 위주로 읽으려는 도전 자체가 어렵다. 이해가 안 돼 쩔쩔매며 시간을 보내는 것보다 차라리 처음부터 차분한 마음으로 천천히 읽는 방식이 낫다. 또한 논문의 품질도 훌륭하기 때문에 충분히 시간을 들여서 공부를 할 만한 가치가 있다.- P235
생각의 절차가 복잡해지면 때로는 머릿속의 내용을 글로 쓸 수도 있다. 글을 쓰면서 생각을 하면 논리적이고 체계적으로 정리를 할 수 있기 때문에 저자의 의도를 파악하는데 도움이 될 수 있다.- P236
논문 한 편 이해를 하면 그 안에 응축된 AI 빅데이터에 대해 많은 내용을 한꺼번에 습득할 수 있다.- P239
SCIE 논문은 문헌 연구 부분도 철저하게 되어있기 때문에 다음번 공부할 논문은 문헌 연구 부분에 실려 있는 다른 논문으로 선정해도 좋다. 이런 식으로 계속 공부하다보면 해당 주제에 대해서 더욱 좁고 깊이 있게 공부할 수 있다.- P241
보통 알고리즘들은 앙상블 형태로 결합을 하면 정확도가 더 우수해지는 경향이 있다. 아무래도 복수의 머신러닝 알고리즘들을 결합해서 학습하면 단일의 머신러닝 알고리즘 학습보다는 학습 연산량이 많아지면서 모델이 더 정교해지기 때문이다. 따라서 알고리즘 결합은 향상된 알고리즘을 제안하기에 좋은 방안이 될 수 있다.- P244
모형을 제안한 이후에는 당연히 다른 알고리즘들과 비교해야 한다.- P244
‘bank‘라는 단어가 있으면 문맥에 따라 ‘은행‘이 될 수도 있고 ‘강둑‘이 될 수도 있는데 이러한 단어 문맥을 파악하는 과정을 논문에서는 WSI(Word Sense Induction, 단어 추론)라고 부른다.- P246
WSI를 위한 대표적인 방법으로는 군집 분석이 있다. 타깃 단어(예를 들어 bank)와 함께 많이 쓰이는 문장들을 그룹화해서 보면 타깃 단어의 의미를 파악할 수 있기 때문이다. 대표적인 군집 분석 방법으로는 K-평균 알고리즘이 있는데...- P246
텍스트 마이닝에서 K-평균 알고리즘은 단어 빈도 또는 TF-IDF 가중치를 이용해 단어 가방(bag of words)을 만든 후 K-평균 알고리즘을 적용하는 게 가장 기본이다. 반면 이 논문은 Word2Vec으로 모든 단어들을 벡터화하여, 타깃 단어 주변에 있는 단어들만 추출 후, TF-IDF 가중치를 적용하여 각 단어 벡터들을 가중 평균한 문장들을 생성한다. 그리고 이 문장들을 K-평균 알고리즘으로 군집 분석한다. 특별히 대단하진 않지만 Word2Vec을 적용하고 타깃 단어 주변 단어가 포함된 문장들만 가중평균 벡터화하여 K-평균 군집 분석을 했다는 차이점이 있다.- P247
알고리즘을 다뤄서 논문 주제를 얻기 어렵다면 더 쉬운 방법이 있다. 기존 알고리즘을 새로운 사회 현상에 적용하여 해석을 하는 방법이다. 이 방식은 알고리즘에 대한 성능비교를 하지 않아도 된다. 성능 향상이 목적이 아니라 사회 현상 해석이 논문의 의의가 되기 때문이다.- P248
사회 현상에 알고리즘을 적용한 논문을 잘 쓰기 위해서는 글솜씨가 중요하다. 본인이 적용한 알고리즘을 통해 새로운 사회 현상 또는 요즘에 뜨고 있는 사회 현상을 잘 설명해야 한다. 그래서 알고리즘 개발에 관한 논문에 비해 결론 부분의 글자 수가 절대적으로 훨씬 많아야 한다. 연구 결과를 심도 있게 토의하고 학문적, 실무적 의의를 밝힌 후, 한계점 및 향후 연구방향을 꼼꼼히 써야 한다.- P249
알고리즘 개발에 관한 논문들이 결론 부분은 1페이지 이내에 보통 끝내는 반면 사회 현상에 알고리즘을 적용한 논문은 2~3페이지는 기본으로 써야 한다. 적용하고 싶은 사회 현상은 최근에 이슈가 되는 사회 현상(예: 암호 화폐, K-pop, 미투 운동, 선거 등)이 될 수도 있고 본인이 잘 아는 특정 사회 도메인이 될 수도 있다.- P250
우선 논문투고를 하기 위해서는 당연히 논문을 먼저 써야 한다. 그 후 과정은 투고자가 논문 투고 → 심사 → 필요에 따라 몇 번의 수정 작업 → 논문 게재비 송부 → 논문 게재 순서로 이어진다.- P251
논문의 형식은 크게 서론, 문헌연구, 실험, 결론 순으로 이어지는데 학회지마다 세부적으로 선호하는 방식이 조금씩 다른 경우가 있다.- P251
특정 학회지의 논문들이 공통적으로 어떠한 부분에 중점을 두고 글을 쓴다면 우리도 해당 학회지에 논문을 투고할 때 비슷하게 써주면 좋다.- P251
결론 부분을 연구 결과 요약, 토의, 활용방안, 한계점, 향후 연구 방향, 이론적 시사점, 실무적 시사점 등의 소제목으로 나누어 쓰게 되면 그냥 결론 하나의 제목으로 쓰는 것보다 훨씬 다각도로 자세하게 쓸 수 있을 것이다.- P252
논문을 투고하기로 마음먹었다면 투고하려는 타깃 저널을 정하고 해당 학회지에서 출간한 논문을 다수 읽어보아야 한다. 그러면 해당 학회지가 선호하는 스타일을 알 수 있을 것이다. 이에 맞춰서 우리도 논문 작성의 틀을 잡고 시작하면 된다.- P252
학회지마다 다르지만 KCI의 경우 논문 한편을 게재하기 위해서는 보통 총 20~50만 원 정도 비용이 필요하다.- P253
SCIE의 경우 일반적으로 비용이 100만 원은 쉽게 넘어가...- P254
훌륭하게 짜놓은 코드를 자꾸 보는 것도 코딩 역량 강화의 좋은 방법이다. 간결하고 논리적으로 짜놓은 코드를 자꾸 보고 따라하는 연습을 하면 어느덧 본인의 코드도 그렇게 변화할 것이다.- P261
혼자서도 해당 문제를 해결할 수 있지만 다른 사람들이 짠 코드를 보면 같은 코딩도 이런 식으로 짤 수 있구나 감탄할 때가 종종 있다.- P261
그래디언트 부스팅(Gradient Boosting) : 나무를 거꾸로 세운 모양과 같은 트리 가각의 중간 지점(노드라고 한다)에 있었던 오차를 수정하면서 새로운 트리를 정의한다. 순서 관계가 있으면서 정확도가 향상된다는 장점이 있다.- P264
모델링 이후에는 이를 실제 실험해보아야 한다. 보통 K-Fold교차검증(K-Fold Cross Validation)으로 성능 실험을 많이 한다. 한번 실험하고 끝나는 게 아니라 변숫값 스케일링 (값의 특성을 같게 만드는 작업), 이상치 제거, 결측값 대체, 데이터 변환, 파생변수 생성 등 다양한 특징 엔지니어링(Feature Engineering) 기법을 바꾸어 보기도 하고 모델의 파라미터도 이것저것 바꾸어 보면서 실험을 해보아야 한다.- P264
다수의 모델의 최종 점수를 결합하거나 다수 계층의 모델을 순차적으로 결합한 스태킹stacking 모델도 캐글 대회에 자주 활용된다. 서로 다른 유형의 모델을 앙상블하면 일반적으로 하나의 모델보다는 성능이 우수하기 때문이다.- P265
꼭 입상을 목적으로 하기 보다는 본인의 실력을 증진시킬 수 있는 좋은 놀이터라고 생각하고 시간 날 때마다 캐글에 들러서 많은 데이터 셋으로 연습을 해보아라.- P266
연구실 분위기나 교수성향을 미리 파악하고 싶다면 김박사넷https://phdkim.net/에서 검색해보는 것도 좋은 방법이다.- P269
중소기업 중 국내의 대표적인 AI 빅데이터 관련 기업으로는 솔트룩스, 엔텔스, 모비젠, 바이브컴퍼티, 퍼즐데이터, 이씨마이너, 아임클라우드 등이 있다. 이 중에는 코스닥 상장사도 있고 매출액 100억 이상 되는 기업도 다수 있다. 이런 회사에 취업을 하게 되면 연구소의 연구원으로서 바로 실무에 투입될 수 있다. 이 정도 회사면 주요 국책 과제, 대기업 하청 과제 등 단위가 큰 프로젝트를 접할 기회가 많다. 또한 AI 빅데이터 관련 인력도 얼마 없기에 취업하자마자 핵심 연구원으로서 프로젝트를 주도적으로 할 수 있다. 전체 회사 직원 수는 100명이 넘지만 AI 빅데이터 관련 직원은 10명도 안 되는 경우가 허다하기 때문이다.- P273
솔트룩스는 텍스트 마이닝에 전문화된 기업이고 모비젠은 빅데이터 로그분석 및 이상탐지에 특화되어 있는 기업이다.- P275
절대로 프로젝트를 단타성으로 끝낸다는 생각을 하면 안 된다. 한번 인연을 맺은 고객들은 앞으로도 계속 프로젝트를 줄 가능성이 큰 고객들이기에 장기적으로 인연을 지속해야 한다는 생각으로 대해야 한다.- P277
계약서에 프로젝트 과업내용, 기간, 수정 및 유지보수 사항에 대해서 꼼꼼히 작성하는 게 중요하다. 아무래도 프리랜서는 분쟁이 발생하면 불리한 위치에 처하는 경우가 많다. 그럴 때 믿을 수 있는 건 오직 계약서뿐이다. 물론 분쟁까지 가기 전에 고객과의 원만한 협의가 가장 베스트다. 그래서 항상 고객과 인간적으로 친해지고 신뢰관계를 쌓도록 노력해야 한다.- P277
외주 용역 특성상 처음 기획했던 내용에서 수정이 없는 경우가 거의 없고 프로젝트 진행 과정 중 이견이 생길 수밖에 없을 것이다. 이러한 경우가 발생했을 때 고객과 평소 신뢰관계를 잘 구축해 놓았다면 별 문제 없이 해결될 것이다.- P277
추천 시스템의 기본 아이디어는 이러한 다양한 데이터 소스를 활용하여 고객의 관심을 추론하는 것이다. 따라서 추천 시스템은 사용자와 아이템간의 과거 상호 작용을 기반으로 한다. 과거의 관심사와 성향이 미래 선택의 지표가 된다고 가정하는 것이다. 물론 고객의 성향은 바뀔 수 있기에 지속적인 추천 시스템 재학습으로 성향 변화를 반영해야 할 것이다.- P282
추천 알고리즘의 기본 원리는 무엇일까? 기본 원칙은 사용자와 아이템 중심 활동 간에 상당한 종속성이 존재한다는 것이다.- P283
아이템의 다양한 세부 범주가 중요한 상관관계를 보여주므로 보다 정확한 권장 사항을 만드는 데 활용할 수 있다.- P283
사용자가 사용할 수 있는 평가 항목의 수가 많을수록 사용자의 향후 행동에 대한 강력한 예측을 더 쉽게 할 수 있다. 즉 사용 가능한 데이터의 수가 많을수록 더욱 강력한 알고리즘을 만들 수 있다.- P283
가장 대표적인 추천 알고리즘으로는 이웃 간의 유사도 기반으로 점수를 계산하는 ‘협업 필터링‘이 있다. 협업 필터링은 아직 모르는 사용자의 특정 아이템에 대한 취향을 예측하기 위해 공동 방식으로 여러 사용자의 취향 점수를 사용한다. 쉽게 말하면 나와 취향이 비슷한 다른 사용자가 좋아하는 아이템을 나도 좋아한다고 추정하는 알고리즘이다.- P283
‘콘텐츠 기반 추천 시스템‘도 대표적이다. 콘텐츠는 추천 프로세스에서 주요 역할을 한다. 기본 아이디어는 사용자의 관심사를 과거에 평가했거나 액세스한 항목의 속성을 기반으로 모델링 하는 것이다.- P284
또 다른 추천 시스템으로는 사용자가 실시간 대화식으로 자신의 관심사를 지정하고 사용자 쿼리가 도메인 지식과 결합되어 권장 사항을 제공하는 ‘지식 기반 추천 시스템‘이다. 시간 정보, 외부 지식, 위치 정보, 소셜 정보 또는 네트워크 정보와 같은 상황별 데이터가 사용될 수 있다.- P284
추천 알고리즘은 관찰된 항목에 대해서 학습을 하여 누락된 값을 예측한다. 당신이 클릭해보지도 않은 유튜브 동영상에 대해 당신의 취향 점수를 산출하는 것이다. 이 문제는 mxn 행렬 안에 불완전하게 관찰된 값이 있고 나머지 누락된 값은 학습 알고리즘에 의해 예측되기 때문에 행렬 완성 문제라고도 말한다.- P285
