[💡정보] 딥러닝 랩 컨택시 유의점

[Jahy(pytorch)]

ㅎㅇ 난 ml랩에서 석박통합중인 딥붕이임. 옛날에 누가 에타에서 컨택 관련 질문해서 답변으로 올렸었는데 여기에도 올려봄.

1) 설카 (포)는 왠만하면 거의 다 좋음. (요즘 ai에서 포 위상이 설카보단 확연히 떨어져서 괄호침. 근데 그래도 "평균" 수준이 그 밑인 연고대나 지방과기원보단 유의미하게 좋은듯)

이정도 레벨에서 대부분 문제되는건 교수님 인성. 이건 김박사넷 (https://phdkim.net/)에서 어느정도 방지 가능. 김박사넷 평가가 좋은 랩실 교수님이 꼭 인성 좋으리란 법은 없지만, 김박사넷 평가가 안좋은 (평가 갯수가 많을수록 신뢰성 高) 교수님 인성은 매우 높은 확률로 쓰레기임

설카포 소속 && 김박사넷 평가 좋으면 그냥 믿고 가도 좋음 ㅋㅋ. 문제는 그런 랩은 입시&컨택 자체가 개빡센거지만

2) 연고/지방과기원 이하부턴 랩을 좀 봐야됨. 근데 여기서 타 분야랑 ml분야랑 조금 다른 점이 있어서 몇가지 지적해둠

i) 실적 볼때, sci저널 갯수 절대로 보지 마셈. ml은 무조건 컨퍼런스임. 우리 랩만 봐도 저널은 탑저널급 (TPAMI 등) 아니고 PR정도의 중상위급 저널(이래 취급돼도 얘도 if 7넘음)은 컨퍼런스 제출했다가 몇번 퇴짜맞고 돌아가시기 일보 직전인 연구에 산소호흡기 붙여주는 심정으로 내서 accept시킴

특히 저널 찾아봤을때 출판사가 mdpi인데 거기다가만 존나 내서 sci급 저널 실적 엄청많다? 오히려 마이너스 요소

ii) 컨퍼런스 이름도 매우 중요. 머신러닝 (자연어, 비전) 하면서 이런곳 한개도 없으면 거르셈 (데이터과학쪽은 내가 잘 몰라서 거기 탑컨퍼는 모름. kdd를 위시해서 몇개 있는거같음)

비전: cvpr, iccv, eccv (2티어로 bmvc, wacv, accv), (통상적인 cv하고는 살짝 다르지만 요즘 딥러닝 페이퍼도 퍼블리시되는 siggraph, siggraph asia도 엄청 좋은 학회임)

자연어: acl, emnlp (내 분야 아니라 이 이하는 잘 모름)

공통: iclr, icml, neurips(nips), aaai (2티어 대표로 ijcai)

iii) 누가 내는지도 중요. 저런데다가 꽤 publish하는 랩이라도 오래 묵은 이무기같은 박사과정 혼자 케리하는 랩도 있음. 거긴 교수님이 잘 한다기 보다는 그 이무기가 묵어서 용이 되어가고 있는 랩일 가능성이 큼.

석사때 저 위 컨퍼런스에 한개라도 accept받고 졸업하는 케이스가 많은지 보는게 꽤 정확함.

위 criterion으로 실적 검증하고, 김박사넷으로 교수님 인성 검증하고, 혹시 연구실 members에 애들 학부 (보통 탑랩은 자교생들 비중이 매우 높음) 나와있으면 그것까지 보고 나면 탑랩인지 아닌지 판별 가능할거임.

탑랩이라면 학교 네임벨류 조금 희생하고라도 갈 가치가 충분함. 이 경우 보통 학교 입시 자체는 설카에 비해선 훨씬 쉬운데, 컨택이 어려울 가능성이 높음.

[지잡컴공(wlwkqzjarhd)]

마음같아서는 바로 개념글에 올리고 싶네요. 개추 드립니다~

[익명(121.191)]

이정도면 '주딱 선정 개념개념글 리스트' 같은거 만들어도 되지 않냐?

[지잡컴공(wlwkqzjarhd)]

조만간 념글 쌓이면 만들어볼게요~

[익명(121.191)]

이건... 귀하군요

[가나밀크티(ganamilktea)]

3번은 필드 불문 어딜가나 ㄹㅇ이다

[익명(119.202)]

비전은 p가 sk 보다 더 좋다고 생각함. ml이야 이제 교수 다 모으고 실적 쏳아내고 있으니 좀 더 두고봐야할듯 - dc App