예를들어서 AI모델을 이러쿵저러쿵 하면 결과가 이렇게 나올 것이다 이런식으로 가설 잘 짜고 그게 무당처럼 잘 들어맞게 하려먄
결국은 실험을 해봐야 아는 부분인데, 가설 세우는 부분에서 직관력이 좋으면 효율을 많이 높일수있을거같아서
- dc official App
댓글 5
니가 가설을 기똥차게 세워도(진심 논리적으로 완벽한데) 성능 안높아지는 경우가 80%임
걍 트라이 많이 해보고 학습된 모델의 결과물 바로바로 눈으로 체크해볼수 있는 프로세스 만드는게 좋음
딥삣삐 1(121.173)2025-02-16 09:17
논문 많이 읽기 + 니가 직접 몸으로 부딧치기
딥삣삐 2(182.31)2025-02-16 13:25
가설이라는 게 trivial한 게 아닌 이상 무에서 유가 나오듯이 나오는 건 몇 안됨. 그것보다는, 작은 아이디어에서 시작해서 그걸 가지고 실험한 결과를 분석해서 뭐는 되고 뭐는 안 되는 이유에 대한 원인을 분석해보고, 필요하다면 추가 실험도 하는 과정 속에서 메소드가 탄탄해지는 거지, 처음부터 논문에 실을 수준의 메소드가 정립되는 게 아님.
Xst(172.225)2025-02-16 14:00
답글
결국 중요한 건, 작은 아이디어라도 낼 수 있을 정도로 니 연구 분야에 대한 이해랑, 그걸 바탕으로 실험 돌렸을 때 그 결과로부터 인사이트를 도출할 수 있는 능력이 필요한데 이건 경험해가면서 체득하는 부분이 큼.
Xst(172.225)2025-02-16 14:02
답글
굳이 간접적으로나마 이 과정을 체험해보고 싶으면, 논문 리뷰를 해보길 추천하는데 그냥 논문을 보고 배워야겠다라는 마인드로 읽는 게 아니라 리뷰어 입장에서 까다롭게 평가한다는 마인드로 읽어봐야 함. 그 과정에서 실험 ㅈ같이 한 것처럼 보이는 논문이 있으면 그걸 어떻게 깔지 등을 생각하다보면 어느샌가 트이게 될거임
니가 가설을 기똥차게 세워도(진심 논리적으로 완벽한데) 성능 안높아지는 경우가 80%임 걍 트라이 많이 해보고 학습된 모델의 결과물 바로바로 눈으로 체크해볼수 있는 프로세스 만드는게 좋음
논문 많이 읽기 + 니가 직접 몸으로 부딧치기
가설이라는 게 trivial한 게 아닌 이상 무에서 유가 나오듯이 나오는 건 몇 안됨. 그것보다는, 작은 아이디어에서 시작해서 그걸 가지고 실험한 결과를 분석해서 뭐는 되고 뭐는 안 되는 이유에 대한 원인을 분석해보고, 필요하다면 추가 실험도 하는 과정 속에서 메소드가 탄탄해지는 거지, 처음부터 논문에 실을 수준의 메소드가 정립되는 게 아님.
결국 중요한 건, 작은 아이디어라도 낼 수 있을 정도로 니 연구 분야에 대한 이해랑, 그걸 바탕으로 실험 돌렸을 때 그 결과로부터 인사이트를 도출할 수 있는 능력이 필요한데 이건 경험해가면서 체득하는 부분이 큼.
굳이 간접적으로나마 이 과정을 체험해보고 싶으면, 논문 리뷰를 해보길 추천하는데 그냥 논문을 보고 배워야겠다라는 마인드로 읽는 게 아니라 리뷰어 입장에서 까다롭게 평가한다는 마인드로 읽어봐야 함. 그 과정에서 실험 ㅈ같이 한 것처럼 보이는 논문이 있으면 그걸 어떻게 깔지 등을 생각하다보면 어느샌가 트이게 될거임