3/4 피어세션

강의 리뷰

(현우) 모델링 부분만 신경썼었는데 저작권을 비롯한 법률적인 문제에 대해 생각해 볼 수 있어서 좋았다.
(준배) 오늘은 어려운 부분이 많았던 것 같다.
- 법적인 부분이다 보니 생각지도 못한 점이 많았던 것 같다.
- 교양 수업을 비슷한 것을 들은 적이 있었는데 그때도 애매한 점이 많다고 느꼈다.
- 나중에 회사에 들어갔을 때는 법률 팀에 확실하게 논의해야 하겠다는 생각이 들었다.
(준호) 현재 필요하기보단 나중에 찾아봐야지 하는 지식이었다.
- NLP도 관심분야는 아니지만 재밌게 들었다.
(상진) 공공 데이터 포럼에서도 느꼈지만, 정보를 모으고 2차 저작물을 만들 때 개인의 동의가 필요하다는 것을 다시 한 번 느꼈다. 현업에서 꼭 필요한 부분이기 때문에 오늘은 그냥 넘어가지만 정리하고 넘어가야 한다는 생각이 들었다.
(지원) 관심있던 NLP지만 기술적인게 많아서 정리해서 다시봐야겠다 생각.

퀀트 트레이딩이 뭔가요?
- 통계
- 경제/경영에서 수학 잘하는 사람들이 많이한다고 들음
알고리즘 문제해결전략 책
- 알고리즘 계의 ‘수학의 정석’
- 본격적으로 대회 준비하는 데 적합
지금 퀀트 트레이딩을 하고 계신것?
- 상승/하락장에서 정확도 차이?
알고리즘을 잘하는 방법?
딥러닝을 안한다?
- (준호) feature selection이 중요해서?
아직은 성과가 좋은 편은 아니라고 생각하는데, 머신러닝 기술이 발전했을 때 펀드메니저를 완전히 대체할 수 있을까?
- 기계가 기업의 운명을 좌우하는 것 아닐까?
- 완전히 예측할 수 있는 분야가 아니지 않을까?
- 성과를 내고 있지 않나? – 2명만 남기고 300명 개발자를 채용한 사례 / 다루는 금액이 매우 크기 때문에 가능
마스터님 모델은 게임스탑 예측 하셨나요?
요즘 퀀트 트레이닝 관심이 많다.

BIAS -> 저번 피어세션에서 했던 얘기와 유사
- 통계학에서 Simpson’s paradox / 남학생들이 선호하는 학과가 쉬운 학과가, 여학생들이 선호하는 학과에는 어려운 학과에 지원 -> 전체적으로는 남학생의 합격률이 높지만, 학과별로 보면 그렇지 않다.
- 데이터에 주관적인 의미부여가 있으면 문제가 될 것 같다.
- 통계나 데이터를 더 잘 이해하는 사람일수록 조작하기 쉬운 것 같다.
- 조작도 문제지만, 선의를 가지고 했을 때도 편향된 결과가 나올 수도 있다.
- 진입장벽이 높다 보니까 조작을 판별하기 어려운 경우가 많지 않을까?
인공지능 지식을 갖고 있는 사람과 그렇지 않은 사람의 격차?
- 사회 내 다른 분야에서도 마찬가지
- 예 – 넥슨 게임 사태에서 확률 조작 -> 법으로 확률 정함
윤리로 인한 규제로 인해 다른 나라와 기술 격차가 발생할 수도 있다고 생각하는데, 이에 대한 대책이 있을까요?
- 생명공학에서 생명윤리 문제와 비슷한 것 같다.
- ‘최소한의 선이 있다’
인공지능이 발전해서 사람처럼 만들어진다고 해도, delete 누르면 죽이는 건가요?
- 영화/드라마 – 아이로봇, 휴먼스