질문 받아요

여붕인가요

제가요? 그럴 리가

차단하겠습니다

여붕이 팔로잉이 아니라 남붕이를 차단하고 다니는 건 신박하네요

고능하면 사회성이 낮다는 낭설이 있습니다 서울대를 다녀보니 어떻게 생각하시나요 이 낭설에 대해서

사회성이 떨어진다기보다는 사교성이 떨어지는 경우가 많은 것 같습니다

소위 말하는 노잼인 친구들이 많습니다

진짜 장애 수준으로 사회성이 없는 친구들도 간혹 있긴 한데 대부분은 사교성이 없을지언정 사회성이 없지는 않습니다

그렇군요 진솔한 답변 감사드립니다

맞아요 그런데 사람들이 자주 사교성이 부족하다고 말할 상황에 사회성 없다고 받아버리죠

빙고인듯 합니다.....!!
우리집도 사회성은 괜찮다고 보는데 사교성이....ㅠ.ㅜ;
그나마 사교성 가지고 있던 둘째녀석도 잃어가는중...ㅠ.ㅜ;;

서울대 보내주세요

가십쇼 열려있습니다

서울대 학생분들은 뭔가 다른게 있나요 생각의 깊이라던지 돈의 씀씀이라던지

돈의 씀씀이는 학벌이 문제가 아니고 집안 문제죠

생각의 깊이는 잘 모르겠으나 그냥 머리가 ㅈㄴ 좋은 애들이 많습니다

보통의 사람들은 평생 가도 한 번 마주칠까 말까한 그런 재능(지능)을 가진 친구들을 심심치 않게 마주칠 수 있습니다

ai 학과 전망이 어떤가요

안 좋아요

저는 지금 채용시장을 떠나서 AI학과들이 처음 개설되던 시점에도 AI학과의 이런저런 문제들에 대해 비판해왔습니다

이제 채용시장조차 망하는 거 확정이니 가지 마십쇼

특히 학사만 달고 나오는 경우 기껏해야 모델 좀 굴려본 애들이 99%일 텐데 이 바닥은 그런 애들 안 뽑습니다

다들 비슷한 말 하시네요… 감사합니다

석사까지 할 거여도 똑같습니다

석사과정 때 탑3에 1저자 최소 서너편 달고 나온 거 아니면 연구자로서도 경쟁력이 없습니다

애초에 커리큘럼 자체가 말이 안 돼요

컴퓨터를 제대로 하는 것도 아니고 수학을 제대로 하는 것도 아니고

서울대 어느 과 추천하시나요?
의치는 제외해 주세요

제가 갈건 아니지만…

그냥 아무 정보 없이 과 추천은 전컴이죠

컴공 망했다고 들었어요

어차피 의치 빼고면 고점 보고 가는 건데 컴공 고점은 여전히 높아요

짬뽕 vs 짜장면

오늘은 짬뽕

서울대도 퀸카 킹카 있나요?

ㅋㅋㅋㅋㅋ 아마 있지 않을까요

뉴진수쌤은 대학원 생각 있으신가요

대학원 안 갈 바엔 걍 뒤질게요

석사까지만 하시나용

아뇨 솔직히 저는 석사 학위가 대체 무슨 의미가 있는지 잘 모르겠습니다

MBA나 M.S.나 다 똑같아요

개인의 실적이 어떤가에 따라 다르겠지만 특히 이공계열의 경우 석사가 독립된 연구자로서 역량을 갖췄음을 “전혀“ 보장해주지 않습니다

음 대학원 관련해서 쪽지 드려두 될까여

예

서울대 전컴에 8학군출신 비율이 어느정도 되나요?

그런 건 알 수 없죠

1-1 조졌는데 학점 복구 ㄱㄴ?

ㅆㄱㄴ

아니 ㅋㅋ 1-1중에 중간고사가 끝났능디 멀 조져여

새내기의 귀여운 걱정정도로 봐주세요 ㅠ ㅋㅋ

1-1 ㅋㅋ

재수강 열심히 하세요

일반 컴공은 광명상가 학점4.5정도면 어디정도가시는지아시나요??

컴공은 학점이 중요하지 않아요

근데 4.5면 걍 만점 아닌가요..?

현역으로 가신건가용

현역 땐 다른 대학이고 반수입니다

AI전공이랑 컴퓨터공학전공이 차이가 많이나나요?
학부수준은 거기서 거기란 말을들어서..

가르치는 포커스 자체가 좀 다릅니다

근데 아마 학교마다 CS와 수학/통계를 얼마나 가르칠지에 대한 방침이 달라서 뭐라고 딱 잘라서 말하기가 좀 그렇네요

1. 전컴과 수통의 성비
2. 전적대 여쭤봐도 괜찮을까요? 그때도 전컴이셨나요?

전적대 연고대였고 전컴 아니었습니다

아하 감사합니다

통계 전망 어떤가요

문과 통계는 원래 스캠이라 잘 모르겠어요

지금으로선 그냥 잡마켓이 안 좋은 것인지 앞으로도 안 뽑을지는 잘 모릅니다

며칠전에 메이플 행사했는데 오셨나여

아뇨ㅠ 시험기간이라 정신이 없어서

인공지능 디버깅하는데 수학통계를 잘해야 그걸 잘한다 들었는데 통계이론이 인공지능에 무슨 상관이있음? 베이지안 배워봤는데 이걸로 디버깅을 어케하는지 상상이 안감

인공지능 디버깅이라는 게 뭘 의미하는 건지 잘 모르겠는데..

수학/통계가 중요한 이유는 기계학습 이론 자체가 통계학을 기반으로 만들어진 거라서 그렇습니다

아마 수학/통계를 잘 모르면 기계학습이 뭐 하는 건지 이해부터가 잘 안 될 겁니다

학습데이터의 분포를 통해서 학습을 하게 되고 empirical risk minimization이라고 해서 이 분포에서의 loss(error)의 expectation을 최소화 하는 parameter (function)을 찾아내는 작업을 합니다

이러면 이게 또 overfitting이니 뭐니 해서 generalization에 관한 이론도 있는데.. 넘어가고

정리하자면 확률의 언어로 근사적으로 가장 적합한 함수를 찾아내는 게 기계학습입니다 (이걸 PAC이라고 합니다)

저런 짓거리들을 하려면 확률분포 가지고 장난질도 하고 (gaussian이라고 가정을 한다든가), 최적화 기법도 쓰고 하는데, 확률론까진 아니더라도 확률/통계 기초(수리통계), 해석학(미적분학), 선형대수학에 대한 이해가 필수적입니다

모델을 검증할 때도 통계적 가설 검정 같은 기법을 사용하여 에러가 일정 범위 내에 들어올 확률을 찾는다거나.. 최적화를 했을 때 원하는 값으로 얼마나 빨리 수렴하는지, 애초에 수렴하긴 하는지를 따지기도 하고 암튼 이것저것 이야기 할 건 많은데 좀 복잡합니다

비전공자들은 그냥 뭐 어떻게 알고리즘을 잘 만들면 알아서 학습을 한다 이런 건 줄 알 수도 있는데 지극히 수학적인 이론입니다

근데 PAC도 요즘은 뒷방 늙은이 취급 받습니다ㅋㅋ; 애초에 인공지능 발전속도를 이론이 전혀 못따라잡고 있죠;
확률론 정말 중요해요. 추출의 개념이 들어가는 순간 martingale을 고려해야해서(조건부확률 어렵게 만든거라고 보면 됩니다) 실해석이랑 확률론 진짜 잘해야합니다.
근데 논문 읽어보시면 막상 확률론이 딥하게 쓰이진 않죠? 오히려 거추장스러울 정도로 쓸데없이 엄밀하게 쓰여진 느낌도 들 정도죠. 닉네임이신 NeurIPS 혹은 ICML 페이퍼들 Supplementary material 살펴보면 보통 그렇거든요. 더 쉽게 써도 되는데.. 이론쪽 사람들에게 약간 환자스러운 기질이 있는지 이상한데서 꼬투리를 잡거든요. 그 중 하나가 저런 확률론적인 notation 기술이에요. 조금 엉성한 기술법을 쓰면, "너 확률 잘 모르는구나.. 공부 좀 더하고 와라. 리젝" 이런 코멘트를 받고 그래요ㅋㅋㅋ 저희 연구실에 이런 코멘트를 받고 리젝먹은 선배가 있습니다;;
심심하시면 openreview 같은데 가서 리젝된 페이퍼들 코멘트 구경해보셔요. 배울 점도 많기도하면서도, 이 학회 리뷰 프로세스에 심각한 문제가 있다는 점도 보이실 거에요.

갠적으로는 페이퍼 길이에 제한을 좀 걸어야한다는 생각도 들더라고요. 무제한으로 두니깐 사람들이 노테이션이나 수식같은거 대충 정의하고 별 생각없이 막 적고 그래서 해독하는데 시간이 너무 걸려요;; 길이가 긴데 알맹이는 별로 없는 논문이 차고넘치죠.. IEEE conf.나 transaction 저널 같은 곳에서 아직까지도 2columnstyle과 pagelimit 두는 이유를 알 것 같기도하고..

제가 현역정시충인데 모든 과목이 등급이 좋지도 않아서 시간도 없는데 미적 개념 대충 배우고 쎈한번풀고 자이 풀으려니 못풀겠는데 그냥 현우진 커리타서 시발점부터 아예 다시하는게 나을까요? 아님 마플교과서나 시너지같은거 푸는게낫나요?ㅜ

당연히 깡으로 기출을 혼자 풀면 못 풀죠..?

개념이 문제인지 아닌지는 모릅니다

들을 거면 뉴런을 들으세요

기계공학과의 전망 어떤가요

코딩 대학 진학 전에 얼마나 하셨나요

그냥 파이썬 조금

전컴에서 정보보안 분야로 많이 가나요? 혹시 레드오션인가요..?