모델링 이론이나 모델식들을 읽다보면 흐름이 자꾸 끊기고, 대부분의 모델식들이 생소해서 이해가 잘 안 되니 계속해서 다시 되돌아가고, 그러다보니 흐름도 끊기고 끝까지 다 읽기가 힘이 듭니다.
이런 모델링 관련 연구 논문을 효율적으로 읽는 팁 있으시면 공유 좀 부탁드립니다.
카카오 계정과 연동하여 게시글에 달린 댓글 알람, 소식등을 빠르게 받아보세요
댓글 6개
2023.10.01
같은 분야는 아니겠지만, 이론, 모델링, 시뮬레이션 전공한 입장에서 수식에 대한 직관력을 키우는 것이 중요하다고 말씀드리고 싶습니다.
실험 결과에 대한 단순한 피팅이 아닌바에야 모든 식은 물리적인 의미를 가지고 있지요(당연). 수식의 각 항이 가지는 의미가 무엇인지 파악하는 체계적인 방법을 체득하셔야 합니다.
- 통제 변인에 대한 극단적 경우(0에 가까울 때, 무한히 커질 때)를 가정하여 식을 단순화해보기 - 변수의 단위에 대한 분석을 통해 물리적 의미 찾기 - 유사한 배경을 가진 다른 연구에 등장하는 수식과 비교하여 차이점을 통해 이해하기 - 자연어로 번역해보기 등등
이런 기본적인 연습들을 반복해보시면 나중에는 논문읽기가 엄청 쉬워질 겁니다. 논문의 본문을 거의 읽을 필요도 없이 식만 보고도 저자가 무슨 주장 하고싶은지 대충 파악이 될 때쯤이면 어느정도 경지에 도달하게 되는 것이지요.
대댓글 4개
2023.10.06
글쓴이는 아니지만 많은 도움이 되었습니다. 모델링을 직접 하는건 아니고 접할 기회들이 많아서 어떻게 봐야하나 항상 고민이었고, 저자가 해석해 주는 방식대로만 보는게 불만이었는데... 수식의 의미를 저 혼자 파악하는 방법에 대해 제안해 주신 방향대로 접근해 보겠습니다. 감사합니다!
2023.10.06
혹시 실례가 안된다면 데이터 기반 모델링을 위한 수식을 만들때는 어떤 방식의 접근이 가장 좋을까요? 고견을 부탁드립니다.
2023.10.06
주신 팁으로 논문을 다시 한 번 읽어보니까,논문의 흐름과 각종 수식이 모델에서 뭘 의미하고, 뭘 설명하기 위함인지가 확실히 이전보다는 조금씩 더 잘보이네요. 감사합니다. 큰 도움이 되었습니다.
2023.10.08
데이터 기반 모델의 경우 제 경험에 한하여 생각해보면, 모델이 가진 철학에 대한 이해가 가장 중요한 것 같습니다. 제 경우에는, 모사하고자 하는 시스템의 가진 물리적, 수학적 특성을 가장 잘 공유하는 데이터 기반 모델의 framework을 선정하는 과정에 시간을 많이 써야했습니다.
기계학습 분야에서 다양한 모델들이 수도없이 나오는데요, 우선 가장 단순한 모델을 테스트해보는 것이 먼저인 것 같습니다. 쉽고 단순한 모델일수록 bold한 철학을 담고있어서, 내 시스템의 보편성과 특별성을 잘 가려내준다고나 할까요. 우선은 가장 기본적인 모델을 적용해보고 내 시스템과 어긋남이 있다면 그 원인이 무엇인지를 기준으로 더 복잡한 모델을 선정하거나 직접 모델을 만들거나하는 등의 분기를 여러 번 거쳐나가는 것이 효율적인 방식이라고 생각합니다.
2023.10.05
정성댓글 받았으면 감사하다고 한마디 하는게 그리 어렵냐. 이러니까 학부 인턴 게시판 글에 답변이 안달리지.
2023.10.01
대댓글 4개
2023.10.06
2023.10.06
2023.10.06
2023.10.08
2023.10.05