• 목록

<청취 후기>
제목: Hybrid Multi-Task Learning for Rare-Event Prediction of Scrap Rates in Golf Club Head Manufacturing
골프 클럽 헤드 제조 공정에서의 불량률 예측 연구로, 실제 현업 데이터를 활용했다는 점에서 현실감 있게 다가왔다. 제조 데이터 특성상 불량 발생 빈도가 낮은 심각한 클래스 불균형과 데이터 개수 자체가 적은 소규모 데이터 문제가 공존하는 어려운 환경을 Multi-Task Learning 기반 머신러닝 모델로 해결한 접근이 인상적이었다. 여러 머신러닝 모델을 비교한 결과 CatBoost가 가장 우수한 성능을 보였다는 점도 흥미로웠다. 실제 제조 현장에서 자주 마주하게 되는 Rare-Event 문제에 대한 실용적 해법을 보여준 발표였다.

<발표 후기>
지난 ICIEA(International Conference on Industrial Electronics and Applications) 학회에서 "Label-Efficient Domain Adaptation for Pathology Foundation Models" 라는 주제로 발표를 진행하였습니다. 병리 Foundation Model에서 CLAM(Clustering-constrained Attention Multiple Instance Learning)의 한계를 개선하기 위해 Dynamic-K, Sparse Top-K Attention Pooling, Uncertainty-Aware Loss, Temperature Scaling을 결합하여 WSI(Whole Slide Image) 분류 성능을 향상시킨 연구 내용을 공유하였습니다.

발표 자체는 무사히 마칠 수 있었지만, 돌이켜보면 아쉬움이 많이 남는 자리였습니다.
가장 먼저 준비 과정에서의 사소한 실수 하나가 컸습니다. 발표장으로 이동하기 직전 USB로 최종 파일을 옮기는 과정에서 파일 관리를 제대로 하지 못해, 발표 직전까지 자료 정리에 신경을 쓰게 되었습니다. 그 결과 정작 발표 내용 자체에 충분히 몰입하여 마지막 리허설을 하지 못한 채 무대에 올라야 했고, 그 점이 내내 마음에 걸렸습니다. 사소해 보이는 파일 하나가 발표의 집중도와 완성도에 얼마나 큰 영향을 주는지 체감한 순간이었고, 앞으로는 이동·백업·백업의 백업까지 미리 여러 경로로 준비해 두어야겠다는 교훈을 얻었습니다.
두 번째 아쉬움은 언어의 벽이었습니다. 국제 학회 특성상 발표와 질의응답 모두 영어로 진행되었는데, 준비된 발표 슬라이드는 연습한 대로 전달할 수 있었지만, 질의응답(Q&A) 세션에서는 질문자의 발음과 억양, 전문 용어가 섞인 빠른 문장을 정확히 알아듣지 못하는 순간이 여러 번 있었습니다.

연구 내용 자체는 충분히 설명할 수 있었지만, 연구의 깊이와 언어 전달력이 어긋날 때 오는 아쉬움이 얼마나 큰지 실감했습니다. 결국 국제무대에서 연구자로서 제대로 소통하기 위해서는, 기술적 역량만큼이나 영어 능력이 필수적인 자산이라는 사실을 이번 발표를 통해 뼈저리게 느꼈습니다. 앞으로 영어, 특히 듣기(listening)와 즉석 응답(spontaneous response) 역량을 키우는 데 더 많은 시간을 투자해야겠다는 다짐을 하게 되었습니다.
비록 여러 부족함이 드러난 자리였지만, 그렇기에 오히려 앞으로 무엇을 보완해야 할지 명확히 알게 된 소중한 경험이었습니다. 다음 국제 학회에서는 준비의 완성도와 영어 커뮤니케이션 두 가지 모두에서 오늘보다 한 걸음 더 나아간 모습으로 서 있을 수 있도록 꾸준히 준비해 나가겠습니다.