Q. 10일 후 '나'에게 어떤 질문을 하고 싶나요? A. 10일 동안의 글쓰기가 너에게 어떤 의미를 주었니? Q. 당신이 '나'를 만나려는 이유는 무엇인가요? A. 나에 대해서 좀 더 알기. 나에 대해서 좀 더 알려는 이유는 내가 이런 사람이구나 한 번 정리를 하고 가면 내가 하는 행동과 결정에 좀 더 확신을 가질 수 있지 않을까 합니다. Q. 10일 후 나에게 무엇을 기대하시나요?A. 10일 후에는 나에 대한 질문에 대한 답변을 토대로 '직무' 말고 나를 나타내는 말들로 자기소개를 할 수 있으면 좋겠네요.

1. 문제 발견Feature Engineering 관련 업무를 진행하다 22개의 주요 피쳐를 추출하는 pycatch22의 파이썬 패키지에서 잘못된 점을 발견했습니다. 참고로, catch22(“Canonical Time-series CHaracteristics”)는 2019년 Lubba 외 연구진이 제안한, 시계열 데이터의 핵심 성질을 빠르고 직관적으로 추출할 수 있는 22가지 피쳐 집합을 추출하는 패키지입니다. 각 피처는 엔트로피, 자기상관, 스펙트럼 전력, 모티프 통계 등 시계열의 동적 거동을 대표하는 정보를 담고 있으며, 모두 C로 최적화되어 있어 계산 속도가 매우 빠릅니다. 이런 특징 덕분에 catch22는 시계열 분류나 클러스터링 같은 머신러닝 과제에서 효율적이면서도 해석 가능한 피처 엔지니어링 ..

🧠 1. 논문 개요 AuthorElahe Khatibi1, Mahyar Abbasian1, Zhongqi Yang1, Iman Azimi1, and Amir M. KeywordsLLM Causal Discovery Publication DateMay 2, 2024 Abstract고차원 데이터셋에서 효과적인 인과 추론을 수행하기 위해서는 관찰 데이터를 기반으로 인과 그래프를 생성하는 인과 발견이 필수적입니다. 그러나 완전하고 정확한 인과 그래프를 얻는 것은 NP-난해 문제로 여겨지는 어려운 과제입니다. 본 연구에서는 데이터 기반 인과 발견 알고리즘과 LLM을 결합하여 더 견고하고 정확하며 설명 가능한 인과 그래프를 자동으로 생성하는 새로운 프레임워크인 '자율 LLM 증강 인과 발견 프레임워크(ALCM)..