Apple Picking

2014/10/21 § Leave a comment

2014-10-18 11.09.36

2014-10-18 11.16.49

2014-10-18 11.02.28

20141018_113346

2014-10-18 12.32.13

Simmons Farm

General Lloyd J. Austin’s Lecture

2014/10/11 § Leave a comment

IMG_7644.JPG

“United States Central Command’s Strategic Role in Our Nation’s Defense”이란 주제로 General Lloyd J. Austin의 강의가 있었다. 중동 지방의 상황에 대해 브리핑하고 미국의 관점에 대해 이야기 해주었다. 그 후에 Q&A 시간이 있었는데, 많은 사람들이 질문했다.

CMU에서는 다양한 톡과 강의가 자주 열린다. 내 분야와 딱히 관련이 없는 것도 많지만, 재미있어 보이고 시간이 되면 가급적 참석해서 듣고 있다. 왜 원래 아기들한테도 최대한 다양한 인풋을 주는 게 좋다잖는가ㅋㅋ

The Cognitive Computing Era

2014/10/03 § Leave a comment

IMG_7615.JPG

이렇게 다시 만나니 감회가 새롭군 ㅋㅋ

IBM에서는 전산학 관점에서, 이제 programmable computing 시대에서 cognitive computing 시대로 넘어가고 있다고 본다. Watson은 question answering의 완성이라기 보다는, 이 새로운 시대를 시작하는 신호탄에 불과하다. IBM이 생각하고 있는 것은 Watson을 기반으로 한 다양한 applications, 예를 들어 healthcare, marketing 등에 접목되어 사람을 도와주는 시스템이다. 단순히 QA 시스템을 넘어서 이제는 reasoning & debating 시스템을 개발하고 있고, 텍스트를 넘어서 computer vision 등도 접목시키고 있다. 애당초에 이런 큰 비전을 가지고 Watson을 개발한 건지는 모르겠으나, 어쨌든 대단하다는 생각.

이건 Watson이 만든 쿠키라면서 준건데, 맛은 음… 굉장히 artificial 하다.
IMG_7616.JPG

[Scrap] Carnegie Mellon Leads New NSF Project to Improve Learning

2014/10/02 § 2 Comments

Carnegie Mellon Leads New NSF Project to Improve Learning
(http://www.hpcwire.com/2014/10/01/nsf-promotes-data-science-31m-award/)
Carnegie Mellon University will lead a five-year, $5 million early implementation project sponsored by the National Science Foundation to improve educational outcomes and advance the science of learning by creating a large, distributed infrastructure called LearnSphere that will securely store data on how students learn.

NSF Award Abstract
(http://nsf.gov/awardsearch/showAward?AWD_ID=1443068&HistoricalAwards=false)
Awarded Amount to Date: $4,830,819.00
Investigator(s): Ken Koedinger Ken.Koedinger@cs.cmu.edu (Principal Investigator), John Stamper (Co-Principal Investigator), Carolyn Rose (Co-Principal Investigator)

This project is creating a community software infrastructure, called LearnSphere, that supports sharing, analysis, and collaboration across the wide variety of educational data. LearnSphere supports researchers as they improve their understanding of human learning. It also helps course developers and instructors improve teaching and learning through data-driven course redesign. The goal is to transform learning science and engineering through a large, distributed data infrastructure, and develop the capacity for course developers, instructors, and learning engineers to make use of it.
LearnSphere maintains a central store of metadata about what datasets exist, but also has distributed features allowing contributors control over access to their own data. It provides a hub to link many communities of educational researchers, provides a repository for researchers to store their data, and provides an open analytic method library and workflow-authoring environment for researchers to build models and run them across datasets.
The research team has extensive experience not only in using educational data mining to make discoveries and improve student outcomes, but also in the creation of educational data infrastructures. They have developed the DataShop infrastructure, which is currently the largest open repository of educational technology data including over 550 datasets. A newer data infrastructure, MOOCdb, is being developed to store and analyze Massively Open Online Course (MOOC) data. The Open Learning Initiative has produced data stored in DataShop for many years and is expanding into the MOOC space. Dialogue-based tutoring systems and student affect sensors are producing new kinds of data that are being added to LearnSphere. The researchers are further improving data collection infrastructure in MOOCs especially by adding platform components for massive multi-factor online experiments. The project is also creating new methods for data integration, discourse data storage and analytics, and new algorithms for automated discovery, as well as new learning science discoveries that result from these algorithms.
By integrating these building blocks in LearnSphere, the project will facilitate cross-modality and cross-domain educational data analysis that is not possible today.

논문 이해하기 쉽게 쓰기

2014/10/02 § Leave a comment

요즘 KDD 14에서 헬스케어 관련된 논문들을 읽은 중인데, 논문을 읽다보면 도무지 뭔소린지 모르겠어서 짜증나는 논문이 있는가 하면, 이해가 쏙쏙 되는 논문이 있다.

전자는 보통 다음과 같은 특징이 있다.
– 문제에 대한 충분한 설명이 없다.
– 해당 분야에 익숙하지 않은 독자를 배려하지 않는다.
– 처음부터 수식이 난무한다.

후자는 보통 다음 특징들이 있다.
– 초반에 문제에 대해 충분히 설명해준다. 무엇을 풀고자 하는 것이고, 어떤 예가 있는지.
– 해당 분야에 익숙하지 않은 사람도 쉽게 읽을 수 있다.
– 중요한 포인트는 반복해서 짚어준다.

여기에 추가로 요즘 이 분야 논문 트렌드가 이건가?
– 인트로에 관련 연구들을 비교하고 포지셔닝 한다.
– Related work엔 기본적으로 필요한 지식을 적는다. 가끔 “Preliminaries & Related Work”라고 돼있는 경우가 있다.
– 인트로에 contribution을 정리한다.

Christos Faloutsos이 저자로 들어간 논문들은 대부분 후자의 특징을 반영하는 듯하다. 읽으면서 감탄이 나올 때가 있다. 읽기 쉬운 논문은 그만큼 많은 사람들이 읽고 긍정적인 느낌을 받아서 인용횟수도 높아지고 결국 저자의 명성이 올라가는 데에도 약간 도움을 주지 않을까 생각해본다.

경험상 (별로 경험이 없긴 하지만) 후자의 특징을 논문에 반영하기 위해선 많은 발표와 피드백이 선행되어야 한다. 지난번에 스탠포드에 있는 한 선배가, 탑스쿨과 세컨티어의 차이는 프레젠테이션에서 드러난다고 말한 적이 있다. 탑스쿨은 프레젠테이션 연습을 많이 시킨다고. 지지난주 그룹 미팅 때, 캐롤린이 곧 컨퍼런스에서 발표하는 디이한테 “넌 CMU를 대표하는 사람이니까 발표 연습을 많이 해서 잘 해야 된다.”고 하는 걸 보고 선배의 말씀이 실감이 났다.

볶음밥

2014/09/25 § Leave a comment

IMG_7595.JPG

생긴건 맘에 드는데, 만들고 먹고 정리하기까지 3시간 걸림..

Biking at the Great Allegheny Passage

2014/09/02 § Leave a comment

IMG_7526.JPG
IMG_7531.JPG
IMG_7529.JPG
IMG_7538.JPG
IMG_7535.JPG
IMG_7557.JPG
IMG_7540.JPG
IMG_7558.JPG

Follow

Get every new post delivered to your Inbox.