금번 대한산업공학회 추계학술대회는 제가 산업경영공학과 석사과정으로 입학한 이후 처음으로 참석한 학술대회였습니다. 비록 코로나라는 특수한 상황 때문에 학회가 온라인으로 진행되긴 했지만, 주최 측의 꼼꼼한 준비 덕에 온라인으로도 충분히 양질의 세미나에 참관할 수 있었습니다. 참석 기회를 주신 교수님과 학술대회 운영진 측에 깊은 감사의 말씀 드립니다.

이번 세미나에서 제가 특별히 관심을 가졌던 부분은 바로 강화학습과 자연어처리 분야입니다. 사실 산업경영공학이라는 큰 주제에는 딱 맞아 떨어지지 않는 주제일 수 있지만, 근래 들어서 학문간 경계가 허물어지고 활발히 연구가 진행되는 시점에서 금번 산업공학회 추계학술대회에서도 다양한 주제와 연구기법으로 진행된 발표들이 다수 존재했습니다.

그 중 제가 인상깊게 보았던 연구 및 발표에 대해 간략히 리뷰하고자 합니다.

1. 강화학습을 통한 조선소 화물창 공정 인력 부하 최적화

이번 학기 통계학과 강의 중 <고급통계적강화학습>을 수강하며, 강화학습의 기초가 되는 엄밀한 통계적 증명과 그 활용 방안에 대해 많이 고민하는 시간을 보내고 있습니다. 이번 산공학회에서 진행된 강화학습 발표 중 인상 깊었던 조선소 화물창 공정 인력 부하 최적화 발표는 각 호선을 하나의 프로젝트로 고려하며, 기존의 스케줄이 주어진 상황에서 인력 분산의 최소화를 위하여 공정들의 시작 시점 리스케줄링을 목적으로 합니다. Action과 State, Reward의 정확한 정의와 더불어 Action에 적절한 masking 과정을 취한 연구의 프로세스를 통하여 강화학습에 관련된 여러 활용 기법을 배울 수 있었습니다.

2. 머신러닝 기반 깃허브 레포지토리 인기도 예측: 기여자 특성을 바탕으로

Github는 인공지능을 비롯한 전반적인 머신러닝 알고리즘에 대한 연구를 진행하는 연구자들에게 꼭 필요한 플랫폼입니다. 학부시절 전공 강의에서 github repository에 관한 분석을 진행하고 계신다는 교수님의 말씀을 인상 깊게 듣곤 했었는데, 이번 산업공학회에서 관련 연구에 대한 발표를 들을 수 있어 좋았습니다. 본 연구에서는 github 내 딥러닝과 관련한 레포지토리 중 총 9780개를 활용하여 시각화 및 인지도를 예측하는 task를 수행하였습니다. 비록 데이터 불균형 문제로 인한 과적합 가능성을 내포하고 있기도 했지만, 주제 자체는 그 어떤 연구보다 참신하지 않았나 개인적으로 생각합니다.

3. 딥러닝 알고리즘을 활용한 금융시장에서의 캔들 차트 예측

최근 강화학습을 이용한 주식 투자 알고리즘 구축에 관심을 가지게 되면서 기존 딥러닝 기반의 주식 가격 예측 연구는 어떤 방식으로 진행되고 있는지 개인적인 호기심이 있었습니다. 금번 산공학회의 발표를 통하여 주식 데이터를 통해 가격을 예측하는 일련의 과정에 대한 이해를 도모할 수 있었습니다 비록 최신 딥러닝 기반의 모델보다는 기존 base가 되는 모델 위주로 실험이 진행되었음에도 유의미한 결론을 도출하고자 한 연구자 분들의 노력이 매우 인상깊었습니다.

첫 산업공학회 참석 경험이었고, 기대보다 더 많은 인사이트를 얻어갈 수 있어 유익한 시간이었습니다. 다음 춘계 학술 대회가 기대되는 시점입니다. 학회 발표 준비하느라 고생하신 연구실 구성원들과 교수님께 응원의 말씀 전합니다.