📊 발표 자료

발표까지 주말 밖에 남지 않은 상황.
협업 ppt 제작 툴인 구글 슬라이드에서 작업했다.

발표까지 끝내고 글을 작성하는 시점에서 말하는 거지만.. 구글 슬라이드보다 전에 EDA 프로젝트에서 사용했던 Canva가 훨씬 디자인도 우수하고 기능도 많고 편했다.
무엇보다 구글 슬라이드는 환경마다 보여지는 화면이 다르다. 무슨 말이냐면 위 사진에서 보이는 "Multi-Class Prediction of Obesity Risk" 소제목의 뒷부분 Risk가 실제 발표에서는(다른 조원의 노트북 화면 공유) 다음 줄로 밀려서 아래 사진처럼 나왔다.. (빨간 줄 참고)

(실제 발표 화면 연출)

뜨악.. 이런 디테일이 완성도로 이어진다고 생각하고 중요시하는 사람인데.. 이건 마치 보노보노 ppt, ㅄTV의 뿌슝빠슝이 생각나는 디테일이었다.. (충격)

그럼에도 위 부분은 사실 사소한 거라서 발표는 잘 끝마쳤다. 무엇보다 발표자 두 분께서 발표를 잘해주셨다.
나는 Upstage AI Lab에서 모든 프로젝트 발표에 참가했다가 이번엔 불참하게 되었는데, 다름이 아니라 2개월 전부터 계획한 일정이 발표 직전 주말과 겹치는 바람에 양해를 구하고 자리를 양보했다. 물론 하라면 할 순 있지만 두 가지 이유 때문에 하지 않았는데 첫째로는 발표 퀄리티 저하, 그리고 내 건강이 심히 우려되었다.. (맡으면 밤 새가면서 퀄리티 끌어올리는 사람)

발표 자료 맛보기

내가 담당한 부분은 LGBM - Hyper Parameter 부분.
발표자 두 분께 자료 이해를 돕기 위해 노션 페이지에 정리한 글이 있다.

(발표 자료 일부)

HyperOpt부터 Optuna, XGB 모델도 발표에 넣고 싶었는데 LGBM과 비슷한 실험 및 결과에 3+4 7인 팀의 발표이다보니 20분의 발표 제한시간을 고려, 과감히 제외했다.

대신 Hyper Parameter 튜닝을 통해 얻은 성과(LB 7위)와 params 튜닝을 통한 over-fitting control, 그리고 submission 결과를 통한 LB data에 대한 가설까지 포함시켰다(가설은 대회 종료시, Private Data가 공개됨으로써 그 결과를 증명할 수 있다)

🌟 발표 당일

다른 팀들의 발표를 보며 들었던 생각은 "우리가 참 쉬운 대회였구나". 내가 참여한 대회는 Playground Series로, 캐글 입문자들을 위해 난이도를 의도적으로 쉽게 조정한 대회이다. (상금과 메달이 없다)
다른 분들은 종료되었던 대회나, 상금과 메달이 있는 대회에 참가하셨는데 LB 성적은 커녕 데이터 해석에 시간을 모조리 소모한 팀들도 있었다.. 발표 시작 전에 "~~이러해서 발표 자료가 미흡하니 양해 바란다"라고 말한 팀만 셋. 그만큼 다들 어려웠다는 얘기.

"우매함의 봉우리"

LB 7위를 찍고(그것도 우연히) 자신만만하던 내 모습, 그리고 다른 조의 발표를 보고 난 뒤 성찰한 내 모습의 위치가 그려지는 그래프이다.. 하하
알게 된 것은 빙산의 일각으로도 취급되지 않고, 여전히 모르는 것은 천지 삐까리다. 이 분야에선 평생 배워야 한다는 말을 지겹도록 듣는 이유인 것 같다.

그럼에도. 어찌되었건, 이번 프로젝트는 '만족'이다. 캐글 대회에 대한 기본적인 개념을 이해했고, 실제 LB에서 성과를 내기위해 며칠간 밤새도록 달려보았고, 팀 협업에 대한 경험도 쌓게 되었다.
이래서 프로젝트를 내가 좋아하지.

마무리

오늘로 ML 프로젝트도 마무리 되었다.
내일은 Upstage OT를 시작으로 Upstage 현직자분들의 강의가 본격적으로 시작된다. Deep Learning이 다음 스텝인데, 아마 점점 어려워질 것으로 예상.
그치만 배울 것이 아직 한참 남았다는 게 오히려 즐겁고 설렌다. 내가 배운 것은 고작 ML의 한입거리 아니었나.
나는 머신러닝보다 딥러닝에 더 관심이 있는 만큼, 딥러닝 프로젝트에서는 더 재밌고 어렵고 격한 경험을 갖게 되리라 기대하고 있다.

앞으로도 정진.