In Jena: Week 12

이번 주는…

통계학 수업

2020. 11. 16. ~ 20. 월~금요일

Advanced statistics & machine learning for data analysis (ASDA)

통계학 수업. 수업 방식이 대학원 수업에 잘 맞던 것 같다.

학생들은 익숙하지 않은 통계 기법 한 가지씩 골라서 발표한다. 학생들이 고른 주제를 관련된 것끼리 같은 날에 모으고, 그 날 시작 순서로 배경지식이 될 만한 강의를 해준다. 중간중간 그 기법을 사용한 다른 연구원의 사례 강연이 있고, 코드를 돌려보는 시간으로 끝난다.

이 강의의 장점은…

내가 맡은 파트는 기억에 잘 남는다.
발표할 기회가 주어진다.
남들은 모르는 것을 설명할 기회가 주어진다.
코드를 돌려볼 수 있다.
남의 코드를 구경할 수 있다.

반면 단점도 있는데…

남의 발표를 이해하기 힘들다. 집중이 안 돼.
그래서 교과서를 훑는 것보다 배우는 게 없을 수 있다.

내가 기억에 남는 건

일단 내 발표. Isolation forest. 특이값(outlier)을 잡아내는 머신러닝 알고리즘이다. 논문이 짧고 패키지 배포도 잘 돼있어서 준비하기 수월했다. 다른 학생들 반응도 좋았다. 내 발표만 유일하게 실습 파트를 구성했기 때문에 더 재밌었을 것 같다.

다른 건…

시계열 decomposition (Nature 등 논문에서 많이 보이는 기법):
- trend
- seasonal cycle
- short-term oscillation
- long-term oscillation
Mirco - PCA
- principal component의 의미? PC1에 negative effect라는 건… 뭘까. A가 GPP와 negative면 A가 증가할 때 GPP는 감소하는 건데, PC1은 GPP와 같이 이해할 수 있는 놈이 아니다… 플럭스도 아니고 풀도 아니고 어떤 diagnostic variable도 아니고 …
- PCA: another method for quantifying contributions
Thomas - ppt slides using RStudio
- 이전에 한 번 써본 적이 있다. 다시 보니 생각보다 디자인이 괜찮았다.
- fixed effects: predictor parameter
- random effects: other variables not accounted for that would describe the rest of the variance between “sites” or “groups”
Excursion by Jake: 눈에 띄는 발표 플랫폼(뭔지는 모르겠다. 웹페이지 방식.) + 재밌는 지식 분류
- known known
- knwon unknown
- unknown unknown