Week 1

이 수업에 대하여

박사과정 대상 강의식 과목이다. 딥러닝 연구의 최전선(LLM·멀티모달LLM·diffusion· world model 등)을 서베이 논문 중심으로 훑고, 배운 것을 연구에 적용한다. 강의는 서베이 논문을 따라가지만, 이 수업의 부담은 매주 과제와 기말 프로젝트에 있다.

1. 수업 방식

1-1. 웹 노트

강의 자료는 슬라이드가 아니라 이렇게 읽을 수 있는 웹 노트로 준비한다. 다음과 같은 이유가 있다.

  • 시험이 없다. 평가는 과제·기말 프로젝트·상호 논평으로 한다. 외워서 한 번 치르는 시험이 없으니, 필요할 때 다시 펼쳐 보는 자료가 이 과목에 더 맞다.
  • 되짚어 보기 좋다. 다루는 내용이 많고 서로 얽혀 있어 여러 번 되돌아와야 한다. 검색되고 링크로 이어지는 글이 슬라이드 묶음보다 그 일에 낫다.
  • 고쳐 쓰기 쉽다. 이 분야는 빠르게 바뀐다. 새로운 트렌드를 그때그때 반영한다.
  • 좋은 자료를 모아 둘 수 있다. 원논문·공식 문서·잘 된 해설과 시각 자료가 이미 충분히 많다. 같은 설명을 다시 만드는 대신, 그중 나은 것을 출처와 함께 한자리에 엮는다.

정보가 넘치는 주제일수록 무엇을 골라 어떤 순서로 보여줄지 정하는 일이 강의자의 몫이라고 본다.

1-2. AI를 활용한 강의와 학습

Seong Joon Oh 교수(KAIST AI)도 자신의 과목 Information Retrieval for AI 를 슬라이드 대신 인터랙티브 웹사이트로 만들고, 그 과정을 글로 정리했다. 두 가지를 짚는다.

어떻게 만들었나 — 정적 슬라이드 대신 동적 웹사이트로, 문제 풀이·시험 대신 토론과 사람이 개입하는 리뷰로 강의를 운영한다. 사이트 구현과 강의 구조 설계에 AI 에이전트를 적극적으로 써서, 예전 같으면 한 달 걸릴 작업을 하루에 — 커밋 58개, PR 22개, DB 테이블 17개, 코드 약 5,000줄 — 끝냈다고 한다.

어떻게 대할 것인가 — AI 도구가 사이트 구현과 자료 취합을 돕더라도, 무엇을 가르치고 어떻게 설명할지, 학생을 어떻게 참여시킬지는 강의자가 정한다. 자습이 쉬워질수록 강의자의 역할은 자료 전달보다 학생들이 서로 만나 배우도록 잇는 일에 가까워진다. 학생 입장에서는 “자기만의 학습 자료를 만드는 시대”다 — 배우고 싶은 것을 잘 가르쳐 주는 도구를 스스로 만들 수 있다.

여러분도 앞으로 공부할 때 이런 방식을 한 번 시도해 보면 좋겠다.

2. 과제와 프로젝트

2-1. 논문 요약

그 주 주제와 관련된 논문 1편(서베이 제외)을 직접 골라 한 페이지로 정리한다. 한국어로 쓰며, Github Discussion을 통해 양식을 제공하며, 이를 통해 과제를 제출한다.

  • 왜 이 논문을 골랐나
  • 이 논문이 다루는 문제는 무엇인가
  • 어떻게 풀었나
  • 내가 보기에 타당한가 — 어디가 설득력 있고 어디가 약한가

제출물은 모두 공개된다. 서로의 글에 적극적으로 질문과 답변을 남긴다.

2-2. 기말 프로젝트

개인 프로젝트. 이 과목에서 다룬 내용 중 주제 하나를 골라 full paper를 영어로 작성한다. 8주차에 2쪽 분량의 extended abstract, 16주차에 8쪽 분량의 full paper 를 제출한다. 형식은 ICML 학회 포맷을 따르고(Style Files), Overleaf로 작성한다.

두 산출물 모두 Github Discussion에 공개하고 서로 peer-review 한다. 1인당 3편을 맡는다. 8주차 extended abstract 는 그 내용으로 점수를 매기지 않는다. 다만 8·16주차 모두 peer-review 참여는 참여 점수에 들어간다. 공개된 글을 어떻게 읽고 논평하는지는 OpenReview가 참고된다.

논문 작성이나 글의 흐름이 익숙하지 않으면 데이터사이언스 응용 1주차 노트를 참고한다.

실험을 돌릴 수 있으면 돌린다. 다만, 자원이 없어 못 돌려도 된다 — 그 경우 평가하는 것은 “돌렸는가”가 아니라 논리 전개가 일관되는지, 제안이 실현 가능한지, 주장을 뒷받침할 근거가 충분한지다.

  • 문제와 가설 — 기존 연구에서 무엇이 막혀 있고, 제안하는 기법이 왜 거기 맞는가.
  • 예상 결과와 근거 — 적용하면 무엇이 어떻게 달라질 것이라 보는가, 그 이유 및 직관은.
  • 필요한 ablation — “이 요소가 효과를 낸다”고 주장하려면 무엇을 떼어내 비교하나.

3. 평가

  • 과제 40% — 매주 논문 요약 한 페이지
  • 기말 프로젝트 40% — full paper (16주차, 8쪽·영어)
  • 참여도 20% — 8·16주차 산출물 peer-review