Category: Study

TMB에 관한 직관적인 Figure 인 것 같아서 링크를 첨부함.

https://www.nature.com/articles/s41598-017-17204-5

QuPath 라는 병리 분석 프로그램을 알게 되었다. 유용성에 대하여 확인해 보면 좋을 것 같다. 많지는 않지만 최근까지도 이 프로그램을 이용한 논문들이 있다.

처음에 구글에서 AI와 관련된 논문이 나왔을 때의 반응은 전문가와 비슷하거나 조금 우월한 성능에 굉장하다는 반응이 대세였다. 물론 지금도 그 부분은 여전하다. 다만, 시간이 경과해도 구글에서 관련 알고리즘을 API 형태로도 제공하지 않고 있다. 따라서, 연구자들은 구글이 그렇게 알고리즘에 자신이 있다면 왜 공개를 하지 않느냐고 바뀌고 있다. 정말 그 알고리즘이 사실이라면 코드 공개나 학습과 관련된 파라미터 공개를 해야 한다는 것. 구글의 알고리즘의 스케일이 클 것은 뻔히 예상되는 일이고, 일단 연구자들이 이를 따라하기는 쉽지는 않을 것이다. 하지만, 투명성은 중요하다.

https://www.nature.com/articles/s41591-020-01147-y

객관식으로 문제를 출제해야 한다면 가장 적절한 것을 묻는 문제로 하면서, 5지 선다형으로 하는게 좋다고 한다. 지금까지는 PPT를 순차적으로 보면서 하나씩 문제를 만들었다. 그러다가 올 해 마지막 수업은 조금 다른 방식으로 해보기로 했다.

객관식 5문제를 출제한다면 옳은 지문 5개와 틀린 지문 20개가 필요하다. 이를 임의로 섞어서 문제를 출제하여 보기로 했다. 정답 5개를 임의의 순서로 배열하여 한 문제당 하나씩 배분한다. 오답을 한 문제당 4개씩 임의로 선정하여 배분한다. 각각의 문제에서 지문 순서를 한 번 더 섞는다. 문제를 푸는 입장에서 예측하기 어렵게 느끼도록 고민한 방식인데 적절할지 모르겠다.