목록분류 전체보기 (47)

데알못정을

[연구 분야 조사] Causal machine learning for predicting treatment outcomes 1편

본 포스팅은  Feuerriegel, Stefan, et al. "Causal machine learning for predicting treatment outcomes." Nature Medicine 30.4 (2024): 958-968.를 읽고 정리한 글임을 밝힙니다. causal ML in medicine은 치료로 인한 환자 결과의 변화와 같은 인과 관계를 예측하는 것을 목표로 한다. causal ML은 RCT(Randomized Controlled Trials)를 통해 얻은 실험 데이터와 임상 등록, 전자 건강 기록 및 기타 RWD(Real-World Data) 소스에서 얻은 관찰 데이터를 모두 사용하여 치료 효과를 추정하고 임상적 증거를 생성하는 데 사용될 수 있다.causal ML의 핵심 강점..
Research 2025. 4. 8. 22:10
[연구 분야 조사] Causal Machine Learning

https://medium.com/@karanbhutani477/the-causal-revolution-in-machine-learning-moving-beyond-correlation-to-causation-07c4531c2cc0 The Causal Revolution in Machine Learning: Moving Beyond Correlation to CausationCausal Machine Learning (Causal ML) represents a fundamental shift in how we approach artificial intelligence, moving beyond simple pattern…medium.com위 블로그를 읽고 정리한 글임을 밝힙니다. 인과적 머신러닝의 이해인..
Research 2025. 4. 7. 15:36
[Review] Recurrent Neural Networks for Multivariate Time Series With Missing Values

Summary이번 포스팅에서는 다변량 시계열에서 존재하는 결측치를 처리할 수 있는 모델인 GRU-D에 대해 다룹니다. Irregularly Sampled Time Series본 연구는 불규칙적으로 기록된 다변량 시계열을 잘 다루기 위한 것으로, 여기서 불규칙적으로 기록되었다는 것은 하나의 변수가 일정한 간격으로 수집되지 않으면서, 변수들 사이에서도 서로 다른 타이밍에 값이 수집되었다는 것을 의미합니다. 이러한 시계열을 irregularly sampled time series라고 합니다. 특히 EHR 데이터 베이스를 분석을 위해 다변량 시계열 형태로 만들면 irregularly sampled time series가 됩니다. 왜냐하면 각 측정 과목마다 측정 여부와 간격이 서로 다르기 때문입니다.예를 들어, ..
Paper Review 2024. 10. 14. 15:32
NCCL 버전 업그레이드 하다가 발생한 문제

Multi GPU를 사용하는 학습 코드를 돌리던 와중에 잘 돌아가다가 갑자기 특정 epoch에서 코드가 멈추는 현상이 발생했다.(GPU에도 메모리가 멈췄다. watch -n 0.1 nvidia-smi로 보는데, 계속 멈춰있다) 그러다가 갑자기 혼자 중단하고서 하는말이 First PG on this rank that detected no heartbeat of its watchdog. [rank1]:[E814 01:43:33.703972694 ProcessGroupNCCL.cpp:1413] [PG 0 (default_pg) Rank 1] Heartbeat monitor timed out! Process will be terminated after dumping debug info. workMetaList_..
Coding 2024. 8. 15. 18:00
[Review] Using machine learning for the early prediction of sepsis-associated ARDS in the ICU and identification of clinical phenotypes with differential responses to treatment

Motivation/Background급성 호흡 곤란 증후군(Acute Respiratoty Distress Syndrom, ARDS)는 급격히 진행되는 호흡 부전과 폐 부종, 미만성 폐포 손상, 감염 세포 침윤을 특징으로 하는 중환자실에서 가장흔한 호흡기 증후군이다.  패혈증(Sepsis)는 ARDS의 흔한 위험 요소 중 하나이며, Sepsis associated ards는 매우 높은 사망률을 가지고 있으며 폐 손상으로부터 회복하기 쉽지 않기 때문에 non sepis ards보다 더 심각하다. 진단과 형태(Penotypic) 분류는 호흡기 중증 치료에서 주요 연구 방향으로 남아 있다. 특히, sepsis associated ARDS와 같은 높은 사망률 조건은 반드시 적극적으로 정밀 진단되어져야 한다. ..
Paper Review 2024. 6. 25. 00:42
[Review] Time-LLM: Time Series Forecasting By Reprogramming Large Language Models 쉽게 이해하기

[Summary]Time series foundation model이 NLP나 CV 분야에서 큰 성공을 이루었지만, Time series의 데이터 특성으로 인해 foundation model을 구축하는 것이 매우 어려운 문제이며, baseline 이라는 것이 아직 초기 단계이다. 본 논문은 LLM의 장점들을 time series에 잘 살릴 수 있는 분석 프레임워크를 제안하여 시계열 예측 task에서 SOTA 성능을 달성했다.  [Introduction]Time series forecasting task는 광범위한 도메인 지식이 필요하여 task specific한 model 설계를 요구한다. 이는 다양한 범위의 NLP task에서 few shot이나 zero shot 환경에서도 매우 잘 작동하는 GPT-3..
Paper Review 2024. 6. 7. 17:04
이전 Prev 1 2 3 4 ··· 8 Next 다음