[무료 Live] AI 경진대회 수상 알고리즘을 국제학회 Oral 논문으로 발전시킨 과정

AI 경진대회 수상 알고리즘은 어떻게 국제학회 논문이 되었을까?

AI 경진대회에서 좋은 성적을 얻는 것과 연구 논문을 만드는 것은 완전히 다른 이야기처럼 보입니다.

하지만 하나의 문제를 깊이 있게 분석하고, 실험을 반복하며, 그 과정에서 발견한 아이디어를 일반화한다면 경진대회의 경험을 실제 연구로 발전시킬 수 있습니다.

이번 라이브에서는 947개 팀이 참가한 K리그-서울시립대 공개 AI 경진대회에서 3위를 기록했던 실제 경험을 바탕으로, 경진대회에서 출발한 아이디어가 어떻게 International Conference on Automated Machine Learning (AutoML Conference 2026, https://2026.automl.cc/accepted-papers/) Methods Track Oral 논문으로 발전했는지 그 과정을 공유합니다.

🎯 이런 분들을 위한 라이브입니다

• AI 경진대회에 참여하고 있지만 점수 향상 이상의 경험을 만들고 싶은 분

• 경진대회에서 얻은 아이디어를 논문으로 발전시키고 싶은 분

• 머신러닝·딥러닝 연구를 어떻게 시작해야 할지 고민하는 분

• 대학원에서 AI 연구를 하고 있는 학생

• AI 연구와 실무를 연결해보고 싶은 개발자·데이터 사이언티스트

• 국제학회 논문 작성 과정이 궁금한 분

• 실제 연구자가 문제를 정의하고 알고리즘을 발전시키는 과정이 궁금한 분

🏆 실제 경진대회에서 출발한 연구

이번 라이브에서 소개할 연구는 처음부터 논문을 만들기 위해 시작한 프로젝트가 아니었습니다.

실제 AI 경진대회에서 시계열 예측 문제를 해결하는 과정에서 출발했습니다.

경진대회에서는 제한된 시간 안에 좋은 성능을 내는 것이 중요하지만, 단순히 리더보드 점수를 높이는 것만으로 연구가 완성되지는 않습니다.

이번 연구에서는 경진대회에서 사용했던 알고리즘을 다시 분석하면서,

"왜 이 방법이 잘 작동하는가?"

"어떤 상황에서는 한계가 발생하는가?"

"이 아이디어를 다른 데이터와 문제에도 적용할 수 있는가?"

라는 질문을 던졌습니다.

그리고 이러한 질문을 바탕으로 기존 방법을 고도화하고 새로운 연구 아이디어를 발전시켰습니다.

🔬 경진대회 → 연구 아이디어 → 알고리즘 → 논문

라이브에서는 하나의 아이디어가 연구로 발전하는 과정을 단계별로 살펴봅니다.

1. 문제 분석

시계열 예측 문제를 처음 접했을 때 데이터를 어떻게 바라보고 문제를 정의했는지 설명합니다.

단순히 모델을 선택하는 것이 아니라 데이터의 특성과 문제 구조를 분석하고 어떤 가설을 세웠는지 살펴봅니다.

2. 알고리즘 설계

경진대회에서 실제로 활용했던 접근법과 실험 전략을 소개합니다.

어떤 아이디어를 시도했고 어떤 방법이 효과가 있었으며, 반대로 어떤 접근이 실패했는지도 함께 살펴봅니다.

3. 성능 개선

리더보드 점수를 높이는 과정에서 발견한 패턴을 어떻게 분석하고 다음 실험으로 연결했는지 설명합니다.

단순한 하이퍼파라미터 튜닝이 아니라 문제에 대한 이해를 바탕으로 알고리즘 자체를 개선하는 과정에 초점을 맞춥니다.

4. 연구 아이디어 도출

경진대회에서 얻은 경험을 그대로 사용하는 것이 아니라, 특정 데이터셋에 종속되지 않는 형태로 아이디어를 일반화하는 과정을 살펴봅니다.

이 과정에서 기존 방법의 한계를 어떻게 발견하고 새로운 연구 가설을 만들었는지 실제 사례를 통해 설명합니다.

5. 새로운 알고리즘으로 발전

이러한 과정을 통해 개발한 FS-DCM (Frequency-Separated Dual-Context Modeling with Dynamic Local Volatility Weighting for Time-Series AutoML)의 아이디어와 설계 배경을 소개합니다.

복잡한 수식을 단순히 나열하기보다는,

왜 이런 구조가 필요했는지

어떤 문제를 해결하기 위해 설계했는지

기존 방법과 무엇이 다른지

를 중심으로 설명합니다.

6. 논문화

경진대회에서 얻은 결과를 어떻게 연구 질문으로 바꾸고 논문의 구조로 발전시켰는지도 다룹니다.

실험 결과를 나열하는 것과 연구 논문을 작성하는 것의 차이, 연구 가설과 실험을 연결하는 방법 등을 실제 논문 작성 경험을 바탕으로 이야기합니다.

7. 국제학회 Oral 채택

최종적으로 연구를 AutoML Conference 2026 Methods Track Oral 논문으로 발전시키기까지의 과정과 연구 경험을 공유합니다.

📌 라이브에서 다루는 내용

• AI 경진대회 문제를 바라보는 방법

• 시계열 예측 문제 분석 및 실험 전략

• 수상 알고리즘 설계 과정

• 성능 개선을 위한 실험 방법

• 실패한 실험에서 연구 아이디어를 찾는 방법

• 경진대회 아이디어를 일반화하는 방법

• 기존 방법의 한계에서 새로운 알고리즘을 만드는 과정

• FS-DCM 알고리즘의 핵심 아이디어

• 실험 결과를 연구 가설로 연결하는 방법

• 경진대회 결과를 논문으로 발전시키는 과정

• 국제학회 논문 작성 및 연구 과정

• AutoML Conference 2026 Oral 채택 경험

💡 이 라이브를 통해 얻어갈 것

경진대회에서 높은 점수를 얻는 방법만을 이야기하지 않습니다.

이번 라이브의 핵심은 하나의 문제를 어떻게 깊이 있게 파고들어 연구 아이디어로 발전시키는가입니다.

경진대회에서 얻은 경험을 단순한 수상 경력으로 끝내지 않고,

문제 해결 → 실험 → 수상 → 한계 발견 → 연구 가설 → 알고리즘 개발 → 논문화 → 국제학회

로 연결하는 실제 과정을 보여드리겠습니다.

AI 경진대회를 하고 있지만 "이 경험을 어떻게 연구로 발전시킬 수 있을까?"라고 고민하고 있다면, 실제 사례를 통해 구체적인 방향을 얻어가실 수 있습니다.

👨‍💻 강사 소개

직장생활과 연세대학교 인공지능 석사 과정을 병행하며 머신러닝과 딥러닝을 연구하고 있습니다.

AI 경진대회에 참여해 실제 문제를 해결하고 수상 경험을 쌓았으며, 경진대회에서 얻은 아이디어를 연구로 발전시켜 AutoML Conference 2026 Oral 논문을 발표하게 되었습니다.

현재 AI 학습 플랫폼 모두의 AI(https://mdooai.com)를 운영하며 AI 학습자들과 함께하고 있으며, Upstage Certified Trainer로 생성형 AI 교육과 멘토링도 진행하고 있습니다.

연구와 실무, 교육 현장에서 얻은 경험을 바탕으로 AI를 처음 배우는 사람부터 연구를 시작하려는 사람까지 복잡한 AI 기술을 쉽고 정확하게 이해할 수 있도록 전달하고 있습니다.

🚀 하나의 경진대회 경험이 연구가 되기까지

수상으로 끝나는 AI 경진대회가 아니라,

"이 결과에서 어떤 연구 질문을 만들 수 있을까?"

라는 관점으로 함께 살펴보겠습니다.

AI 경진대회와 연구 사이의 연결고리를 실제 사례를 통해 확인해 보세요.