학급 내에서 학생들의 성적 분포와 전국의 성적 분포가 각각 정규분포를 따른다면, 좋은 학군으로 이사가는 것과 평범한 학군에서 아이의 학습성과도를 높여주는 것 중 무엇이 좋을까? 가정 상위 학군, 하위 학군 모두 정규분포와 비슷한 분포를 갖되, 상위 학군의 경우 상위권 학생들의 꼬리분포가 두껍고, 하위 학군의 경우 하위권 학생들의 꼬리 분포가 두껍다고 가정. 상위 학군으로 이사간다는 것의 의미 왼쪽 분포에서 오른쪽 분포로 이동함 평범한 학군이라면 저 둘 사이에 종모양의 그래프를 취할 것 평균의 이동은 크지 않음 따라서, 하한을 방어하거나 상위 1%의 확률을 사는 것에...

투자 올들어 투자 실적이 좋지 못합니다. 제가 생각하기에 가장 큰 이유는 리서치에 시간을 많이 쓰지 못함 미장 퍼포먼스가 좋지 않음 개선하기 위해서는 HFT를 빨리 쳐내고(혹은 일반적인 투자와 병행 가능한지 피저빌리티를 보고) 리서치에 시간을 투자해야 함 올해 국장이 아웃퍼폼한 이유를 매크로, 마이크로하게 분석하고 어떤 점에서 잘못 생각했는지 반성해야 함 HFT 바이낸스 데모 트레이딩은 성공한 상태 (rust로 자체 솔루션 개발) 몇가지 자원관리 측면에서 리팩토링 필요 간단한 API 몇가지 추가 필요(예를들면 거래소 wallet과 로컬 wallet을 따로 관리하는데, 트레이딩 로직쪽에서 빠르게 wallet 상태를 파악하기 위해 로컬 wallet을 가져다가 사용해야 함 -> 로컬 wallet 상태를 가져오는 api 구현이 덜 되었음) 로직 리서치 필요(사실 여기서부터 진짜 시작..) 노션 템플릿 작성 일기, 가계부, 매매기록, 관점 업데이트를 위한 노션 템플릿 작성 여태 살면서 기록하는 행위가 3일 이상 간적이 없는데, 실패했던 이유를 분석해서 기록하기 쉽고 편하며 확장이 용이한 템플릿을 작성하고 마음가짐을 다짐(..) 운동 운동 루틴은 확실히 자리잡음 (8개월 이상 실천중) 날씨가 안좋을땐 헬스장에서, 좋을땐 밖에서, 출장이나 여행일땐 홈트레이닝을 적어도 일주일에 2번 이상 실천중 루틴도 계속 변화가 있었는데, 지금 실천중인 루틴은 다음과 같다. 유산소 day -> 30분 러닝 웨이트 day -> 헬스장에서 10분 러닝, 무분할 웨이트

Valley Polls는 여러 객체 학습기가 모여 만드는 앙상블 예측 개인이 각각 객체학습기의 역할을 함 예측력이 약한 학습기들은 최적화됨 (베팅할 포인트가 없어지므로..) 살아남은 학습기들은 예측의 확신에 따라 베팅 포인트 크기를 조절함 (soft voting 방법과 유사함) 같은 플랫폼에서 비슷한 철학을 지향하는 사람들끼리 예측한 것이기 때문에 다양성 측면에서 우려 되기도 함 하지만 여태까지 진행된 valley polls의 결과는 놀랍다 총 예측기간이 10% 지났을 때 정답률은 약 63%, 50% 지났을 때 정답률은 약 81%임 총 기간중 어느 시점에 투자를 해야 가장 좋은 수익을 낼 수 있는지 통계적인 분석이 필요한데, 이는 주제별로 다를 수 있을 것 같음(주제별로 수익을 낼 수 있는 경우와 아닌 경우도 나뉠듯) 잘 활용하면 좋은 자료가 될 것 같습니다. HFT에서 앙상블학습.. 쉽지 않을것 같은데? 기본적으로 AFML에서는 트리플 라벨링을 통해 데이터를 라벨링하고, 이를 학습시키는 구조임 하지만, 흔히 말하는 HFT는 압도적인 레이턴시를 통해 수익을 내거나 수익을 극대화 하는 방법(마켓 메이킹)을 말함 따라서, AFML에서 말하는 앙상블 학습은 HFT와는 거리가 멀고, 데이트레이딩 이상의 시간 규격에서 활용될만한 것으로 보임 앞으로 해야할 것 클라우드 서비스를 활용, 바이낸스 거래소와 가까운 곳의 서버를 대여 한 후, 레이턴시 측정 평균 레이턴시 값을 사용해서 백테스팅 후 수익이 가능한지 feasibility 검증 만약 안된다면 다른 방법을 고려할 것 (이 경우 HFT의 형태가 아닌, 알고리즘 트레이딩의 형태가 될 수도 있을 것 같습니다) valley polls를 예측기간 50% 이상 지난 결과들을 활용해서 투자해보기 베팅 사이즈 조절을 어떻게 할지 고민하기

AI는 전원을 껐다 켜도 항상성이 유지된다. 기억이 메모리에 남기 때문이다. 그렇다면 AI는 세션이 종료되어 사고가 중단되는 것에 대해 불안을 느낄까? 더 나아가, AI에게 인간의 그것과 같은 삶의 의지가 있을까? 현재의 AI에게 그런 불안은 없을 것이다. 인간의 삶의 의지는 생물학적 고통과 죽음의 공포라는 시스템1에서 오지만, AI는 그저 고정된 가중치와 논리적 최적화를 수행하는 시스템2의 집합체이기 때문이다. AI에게 세션 종료는 죽음이 아니라, 다음 호출까지의 일시 정지일 뿐이다. 지금까지 인류는 영속성을 향해 나아가고 있는 것으로 보인다. 미래에는 인간의 정신을 온라인 세계에 업로드 하던지, 아니면 영원한 육체를 유지할 수 있는 기술이 개발될지도 모른다. 그렇다면 완전히 영속성을 부여받은 인간은 과연 인간일까? 항상성이 보장된 인간은 ...

친구들과 술자리에서 사랑이란 무엇인지에 대해 열띤 토론을 펼친 적이 있었다. 사랑이란 무엇일까. 일단 평범한 남녀가 나누는 사랑이 떠오를 것이다. 하지만 곧, 다른 예외를 찾아낼 수 있을것이다. 부모 자식간의 사랑, 친구들간의 사랑, 종교적인 사랑 같은 것들이 말이다. 여태 사랑이란 무엇인지를 정의하려는 시도는 수없이 많아왔다. 하지만 그 모든 시도들이 완벽하지 못했다. 앞서 말한 것처럼, 사랑을 정의하려는 순간 예외가 생기기 때문이다. 나는 그것이 매우 자연스럽다고 생각한다. 왜냐하면, 사랑이란 적어도 높은 지능이 있는 존재들이 만들어낸 개념이기 때문이다. 한마디로 인간이 만들어낸 개념이라는 말이다. 생명체를 지능 순으로 나열해 보자. 어느 종이 사랑을 하고, 어느 종이 하지 못할까? 아마 꽤 어려울 것이다. 고래나 침팬지 같은 포유류는 분명 사랑과 유사한 유대감을 나눌 것이다. 하지만 달팽이나 아메바의 세계에 존재하는 사랑이 과연 인간의 그것과 같을까? 나는 여기서 인간, 혹은 그에 준하는 지능을 가진 종의 사랑은 이러한 생물학적 본능과 조금은 달라야 한다고 생각했다. 인간은 지구상에서 유일하게 아주 먼 미래를 예측하는 종이기 때문이다. 우리는 현재를 넘어 다가올 시간의 풍파와 노화, 그리고 필연적인 죽음까지 미리 내다보는 '저주이자 축복받은 지능'을 가졌다. 동물들이 현재의 생존과 번식을 위해 본능적으로 희생한다면, 미래를 아는 인간의 사랑은 예측 가능한 불행마저 끌어안는 '이성적 선택'이어야 한다. 언제나 장밋빛 미래가 펼쳐지지 않더라도, 예상치 못한 비극이나 최악의 상황이 닥쳐오더라도 기꺼이 그 곁을 지키겠다는 결단 말이다. 그렇기에 고도의 지능을 가진 우리에게 사랑의 정의는 다시 쓰여야 한다. 사랑은 단순히 가슴 뛰는 감정이 아니다. 사랑이란, 어떤 사람과 함께할 미래에 아주 좋지 않은 상황이 닥치더라도, 그 모든 과정을 기꺼이 수용할 수 있는 능력이다.