[특강 - 1, 2] 느낀점과 향후 방향

[특강 - 1] 서비스 향 AI 모델 개발하기

[특강 - 2] AI 시대의 커리어 빌딩

 

위 두 개의 특강을 듣고 느낀 점과 향후 방향을 적어보았습니다.

 

1️⃣ 느낀점과 향후 방향

• 신입한테 필요한 역량은 AI 관련 정보를 빠르게 이해하고 받아들일 수 있는 Learning Curve가 중요합니다.
  왜냐하면 AI 분야는 엄청나게 빠르게 진화하고 바뀌고 있기 때문에 현재 사용하고 있는 모델 자체가 바뀔 수가 있기 때문입니다.
  
  예시로, RNN과 LSTM 등 기존 모델에서 Transformer로 변환된 사례가 있습니다. 향후에도 이러한 모델 자체의 변화 과정이 존재할 수 있습니다.
  
  

• 서비스 개발 시에는 학습 데이터셋, 테스트 데이터셋이 존재하지 않고 오직 서비스 요구사항만 존재합니다.
  
  따라서 AI 엔지니어는 서비스 요구사항만 가지고 데이터셋의 종류/수량/정답을 정해야 합니다.
  
  

• 기술 모듈을 정의할 때는 입력과 출력이 무엇인지 정확히 설정하는 게 중요합니다.
  
  예를 들어, 수식 편집기가 있을 때 다음과 같은 파이프라인 설계가 있어야 합니다.
  
  

• Model Engineering은 다양한 일을 진행합니다.
  
  특히, 실제 Serving을 하기 위해서 모델 전체를 Tensorflow로 변경하거나, Gpu 고속처리를 위한 CUDA Programming, 모든 연산을 C++/C로 변경하는 등 딥러닝 지식뿐만 아니라 개발 실력도 정말 중요합니다.
  
  

• Backend나 App 부분에 장점이 있다면 AI Engineering에 도움이 많이 되니다.
  AI 지식과 그것을 Serving 할 수 있는 개발실력이 연결되어야 회사에서 필요로 하는 인재로 성장할 수 있습니다.
  
  

• Model Engineering / Tool / Serving 은 개발력이 많이 필요한 일이고, 니즈가 많아질 것입니다.
  
  다만, Modeling을 하는 업무는 점점 자동화되고 (AutoML, 관련 tool) 인력 수도 늘어나니 역량을 확대하는 것이 중요합니다.
  
  

• 대표적으로 AI 개발팀의 역할을 나눠보면 다음과 같습니다.
  
  Data engineer, AIOps, AI engineer, AI researcher, AI Manager
  
  하지만 팀에서 각각의 역할이 하나의 포지션만 수행하는 경우는 거의 없고, 섞어가면서 진행합니다. 즉, 전체 파이프라인과 프로세스를 이해하고 있고, task가 유동적으로 이동할 수 있다는 뜻!
  
  

• 네이버 면접에서는 특히, 기본이 중요합니다.
  
  learning rate가 무엇인지, regularlation가 무엇인지 등등
  
  기본적인 내용을 확실히 알고있어야 응용이 가능하기 때문에, 또한, 모델을 성능을 향상시킬 수 있는 고민을 해보았는지 알 수 있기 때문입니다.
  
  

• 팀에서는 팀워크가 정말 중요합니다.
  
  개발 실력과 기술 이해도가 비슷비슷하다면 그 사람이 팀을 위해 함께 일할 수 있는지, 상대방의 입장에서 생각할 수 있는지를 더욱 중요하게 생각합니다.

   

• 정리해보면 다음과 같습니다.
  
  코딩테스트 중요! Backend 프로젝트 중요! 딥러닝 지식 중요! (영어)논문 읽고 구현하기 중요! AI 기술트렌트 민감 중요!