해당 포스팅은 네이버 부스트캠프 AI Tech 학습 정리 자료임을 알려드립니다.
Day 26은 3.1절 휴강이었습니다.
1. 강의를 듣고 느낀점
오늘 강의는 특강 내용으로 다뤄졌기 때문에 말씀해주신 부분보다는 저에 대한 적용 위주로 작성되었습니다. 글을 읽으실 때 참고해주시면 감사하겠습니다.
AI Engineer는 모델링 외에도 학습데이터를 구성하거나, 테스트방법을 구상하는 일도 하게 됩니다. 마스터님께서 알려주신 데이터셋 구성 과정은 KISTI 기계학습 데이터 구축에서 검수했던 경험과 매우 유사했습니다. 그곳에서도 가이드를 바탕으로 구축자가 구축하면서 궁금한 것들을 Q&A로 문의하고 이를 답변하고 데이터 검수하는 과정을 진행했는데, 현업에서도 동일한 과정에 의해서 데이터셋이 구성된다는 점에서 신기하고 이 경험이 직무에서 도움이 될 수 있을 것 같다는 생각을 했습니다. 요즘 많이 들었던 생각은 이미 세상에는 실력이 좋으신 AI 엔지니어분들이 많이 계신데 나는 어떠한 경쟁력을 가지고 있는가에 대해 고민을 했던 것 같습니다. 학습 데이터셋을 준비하는 사람은 여러 사람들과의 커뮤니케이션 능력도 중요한 것 같다는 생각을 하게 되었고, 이 부분에서는 나름대로 장교로 복무했던 경험이 굉장히 도움이 많이 될 수 있을거라고 생각했습니다. 부대 내에 통신관련 업무는 저만 담당을 했기 때문에 주변 간부 및 병사들과 지속적으로 소통을 해서 의견을 조율하는 과정이 필요했습니다. 매일 아침과 저녁마다 있었던 일일보고와 주간보고 등도 업무를 수행하는데 굉장히 많은 도움이 될 수 있을 것 같습니다.
우리가 평소에 모델을 평가하는 정량적인 평가도 물론 중요하지만, 고객의 목소리인 정성적인 평가도 굉장히 중요한 것을 알게 되었습니다. 당연한 것이겠지만, 서비스는 사용자입장에서 고려되어져야 하기 때문에 그런 부분이 모델을 구성할 때도 고려되어야 합니다. 제가 이전의 했던 프로젝트에서도 단순히 캔인식이 중요한 것이 아니라, 시각장애인의 관점에서 사진을 어떻게 찍을 것인가에 초첨을 맞춘 것처럼 이러한 사용자 입장에서의 평가가 서비스를 더 나은 방향으로 만들어가는 것에 도움이 될 것입니다.
앞으로 모델링에 대한 전문성도 중요하지만 점점 업무는 자동화되고 있습니다. 그래서 모델링에 대한 전문성도 중요하지만, 장기적으로 봤을 때, 경량화나, 다양한 분야에 대한 전문성이나 Frontend, Backend 방향으로의 개발 능력 확장도 생각하는 것이 중요할 것 같습니다. 그리고 AI 분야가 워낙 빠르게 바뀌고 있기 때문에 변화에 맞춰가는 능력도 굉장히 중요한 것을 느낄 수 있었던 강의였습니다.
"연구자와 엔지니어 사이에서 나는 어떤 것을 더 선호하는 사람인가?"라는 고민을 하게 된 것 같습니다. 수학을 전공했고 잘 기억하고 있지는 않지만 수학하는 것에 거리낌은 없는 것 같습니다. 내가 만드는 프로덕트로 인해서 다양한 사람들에게 선한 영향력을 주는 것이 좋은 것 같습니다. 또한 나는 누구인가에 대해 더 생각해 보게 된 강의였습니다.
