인공지능 학과

인공지능 학과 열풍.. 머신러닝, 딥러닝 대학원에 꼭 가야 할까?

패스트캠퍼스에서 정말 많이 받았던 질문입니다. “인공지능/딥러닝”, “데이터 사이언스” 등의 키워드가 메가 트렌드를 타면서 사람들의 관심도는 높아졌지만, 정작 어느 수준의 학습이 필요하고 관련 직무를 하기 위해 어떤 경험들이 필요한지는 잘 모르는 경우가 많았습니다.

물론 데이터 사이언티스트나 데이터 엔지니어를 채용하는 데 있어 딥러닝 대학원 이상의 학위를 요구하는 곳이 종종 있습니다. 다만 매년 인공지능 학과의 석/박사 입학 경쟁률도 심해지고 있으며 입학 요건을 채우기도 어려운 것이 현실입니다.

비싼 학비와 다년간의 시간이 걸려있기 때문에 인공지능 학과가 나에게 맞을 건지 고민하시는 분들도 많을 것으로 생각됩니다.

그래서 패스트캠퍼스에서는 데이터 사이언티스트의 필수 스킬셋과 인공지능 학과, 딥러닝 대학원에 가지 않고 공부하거나 프로젝트 경험을 쌓을 수 있는 방법을 소개해 드리고자 합니다.

*본 포스팅은 직/간접적으로 인공지능 관련 업무를 경험할 수 있는 방법을 담고 있으며, 독학에 어려움을 느끼거나 보다 심도 있는 학습을 원하시는 분께는 딥러닝 대학원 진학을 추천드리는 바입니다.

| 수학/통계 지식

‘꼭 통계를 알아야 하나요?’라는 질문을 하실 수도 있는데요. 즉각적인 답변보다는 간단한 사례를 들어볼까 합니다.

신사동 가로수길 중간에 한 커피전문점이 있다고 가정해 보겠습니다. 손님이 정말 많이 오는 명당입니다. 커피전문점은 사람들로 꽉 차 있고, 직원들도 정신없이 바쁩니다. 그런데 어찌 된 일인지 매출이 딱히 오르는 것 같지 않습니다. 오히려 가끔씩 줄어들기도 합니다. 이럴 땐 어떤 것을 개선해야 할까요?

영수증을 바탕으로 정리를 해보았습니다. 어떤 음료를 많이 마셨는지, 2회 이상 방문한 고객은 얼마나 되는지, 일 매출은 얼마인지 등이죠.

정리해 보니 특정 날짜, 특정 시간에 아이스 아메리카노가 불티나게 팔린 날들이 있네요. 지난 8월 엄청나게 찌는 듯한 폭염이 찾아왔을 때 시원한 아메리카노 한 잔을 많이 찾았군요. 날씨에 영향을 민감하게 받는 걸 보니, 가을바람이 선선해질 때 이에 알맞은 음료를 선정해 이벤트를 진행해 보면 좋을 것 같습니다.

또한, 고객들이 한 번 방문하고 나면 2번 이상은 잘 방문하지 않는 것 같습니다. 좀 더 매력적으로 고객들을 끌기 위한 쿠폰 제도를 실시하고자 합니다.

위 이야기처럼 데이터를 분석하여 문제점 혹은 주요 패턴을 알아내고, 해결책을 찾는데 통계 지식이 매우 유용합니다. 혹시나 ‘하나하나 세보고 따져보면 되는 거 아니야?’ 생각하시는 분 계실지도 모르겠네요.

그런데 회사에서 다루는 데이터는 수백, 수천, 아니 그보다 훨씬 더 엄청난 양인 경우가 대부분입니다. 이렇듯 다양한 사용자 행위를 기반으로 대용량 데이터를 분석하고 비즈니스에 기여하는 인사이트를 도출해 내기 위해서는 통계 지식이 반드시 필요합니다.

머신러닝/딥러닝의 원천은 계산통계학입니다. 이 방법론들이 산업에 따라 미래 물류 수요량을 예측하거나, 고객의 행동 패턴을 분석하여 상품을 추천하거나, 신제품 개발에 있어 최신 트렌드를 분석하거나, 특이하거나 튀는 데이터를 통해 사기/고장을 발견하여 조치하는 데에도 활용되고 있는 것입니다. 따라서 데이터 사이언티스트가 되고자 한다면 다양한 통계학적인 지식을 갖추는 것이 중요합니다.

| 프로젝트 경험

프로젝트를 완성하기 위해서는 하나의 데이터에 여러 알고리즘을 적용해 봐야 합니다. 따라서 프로젝트는 내가 가진 코딩/알고리즘 지식과 인사이트를 보여주기에 최적인 활동입니다. 어떤 프로젝트로 시작해야 할지 갈피를 못 잡겠다면 나의 수준에 따라 단계별로 진행해 보시는 것을 추천드립니다.

입문자라면 CNN, RNN 등 자주 쓰이는 핵심 모델을 구현하는 프로젝트로 시작해 보는 것을 추천드립니다. 만약 기본적인 알고리즘에 대해 어느 정도 공부를 하신 상황이라면 나에게 맞는 딥러닝 세부 분야를 선택하여 보다 심도있는 프로젝트를 진행해 보시는 것을 추천드립니다.

최근 딥러닝의 세부 분야는 크게 1) 자연어처리 2) 컴퓨터비전 3) 추천시스템으로 나뉘어집니다.

1) 자연어처리
일상에서 사용하는 언어, 텍스트 데이터의 의미를 분석하고 활용하는 분야입니다. 대표적인 서비스에는 파파고, 시리 등이 있습니다.

2) 컴퓨터비전
이미지와 비디오에 있는 객체 및 상황을 인식하고 해석하는 기술입니다. 의료, 공정, 자율주행 등에 활발하게 쓰이고 있습니다. 최근 가장 적극적으로 연구되고 주목받고 있는 분야이기도 합니다.

3) 추천시스템
데이터에 기반해 사용자의 취향에 맞는 정보를 추천하는 분야입니다. 유튜브, 넷플릭스, 쿠팡 등에서 보이는 개인 맞춤 추천에 활용되고 있습니다.

주어진 데이터로 다양한 인사이트를 뽑아보며 천천히 나의 페이스에 맞게 프로젝트를 하고 싶다면 온라인 강의에 포함된 실습을 해보시는 것을 추천드립니다. 패스트캠퍼스에는 인공지능 학과에서 배울 법한 심화 수준의 실습 프로젝트를 진행할 수 있는 다양한 강의들이 포진되어 있습니다.

| 최신 논문 구현

프로젝트 경험까지 갖추신 후에는 최신 논문을 구현해 보는 것을 추천드립니다. AI 업계는 지금도 발빠르게 변화하고 있습니다.

논문을 구현해 보면 1) 비즈니스 측면에서 최신 알고리즘을 활용해 기존 모델을 개선해 볼 수도 있고, 2) 논문으로 구현된 오픈소스를 보고 서비스에 적용하기 위한 프로토타입 구현 혹은 인사이트 얻기 에 유용합니다.

CVPR, ICML, ECCV, ICRL 등 저명한 학회에서 발표된 논문을 구현해 보는 것만으로도 나의 딥러닝/머신러닝 실력은 확실하게 향상될 것입니다. 국내 저명한 인공지능 학과에서 발표한 논문도 상당수이니 한번 확인해 보시기 바랍니다.

[다양한 딥러닝/머신러닝 학회 소개]

| 마인드 셋

마지막으로는 ‘마인드 셋’을 꼽을 수 있겠습니다. 추상적인 표현으로 들릴 수 있겠지만 패스트캠퍼스와 함께한 수많은 데이터 사이언티스트 강사님들께서 공통적으로 강조한 사항입니다.

데이터를 가지고 일을 하는 데이터 사이언티스트의 일이란 곧 제품 개발이나 의사 결정을 도와주는 일입니다. 기업 내 최고 경영진은 최적의 의사결정을 할 수 있도록 뒷받침이 되는 인사이트를 만들어낼 수 있는 데이터 사이언티스트를 필요로 합니다.

데이터를 다루는 데 있어 새로운 머신러닝 툴이나 코딩을 하는 기술적인 것은 누구나 배울 수 있지만, 이후 실력의 차이는 데이터의 출처와 의미에 대한 호기심을 가지고, 숨겨진 전제들을 파헤치려는 ‘탐정 수사 마인드’에서 나온다고 합니다.

순수 수학, 공학이 아닌 인간의 의사 결정을 돕는 관점에서 확률, 통계, 데이터 분석을 이해하고 실증적으로 적용하는 문제를 깊이 고민하는 데이터 사이언티스트는 전 세계적으로 손에 꼽는다고 해요.

데이터 사이언티스트가 되기 위해 필요한 요건은 알겠지만, 아직 갈피가 잘 안 잡힌다면 패스트캠퍼스 강의로 먼저 입문해 보는 것은 어떨까요? 프로그래밍이 처음인 왕초보 입문자부터 인공지능 학과에서 배우는 정도의 수준 높은 실습까지 구비된 강의가 준비되어 있습니다.

아래 네임카드를 클릭하여 강의를 확인해 보세요.

지금 패캐머들이 읽고있는 BEST 아티클이 궁금하다면

아티클 더 보러가기 👉