입문자도 환영하는 코드스테이츠 인공지능/데이터과학 부트캠프
“인공지능/딥러닝” 이란 단어가 2016년부터 알파고 사건을 계기로 크게 이슈화되었습니다. 한국 정부에서는 2017년 연구과제에 “인공지능”, “딥러닝” 키워드를 강조했습니다. 이에 대한 연구 실적을 위해 수 많은 펀딩을 조성하여 대학들과 협력하여 수많은 과제와 특허, 논문을 이끌어냈습니다. 한편 관련 인재 양성 위한 ‘인공지능학과’를 중심으로 인재육성 과제를 시작합니다. 2019년 9월 고려대학교, KAIST, 성균관대학교을 시작으로 2020년에는 총 12개교의 인공지능학과가 생겨나며 대학에만 연간 200억 이상의 투자를 하고 있습니다.
여기 학과들은 대부분 대학원과정입니다. 그만큼 인공지능(AI)와 데이터과학(DS)의 과정에는 수학적 지식을 바탕으로 한 석사 이상의 실력과 깊이가 필요한 직군이라는 생각이 밑바탕에 있는 것 같습니다. 그러나 이와 반대로 최근에는 인공지능 관련 기술이 python과 결합되고, Colab 등의 플랫폼 기술의 발달로 인공지능 기술의 보편화도 동시 일어나고 있습니다.
채용 관련 사이트를 뒤져보면, Data Engineer, Machine learning Engineer, Research Scientist, Data Scientist 등 여러 포지션이 존재합니다. 그리고 해당 업무는 같은 이름이라고 하더라도 매우 다양한 커버리지를 가지고 있습니다.
실제 하는 업무를 기준으로 보면 크게 두 부류로 나뉘고 있습니다. 먼저, 대기업과 연구소, 대학원을 중심으로 최신 기술의 개발, 논문 게재, 특허 출원 등의 새로운 길로 향하는 부류입니다. 다음으로는 학회, 논문, Arxiv 등에서 공개된 기술을 구현하고, 기술을 빠르게 제작하고, 검증된 내용을 이용하여 필요한 프로젝트에 적절히 사용하는 부류가 있습니다.
실제로 최근 관련 학회의 연구 동향을 보면 FAANG 급의 기업이 아니면 연구할 수 없는 부분들이 많이 생겨나고 있습니다. 논문을 익명화(저자, 기관 비공개)한 뒤 공개 리뷰를 하지만, 어느기관인지 쉽게 알 수 있는 그런 경우입니다. 그렇다면 반대로 생각해서 “인공지능도 결국 기술인데 잘 가져다가 쓰기만 하면 되는 거 아니야?” 라고 할 수 있지만, 경험자들만이 알 수 있는 수 많은 함정들이 도사리고 있습니다. 처음 딥러닝을 사용하는 유저는 레이블과 출력층의 수를 맞추지 않거나, Training set과 Test set의 전처리를 다르게 한다거나, 균형잡히지 않는 데이터를 단순히 사용하고, Accuracy를 잘못 계산하여 100%의 결과를 도출하는 등의 문제가 발생할 수 있습니다. 이들은 이런 실수를 한 것 지도 모르고 결과가 잘 나왔다고 생각하기도 합니다. 더 나아가 이를 보도하고, 논문에 썼다가 지우지 못하는 경우도 많이 있습니다. 오랜시간 열심히 개발했지만, 위와 같은 함정에 빠져 프로덕트에는 사용하지 못하고 처음부터 다시 개발해야하는 그런 심각한 위험들이 있습니다. 그렇기 때문에 우리는 소위 ‘인공지능 전문가’라고 하시는 분들이 걸어왔던 길을 최대한 효과적으로 배우고, 쉽게 빠질 수 있는 함정을 피하기 위한 샘플과 프로젝트로 AI 부트캠프를 준비하였습니다.
우리 AI 부트캠프의 목표는 실무자로서 최소한의 기준을 달성하는 것입니다.
석사과정, 박사과정을 경험하였거나 그에 준하는 경험을 하셨던 그 기간을 부트캠프로 완전히 대체할 순 없겠지만, 조금 더 효율적으로 실무자/준 전문가가 될 수 있는 길로 안내할 것입니다. 실제로 대학원과정의 경험이 없이도 이 분야 전문가로 일하는 분들도 계십니다. “딥러닝” 연구에서는 도메인(Domain) 지식이 매우 중요하다고 합니다. 실무적인 지식을 기반으로 기술을 익히셔서 누구보다 효과적으로 기술을 사용하시는 분들도 계십니다.
우리가 추구하는 목표를 달성하는 길은 다양합니다. 석박사 학위과정을 통해서, 실무 경험을 통해서 배우거나, 또는 많은 스터디와 프로젝트 경험으로 그 목표를 달성하게 됩니다. 그 목표를 세분화하면 적절한 전처리와 시각화에서 시작하게 됩니다. 데이터를 기반으로 해석하여 적절한 베이스라인 모델을 찾아냅니다. 이에 더하여 여러 모델들을 통해서 실험하고 최적화 하면서 더 나은 퍼포먼스를 위해 노력하는 능력을 갖추게 됩니다. 그리고 이것을 프로덕트 데이터에서 사용하기 위해 고려해야될 기술력을 갖추게 됩니다. 부트캠프의 과정을 마치고 수료증을 받을 때에 이 목표점에 도달하신 분도 있을 것이고, 수료 후 어느 정도 시간이 더 필요할 수도 있습니다. 그러나 결국 모두가 목표점에 도달하게 될 것입니다.
수료한 뒤 석/박사과정에 진학하실 수도 있다고 생각합니다.
인기있는 연구실(랩, Lab)은 단순히 지원한다고 해서 갈 수 있는 것은 아닙니다. “인공지능 대학원”의 수업, 동료, 교수님 등의 인프라와 정부의 많은 지원을 동시에 받을 수 있는 곳으로 가기 위해서 AI 부트캠프를 이용하시는 것도 좋습니다. 대학원은 학교 이름보다 Lab이 중요하다고 합니다. Lab 마다 원하는 기준이 많이 다르고, 연구하는 주제도 많이 다르기 때문입니다. 입학 기준 자체가 이미 관련 분야 연구 경력이 1–2년되어야 하는 수준을 요구하는 경우도 있습니다. 대학원으로의 문턱을 넘어섰다고 생각하더라도, AI 부트캠프를 수료하고 진학하신 분과 일반적인 방식으로 진학하신 분들의 차이는 엄청나다고 생각합니다.
긴 대학원 생활에서도 방향이 달라집니다. 많은 기본기를 갖추고, 프로젝트를 통해 2–3 주기(period)의 연구를 미리 경험한 분들과 대학원에서 처음 이론으로 시작하는 분들은 시작점부터가 다를 것입니다. 하드스킬은 물론 부트캠프를 통해 배워 온 소프트스킬을 기반으로 인공지능, 데이터과학 분야에서 앞서나갈 수 있는 훌륭한 인재들을 양성하는 곳이 바로 코드스테이츠의 AI 부트캠프입니다.
“레벨 0”도 오십시오. 아무것도 모르시는 분들도 함께 달려봅시다. 입학전 사전과제로 Python으로 기본적인 함수를 사용해서 “Hello World!”를 만들 수 있다면, 우리의 지향점으로 다가갈 수 있도록 하게 할 것입니다.
“너무 기초부터 하는거 아닙니까?” 우려할 수 있습니다. 그러나 강의에는 기초과제와 심화과제가 존재합니다. 실력이 있다면, 기초를 빠르게 해결하고 심화과제를 풀면서 더 많이 발전할 수 있도록 구성했습니다. 기초 강의, 과제를 없애고, 기본기가 닦인 수강생을 모집할 수도 있겠지만, 이것은 운전면허시험에서 이론을 무시하고 도로주행만 하는 것일 수 있습니다. 경험 수준을 수치화해보면, 처음 학문을 접한 사람을 레벨 0, 스터디와 프로젝트 경험이 있는 사람은 레벨 2, 보통의 석사과정 인력을 레벨 3, 스스로 독자적인 연구를 수행가능한 사람은 레벨 5 로 볼 때, 레벨 2 → 4, 레벨 3 → 4, 5 를 목표로 하는 과정들을 원한다는 것입니다. 그러나 코드스테이츠는 다릅니다. 우리는 레벨 0에서부터도 3까지 빠르게 성장할 수 있는 그런 코스를 만들고자 합니다.
실제로 내부에서 이런 논의를 합니다. “레벨 3의 기준은 무엇일까? 석사과정 3학기?”, “레벨 4는 대리급 인력?”, “레벨 3–4를 부트캠프에서 뽑아야 할까? 다른 후보자들의 기회를 뺏는 것은 아닐까?” 등의 저희가 제공할 수 있는 ‘기회’와 코드스테이츠의 미션에 대해서 많이 고민하고 있습니다. 그렇지만 변함없이 저희가 제공할 약속은 코스를 통해서 수료하고 나면 레벨 3이 되어있고, 개인의 역량에 따라서 레벨 4까지도 가능하도록 같이 걸어가는 것입니다. 인공지능, 데이터과학분야의 인재라는 기준에 대해 고민하며, 최적화된 교육과정을 어떻게 만들 수 있을까 끊임없이 고민을 하고 있습니다.
코드스테이츠의 AI 부트캠프를 수료하고 정말 좋은 동료들과 함께 한 배를 탈 수 있도록, 정말 많은 기회비용을 줄일 수 있을 것이라고 확신합니다.
여느 박사라면 동의할 내용이, 만물 박사는 없다는 것입니다. 한 분야를 깊이있게 오래 공부하고, 그 분야에서 없던 새로운 것을 만들 수 있는 것이 박사, 그리고 전문가라면, 전문가가 될 자질을 코드스테이츠에서 만드세요. 코드스테이츠는 그 지지대 역할을 할 것입니다.
