[부스트캠프 AI Tech / Day27] 마스터클래스 - 박은정 마스터

[DAY 27] 마스터클래스 - 박은정 마스터

• 개발 실력의 중요성과 관련하여 “소프트웨어 엔지니어링”에 대한 기본기를 말씀해주셨는데, 이러한 기본기에 대해 구체적으로 알려주실 수 있나요?
  • 고민을 많이 해봤는지
  • 가장 기초적인 질문에 대한 대답
  • 진짜 고수들은 기초적인 질문에 대한 답을 1시간도 할 수 있다.
  • ex) regularization, learning rate, … 처럼!
• AI 분야에서 신입이 할 수 있는 분야? 단기간에 집중적인 학습을 하려면 어떻게 하면 좋을까?
  • papago에서, 번역 이외에도 다양한 업무가 있었음
  • 번역기를 처음부터 끝까지 만들어보는 것을 꼭 했었다.
  • 배포, trouble shooting
  • 팀에 들어가면, 팀의 전체적인 파이프라인을 전체적으로 한번 그려보는 것이 중요
  • evaluation data를 한번 같이 구축해보는 것
    • 서비스를 하기 위해서 테스트 데이터가 중요 - 이를 위해서 많은 사람들이 많은 노력을 한다.
  • 우리의 고객이 누구인지, 우리 모델의 취약점, 강점이 무엇인지알 수 있다.
  • 적어도 한바퀴를 돌린다, 테스트 데이터셋을 구축해본다.
• AI 개발자의 여러 포지션들을 알려주셨는데, 포지션마다 인원 비율이 얼마나 되나요? 모델링과 데이터 엔지니어링을 위주로 하는 개발자의 비중이 가장 많은가?
  • 상황마다 바뀌고, 상황마다 역할이 바뀜
  • 하나의 역할을 하던 사람이 하나의 역할을 계속 하는 것이 아니라
  • 빈 곳을 채워나가며 일을 한다.
  • 아까 한바퀴 돌리는 것에 대해서
    • 구멍을 매우기 위해서
    • 내가 재미있어 하는 부분을 더 쉽게 알기 위해서
  • 팀에서 필요호 하는 인원은 그때그때 다르고
  • 엔지니어링이 매우 중요해서, 기업들에서 많이 뽑는다.
• 어떤 기업에 인턴을 지원할지 고민될 때, 기업의 어느 부분을 중심적으로 보는 게 좋을까?
  • 컴퓨팅 자원은 많은지, 사람이 좋은지
  • 인턴은 배우기 위함이니까, 많이 배울 수 있을 지
• 신인 AIOps 엔지니어에게 요구되는 역량과 기술 스택이 무엇이 있을까? 또, AIOps 엔지니어가 되기 위해 학부생때 어떤 기초과목을 들어두면 좋을지?
  • 어떠한 과목보다는
  • 실전
  • 캐글같은 AI competition과 같은 깨
  • 머피책 같은 basic 한 책
• 앤지니어이면서 기획도 하는 경우가 있나요?
  • 서비스 팀 안에 기술팀이 있을 수 있음(papago 같이)
    • 서비스기획, 사업기획을 같이 할 수 있음
• 예를들어 konlpy나 pororo, 그리고 기타 NLP 딥러닝으로 증권사의 금융 챗봇 서비스를 만든다면, 모델링 실력이 좀 떨어져도 언어학 도메인, 금융 도메인 각각을 따로 아는 것이 AI Engineer로서 경쟁력이 될 수 있을까?
  • YES, 자신의 강점을 가장 잘 살릴 수 있는 팀으로 가는 것이 중요
• 능력을 쌓기 위해 Kaggle과 같은 AI 대회에 참여하는 걸 추천해주셨는데, 이미 지나간 대회를 참여하는 경우나 참여했지만 상을 못 받는 경우도 의미가 있을까요? 지원서를 보다보면 수상경력을 적으라고 하는 칸이 있던데, 만약 상을 받지 못하고 참가만 한 경우에는 어떤 식으로 어필이 가능할지?
  • 1. 지원서로 쓰기위해서의 대회에는, (just 스펙)
  • 그러나 개인적으로 수상 외에 참가한 것으로 의미가 있다고 생각
  • 사실은 스펙 이외에 내 실력을 쌓는 것이 중요
  • 실력을 쌓으면, 수상을 뛰어넘는 스펙을 쌓게 될 수 있을 것
  • 예를들면 오픈소스, 나만의 오픈소스 만들기, 오픈소스에 참여하여 오픈소스의 구조를 다 뜯어보고 실력을 높이기…
  • 1. 정해진 시간에 정해진 역할을 하므로, 어떤게 더 better인지 말할 수 없음
  • 근데 다양한 경험을 쌓는 것도 중요하다고 생각
• 스펙 예시로 들어주신 ICPC, Kaggle 입상이나 주요 학회 논문 등재, 서비스/타사 경력 등은 현실적으로 단기간에 이루기는 쉽지 않아보이는데, 임팩트는 훨씬 덜 하더라도 비교적 단기간(6개월~1년)에 이룰 수 있는 의미있는 스펙이 될 수 있는 활동으로는 무엇이 있을까요?
  • AI competition
  • 6~1년: 캐글 준비도 가능!
  • 후반부만 참여도 가능!
  • 논문 재구현
  • AI 관련 뭐시기를 떠나서, 내가 우리 팀에 기여를 해보겠다고 생각하면서 나아가는 분들이 결과적으로 성과를 더 많이 내는 것으로 보인다. 팀에서 비어있는 곳이 어딘지 관찰을 잘 하고, 커뮤니케이션, 협력, …
  • 개발 외 적으로 드러나는 경우를 많이 본 것 같음
  • 새로운 신입을 할 때, 기술 인터뷰를 하므로 기술적인 면은 모두 흠잡을 곳이 없음
  • 그러나 개발 외적인 부분을 신경을 쓰면, 남들에게 좋은 평가를 받는듯 함
  • 빠르게 해봤던 사람들이 빠르게 논문 팔로업, 구현도 잘 할 것
• AI 엔지니어 신입이란 경험있는 웹/앱(FE/BE) 개발자에서 넘어가는 느낌이 드는데 해당 분야를 먼저 접하고 돌아오는 게 좋을까요?
  • 모델링만 하지 않음
  • 일부분은 데이터 엔지니어링, 데모서버, 서빙…
  • 최대한 엔지니어링은 다양한 분야로 익히는 것이 중요하다고 생각
  • 그러나 필수는 아니라고 생각!
  • 만약 내가 이미 백/프론트를 했다면, 나름의 우위를 가질 수 있다고 말할 수 있다.
  • 그러나 신입이 반드시 이 과정을 거쳐야하는가? 라고 물어보면, 아니라고 할 것 같음
  • 단기간에 모델링을 배우는 것도 중요하다고 생각!
• Prerequisites에서 나에대해 알기가 가장 중요하다고 하셨는데, AI 관련 커리어 안에서 자신의 엣지를 찾을 수 있는 구체적인 좋은 방법을 추천해주실 수 있나요?(AI competition 참가, 논문구현, ..)
  • 내가 잘하는 것을 재미있어 할 것이고, 내가 재미있어하는 부분을 잘할 것이다
  • 그래서 다 해보는 것을 추천
• 참석하신 인터뷰에서 지원자들이 비슷한 실력이라고 판단될 때, 어떤 다른 요소를 중요하게 생각?
  • 팀워크
  • 얼마나 그 조직에 align될 수 있을지 판단
  • 내가 만약 사장이면 어떤 직원과 같이 일하고 싶은지
• 강의에서 fundamental한 학문(수학, 물리학)을 좋아하면 연구자가 맞다고 말씀해 주셨는데요, 현업에서는 수학을 좋아하고 깊게 이해하는 것이 크게 도움이 되지는 않는지 궁금합니다. 만일 도움이 된다면 수학을 논문을 이해하는 것에 사용하는 것 외에 어떤 식으로 사용할 수 있는지 궁금합니다.
  • 그렇게 크게 이용이 되지는 않음
  • 그러나 어떤 회사에 있는지에 따라서 다름
  • 연구중심인지, 개발 중점/서빙중심(버그, …) 서비스를 중심으로 하는지
• 신입은 서빙이 아닌, 데이터 엔지니어로 많이 들엉오는 듯
• 컴페티션을 어디서 하는지가 중요하지는 않음
  • 그러나 수상시에는 규모가 클수록 이들일듯
  • 데이콘, 캐글 , …
• 도메인을 결정할 때 고려해야하는 사항
  • 흥미 1순위
  • 여러 경험을 해볼 것
  • 기간이 짧기 때문에 여러가지를 조금씩만 해봐서 이도저도 아니게 될 까봐 걱정
  • 여러 분야를 경험할 겸, 두가지 정도의 분야를 선택하는 것도 방법
  • 아주 깊게 하나를 팔 수도 있음 그러나 하나만 하면 질릴 경우에, 위에 를 참고
• 평균적인 AI 지원 면접자랑 실제 기업에서 요구하는 역량과 얼마나 차이?
  • 예전에는 실력도 비슷하고 편차도 작았는데, 요즘엔 편차가 크다고 느낌
  • 빠르게 움직이는 분야이다 보니, 빠르게 변하는 트렌드를 얼마나 빠르게 따라가느냐에 따라서 실력 편차가 날 수 있다.
• 학사 출신으로 신입 연구원으로 취업한 사례 혹은 엔지니어 경험을 바탕으로 리서처가 된 사례가 있는지?
  • 고졸도 가능
  • 연구원의 장벽은 없음
• 모델링보다는 개발 쪽에 더 관심이 많아, AI 서비스를 개발하는 백엔드 혹은 프론트 엔드 쪽을 희망하고 있는데, 이런 경우는 어떻게 커리어를 쌓는데 좋을까?
  • 아주 아주 대환영
• 강의에서 수학, 통계학, 물리학을 많이 공부해 두라는 LeCun의 인터뷰를 소개해주셨는데요, 여기서 물리학은 어떤 부분을 말하는 걸까요?
  • 물리학: 알고리즘들이 물리학에서 많은 아이디어를 얻어서 그런 것이 아닐까?
• 포트폴리고 많고 얕은 것이 좋을까? 아니면 적고 깊은 것이 좋을까?
  • 적고 깊은것!
  • 우리는 팀으로 일하기 때문에, 한 분야의 전문가를 데려오고 싶음
  • 뭐 하나라도 잘하는 분을 더 선호
• 연구자가 아닌 AI 엔지니어를 꿈꾸면서 대학원 가는것을 어떻게 생각?
  • 석사까지는 좋은듯!
• 엣지를 살릴 수 있는 포지션이 중요하다고 하셨는데, FE/BE와 관련된 부분 말고 뭐가 있을까요? 만약 수학 같이 자연과학을 전공했다면, 어느 부분을 살릴 수 있을까요?
  • 팀에서 한명정도는 수학을 잘하는 사람이 꼭 필요
  • 이걸 살리면 아주 큰 장점이 될 것
• https://www.lucypark.kr/ “You can make money without doing evil.”
• 산업공학 전공으로서 가지는 장점?
  • human factors, 제조 system
  • 회사 전체라는 시스템에서 어떻게 하면 더 효과적으로 일할 수 있을까?
  • 모든 비전공들, 그게 당신의 장점이 될 수 있다!
  • 잘 살려보기!
• 데이터를 바라볼 때 학습에 도움이 되는 부분과 도움이 되지 않는 부분에 대한 기준이 모호하다고 생각한다. 어떤 관점에서 데이터를 다루어야 하는지 데이터 마이닝 전문가의 의견이 궁금. 그리고 데이터의 기초를 다질 책을 추천해달라.
  • 원래는 데이터를 explicit하게 나눴으나,
  • metric하나를 잘 세우고, 그 metric을 최적화하는 방법을 implicit하게 찾는 법을 요즘에 더 주목
  • 데이터의 기초를 다루는 책 조차도 있는지 모르겠네..
  • 데이터 자체로 비즈니스를 다룰 수 있을까?
  • 머신러닝 말고 데이터 마이닝 관점에서 봤을 때, 피? 책
• 인턴을 여러번하면 부정적?
  • NO. 굉장히 긍정적!
  • 사람들마다 다른 시각
• 커리어 패스에 가장 중요한 나에 대해 알기에 대해, 어떻게 알아갔는지, 신입이 꼭 이 질문에 대한 답을 가지고 있었으면 좋겠다 하는 부분?
  • 내가 좋아하는 것, 싫어하는 것, 어떤 특성을 가지는 지 알 수 있어야…
• 참여해볼만한 오픈소스 개발?
  • 내가 쓰고있는 오픈소스
  • 혹은 내가 필요한 오픈소스!