나는 AI엔지니어입니다
AI/ML 직군이란?
AI/ML 직군에 대해 이야기하기 전에, 먼저 관련 용어들을 정리해보는 것이 좋겠다. 사실 인공지능 개발과 관련된 직무는 그 초점과 범위에 따라 매우 다양하게 불리며, 회사 나 프로젝트의 성격에 따라 명칭도 조금씩 달라진다. 가장 단순하게 AI 개발자 또는 AI 엔지니어(AI engineer)라고 부르는 경우도 있지만, ML 엔지니어, 데이터 사이언티스트, AI 리서처, AI 리서치 엔지니어(AI research engineer(, AI 어플라이드 사이언티스트(AI applied scientist), 컴퓨터 비전 엔지니어(computer vision engineer), NLP 엔지니어(NLP engineer )등 세분화된 직무 명 칭도 흔히 사용된다.
그렇다면 이 모든 직무는 각각 완전히 다른 일을 하는 것일까? 사실 AI/ML 직군은 역 할과 초점에 따라 업무 내용이 달라지지만, 기본적으로 AI 기술을 연구하고 개발하여 실제로 활용 가능한 결과물을 만들려는 공통된 목표가 있다. 이 책에서는 이 모든 직 무를 포괄하는 의미로 ‘AI/ML 직군’ 또는 ‘AI/ML 엔지니어’라는 용어를 사용하고자 한다. 그리고 각 세부 직무의 역할과 특징도 구체적으로 살펴볼 예정이다.
여기서 중요한 점은 직무 명칭 자체보다 실제로 그 직무가 수행하는 업무, 즉 직무 기술서 job description, JD가 훨씬 중요하다는 것이다. 동일한 명칭의 직무라 하더라도, 이를 수행 하는 회사나 프로젝트의 성격에 따라 역할과 책임은 크게 달라질 수 있다. 예를 들어 ‘ML 엔지니어’라는 직함을 가진 두 사람이 있다고 해도 한 사람은 주로 데이터 전처리 와 모델 학습을 담당할 수 있고, 다른 한 사람은 학습된 모델의 최적화를 집중적으로 다룰 수도 있다. 따라서 직무를 이해할 때는 명칭에 얽매이기보다 해당 직무의 실제 업 무 내용을 파악하는 것이 중요하다.
AI/ML 직군은 어떤 일을 할까?
AI는 기계가 인간처럼 학습하고 추론하여 문제를 해결할 수 있도록 돕는 기술 이다. 이러한 기술을 구현하는 데 가장 중요한 두 가지 요소는 데이터와 AI 모델이다. 예를 들어 강아지와 고양이를 구별하는 AI 모델을 만들려면 강아지와 고양이의 사진 데이터를 수집하고, 이를 학습할 수 있는 딥러닝 모델을 설계하고 학습시키는 과정이 필요하다. 이때 데이터는 AI 모델이 학습하고 예측을 수행하는 데 필요한 기본 자료를 제공하며, AI 모델은 이 데이터를 기반으로 학습하고 문제를 해결하는 역할을 한다. 따 라서 데이터와 모델은 AI 개발의 성패를 좌우하는 핵심 요소라 할 수 있다.
AI/ML 직군은 이러한 데이터와 모델을 다루는 전문가로, 이들의 주요 업무는 크게 데이터와 AI 모델 개발에 관련된 작업으로 나눌 수 있다. 먼저 이들은 적합한 데이터를 수집하고 이를 정리하거나 가공하는 작업을 한다. 데이터를 수집한 후에는 불필요한 노이즈를 제거하거나 모델 학습에 적합한 형태로 데이터를 변환하는 과정을 거친다. 예를 들어 인터넷에서 다운로드한 이미지 데이터의 해상도를 조정하거나 텍스트 데이터 를 정규화하는 작업이 이에 해당한다.
그다음에는 문제를 해결할 수 있는 AI 모델을 설계하고 이를 구현한다. 모델 설계 단계 에서는 문제의 특성과 데이터를 고려하여 적합한 딥러닝 또는 머신러닝 알고리즘을 선 택한다. 예를 들어 이미지 분석이 필요한 프로젝트라면 합성곱 신경망(convolutional neural network, CNN)을, 텍스트 데이터 처리가 중심인 프로젝트라면 장단기 메모리(long short-term memory, LSTM)나 트랜스포머 모델(transformer model)을 설계에 반영할 수 있다. 이렇게 설계된 모델은 데이터를 기반으로 학습을 진행하며, 학습이 완료된 모델은 다양한 지표를 통 해 성능을 평가받는다. 모델의 정확도, 정밀도, 재현율과 같은 지표는 모델이 문제를 얼마나 효과적으로 해결하는지 판단하는 기준이 된다.
『나는 AI 엔지니어입니다』(이동진, 제이펍) 중 일부 발췌