brunch

매거진 AI 엔지니어의 모든 것

라이킷 8 댓글

You can make anything
by writing

C.S.Lewis

계정을 잊어버리셨나요?

by 뭅즤 Jan 22. 2023

AI 공부 어떻게 시작 하는게 좋을까?!

이론과 실무 역량을 함께 키우기

이번 글에서는 딥러닝과 머신러닝 공부 방법에 대해 알아보겠습니다. AI 엔지니어가 되기 위해서는 머신러닝과 딥러닝에 대한 깊은 이해와 실습 경험이 필수적입니다. 이번 글에서는 이러한 지식을 효과적으로 습득하는 방법에 대해 소개하겠습니다. 특히 실무에서 적용 가능한 역량을 어떻게 키워야 할지 막막하신 분들에게도 유익한 정보가 될 것입니다.

기본 개념

어떤 학문이든 처음에 개념을 습득하는 방법에는 고정된 방법이 없습니다. 대학에서 교수님의 강의를 통해 체계적으로 배울 수도 있고, 책을 읽거나 인터넷 강의와 기술 블로그를 활용할 수도 있습니다. 다만 공부의 목적과 상황에 따라 가장 적합한 방법이 달라질 수 있습니다.

대학원 진학을 목표로 하거나 이미 대학원에 재학 중이라면 책으로 기초를 다지고 부족한 부분을 유튜브 강의 등을 통해 보충하는 것이 효과적입니다. 초기에는 기본 개념을 탄탄히 다지는 것이 더 중요하기 때문에 지루하거나 어려워도 머신러닝과 딥러닝에 대한 깊은 이해가 나중에 큰 도움이 됩니다.

그 외에는 가벼운 입문 공부를 원하거나 이전에 공부했던 내용을 상기시키기 위해 인터넷 강의나 기술 블로그를 활용하는 것도 좋습니다. 인공지능에 대한 기초적인 지식을 쌓기에 유익한 강의가 많이 있으며, 영상 강의는 이해를 돕기 위해 쉽고 직관적인 설명을 제공하는 경우가 많아 시간을 절약할 수 있습니다. 유료 강의도 많이 있지만, 무료로 접근할 수 있는 유익한 자료들도 많습니다. 특히, 성킴 교수의 '모두를 위한 딥러닝' 강좌는 매우 입문적이면서도 깊은 이해를 돕는 좋은 자료입니다. 다만, 블로그의 경우에는 검증되지 않은 정보가 있을 수 있으므로 여러 출처를 참고하고 팩트 체크를 실시하는 것이 중요합니다.

심화

머신러닝과 딥러닝을 더 깊이 공부하는 첫 번째 방법은 논문을 읽는 것입니다. AI 분야는 최근 몇 년간 급속히 발전해왔기 때문에 한글 자료로 정리된 정보를 찾기가 어려운 경우가 많습니다. 따라서 다양한 AI 기술을 탐구하기 위해 논문을 통해 필요한 정보를 습득하는 것이 중요합니다. 논문은 영어로 작성되어 있고 처음에는 이해하기 어려울 수 있습니다. 저 역시 처음에는 한 편의 논문을 읽는 데 최소 2주 이상이 걸린 기억이 있습니다. 논문을 이해하는 데 있어 중요한 점은 처음부터 스스로 모든 것을 이해하려는 것보다는 논문 리뷰와 함께 공부하는 것입니다. 구글을 통해 논문 제목을 검색하면 한글로 된 리뷰를 찾을 수 있으며, 'pr12'라는 유튜브 채널에서는 유명한 논문들을 소개하고 리뷰하는 영상도 많이 제공하고 있습니다. 이를 통해 논문을 더 빠르게 이해할 수 있습니다.

두 번째로는 다른 사람들과 의견을 나누는 것입니다. 대학원생들은 랩실에서 논문을 발표하고 토론하는 세미나를 통해 서로의 이해를 돕고 성장할 수 있습니다. 이런 과정은 개인적으로 공부하는 것보다 더욱 빠르게 발전할 수 있는 좋은 기회가 됩니다. 대학원생이 아니더라도 딥러닝 논문 읽기 모임이나 온라인 세미나를 활용할 수 있습니다. 또한, 카카오톡 오픈채팅을 통해 관련 분야에서 공부하는 사람들과 의견을 교환하는 것도 유익할 수 있습니다.

실무 역량

머신러닝 실무 역량을 키우는 첫 번째 방법은 프로젝트를 진행해보는 것입니다. 하나의 문제를 정의하고 그 문제를 해결하기 위한 머신러닝 모델 개발을 경험하는 것은 이론적 개념을 실제로 익히는 데 큰 도움이 됩니다. 작은 프로젝트라도 데이터 처리부터 모델 학습 및 최적화 과정을 직접 거치면서 발생하는 문제들을 해결하는 과정에서 실무적인 감각을 익힐 수 있습니다.

두 번째 방법은 논문과 공개된 코드를 함께 이해하는 것입니다. 관심 있는 도메인에서 다양한 논문을 읽고, 해당 논문들에 공개된 공식 코드를 통해 어떻게 문제를 해결하는지를 배우는 것이 중요합니다. 논문을 통해 이론적 접근 방식을 이해하고, 코드를 통해 실제 구현 과정을 익히면서 머신러닝 개발에 대한 심도 있는 이해를 할 수 있습니다.

세 번째 방법으로는 캐글 사이트를 적극적으로 활용하는 것입니다. 캐글은 다양한 머신러닝과 데이터 과학 문제를 다루는 플랫폼으로, 대회에 참여하거나 종료된 대회의 데이터를 기반으로 모델을 개발하고 성능을 비교하는 것이 가능합니다. 다양한 문제에 도전하면서 경험을 쌓고, 성능 순위를 통해 자신의 실력을 확인하고 개선할 수 있는 기회가 제공됩니다.

마지막으로는 회사에서 맡은 프로젝트를 통해 실무 경험을 쌓는 것입니다. 회사 내에서 머신러닝 모델 개발뿐만 아니라 비즈니스 문제 해결에 필요한 전략적 접근 방식을 배우고, 모델 배포와 관리 등 MLOps 관점에서의 업무를 경험할 수 있습니다. 이를 통해 실제 업무에서 필요한 기술과 전략적 사고 방식을 익히며 전문성을 쌓아갈 수 있습니다.

이렇게 딥러닝 공부 방법 세 가지를 소개해드렸습니다. 기본적인 개념을 탄탄히 다지는 것부터 시작하여, 논문과 코드를 통한 심화 학습을 거쳐 실제 프로젝트를 통해 실무 경험을 쌓는 것까지 다양한 방법으로 딥러닝 역량을 향상시킬 수 있습니다.