[특강] AI 시대의 커리어 빌딩

강사님: 박은정(Lucy Park) (https://www.lucypark.kr/)

 

1. 내가 어느 직종에 갈 것인지부터 정하자!

Academia vs Industry

Academia : 논문을 쓰는 곳 (논문을 써서 연구 성과를 만드는 것이 목표)

Industry : 서비스/상품을 만드는 곳 (서비스/ 상품을 만들어서 돈을 많이 버는 것이 목표)

 

이 특강은 Industry에 초점을 맞추어 진행되었다.

AI for X VS AI centric

AI for X : AI로 기존 비지니스를 더 잘하려는 회사

    ● 비용을 줄이거나, 품질을 높이는데 AI를 활용하려 함

    ● AI는 보조수단, 대부분 회사가 여기에 해당

AI centric: AI로 새로운 비즈니스를 창출하려는 회사

    ● 새로운 가치창출을 하는데 AI를 활용

    ● 신생 회사들이 많음

 

나는 어떻게 AI를 쓸 것인가?

출처: https://fullstackdeeplearning.com/spring2021/lecture-13/

물론 현실은 나는 ML Engineer이다! 하고 이 포지션만 하는 경우는 드물다.

현실에서는 각 포지션은 세분화 되어있고, 사이사이를 메꾸는 일들이 굉장히 많음.

 

2. 어떻게 시작할 것인가?

나 자신에 대해 이해부터 하자.

예시:

● 나는 근본적 학문( ex: 수학, 물리학)을 좋아하고 잘하는가?

● 결과가 나오지 않더라도 꾸준히 팔 수 있는 인내심이 있는가?

● 나는 AI/ML 모델링 뿐 아니라 그 과정에서 발생하는 모든 일(웹프로그래밍, 데이터 전처리)을 기꺼이 할 수 있는가?

→ 연구자 추천!

 

학교 다니는 동안 AI 관련 인턴십/아르바이트 있으면 적극적으로 하자!

○ 각 포지션의 차이에 대한 이해가 더 생길 수 있다.

○ 각 팀이 무엇에 관심을 가지는지 체감할 수 있다.

○ "일"하는 방법을 알게 됨 (나의 고객이 누구인지, 일정을 어떻게 세우고 맞추는지 등)

 

인턴십 하기 힘들면

AI competition (ex: 캐글)을 이용하자

○ Forum이 활발하고 내용이 풍부(=선생님이 많음)

○ 머신러닝은 hands-on으로 문제를 풀어보는 것이 중요

 

최신 논문 재현해보자

○ 논문에는 빠져있는 내용이 많아 하나의 논문을 구현하는데 수많은 백그라운드 지식이 필요

○ 유의점: 업무에서 이 능력만 활용하는 사람은 드물다.

○ 참고: https://paperswithcode.com/rc2020 

Papers with Code - ML Reproducibility Challenge Spring 2021 Edition

 

무엇을 꼭 알아야한다가 아니라 범위를 확장해나가면서 필요한 무기를 그 때 그 때 챙기도록 하자.

If you are an undergrad, take as many math, stats, and physics courses as you can, and learn to program (take 3 or 4 CS courses). If you have an undergraduate degree, apply to NYU Master of Science in Data Science.
-- Yann LeCun (Feb 2014)

그러나 공통적으로

● 컴퓨터 공학에 대한 기본적인 이해와 소프트웨어 엔지니어링 능력은 필요하다.

● 최신 기술을 빠르게 습득하기 위한 영어 독해 능력도 중요하다.

● 끈기 있는 자세를 가지는 것이 중요하다.

 

 

짧은 길이의 이력서 안에 상대방에게 좋은 인상을 남길 수 있도록 하자.

    ● 실력을 보여줄 수 있는 "스펙" 예시

        ○ Coding competitions: ICPC 등 규모가 큰 프로그래밍 대회에서 입상 경력이 있는지

        ○ AI competitions: Kaggle 등 규모가 큰 AI 관련 대회에서 수상한 경험이 있는지

        ○ Publication record: NeurlPS 등 AI 관련 주요 국제 학회나 워크샵에 1저자르 출판한 논문 이 있는지

        ○ 서비스 경험: 경력자의 경우 실제로 라지 스케일 서비스를 다뤄봤으며 그 과정을 주도했는지

        ○ 다른 회사 경력: 다른 AI 관련 회사의 근무 경험과 성과