Data centric 1

실제 비즈니스 환경에서 AI 기술이 적용될 때는 ‘좋은 모델’을 만드는 것이 중요한데, 이를 위해서는 ‘좋은 데이터’를 구축하는 것이 굉장히 중요하다. 데이터의 중요성에 대한 인식이 확산되면서 현업에서는 Data-centric 관점이 트렌드로 부각되고 있다. 부스트캠프 교육과정에서도 ‘데이터 제작’ 강좌를 통해 좋은 서비스 개발 및 고성능 모델 개발에 앞서 데이터 제작 및 가공의 중요성과 방법론을 다루고 있다.

관련정보를 찾아보면서, AI 프로젝트의 실패 사례 중 85%가 데이터, 알고리즘, 또는 관리 팀의 편향으로 인해 잘못된 결과를 도출한다는 사실이 매우 흥미로웠다. 기업에서 AI 프로젝트를 추진할 때, 데이터 처리와 모델 개발을 반복적으로 최소화하는 방법론을 적용해야 한다는 점도 강조되었다.

AI 추진 방법론으로는 Model-centric AI와 Data-centric AI가 있는데, 대부분의 AI 인력들은 서비스 배포까지 담당하고 있기 때문에 전체 데이터 파이프라인에 중점을 두는 것이 더 중요하다는 의견이 나왔다. 또한, 실제 사례에서 데이터를 어떻게 준비하고 활용하는지가 얼마나 중요 알게 되었다.

Data-centric AI에서 고려해야 할 핵심 기술 요소들로는 도메인 지식, 데이터 라벨링, 데이터 증강 및 생성, 데이터 품질 관리 등이 있었다. 예를 들어 금융권에서 사용되는 특화된 언어를 모델에 반영하고, 학습 데이터를 일관되게 라벨링하는 것이 중요하다는 점이 강조되었다.

이번 강의을 통해 Data-centric AI의 중요성을 다시금 느끼게 되었고, 앞으로 나의 AI 커리어 방향성에 큰 도움이 될 것 같다.