빅데이터 실무자 특강에 다녀왔습니다.
한국에너지기술연구원의 연구원 분 께서 2시간30분 동안이나 열강을 해주셨습니다.
그 덕에 동기부여가 되서 이렇게 티스토리 벨로그로 이전함.
어떤 강의였는지, 제가 어떻게 받아들였는지 정리하는 식으로 적어보겠습니다.
강의 제목은 4차산업 혁명시대, A.I.에 대한 현실적 접근 이었습니다.
- 산업혁명
1차(증기기관), 2차(전기) 그리고 3차(컴퓨터) 이르기 까지 우리나라는 항상 산업혁명 시대에 뒤쳐짐
하지만 4차 산업혁명(사물인터넷혁명)이 되서야 이세돌과 알파고의 대결이 주목받으면서 따라감
산업혁명이라고 함은 우리 삶에 있어 엄청난 영향을 줌
그 예시로 1차 산업혁명을 보면
증기기관 개량으로 인해 역직기 + 4윤작법 -> 도시화 -> 빈부격차 상승 -> 노동자계급 생성 -> 러다이트운동 -> 차티스트 운동 -> 공산주의 혁명
'혁명이 가저오는 파괴력이 엄청 높다'
4차산업혁명 또한 마찬가지라고 짐작해 봅니다.
- 4차 산업혁명
cnc도입 : 국내 ->1970년대 , 북한 ->2000년대
결국 살기위해서 알아야 함
4차 산업혁명에는 빅데이터, 머신러닝, 인공지능 등 여러가지 분야들이 있겠지만 분명히 이들사이에는 겹치는 부분이 있음.
또한 가더의 그래프를 설명하심
4차산업혁명은 현재 대부분 다 처음의 수직으로 상승하는 중 이라고 함
하지만 아직 딥러닝이 완벽하진 않다.
고전적인 방법 부터 알고 딥러닝을 배우는게 맞다 ( cnn을 배우기위해서는 그 앞에 있던 기술을 먼저 배운다는 예시를 들어줌)
퍼포먼스 면에서도 기존 알고리즘이 더 나은 경우가 있음
변수제어나 데이터의 량이 급격히 많지 않는 이상 퍼포먼스가 비슷비슷하기 때문
따라서 모델을 설계할 때 딥러닝을 쓸 때 안쓸 때 아는사람이 정말 잘 하는 사람
현재 딥러닝에서 잘나가는 사람들은 대부분 그 분야에서 이미 10년이상 그런 알고리즘을 연구하던 사람이 딥러닝에 뛰어들었을 때 성과가 내는 경우가 많음
결론은 딥러닝이 아무리 최고지만 기초가 중요하다!!
p.s. 17년도에 자연어 처리관련되서 잠깐 RNN이랑 파싱 공부 한 적이 있는데 다행이 자연어 처리에서는 딥러닝이 압도적으로 성능이 좋다고 하셔서 뿌듯했음
3 .현실?
직장 상사(나이가 있으신)와 겪게 되는 현실적인 마찰에 대해서 많이 말씀해 주심
예를 들면
(1) 상사가 무엇을 시킨다(80%는 이렇게 못만듬) -> 일단 해본다 -> 실패해서 가저간다 -> 다른방법을 시도하였느냐? -> 안했다 -> 혼난다
(2) 상사가 무엇을 시킨다(80%는 이렇게 못만듬) -> 일단 해본다 -> 실패해서 가저간다 -> 다른방법을 시도하였느냐? -> 시도했다 -> 다른방법도 시도했다고 한다 -> 상사가 또 다른 방법을 해보라고 한다
(3) 상사가 무엇을 시킨다(80%는 이렇게 못만듬) -> 일단 해본다 -> 실패해서 가저간다 -> 다른방법을 시도하였느냐? -> 시도했다 -> 다른방법도 시도했다고 한다 -> 상사가 또 다른 방법을 해보라고 한다 -> 그 방법을 예상하여 미리 시도해왔다 -> 새로운 방법을 제시한다
(3)이 에이스 신입사원이 된다고 함.
자아를 두개 만들어서 하나는 나 하나는 상사를 투영하여 이 사람이면 어떻게 했을까? 하고 두수 앞을 내다 보아야 한다고 함
역시 사람은 능동적이고 봐야 될 일
또한
AI에 관한 인식차이(기득권들)에 대한 갭을 설명해주셔서 회사생활이 내가 아는 것 만이 전부가 아니구나 상사를 잘 설득하고 표현도 잘 할줄 알아야 하는구나는 것을 느낌
중심을 잡고 계속 공부하며 try and error를 겪으며 성장해야함
그렇다면 취업은?
데이터 과학자의 취업은 신입사원으로 들어가기가 매우 어려움(수요가 경력직이 많기 때문)
그럼 어떻게 준비해야 하느냐?
(1)project - github, blog (그래서 내가 둘 다 시작하려고 함)
(2)competition - kaggle, 공모전
(3)resarch - 대학원 진학 후 논문
(4)bypass - 다른 직군으로 입사해서 전직 ex)알고리즘 서버 개발자로 입사 후 저 딥러닝도 할줄 알아요 하고 전직한다 // 혹은 인맥(해외기업에서 특히 더 본다고 함)
강연자 분의 전공분야가 정말 다이나믹하게 바뀌셨던데
결론은 한 우물만 파지말고 담을 넘으라는 말씀...
지금 배운 전공이 나중에가서 백지화가 되더라도 과감히 그 길을 택하라
적자 생존이다 Fitting을 하되 over, under가 아닌 balanced fitting으로 가라 (딥러닝 때 나오는 그래프를 빗대어 설명해 주심)
즉 "변할 것과 변하지 않을 것을 판단해야 한다"
- 선배가 말하는 조언(꼰대라고 표현하심)
국영수 열심히 하세요
국어 : 단어와 문장이 필요함 -> 책을 읽어라 (1달에 1권이라도, 장르 상관없다 뭐라도 읽어라, 어휘가 늘고 그래야 회사생활이 쉬워진다)
영어 : Git hub, stack overflow, 학계공용어 다 영어다 심지어 검색했을 때 나오는 자료의 신뢰성(근거)이 영어가 높다 물론 자료도 더 방대
수학 : 수학은 어떠한 현상을 간결히 필요한 언어이다(물리) 학습방식을 black list방식을 취해라
black list : (~해도 하면 안돼는 것) 여기 있는 것들을 쓰면 안됌 즉 어떤 걸 공부할 때 사용하면 안돼는 것들을 알아야 한다
white list : (~해도 되는 것) 여기 있는 것들만 사용가능 (나머지는 사용불가)
결론적으로 블랙리스트 방삭으로 학습하려면 생각을 많이해야한다. 뭘 듣고 다시 정리하여야 함
기초 : 코딩이 늦으면 안됀다 ( 아이디어 구현하는 데 걸리는 시간이 적어야 한다, 깃헙을 이용해서 코드스니펫 해라, 깃헙에 올리고 피드백 받으면서 성실성을 증명해라!)
메타인지가 중요하다
내가 뭘 알고 뭘 모르는지 알고 모르는 영역을 확장해 나가고 그 서로다른 영역들이 겹치면 통찰을 얻는다.
이 통찰을 어떻게 끌고가면 논문하나가 억지로 나올랑 말랑 한다
변화가 중요하다
위기를 기회로
울타리 세우기
주위에 나이3~4살정도 더 많은 멘토 찾기
실패도 현명하게 겪어라 흑역사 많이 만들어도 된다 그게 다 피와 살이니
학부시절 창업? 실패해도 스펙이더라 지원도 많이 해 준다
tiral & error 가 정말 중요하다 -> 이 모든 경험을 글로 남겨라
Blog, 일기장 , tstroy, github 등 하지만 깃헙이 가장 핫하다
선별적으로 온라인에 공개하라
상사(교수)의 지시 -> 출제자의 의도파악이 정말 중요하다
말로하는 설명은 눈높이에 맞추어서 상대방이 아는 용어만을 이용하여 설명하라
평소 업무에 관한 신뢰성을 높여야 한다.
딥러닝을 위해선 도메인(그 분야 배경지식 에 대해서 잘 알아야 한다!)
앞으로 진출하게 될 사회에 대해 간접으로나마 경험할 수 있었다.
세상은 지금도 빠르게 변화하고 있고 부지런히 쫓아가서 4차산업혁명에 선두에 서야만 살아남을 수 있음을 느꼈다.
