Clova AI Rush Conference 후기
행사 진행 방식
컨퍼런스는 gather town 메타버스 상에서 진행되었습니다. 메인 홀과 서브 홀에서는 이번에 진행된 AI Rush 2021 수상자들의 발표가 있었고, 후에는 Clova의 기술 세션이 진행되었습니다.
양 옆에서는 채용 부스가 마련되어 있어 Clova의 각 부서에서 어떤 프로젝트가 진행되고 있는지, 그리고 어떠한 사람을 채용 중에 있는지 볼 수 있었습니다.
행사 전체적인 review
먼저 간략한 후기부터 적자면, 개인적으로 오프라인 컨퍼런스보다 접근성이 훨씬 좋았다고 생각하고, 이전에 열렸던 Clova의 'AI NOW'보다 자율성이 높다는 점에서 매우 긍정적으로 보여집니다.
개인적인 경험
저는 이번 AI Rush 때, 이미지 분류 과제를 수행하면서, 이미지 분류 모델에 더 친숙해질 수 있었습니다. 그리고 이와 관련된 서비스를 제공하는 포토클라우드에 관심이 생겨서 오프닝 세션이 끝나자마자 바로 해당 부스에 찾아갔어요. 그리고 부스에는 대회 때 멘토링을 해주셧던 PM님이 계셔서 너무 반가웠고요ㅎㅎ 드디어 채팅이 아닌 직접 얼굴을 보면서 화상으로 대화를 나눌 수 있었네요.
먼저 준비한 질문을 몇 가지 드렸어요.
Q1. 포토클라우드에서 AI Engineer의 역할은 무엇이고 그에 맞는 역량은 무엇인가?
A1. 일단 AI 서비스는 대체적으로 문제 정의 - 데이터 정제 - 모델링 - 인퍼런싱 으로 이어진다. 여기에서 먼저 서비스 기획하는 사람이 필요하고, 데이터를 모으고 정제하는 부분에서는 데이터 엔지니어, 분석가가 필요하다. 데이터 사이언티스트는 주로 모델의 정확도 향상, 경량화 등 서비스에 맞는 모델을 구축하는 역할을 수행하고, 엔지니어는 인퍼런싱하는 역할을 맞는다. 개인적으로 여기서 엔지니어가 백엔드 환경에서 작업을 하면 MLOps라고 하는 것 같다. AI 서비스를 안정적이고 효율적으로 운영하는 것이라고 할 수 있겠다.
Q2. 그렇다면 일반 Backend 엔지니어와 차이는 무엇인가? 그리고 필요한 역량의 차이가 있는가?
A2. 사실 크게 다르진 않다. 역량의 차이로 봤을 땐, 오히려 MLOps는 모델에 대한 이해도 하고 있어야하기 때문에, 백엔드 엔지니어보다 더 많은 것을 알고 있어야한다.
Q3. 어떠한 경험이 MLOps 지원에 도움이 되는가?
A3. 일단 머신러닝의 기본 지식이 중요하고, 포토클라우드에서는 이미지에 대한 이해가 있으면 좋다. 무엇보다 AI 서비스를 만들어보면서 모델을 플랫폼에 탑재하고 end-to-end로 배포까지 해보는 경험이 도움이 많이 될 것 같다.
또한 다른 부스에서 돌아다니면서 엔지니어의 역할과 Edge AI에 대해서 질문을 할 수 있었고, 몇 가지 답을 얻을 수 있었어요.
바로 결론부터 말하자면... 아직은 Edge AI가 많이 보편화되지 않았다는 것. 일단은 클라우드 서버 상에서 해결할 수 있는 문제가 많이 있다는 것이 큰 이유라고 하더라고요. 물론 스마트폰 상에서 모델을 올리고 해결할 문제도 많긴 하지만, 경량화 같은 제한된 환경에서 서비스가 운영되어야 한다는 것과 다양한 기기 환경에서 모두 테스트를 해야하며 운영해야한다는 점이 한계점이 될 수 있죠. 즉, 다시 말해 해결하기 쉬운 백엔드 환경에서의 문제부터 해결 중인 것이라 볼 수 있겠다고 하네요.
모바일 앱을 공부하면서 AI 서비스 분야로 취업 준비를 해왔었지만, 아무래도 백엔드로 전향을 해야하지 않을까 싶네요. 이미지에 끌려서 어찌 어찌 데이터 분야에 취직하기로 마음 먹었지만, 이쪽 분야에서 학사로 일을 얻기가 힘드네요... 데이터와 모델에 대해서 이해도 해야하고, 이것들을 이용해서 서비스 플랫폼에 인퍼런싱도 해야하고요. 일단 다 해봐야겠네요.
