[세미나] 멋진 딥러닝연구 개발자되기 모임 참석 후기 및 회의록

------------------------- 가는 길 -----------------------------------------------

회사에서 데이터 분석 / 인공지능 파트를 맡고 있지만 내가 회사에서 하는 일이 정말 딥러닝인지에 대한 현타가 오던 중 TF-KR에서 '멋진 딥러닝연구 개발자되기'란 주제를 가지고 모임을 가지길래 바로 신청했다.

1분 전부터 계속 새로고침 누르니까 트래픽 때문인지 컴퓨터 성능 때문인지 홈페이지가 2초 간격으로 갱신되길래 2초 남기고 눌렀더니 성공...

판교길래 좀 멀었지만 역 옆이 건물(알파돔 타워 IV)이라 다행...

오늘 아침에 기사 보니까 블루홀이 먹었다던거 같기도...

건물이 헷갈리게 지어놔서 길 좀 헤매다 찾음.

진행 순서는 

패널 1인 발표(15분씩) 및 질의 응답 -> 전체 질의 응답 -> 조별 토론으로 진행되었다.

학위 관련하여 질문이 꽤 나왔지만 내가 석사라 상황을 대충 아니까 몇 개는 안 적음.

------------------------- 패널 1인 발표 시간 -----------------------------------------------

1. 카카오 브레인 박규병 수석 연구원님(NLP 전문가)

1) 걸어온 길 : 

 - 국문학과를 나와서 비전공자로 시작 -> 출판사 -> 검색 사이트 개발 -> 하와이 대학원 -> 딥러닝

   * https://github.com/Kyubyong/dl_career_faq 참고

2) 카카오 브레인 인재상 : 

 - 나는 리더가 아니다... 사람마다 원하는 방향도 다르고.. 입사에 필요한 스킬은 홈페이지 참조 바람.

3) 질문

 - Q1 : nlp 관련하여 기호학 등을 공부하는게 도움이 될까?

 - A : 인풋을 100을 넣었을 때 아웃풋이 100 이상 나오지는 않지만 리워드는 반드시 존재함.

 - Q2 : 대학원 석박사 전공 선택 관련 질문(컴공으로 계속 나갈지 비슷한 다른 과로 나갈지에 대한 질문 이었던 것으로 기억)

 - A : 코세라 강의 해주시는 (스탠포드? 옥스포드?)교수님 중에 전산학과 언어학을 다 하시는 분이 계시기 때문에 크게 중요하지는 않다고 봄.

 - Q3 : 학습시 엔드투엔드 방식을 선호하는지 단계별 과정?을 선호하는지...?

 - A : 답은 없음. 언어마다 기호와 소리의 구별?이 다르기 때문에 언어 마다 처리 방식이 다를 수 있음.(이 관점에서 한국어는 특별하다고 생각지는 않음. 다만 처리하기가 힘들뿐...)

2. 삼성전자 무선사업부 AI팀 우경구 상무님

1) 걸어온 길 :

 - 빅스비 등을 담당함. 데이터 마이닝 전공을 시작으로 순차적으로 단계를 밟아왔다고 생각함. 때도 운 좋게 찾아온 것 같고... 미래가 어떻게 바뀔지 생각하고 고민을 하고 있으면 그 때가 왔을때 그러지 않은 남과의 차별성을 얻을 수 있다고 생각함.

2) 삼성전자 AI팀 채용 인재상 : 

 - 국영수가 중요하다고 생각함.

 - 국어 : 암기를 뜻하는게 아님, 속뜻은 무엇인가 이해하고 남과의 의사소통을 중시.

 - 수학 : 수식이 아닌 어떤 문제가 주어졌을때 그것을 푸는 집념이 중요하다고 생각함.

 - 영어 : 국내에는 기업이 몇 개 없음. 그렇기에 글로벌을 겨냥해서 몸값을 올리려면 필수라고 생각함.

3) 질문

 - Q1 : 특별히 하지 않아도 되는 것?

 - A : 타겟(기업)에 따라 다르다는 게 함정이라 할 수 있음. 일단 국가 자격증은 (굳이) 필요 없다고 생각함. 물론 자격증 따는데에 돈도 시간도 들지만 팀에서 요구하는 사항은 깊이, 멀리갈 수 있는 사람이기 때문에 자격증이라는거 자체는 올드한 시스템이지 않냐라는 생각이 듬.

 - Q2 : 가전 제품과 AI를 접합한 공모전이 있는 것으로 알고 있는데 그 쪽으로 지출할 생각?

 - A : 노코멘트

 - A(테리님) : 프로젝트 하다가 엎어지기도 하고 있다가도 생기고 그럴거 같음.

 - (내 생각도 테리님과 같음. 회사 내부 결정 문제 뿐만 아니라 경쟁 업체에서 비슷한 걸 내놓으면 거기에 뭔가 덧붙이거나 차별성을 둬야 하기 때문에 또 바뀔거 같기도 함.)

 - Q3 : 이미지 처리 분야는 박사(고급 인력)가 많은데 석사가 할 수 있는 일?

 - A : 석사를 하고 어디에 가는지, 어떻게 하는지가 중요 하다고 생각함. 개인적인 생각으로 엔지니어는 4단계로 분류할 수 있다고 생각함.

 - 4단계 : 이미 있는 거를 만듬. 그러고도 성능이 기존 것보다 안좋음.

 - 3단계 : 일은 잘함. 하지만 다른 사람도 할 수 있기 때문에 각광 받기는 힘듬.

 - 2단계 : 다른 사람이 못 푸는 문제를 풀 수 있음.

 - 1단계 : 앞으로 공략해야 할 문제를 가져오고 그것을 입증함.

 - 이 관점에서 석사는 3, 박사는 1, 2를 기본 스탯이라고 생각함. 물론 석사도 1, 2가 될 수 있지만 노력이 필요함.

 - 인공지능은 순수과학이 아니기 때문에 중요한 것은 사람이라고 생각함. 결국 사람의 기준으로 봐야됨.

3. SKT AI Research Center 장유석 그룹장님

 

1) 걸어온 길 :

 - 수학을 전공하여 램지 넘버(https://ko.wikipedia.org/wiki/%EB%9E%A8%EC%A7%80%EC%9D%98_%EC%A0%95%EB%A6%AC 참고)를 연구하였으나 좌절하고 이미지 프로세싱 분야로 진출, 울프램(어디서 들어봤나 했더니 라즈베리파이 강의듣다가 들은 기억이..), 삼성 선행 UX 기획팀에서 코어 앱 고도화, 장애인 앱 기능, 삼성 헬스 담당(삼성 헬스에 자부심을 느끼심) 하다가 스타트업으로 머신러닝 프로젝트 하다가 SK TELECOM AIR, 

 - SK라 데이터는 넘친다.

 - 회사 슬로건은 리얼 익스퍼트, 리얼 데이터, 리얼 체인

2) 시간이 없어 질문 생략

4. 김성훈 교수님(네이버 클로버)

 - 네이버에는 220명+의 연구자들이 존재하며, 지원이 빵빵함.

 - starGAN, 기존 서비스 문제 해결, OCR 팀 에 대한 스토리(내용을 적지는 않았지만 요약하자면 젊은 뛰어난 친구들과 여러 프로젝트를 진행하였고, 높은 성과를 얻을 수 있었다)

1) 클로버 인재상

 - 모두를 위한 딥러닝, 뛰어난 프로그래밍, 수학을 포기하지 않는 자세, 빠르게 발전하는 모습, github 기록, 끊임없는 호기심, 지난주 읽은 논문이나 코드?

 - (마지막의 논문 같은 경우에는 새로운 기술이나 판도를 보고 받아들이는 것에 관심이 있나라고 해석함.)

------------------------------------------- 패널 Q&A(대답하실때 성함 헷갈려서 그냥 막 적음...  A1이 다음 질문의 A1이 아님..), 마찬가지로 학위 질문은 몇 개 안적음 --------------------

Q1 : 딥러닝 엔지니어가 핫하기 때문에 수요가 많다고 봄. 하지만 언제까지???

A1 : 끝나지는 않았지만 특화 할 필요가 있음. 하나의 예를 들면 이제는 빅데이터 전문가라는 말보다 각 분야에 특화되서 존재함.

A2 : 파생되서 기술들이 계속 생겨나기 때문에 포화할 리가 없음. AI의 종착역은 사람의 지능임(특이점). 그걸 생각하면 앞으로도 많은 패쓰(pass X path O)가 존재함. 하지만 인력의 몸값은 떨어질 것이라고 봄.

Q2 : 대기업 AI는 석박사 필수?

A1 : 필수는 아니라고 생각하지만 그에 대한 능력을 증명하길 바람.

A2 : 네이버는 고등학생도 실력만 있다면 뽑을 수 있다.

A3 : 필요하다고 봄. 공채를 통해 학부생이 팀에 배분되는 경우는 있지만, AI를 따로 뽑을때는 힘듬. 하지만 팀에 들어와서는 능력이 중ㅇ.

Q3 : 현재 고3입니다. 취직할까요 대학교 갈까요?

A : 취직 대학

Q4 : 얇고 넓게? 깊고 좁게?

A : 신입에 있어서는 깊게 아는 것이 중요

Q5 : 인공지능 팀의 리더에 있어서의 자질?

A1 : 좋은 방향을 볼 수 있는 능력? 어디로 가야 좋은 길인지...(모를 땐 adam...)

A2 : 리더는 여러 가지 일을 해야 됨. 짧게 듣고 의미 파악을 해야 함. 그러기 위해서는 호기심 필요.

Q6 : 모두를 위한 딥러닝 다음 스텝?

A1 : 딥러닝이 다는 아님. 딥러닝만 하면 나중에 힘들어 질수가 있음(그 뒤에 배경을 알아야 한다는 뜻). 회사 프로젝트든 평소 생각했던 것이든 그냥 적용 해보는 것이 포인트라고 생각함. 실패하면 왜 실패했는지 분석하고.. 그러다보면 실력이 늘지 않을까.

A2 : 고민 자체가 중요하다고 생각함. 바텀 업의 시야도 중요하지만, 탑 다운의 시야도 중요함. 탑 다운으로 보다보면 굳이 딥러닝 기술을 안써도 되는 문제가 존재함. 이 시야를 가지는 데에 많은 시간이 듬.

Q7 : 학부생이 뭘 할 수 있을까? 어떻게 석박사를 따라 잡을 수 있을까?

A1 : 닭이 먼저냐 달걀이 먼저냐의 문제 같기도 하지만... 석박사의 길이 있는데 왜 학부로 그걸 따라 잡으려고 하는지에 대한 생각도 듬. 데이터 없으면 캐글 쓰면 되고.. 좋은 점수 내면 기분 좋고 못내면 못내는 대로 실패 원인 분석해도 좋고... 그걸로 서류 합격은 할 수 있지 않을까 라는 생각.

Q8 : 올바른 데이터의 정제 과정?

A1 : 명확한 방법이 없음. 결국은 사람이 판단을 해야하고, 데이터를 정제하는 방법은 문제를 정제하는 방법이라고도 생각함.

(이건 위에 nlp 질문 관련해서도 언어마다 특징이 다르기에 방법이 다를수 있다라는 것과 동일한 내용이라고 생각함. 나도 데이터는 4년 넘게 봤는데 같은 자료라도 어디에서 받냐에 따라 다르고... 어떻게 쓸거인지에 따라도 다르고... 사업을 맡다보면 좋게 보이기 위한 트릭을 쓸 수도 있고...)

Q9 : 캐글의 점수는 중요하지 않다고 생각함. 캐글 데이터를 활용하는 방법??

A1 : 1등 하세요. 그러기 위해서는 이거저거 막 써야 되고 그러다보면 실력이 늘 것이라고 생각함.

A2 : 다른 머신러닝 알고리즘 말고 딥러닝으로 구현해야 의미가 있을 듯.(딥러닝 회사 지원시 다른 머신러닝 기법을 포트폴리오로 내면...ㅠㅠ)

A3 : 문제를 해결하는 방법, 생각이 중요하다고 생각함.

Q10 : GPU의 중요성?

A1 : 멀티는 아니더라도 싱글은 필수라고 생각함. 100배의 리워드로 보상 받을수 있을 것이라고 봄.

Q11 : 석사를 하면서 자괴감이 들기도...

A1 : 작은 문제부터 해결하면서 자신감을 찾아라.

Q12 : 딥러닝 팀에 입사를 했는데... 아무도 딥러닝을 몰라... 이직? 혼자서 공부?

A : 공부 이직

Q13(테리님) : 그러면 스타트업 다 해체?

A1 : ex1) (아무 배경지식 없이) 최고의 딥러닝 기술을 만들자 -> 이직, ex2) 이 기술을 만들기 위해서는 이런 기술들이 필요하대. 같이 공부해보자 -> soso

A2 : 능력자 한 사람이 기둥 역할을 함. 본인 그런 사람이거나 그럴 사람이 오지 않는다고 하면 효율성이라는 측면을 볼 때에는 이직을 추천...

Q14 : 본인은 의사임. 헬스케어에 대한 딥러닝?(다른 분야와 딥러닝 전문가의 협업, 또는 혼자서 진행하였을 때 공부 방향을 물어보는 것이라고 생각)

A1 : 혼자 다하기는 힘들기에 커뮤니티 활용을 통한 의견 교환이 필요하다고 생각함.

A2 : 협업에 있어 각 도메인(배경지식)에 대한 꼭지가 있는데 그 부분을 설정하고 관리하는 역할을 맡아야 될 거 같음.

Q15 : 딥러닝과 블록체인?

A : 저희는 블록체인 단체가 아니라...

그 외 답변으로 박사 과정에 진학하였을 때에는 사비를 털더라도 해외 학회를 가라. 본인의 눈높이를 높여라 등등..

----------------------------------------------------- 후기 -------------------------------------------------------

작년 이고잉님의 코딩야학(생활코딩)으로 진로를 변경한 후 뭔가 기회가 계속 주어지는 느낌이 든다.

뒷풀이도 우연찮게 추첨걸려서 구글코리아에서 발표도 해보고 학원에도 갔다가 거의 포기할 무렵에 취직도(그것도 딥러닝 포지션으로) 하고 또 오늘 같은 행사에도 참석할 수 있게 되고...

내가 딥러닝 전문가인가? 아니라면 어떻게 해야 전문가가 되는가? 라는 질문을 품고 참석을 하였지만 솔직히 답은 알고 있다.

그냥 뭔가 한가지에 빠진 사람들이 어떤 생각을 가지고 있는지 궁금해서 찾아간 거 같다.

작년의 생코 행사가 그랬듯 이번 모임도 하나의 터닝포인트가 되길 바란다.