제가 인공지능 리서치가 아닌 엔지니어링을 중점으로 해와서 그런지 인공지능이 좀 거품같습니다. (기술력이 거품이라는 뜻은 아닙니다.)
새로운 모델을 만드는게 아닌 한 , 2~3명의 적은 인원으로도 웬만한 프로젝트는 다 커버가 되고, 이미 좋은 모델이 많이 나와있어서 전처리,후처리,fine-tuning 잘 손봐주면 지금 나와있는 모델로 대부분의 문제 해결이 가능한거 같습니다.
(사실 현실의 데이터가 비정제 데이터때문에 문제해결이 어려운거지 정제된 데이터면 그냥 모델 갖고와서 손 좀 봐주고 돌리면 웬만큼 성능 나오는거같습니다.)
또한 최근 네카라쿠배당토 채용 공고만 살펴봐도 빅데이터(하둡,스파클 등) 분야가 3배정도 더 많더라고요.
저는 석사 후 취업을 목표로 하고있습니다. 회사 대부분 경력or석사부터 뽑기 때문에 대학원을 가는게 큽니다.
그 때문에 여지껏 진로 방향을 AI대학원으로 잡고 있었는데, 최근 빅데이터 분야쪽으로 넘어가고싶은 생각이 자주 듭니다.
여러분들의 생각은 어떤가요?
제가 아직 햇병아리라 우물 밖을 보지 못하고 있는걸까요..
카카오 계정과 연동하여 게시글에 달린 댓글 알람, 소식등을 빠르게 받아보세요
댓글 38개
2022.03.19
지금 있는 모델로 대부분 문제가 해결 가능한게 아니라, 지금 있는 모델로 해결 되는 문제만 다루는 거에요.
대부분 회사에서는 새로운 모델 만들고 연구할 능력도, 이유도 없습니다.
보통 회사는 있는 기술 갖다 쓰는 곳이죠.
뭐가 어떻게 됐든 인공지능이 거품인지와는 별로 상관이 없어보입니다.
대댓글 4개
2022.03.19
님 말대로 회사에서는 그냥 기술 갖다 씁니다.
그래서 인공지능 분야가 거품 같다는 겁니다.
회사 입장에서는 많은 인공지능 인재,인력이 필요가 없는거지요.
2022.03.19
인공지능을 연구하는 쪽이 아닌 사용하는 엔지니어링 관점을 봤을때 만을 말했을 때.
2022.03.19
뭔가 단단히 착각하고 계신듯 한데 cs 전반적으로 한국에서 단순 취업할 생각으로 박사하는 사람 거의 없어요
2022.03.19
한국 회사를 기준으로 거품이니 아니니 왈가왈부하는거 자체가 넌센스임
IF : 1
2022.03.19
네카라쿠배당토는 IT 섭스 플랫폼 기업이지, 인공지능 전범위를 대표하진 않습니다. 모델링 자체보다는 그 전/후 과정에 훨씬 많은 노력과 시간이 필요하다는 건 앤드류 응 교수가 이미 말한바 있죠. 전후작업이 대부분 빅데이터와 연관있는데, 그래도 목적은 모델의 정확도나 활용도를 극대화하기 위함이니까, 인공지능을 잘 알수록 좋은 것 같습니다.
대댓글 4개
IF : 1
2022.03.19
독자적으로 개발(트랜스퍼 러닝한)한 모델의 성능이 off the shelf보다 당연히 좋죠. 근데 왜 그냥 가져다 쓰냐면, 엔지니어링 코스트 때문이에요. 대부분 회사에는 데이터 수집하고, 훈련하고, 검증하고, 관리하고 하는 과정에 갈아넣을 ML엔지니어가 없거든요. 구글이나 에어비앤비, 유튜브, 아마존 등 탑티어 기업에서 핵심 기능을 만들 때는 자기네 비지니스 상황에 맞게 커스토마이즈된 모델링 파이프라인을 만드는 게 보통입니다.
IF : 1
2022.03.19
아... 저는 배이에서 tier 2 대기업 다니는 research scientist입니다
2022.03.19
말씀에 공감합니다.
제가 느끼기에도 모델보다는 전/후 과정이 중요한거같습니다.
그래서 Resnet부터 BERT, GPT-3 등 새롭고 좋은 모델을 만드는게 아니라면 석사과정이 요구될만큼의 난이도가 높은 분야라고 생각이 안듭니다. 단지 학부에서 안가르쳐서 석사를 가는 느낌.
인공지능은 지식보다는 경험적인 측면이 더 중요하다고 생각됩니다.
딥러닝은 블랙박스로 결과가 나올 때까지 수학적으로 결과를 예측할 수 없으니까요. 결과가 나와도 왜 그런 결과가 나왔는지 알기 힘들고요.
(머신러닝쪽은 의미가 있습니다.)
그래서 빅데이터 분야가 인공지능 분야보다 취업측면에서 더 유망하게 보입니다.
제 생각이 맞을까요?
2022.03.19
말씀대로 회사 입장에서도 새로운걸 개발하는건 cost가 많이 들고 구글,페이스북에서 만든거보다 신뢰성 있을꺼란 보장도 없고요, 그 때문에 많은 인공지능 인재가 필요가 없는거같아요.
깐깐한 공자*
2022.03.19
그건 님이 고졸 엔지니어딱이기 때문입니다
대댓글 14개
깐깐한 공자*
2022.03.19
말씀하신대로 취업할거면 ai특화된 지식은 별로 필요없음 대학원도 가지마시고 그냥 스파크 배워서 데이터 엔지니어링으로 취업하세요
2022.03.19
말씀대로 취업할때 ai 특화된 지식이 필요없으면 왜 그렇게 많은 사람들이 AI대학원을 가나요?
어처피 대부분 최종적으로는 취업 하자고 하는거 아닌가요?
깐깐한 공자*
2022.03.19
아니 몇년전까지 ai교육기관이 아예 전무했는데 배울사람들은 대학원을 가야죠;; 그리고 님이 그냥 평범한 엔지니어링만 할거면 당연히 대학원은 오버스펙이죠 근데 연구잡을 잡고싶은 사람도 많죠 아니면 더 어려운 문제를 푸는 엔지니어가 될수도있고요 솔직히 어그로거나 우물안 개구리느낌이 너무나네요
2022.03.19
ai 엔지니어링 분야는 대학원이 오버스펙이 맞군요 감사합니다.
2022.03.19
단순히 학부에서 안가르켜서 석사를 가는 것도 맞고요
깐깐한 공자*
2022.03.19
아니 님이 faang 갈일은 없을거같으니까 그렇게 얘기한거긴 한데 뭐 한국에서는 맞는말이에요 ㅇㅇ
2022.03.19
제가 한 말에 다 긍정해주시면서 왜 어그로인지 모르겠네요
깐깐한 공자*
2022.03.19
그리고 머신러닝을 배울려면 기본적으로 미적 선대 확률론 최적화 프로그래밍 등이 베이스로 깔려야되는데 이걸 다 커버하려면 학부 2년은 걸려요 그니까 애초에 ai학부가 생겨도 최신주제 논문리딩은 못할가능성이 높기에 대학원과 차별성이 있죠
깐깐한 공자*
2022.03.19
그리고 애초에 님의 지향점과 제 주변 ai종사자의 풀이 달라서 그런지 모르겠지만 그냥 한국회사에서 머신러닝 엔지니어 하는거면 걍 스파크나 배우세요 더 큰 목표가 있으면 대학원을 가시고
2022.03.19
전 faang 얘기 꺼낸적도 없는데 어디서 faang이 나왔는지는 모르겠지만, 님은 꼭 대학원 졸업해서 faang이나 그에 준하는 연구기관에 취업하시기를 응원합니다.
2022.03.19
학부는 4년제니깐 말씀대로 ai학과 기준 2년이면 다 배우고 나머지 2년 동안 석사과정처럼 커리큘럼이 되면 대학원과의 차별점이 없는거네요
2022.03.19
제 주변에는 ai 개발자를 목표로 하시는 분이 많아서, 대학원이랑 환경이 다르나보네요.
넉살좋은 마리 퀴리*
2022.03.19
코딩 할거 대학 뭐하러 갓냐 ;; 걍 취업하지. 본글작성자 풀은 걍 5000-7000 받을 애들 (본글작성자 주변애들) 풀이고, 댓글 작성자는 1-3억 이상 받는 리서치 엔지니어 급 되려면 석사이상 이 대부분이라는 말을 하고 있음.
2022.03.19
코딩을 하는데 대학이 필요 없으면 왜 대학에 진학하고, 전세계 CSE 학과에서는 뭘 가르키는 걸까요.
물론 개인의 능력이 뛰어나 대학 없이 개발자가 되시는 분도 많습니다.
연구원이 되게 위해서 석박 과정이 중요한건 당연합니다.
그리고 석박을 나왔다고 다 연구원을 하는 것도 아니고요.
제가 말한건 AI연구원이 아니라 AI개발자를 말한겁니다.
그건 글쓴분께서 딥러닝만 하셔서 그런게 아닐까 조심스레 추측합니다. 딥러닝은 가장 "발전된" 기법이 아니라 어딘가에 가장 "특화된" 기법입니다. 요즘은 ai라고하면 거의 딥러닝을 이야기 합니다만, 원칙적으론 딥러닝을 포함하는 개념입니다. 그러다보니 다른 여러 머신러닝과 통계적 기법을 이해해야 진정한 의미의 ai 개발자, 혹은 데이터 사이언티스트가 되실 수 있습니다. 이걸 위해선 당연히 컴퓨팅 능력 외에도 수학적, 통계적 깊은 이해도가 필요합니다. 글쓴분께서 말하신 ai가 딥러닝이라면, 앞으로 ai 성장에는 한계가 있을 것이라는 말이 일리가 있습니다. 그러나 진정한 의미의 ai라면 그렇지 않을 가능성이 더 높다고 말씀드리고 싶네요.
2022.03.20
댓글 읽어보면 어차피 잘나가는 테크 기업들이 성능 좋은 모델 뽑아내는데 뭐하러 석박따냐 그냥 만들어 놓은거 가져다 쓰지~ 이런 말인거 같은데
resnet이니 bert니 커스텀해서 본인 비즈니스 모델에 접목시켜서 상품화 하는 작업은 모델의 구조를 알 필요 없는건가요?
좋은 모델이 나와서 내 비즈니스에 적용시키고 싶은데 무엇을 어떻게 바꿔야 좋을지에 대한 삽질이 필요하고 그짓을 연습하기에 필요한게 석박과정이라 생각합니다. 이게연구고 어떤 분야에서든 마찬가지겠죠.
뭐 스프링이나 장고같이 인터넷에 조금만 검색하면 남들이 다 해놓은 코드를 가위질하고 붙여 넣어서 양산이 가능하면 학위는 필요없겠죠.
그.. modality 하나 정해서 딥러닝이 적용된 논문이나 모델을 순서대로 한번 읽어나 보세요.
14년도에 alexnet이 발표된 이후로 무수한 논문이 나왔는데 아직 만능이라 불릴만한 기술은 없어요. 그러니 연구과정이 필요한거구요.
대댓글 1개
2022.03.20
그리고 말씀하신 분야는 ai 엔지니어, ai 개발자가 아니고 요즘 데이터 엔지니어라고 불리는 직종입니다.
회사 마다 다르고 팀마다 다르지만 일반적으로
쌓여있는 데이터를 dba가 관리하고 ml/dl 리서쳐가 모델 개발에 필요한 데이터를 요구하면 데이터 엔지니어가 쿼리로 받아서 전달해줍니다. 모델이 완성되면 mlops 엔지니어가 서빙하고 프로그래머들이 배포하는 식입니다.
당연히 mldl 리서쳐 제외하곤 cs에 가까우니 석박 학위는 굳이 필요없죠.
간혹가다 mldl 리서쳐가 쿼리 날리는 데이터 엔지니어 역할을 하는 곳도 있지만
2022.03.20
먼저 현업에서는 일반적으로 잘 알려진 인공지능 문제를 해결하지 않는 경우가 많습니다. 연구기관이 아닌 실제 서비스를 운영하는 곳이라면, 그 회사에서 해결해야 할 문제가 있습니다. 대부분의 문제가 일반화 되기 어렵기 때문에 이와 관련된 논문을 찾기도 쉽지 않고, 데이터 가용성, 하드웨어 한계, 실제 서비스 파이프라인 설계 등, 특정 서비스를 인공지능 모델을 활용하여 서빙하려면 고려해야 할 게 엄청 많습니다. 단순히 github에 올라와 있는 state-of-the-art 모델 가져와서 transfer 하면 되지 않냐고 생각하시면 큰 오산입니다.
모델 가져다가 서비스가 가능하면 돈 벌기 참 쉽겠네요.
2022.03.20
어디 중소기업 사장들이 할법한 얘기를 하고 있네요.
"ai 그거 그냥 컴공 나온 애들 데려다가 모델 적용시키면 되는거 아니야? 석박사가 무슨 필요 있어... 그냥 학부 졸업생들 뽑아다가 시켜..."
딱 이런...
대댓글 1개
2022.03.21
동감
2022.03.23
님이 core ml 연구를 안해보셔서 모르는 듯
2022.03.27
김박사넷에서 건드리면 안되는 뇌관을 건드리는 글이네요ㅎㅎ
2023.02.20
쉬운문제 , 취업 프로젝트를위한 문제만 접해보셨나보군요..
2023.06.27
맞는 말입니다. 그런데 회사가면 기계 전자 뭐 이런데서 생기/양기 하면 application engineering이죠.
2022.03.19
대댓글 4개
2022.03.19
2022.03.19
2022.03.19
2022.03.19
2022.03.19
대댓글 4개
2022.03.19
2022.03.19
2022.03.19
2022.03.19
2022.03.19
대댓글 14개
2022.03.19
2022.03.19
2022.03.19
2022.03.19
2022.03.19
2022.03.19
2022.03.19
2022.03.19
2022.03.19
2022.03.19
2022.03.19
2022.03.19
2022.03.19
2022.03.19
2022.03.19
2022.03.19
대댓글 1개
2022.03.19
2022.03.20
2022.03.20
대댓글 1개
2022.03.20
2022.03.20
2022.03.20
대댓글 1개
2022.03.21
2022.03.23
2022.03.27
2023.02.20
2023.06.27