당신은 주제를 찾고 있습니까 “인공 지능 개발 – 인공지능 , 프로그래밍 5분만에 이해하기 (live편집본)“? 다음 카테고리의 웹사이트 ppa.maxfit.vn 에서 귀하의 모든 질문에 답변해 드립니다: https://ppa.maxfit.vn/blog/. 바로 아래에서 답을 찾을 수 있습니다. 작성자 돌디 이(가) 작성한 기사에는 조회수 52,503회 및 좋아요 1,766개 개의 좋아요가 있습니다.
인공 지능 개발 주제에 대한 동영상 보기
여기에서 이 주제에 대한 비디오를 시청하십시오. 주의 깊게 살펴보고 읽고 있는 내용에 대한 피드백을 제공하세요!
d여기에서 인공지능 , 프로그래밍 5분만에 이해하기 (live편집본) – 인공 지능 개발 주제에 대한 세부정보를 참조하세요
라이브 방송에서 인공지능 관련 질문이 나와서 (제 나름) 대답해준 부분에 대한 편집본이에요…^^
라이브 방송은 회원전용으로 진행되고 있습니다.(2주에 한번)
저도 별로 부담없이 주저리주저리 한거니까 보시는분들도 그냥 편하게 봐주셨으면 좋겠습니다!!
(인공지능관련해서는 다음에 제대로 준비해서 한번 올려보겠습니다.^^)
살이 많이 쪘습니다…. (빼려고 노력하고 있습니다…ㅠㅠㅋㅋ)
항상 너무 감사하고 사랑합니다..^^
유익하셨다면 “좋아요”를!! 앞으로도 동영상을 계속 보고싶으신 분은 “구독”을!!! 해주세요. ♥♡
[돌디 구독하기] : https://www.youtube.com/channel/UClmxSq4_kJfLtyIY7TycFfw?view_as=subscribe=1
[돌디 가입하기] : https://www.youtube.com/channel/UClmxSq4_kJfLtyIY7TycFfw/join
[돌디 투네이션 후원] : https://toon.at/donate/636949697615074699
[돌디 인스타] : https://www.instagram.com/smartsyong/
후원 계좌 : 신한은행 110-505-083402 (돌디 연구소)
인공 지능 개발 주제에 대한 자세한 내용은 여기를 참조하세요.
인공지능 – 나무위키:대문
(2차 AI 겨울/AI winter) 문자인식이나 음성인식등의 가시적인 성과가 있는 분야도 있었지만 대화 인공지능등의 개발 실패 등, 눈앞의 목표를 달성하지 못하는 경우도 …
Source: namu.wiki
Date Published: 8/11/2021
View: 3227
#0. AI 인공지능 개발 시작하기 : 네이버 블로그
아니 근데, 다짜고짜 인공지능 개발이라니? 아무리 세상이 AI 인공지능에 대해 이야기를 하고 있다고 해도. AI 라고 하는 영역이 ‘요즘 유행이니까 …
Source: m.blog.naver.com
Date Published: 11/14/2021
View: 3705
인공지능(AI)이란? | NetApp
단순성, 효율성, 유연성을 통해 데이터를 완벽하게 제어할 수 있습니다. … 애플리케이션의 개발 속도를 높이고, 소프트웨어 품질을 개선하며, 비즈니스 위험을 줄이고, …
Source: www.netapp.com
Date Published: 10/14/2022
View: 7691
“2시간 걸리던 코딩 2분 만에”…AI 기반 개발 시대 열려
인공지능(AI) 기반 소프트웨어 개발도구를 통해 사람과 대화할 때 쓰는 자연어를 컴퓨터가 이해할 수 있는 프로그래밍 언어로 즉시 바꿀 수 있게 됐다 …
Source: zdnet.co.kr
Date Published: 10/2/2022
View: 498
AI 개발에 가장 적합한 5가지 프로그래밍 언어 – ITWorld Korea
AI(인공 지능)는 애플리케이션 개발자에게 새롭게 열리는 가능성의 세계다. 머신러닝 또는 딥 러닝을 활용함으로써 훨씬 더 정밀한 사용자 프로필과.
Source: www.itworld.co.kr
Date Published: 4/3/2022
View: 1578
코딩 못해도 AI 개발하는 서비스 툴 나온다 – IT 조선
의료 인공지능(AI) 플랫폼 전문기업 딥노이드가 코딩 없이 애플리케이션을 개발할 수 있는 노코딩(로코드) 플랫폼 ‘딥파이(DEEP:Phi)’의 ..
Source: it.chosun.com
Date Published: 5/18/2022
View: 7400
인공지능을 구축하기 위해 필요한 기술과 지식은 무엇이 있을까
특히 확률, 통계, 선형대수에 해박한 지식을 보유한 전문가는 고유 알고리즘을 개발하거나 특정 목적에 부합되도록 기존의 알고리즘을 재프로그래밍하려는 사람들에게 매우 …
Source: scienceon.kisti.re.kr
Date Published: 7/17/2021
View: 8853
20여명 AI알못의 AI서비스 개발기 – 메일리
AI 스타트업에서 일하는 AI알못 · 확률 통계, 선형 대수를 배운다 · 파이썬이나 R 등 개발 언어를 배운다 · 머신러닝 알고리즘을 배운다 · Pandas 등 데이터 …
Source: maily.so
Date Published: 12/20/2021
View: 3932
[박규병 칼럼] 인공지능 연구자/개발자가 되려면 어떤 역량이 …
뛰어난 프로그래밍 역량이 요구되며 적어도 한 개 이상의 딥러닝 프레임워크를 능숙하게 사용해야 한다. 어떤 인공지능 서비스를 개발하는 프로젝트가 …
Source: www.aitimes.com
Date Published: 7/13/2021
View: 3017
주제와 관련된 이미지 인공 지능 개발
주제와 관련된 더 많은 사진을 참조하십시오 인공지능 , 프로그래밍 5분만에 이해하기 (live편집본). 댓글에서 더 많은 관련 이미지를 보거나 필요한 경우 더 많은 관련 기사를 볼 수 있습니다.
주제에 대한 기사 평가 인공 지능 개발
- Author: 돌디
- Views: 조회수 52,503회
- Likes: 좋아요 1,766개
- Date Published: 최초 공개: 2019. 12. 3.
- Video Url link: https://www.youtube.com/watch?v=zqZwNqiYIms
#0. AI 인공지능 개발 시작하기
항상 뭔가를 개발해야 하는 시기가 오면 일기처럼 생각하게 된 과정들을 남기곤 했는데,
요즘 유행이라는 타 플랫폼들 보다 먼저 생각나는 게 네이버 블로그인 80년생 아재라 이곳에다 글을 다시 적기로 한다.
아니 근데, 다짜고짜 인공지능 개발이라니? 아무리 세상이 AI 인공지능에 대해 이야기를 하고 있다고 해도
AI 라고 하는 영역이 ‘요즘 유행이니까 우리도 한번 해보자’ 라는 생각으로 할 수 있을리가 없잖아!
(결국 나도 역시 경험 5년 이하 초보개발자고, 무엇보다 파이썬은 처음 접해본다)
인공지능(AI)이란?
인공 지능(AI)은 동적 컴퓨팅 환경에 내장된 알고리즘을 생성하고 적용하여 인간의 지능을 모방하는 기초 지능입니다. 간단히 말해서 AI는 인간처럼 사고하고 행동하는 컴퓨터를 만들려고 합니다.
이 목표를 달성하려면 세 가지 핵심 구성 요소가 필요합니다.
계산 시스템
데이터와 데이터 관리
고급 AI 알고리즘(코드)
더 인간다운 결과를 원할수록 더 많은 데이터와 처리 성능이 필요합니다.
AI 개발에 가장 적합한 5가지 프로그래밍 언어
Offcanvas
Some text as placeholder. In real life you can have the elements you have chosen. Like, text, images, lists, etc.
코딩 못해도 AI 개발하는 서비스 툴 나온다
의료 인공지능(AI) 플랫폼 전문기업 딥노이드가 코딩 없이 애플리케이션을 개발할 수 있는 노코딩(로코드) 플랫폼 ‘딥파이(DEEP:Phi)’의 대규모 업데이트를 완료하고 4월 중순쯤 서비스에 들어간다고 15일 밝혔다.
딥노이드가 개발한 ‘딥파이’서비스는 코딩을 전혀 몰라도 파워포인트나 포토샵처럼 마우스 클릭만으로 사용자가 데이터만 업로드하면 각각의 모듈화된 파이프라인을 통해 데이터 전처리, 인공지능 학습, 임상검증 등 모듈화된 블록을 조합하는 것 만으로도 AI 모델구축이 가능하다.이미지 전처리, 고성능 신경망 모듈, 최신 알고리즘을 딥러닝과 클라우드기반의 개발 플랫폼을 제공한다. 개발자, 고성능 서버, GPU 등 장비가 부족한 병의료기관과 기업에서 누구나 쉽게 코딩없이 연구개발 데이터를 통해 앱개발과 서비스를 빠르게 수행할 수 있다. 딥파이는 의료를 비롯해 다양한 산업군별로 도메인 컨설팅, 연구개발, 제품개발 컨설팅, 제품개발과 같은 일련의 선순환 프로세스를 제공하며 모든 애플리케이션은 자동으로 배포, 관리할 수 있도록 쿠버네티스 환경을 지원한다.2021년 딥파이 1차 오픈 이후 시범서비스 기간 동안 사용자의 피드백을 수렴하고 성능 고도화를 통해 현재(2월말) 전국에서 2413건의 AI 연구가 진행되고 있으며 457건의 이미지 프로세싱모듈이 개발되었고 438건의 신경망 모듈 개발, 595건의 데이터셋이 만들어져 해마다 딥파이를 통한 개발자 및 연구성과가 폭발적으로 증가 중이다.딥노이드는 사업초기에는 딥파이를 의료AI분야에 특화시켜 식품의약품안전처로부터 허가를 받은 17개의 ‘딥에이아이(DEEP:AI)’ 제품과 2개의 ‘딥팍스(DEEP:PACS)’ 제품을 보유하고 있으며 딥파이를 통해 의료AI를 넘어 산업AI로 사업을 확대한다.딥노이드 관계자는 “하반기에는 서비스 고도화 및 서브스크립션 라이선스, 고성능 컴퓨팅자원을 위한 부문 유료화도 준비 예정이며 워드가 쉽다고 누구나 소설을 쓸 수 있는 것은 아닌 것 처럼 노코딩 ‘딥파이’ 플랫폼 교육을 위한 딥파이 아카데미 ‘DEEP:EDU’(딥에듀) 교육사업도 전국으로 확대하고 있다.최우식 딥노이드 대표는 “발상의 전환과 모두의 편익을 위해 사람 대신 AI기반 기계학습을 통해 누구나 자신 의 전문분야에서 개발자 이상의 연구개발을 할 수 있고 기업은 SW 인재 채용이 갈수록 어렵고 힘든 문제를 딥파이를 통해 개발 인력·비용·기간을 감축시킬 수 있다”며 “또한 기존 개발인력의 과중한 업무량도 딥파이를 통해 분산 개발한다면 사업자의 수익성 향상, 개발 업무환경도 대폭 개선될 것이다”고 말했다.류은주 기자 [email protected]
[동향]인공지능을 구축하기 위해 필요한 기술과 지식은 무엇이 있을까
2017-06-13
인공지능을 구축하기 위해 필요한 전문지식들에는 무엇이 있을까? 본론부터 말하자면 프로그래밍, 데이터 과학, 그리고 비즈니스 인텔리전스의 적절한 혼합이라 볼 수 있다고 하는데, 관련 내용을 상세히 알아보고자 한다.
오늘날 인공지능이 유행처럼 번지고 있는 가운데 애널리스트들은 우리가 익히 알고 있듯이 세상이 인공지능을 통해 바뀔 것이라고 주장하고 있다 하겠다. 이는 각 기업체와 IT 리더들이 인공지능을 통해 잠재적으로 불러일으킬 수 있는 성장잠재력과 효율성을 주도면밀하게 검토하고 있는 것을 현 세태를 반영한 것이라 볼 수 있겠다.
최근 Dice site社에서 발표한 최신 보고서에 의하면, 인공지능 환경에서 레퍼토리를 개발하기 위해서는 몇가지 근본적인 기술들이 필요하다고 밝혔는데, 이러한 기술들은 Google, IBM, Apple, Facebook, Infosys 등과 같은 기업체들 모두에게서 높은 수요를 차지할 정도로 비중이 점차 높아지고 있는 추세인 것으로 나타났다고 한다.
[출처: http://insights.dice.com/2016/11/03/real-skills-ai-machine-learning]인공지능의 필요기술과 관련해 기기학습은 인공지능의 근본이라 볼 수 있으며, 인공지능 전문가를 개발할 수 있는 또 다른 방법으로는 통계관련 프로그래머에게 데이터 전략을 교육하거나 데이터 분석능력이 뛰어난 사람에게 통계지식을 보다 많이 가르쳐주는 것이라 하겠다. 특히 확률, 통계, 선형대수에 해박한 지식을 보유한 전문가는 고유 알고리즘을 개발하거나 특정 목적에 부합되도록 기존의 알고리즘을 재프로그래밍하려는 사람들에게 매우 중요한 비중을 차지한다 볼 수 있겠다.
프로그래밍과 통계 전문지식 외에도 궁극적으로 인공지능과 친숙해지기 위해 개념적 사고의 변화적 필요성이 필요하며, 추론과 의사결정 관련 이해도가 요구되는 것으로 나타났는데, 일례로 하버드비즈니스리뷰에 언급된 기사에 의하면 인공지능 기술을 프로그래밍, 데이터, 그리고 비즈니스 개발 분야의 전문성을 에우른 것으로서 고립된 천재가 홀로 만들어낼 수 있는 것이 아닌 팀 단위의 구조화된 협력과 솔루션의 통합을 통해 이루어낼 수 있는 결과물이라는 점을 강조하였다고 한다.
이에 인공지능의 기술적 관점에서 현재 필요한 목록은 아래와 같다고 볼 수 있겠다;
1. 선임 소프트웨어 개발자 – 인공지능 및 인지컴퓨팅 관련 전문가 (보험사 기반) : 인공지능, 기기학습, 인지컴퓨팅, 텍스트 분석, 자연어 처리, 플랫폼, API, 마이크로서비스, 기업형 구조 및 보안설계와 같은 다양한 어플리케이션 개발자
2. 인공지능 기술자 – 신속하고 빠른 프로토타입 개발이 가능한 전문가 (항공우주 제조업체 기반) : 학습 알고리즘, 기기학습, 디지털 신호처리 경험자
3. 인공지능 혁신 리더 – 전략적 제품개발 및 제품혁신 전략수립 및 감독자 (금융서비스 출신) : 컴퓨터과학, 인공지능, 인지컴퓨팅 관련 전문가
4. 인공지능 및 기기학습 기술자 – 대규모 데이터 처리가 가능한 코드 개발자 : 데이터 수집, 처리 및 정리를 통한 데이터 셋 구조화 및 모델링 전문가
이상과 같은 전문 인력들의 보유를 통해 인공지능 관련 서비스나 기술개발에 박차를 가할 수 있을 것으로 예상되고 있는 만큼, 각자의 기업 및 조직에서 필요한 전문인력을 추가로 영입하여 온전한 인공지능 환경을 구축할 수 있는 여건을 마련할 수 있어야 할 것으로 보인다.
20여명 AI알못의 AI서비스 개발기
2020년 12월 10일,
‘데이터와 인공지능’ 수업 마지막 발표일.
게임, 디자인, 문헌정보, 불어불문, 체육과학 등
3개월 전만 해도 AI와 거의 무관한 배경을 가졌던
20여명의 이화여대 학생들은 Zoom 화면을 통해
각자 구현한 AI 서비스를 발표하고 있습니다.
송하늘 님은 컴패션이라는 NGO에서
해외 수혜 어린이가 후원자에게 보내는 편지를
한국어로 번역하는 봉사 경험을 바탕으로,
AI 기반의 손글씨 인식 및 번역 서비스를
구현했습니다. (링크)
이를 더욱 발전시켜 늘 시간과 인력이 부족하던
편지 번역 봉사 활동에 도움이 될 수 있으면
좋겠다고 합니다.
AI Letter Mate – 송하늘 님
권지수님의 어떻게든 만화는
사진을 넣고, 문구를 넣으면 ‘음성지원’ 되는
만화 스타일의 짤을 만들 수 있고,
정현민님의 What sound is my back?은
사진을 넣으면, 사물인식을 통해
사진속 무드와 어울리는 소리가 입혀집니다.
김하린님의 날아라 슛돌이는
사용자의 나이, 주사용 발, 현재능력치 등의
데이터를 입력하면 연봉을 예측해 줍니다.
이 외에도 다양한 흥미로운
AI 서비스들이 개발기와 함께 발표되었습니다.
더 다양한 프로젝트 구경하기👇
https://knock-ai.circle.so/c/showcase
어떻게 AI와 무관한 배경을 가졌던 학부생들은
3개월만에 AI 서비스를 만들 수 있었을까요?
AI 스타트업에서 일하는 AI알못
얼마전 종영된 드라마 ‘스타트업’에선
인공지능 기술 스타트업이
핵심 이야기 소재로 등장했습니다.
SF가 아닌 드라마 장르라는 것을 생각하면
어느덧 커진 우리 사회에서의
인공지능의 존재감이 느껴집니다.
하지만 인공지능을 만들거나 활용하는 건
사실 IT 업계에서도 AI 관련 전공자들 외에는
기획자, 디자이너, 그리고 많은 개발자에게도
여전히 거리가 있는 일입니다.
저 또한 이러한 AI 비전공자 중 한 명입니다.
학교에선 산업디자인을 공부했고,
UX디자이너, 기획자, 프로덕트 매니저와
같은 타이틀로 일해왔습니다.
현재는 AI를 위한 플랫폼을 만드는
커먼컴퓨터라는 스타트업에
2년째 몸담고 있습니다.
그런데 전 사실 입사한지 1년이 넘도록
AI알못 상태로 지냈습니다.
역할상, 제품과 사용자에 대한 이해가 중요해서
강의도 들어보고, TFKR 같은 AI 커뮤니티도
꾸준히 눈팅을 했지만 마치
한글로 써진 외국어를 접하는 느낌이었습니다.
인도네시아 찌아찌아족의 교과서 – 읽을 순 있지만 이해는 어렵다
명색이 AI 관련 회사의 PM인데 안되겠다 싶어서,
저 같은 비전공자를 위한 방법을 찾게 되었습니다.
먼저 무엇이 문제인지 생각해보았습니다.
전형적인 AI 입문 과정은 다음과 같습니다.
확률 통계, 선형 대수를 배운다 파이썬이나 R 등 개발 언어를 배운다 머신러닝 알고리즘을 배운다 Pandas 등 데이터 준비하는 방법을 배운다 Tensorflow 등 딥러닝 하는 법을 배운다 GPU, 클라우드 등 ML 인프라를 배운다 모델 배포하는 법을 배운다
+ 백엔드, 프론트엔드 코딩, 도메인 지식 …
마치 내가 원하는 건 전자렌지로
음식을 데워 먹거나, 칫솔 살균(!?) 등
활용하는 법을 배우는 것인데
전자기학과 납땜을 배워야 하는 식입니다.
전자렌지로 칫솔살균도 할 수 있다고 합니다
물론 더 나은 전자렌지 / AI를 만들기 위해선,
이론을 탄탄히 배우고 연구를 위한
스킬을 습득하는게 중요할 것 입니다.
하지만 요리사 / AI 활용자는
활용을 통한 가치 창출에 궁극적 목적을 두고
꼭 필요한 이론이면 족하다 생각할 것입니다.
그래서 이론을 최대한 덜어야겠다 생각했습니다.
수분이 있어야 데워질 수 있다는 것과
전자렌지에 금속이나 녹기 쉬운 용기를 넣으면
안된다는 사용을 위한 지식이면 충분할 것입니다.
또한 코딩도 큰 허들입니다.
매일 쓰지 않는 언어는 서툴어지게 되듯이,
프로그래밍 언어도 마찬가지입니다.
비개발 직군의 경우 매일 코딩을 하지 않기에,
프로그래밍 언어를 배우는 것도 부담이지만
고생해서 배워도 쉽게 잊어버리곤 합니다.
이런 문제를 겪는 사람들이 적지 않은지,
다양한 No/Low-code 도구들이 나타났고
어느덧 상당한 생태계를 형성하고 있습니다.
방대한 No-code 생태계
GUI를 갖춘 직관적인 UX의 애플리케이션이
나오면서 일반인들도 컴퓨터에게
다양한 일을 시킬 수 있게 된 것을 생각하면,
코딩 없이 AI를 활용할 수 있도록 하는게
AI 보급에 핵심이라 생각했습니다.
그래서 No/Low-code 툴로 웹/앱을 만들고,
이미 만들어져 있는 AI API를 붙이면
누구나 AI 웹/앱을 만들 수 있겠다 싶었습니다.
뿐만 아니라, Azure ML studio,
Teachable Machine, Lobe 등
코딩 없이 데이터 전처리 및
자신만의 AI 모델을 만들 수 있는 툴의 등장과
Microsoft Azure ML Studio – 코딩없이 머신러닝 전 과정을 수행할 수 있다
최신 AI 연구 구현체가 오픈소스로 공개되는
트렌드는 진입 장벽을 크게 낮추고 있습니다.
저도 회사에서 이와 관련된 Ainize라는
오픈소스 AI 마켓플레이스 제품을 맡고 있어서,
사용자로서 직접 활용 해보면 제품을
발전시키는데에도 도움이 될 것 같았습니다.
가설 검증을 위한 MVP
먼저 실현 가능성을 확인하고자
‘랜선사진관’ 이라는 개인 프로젝트를
만들어 보았습니다.
흑백 사진을 넣으면 AI가 컬러 사진으로
샤샤샥 변환해주는 기능을 제공합니다.
그리고 평소 눈팅하던 TFKR에 공유했는데
다행히 나쁘지 않은 반응을 얻었습니다.
좋아요는 사랑입니다
Bubble이라는 툴과 Deoldify API로,
업무와 병행하며 처음 익히는 시간을 포함해
기획부터 배포까지 2주 정도 걸렸습니다.
코드 한 줄 쓰지 않고요.
계속 더 좋고 유용한
No-code 툴과 AI API들이 나오고 있으니
이런 방식을 사용하면 얼마든지 다양한
사례들이 만들어질 수 있을거라 생각합니다.
더 많은 대상으로 확장
그런데 제 개인 차원의 검증 뿐만 아니라,
보다 많은 사람들을 대상으로도 검증되어야
일반화 가능한 방법이 될 수 있을 것입니다.
이런 생각을 할 즈음,
이화여대 융합콘텐츠학과의 남양희 교수님을
만나게 되었습니다. (Thx to DevRel 신수철님)
융합콘텐츠 학과는 이름에서도 알 수 있듯이
콘텐츠를 중심으로 다양한 학문을 융합한
교육을 수학한 인재를 육성하는 학과 입니다.
남교수님은 ‘데이터와 인공지능’이라는 수업을
맡고 계십니다. 전 융합교육의 일환으로 이런
수업이 있는게 정말 좋다고 생각했습니다.
그런데, 아니나 다를까 교수님께서도
이론은 그림으로 최대한 쉽게 설명이 가능하지만
코딩과 수학과 관련 내용에서 학생들이
많이 힘들어해서 어떻게 더 쉽게 가르칠지
고민이라고 하셨습니다.
이에 제가 시도해본 방법을 제안드렸고,
교수님께서도 기꺼이 받아들여주셔서
마침내 더 많은 학생들을 대상으로
비전공자를 위한 AI 교육을 검증하게 되었습니다.
비대면 교육의 현장
커리큘럼은 이론과 활용의 균형을 추구하고,
코딩 수준에 상관없이 배움을 느낄 수 있도록
No-code 뿐만 아니라 오픈소스를 활용하는
Low-code 방법도 포함하였습니다.
이를 위해 Cool한 동료 개발자 이민수님도
수업에 함께하게 되었습니다.
1. 인공지능 기초 이론 – 8주 (교수님)
2. No-code AI 모델링과 활용 – 2.5주 (저)
3. 오픈소스 활용 Low-code AI – 1주 (민수님)
4. 프로젝트 – 4.5주 (공동 멘토링)
코로나 시국이라 대부분의 수업을 비대면으로
진행하게 되어 어려운 점도 있었지만,
줌, 오픈채팅, 커뮤니티, 크롬 원격 데스크톱,
커먼컴퓨터의 Cloud기반 AI 개발환경 등을 통해
비대면의 한계를 극복하고자 했습니다.
특히, 커뮤니티를 통해 수업시간의 제약 없이
문제 해결 과정을 공유하며 함께 배우는 경험이
이루어질 수 있었던 점도 주요했습니다.
학생들간에 문제 해결 과정을 공유하는 사례
커뮤니티는 비공개 수업 게시판 외에는
다른 외부 사용자들과 함께 사용하는 공간으로,
수업이 끝난 이후에도
유용한 정보와 도움을 주고 받으며
성장할 수 있는 공간이 되길 기대하고 있습니다.
결과적으로 총 28명의 수강생 중,
25명에 의해 23개의 프로젝트가 기획되었고,
이 중 19개는 실제 구현되었습니다.
구현이 되지 않은 프로젝트도
실제로 사용할 API의 상세한 분석을
기반으로 기획하도록 했습니다.
이를 통해 AI 서비스 구현시
고려해야할 사항과 현실 가능성에
대한 배움도 이루어지길 의도했습니다.
의의와 앞으로의 과제
사실 No/Low-code는 목적이라기 보다는
하나의 수단입니다.
AI를 활용하는데 있어서 부차적일 수 있는
부분을 최대한 덜어내어
입문에 부담이 없도록 하기 위한 수단입니다.
이 과정을 겪은 학생들은,
본인이 AI를 다뤄볼 수 있을 거라는
생각조차 못했었는데 이제 AI에 대한
막연한 두려움이 사라졌다고 합니다.
이렇게 자신감을 가지면
AI의 성능을 더 높여보고 싶다거나,
새로운 돌파구를 찾기 위해 전공자의 길을
가는 이들도 많아질거라 생각합니다.
또한 더 다양한 배경의 사람들이
AI에 대해 이해하게 되면
AI 윤리, 시장성, UX 측면의
문제도 더 잘 해결될 수 있을 것 같습니다.
그리고 실제 현업과
대규모 사용자 대상의 서비스에도
적용되는 사례가 나타날거구요.
이를 위해
No/Low-code AI 학습을 어떻게
지속 가능하고 확장 가능하게
운영할 수 있을지 구상중입니다.
보유하고 계신 AI API나 데이터셋의
활용 가능성을 탐색하고자,
산학협력이나 사내 교육을
진행하는 것도 가능할 것 같습니다.
혹시 좋은 제안이 있으시면
편하게 연락 부탁드리겠습니다. ✉️
그리고 뉴스레터를 통해서는
No/Low-code AI 도구 및
기획자, 디자이너, 마케터 등
Product Guys 들을 위한 AI
등의 정보를 공유 해볼 계획입니다.
관심 있으신 분들은 구독으로
응원 부탁드리겠습니다. 🙏
퓨타 드림
[박규병 칼럼] 인공지능 연구자/개발자가 되려면 어떤 역량이 필요할까?
“인공지능 연구자나 개발자가 되려면 어떤 역량을 갖춰야 하나요?” 이 질문은 내가 어느 강연에 가든 가장 많이 받는 질문 중 하나이다. 질문하는 사람들의 상황이나 처지는 다 다르겠지만, 그분들 모두 하나같이 간절함을 담아 그 질문을 한다. 그 마음을 알기에 쉽게 대답하기 힘들 때가 많다. 이 공간을 빌려 차분하게 내 생각을 말씀드리고자 한다.
우선 개인적인 이야기를 잠깐 하겠다. 내가 인공지능의 뿌리라고 할 수 있는 기계학습(Machine Learning)을 접한 것은 2014년경이었다. 당시 나는 8년간의 직장 생활을 정리하고 학교로 돌아가 언어학을 공부하고 있었다. 그러나 늘 내 관심은 컴퓨터와 언어가 교차하는 지점에 있었다. (순수) 언어학을 공부하며 채워지지 않는 갈증은 코세라(Coursera)의 여러 기계학습 강좌들을 들으며 일정 정도 해소할 수 있었다.
2015년 졸업 후에는 인공지능 기업에 들어가기 위해 여러 곳의 문을 두드렸다. 그때마다 문과 출신에다 비교적 늦은 나이에 프로그래밍을 익히고 인공지능 공부를 한 나는 여러 편견에 부딪혀야 했다. 결국 여러 번의 시행착오 끝에 2016년 어느 스타트업에서 본격적으로 현재 인공지능의 핵심 기법인 딥러닝(Deep Learning) 연구를 시작하게 되었다. 어쩌면 인공지능 연구자가 되는 길을 가장 간절히 찾고 싶었던 장본인이 나 자신이었던 것 같다. 어찌어찌 몸부림치다 보니 여기까지 이르게 되었지만 지금도 특별한 방법이나 확실한 비법을 알고 있는 것은 아니다. 다만, 적어도 노력하면 길이 있다는 것은 경험을 통해 알고 있다.
인공지능 연구자와 개발자는 어떻게 다를까?
먼저 인공지능 연구자와 개발자가 어떤 일을 하고, 그 둘이 어떻게 다른지 설명한다. 사실 정답이 있는 것은 아니다. 그 둘의 경계가 명확한 것도 아니다. 다만 인공지능 필드를 이해하고 앞으로 그 필드로 진입하고자 하는 분들에게는 참고가 될 것이다.
인공지능 연구자는 딥러닝을 학문적 관점에서 접근할 때가 많다. 최신 이론이나 원리, 알고리즘 등을 연구하고 본질과 근간의 혁신을 목표로 탐구한다. 대개 논문을 통해 성과를 공유하고 인정받는다. 자신의 가설을 검증하기 위한 실험을 하기 위해 프로그래밍을 한다. 이론이나 원리보다 제품이나 서비스를 만드는 데 관심이 많은 연구자들도 많이 있다. 이들은 응용연구자로 분류할 수 있겠다. 응용연구자들은 영상, 언어, 의료, 바이오, 법률 등 여러 분야의 실제 문제들을 푸는 데 관심이 있다. 현업의 프로젝트에서 문제를 정의하고 문제해결방법을 찾고 프로토타입을 만드는 역할을 할 때가 많다.
한편 인공지능 개발자는 딥러닝에 대한 이해를 바탕으로 인공지능 제품이나 서비스를 구현하는 사람들이다. 논문 작성이나 연구 자체보다는 그것들을 이용해 궁극적으로 효율적인 모델과 시스템을 구축하는 것이 이들의 관심사이다. 뛰어난 프로그래밍 역량이 요구되며 적어도 한 개 이상의 딥러닝 프레임워크를 능숙하게 사용해야 한다.
어떤 인공지능 서비스를 개발하는 프로젝트가 시작되었다고 하자. 인공지능 연구자와 개발자가 한 팀이 되었다. 연구자와 개발자들이 모두 모여 각자 해야 할 일과 중심 해결 과제들을 정의한다. 연구자는 그 과제들에 대한 기존 접근, 문제점, 해결 방안 등을 조사할 것이다. 그 다음 자신이 생각하는 가설에 따라 여러 실험을 기획하고 스스로, 혹은 개발자와 짝을 이루어 파일럿 실험을 진행한다. 긍정적인 결과를 얻으면 그 방법을 개발자는 실제 시스템에 적용한다. 이후에도 끊임없이 연구자와 소통하며 계속해서 발생하게 마련인 문제들에 대응한다.
(출처=셔터스톡)
인공지능 연구자/개발자는 어떤 역량을 갖추어야 하나?
인공지능 연구자/개발자가 갖추어야 할 역량을 한마디로 정의하기도, 빠짐없이 열거하기도, 무엇이 더 중요하고 덜 중요한지 단정하기도 모두 쉽지 않다. 하지만, 아래에 열거하는 것들은 많은 현업 종사자들이 공감하는 내용일 것 같다.
기초 지식
●딥러닝 지식: 우선 한 권의 책으로, 또는 하나의 강의 시리즈를 통해 딥러닝 지식을 마스터하려는 욕심을 버려야 한다. 몇 해 전에 비해 이제 좋은 입문서들이 많이 나와 있고, 세계 석학들의 명강의 또한 유튜브에 많이 공개되어 있다. 보다 쉬운 언어로 딱딱한 논문을 설명하는 블로그도 찾아보면 많이 있다. 즐기는 마음으로 이런 자료들을 꾸준히 접하며 딥러닝의 기초를 다질 필요가 있다. 특히 어느 분야나 그렇듯 용어(Terminology)의 개념을 정확히 이해하고 바르게 사용하는 데 힘을 기울일 것을 당부하고 싶다.
●전산학 지식: 자료 구조나 알고리즘은 전산학을 배울 때 필수 과목이기도 하고 면접의 단골 주제이다. 사람에 따라 과연 그것들이 딥러닝 연구나 개발에 꼭 필요한 지식인지에 대해서는 생각이 나뉜다. 그러나 논리적 사고 능력의 자가 점검을 위해서라도 익혀 놓는 것이 좋다. 이외에도 특히 인공지능 개발자라면 탄탄한 전산학 지식이 요구된다.
●수학: 수학은 다른 자연과학과 마찬가지로 딥러닝을 이론적으로 이해하고 연구하는 데 있어 필수적인 도구이다. 딥러닝 연구자나 개발자에게 수학 지식이 어느 정도 필요한지는 사람마다 생각이 다르겠지만, 대체로 고등학교 수준의 선형대수학(특히 벡터나 행렬 연산), 미분, 확률, 통계에 대한 지식은 있는 것이 바람직하다.
●영어: 영어는 잘하지는 못하더라도 적어도 익숙해야 한다. 특히 읽기, 듣기, 쓰기, 말하기 네 영역 중 읽기에 능해야 한다. 인공지능과 관련된 많은 자료들이 대부분 영어로 되어 있다. 영어 독해에 부담감을 느껴 우리말로 된 자료들에만 의지하게 되면 다른 사람과의 정보 격차를 해소할 수 없다. 원어민 수준이 되어야 한다는 강박을 버리고 영어 자료들을 계속 읽어나가다 보면 머지 않아 딥러닝 연구에 필요한 최소한의 영어 실력을 얻을 수 있다.
실전 역량
●프로그래밍 역량: 최소한 한 개 언어는 잘해야 한다. 요즘 대세는 파이썬이므로 딴 건 몰라도 파이썬 하나는 잘 다루어야 한다는 뜻이 될 수 있다. 다행인 것은 파이썬이 그리 배우기 어렵지 않은 언어라는 것이다. 프로그래밍 입문자도 6개월 정도만 집중적으로 시간을 투자하면 파이썬을 어느 정도 다룰 수 있다.
●딥러닝 도구 사용 역량: 텐서플로우(TensorFlow), 파이토치(PyTorch), 케라스(Keras) 등과 같은 딥러닝 프레임워크 중 적어도 하나는 다룰 수 있어야 한다. 90 퍼센트 이상의 현업에서 저 셋 중 하나를 쓰고 있다. 셋 중 어느 것을 익혀야 하느냐는 오랜 논쟁 주제이지만, 그보다 중요한 것은 어느 하나라도 온전히 자신의 것으로 만드는 것이다.
●프로젝트 경험: 실제 현업에서는 대부분 프로젝트 단위로 일을 한다. 그래서 프로젝트 경험은 중요하다. 나는 면접을 볼 때 프로젝트를 할 때 어떤 역할을 했는지 꼭 물어본다. 리더인지 팔로워인지, 모델링을 했는지, 데이터를 만졌는지 등을 확인하기 위해서이다. 프로젝트 경험을 통해 스스로도 그 부분을 자가점검해 보면 좋겠다.
자질
●커뮤니케이션 능력: 흔히 개발자를 말이 아닌 코드로 소통하는 사람이라고들 하지만 전적으로 맞는 말은 아니다. 연구자든 개발자든 혼자서는 할 수 있는 게 많지 않고 동료와 같이해야 하는데, 다른 사람과 소통하는 데 어려움을 겪는다면 그것은 꽤 큰 비용이다. 단순히 말을 잘하는 것이 중요한 게 아니라, 자신의 생각을 늘 명확한 언어로 표현하는 연습을 해야 한다. 주어나 목적어를 빠뜨리지 않고 얘기하고, 만연체로 말하지 않으며, 대명사를 의도적으로 사용하지 않는 것은 그 실천적 예시가 될 것이다.
●체력과 정신력: 체력보다는 정신력이 더 중요하다고 생각하는데, 체력이 좋아지면 정신력도 좋아질 가능성이 있으므로 체력도 중요하다(불행히도 그 역은 아니다). 연구를 하든 개발을 하든, 인공지능 활동들은 모두 실패의 연속이다. 그때마다 실망하고 좌절한다면 자신은 물론 옆에서 지켜보는 사람도 피곤하다. 항상 길게 생각하면서 심리적 안정을 가질 수 있도록 자기 최면을 걸어야 한다.
다음 칼럼에는 인공지능 연구자/개발자가 되려면 어떻게 해야 하는지에 대해 말해 보겠다.
박규병 대표는 카카오브레인 자연어처리팀장을 거쳐 현재 인공지능 스타트업 (주)튜닙의 대표를 맡고 있다. 미국 하와이대(University of Hawai’i) 언어학 석사를 마쳤으며, 최근 5년간 국제인공지능학회에 논문 10여 편을 내놓기도 했다.
박규병 튜닙 대표 [email protected]
키워드에 대한 정보 인공 지능 개발
다음은 Bing에서 인공 지능 개발 주제에 대한 검색 결과입니다. 필요한 경우 더 읽을 수 있습니다.
이 기사는 인터넷의 다양한 출처에서 편집되었습니다. 이 기사가 유용했기를 바랍니다. 이 기사가 유용하다고 생각되면 공유하십시오. 매우 감사합니다!
사람들이 주제에 대해 자주 검색하는 키워드 인공지능 , 프로그래밍 5분만에 이해하기 (live편집본)
- 재테크
- 부동산
- 돈
- 4차 산업
- 4차 산업혁명
- 4차 산업혁명 일자리
- 애플
- 애플 주가
- 애플 스토어
- 애플워치
- AI
- 파이썬
- 파이썬 설치
- 인공지능
- 인공지능 로봇
- 인공지능 스피커
- 프로그래밍
인공지능 #, #프로그래밍 #5분만에 #이해하기 #(live편집본)
YouTube에서 인공 지능 개발 주제의 다른 동영상 보기
주제에 대한 기사를 시청해 주셔서 감사합니다 인공지능 , 프로그래밍 5분만에 이해하기 (live편집본) | 인공 지능 개발, 이 기사가 유용하다고 생각되면 공유하십시오, 매우 감사합니다.