안녕하세요, 재주스입니다.
본 포스팅에서는 성균관대학교 인공지능융합전공에서 진행한 [부트캠프: 나 혼자만 AI 레벨업] 제작과정을 공유하고자 합니다.
[성균관대학교 인공지능융합전공 부트캠프] 진행 후기 보러가기
[강의] 성균관대학교 인공지능융합전공 부트캠프 진행 후기
안녕하세요, 재주스입니다.본 포스팅은 성균관대학교 인공지능융합전공에서 진행한 [부트캠프: 나 혼자만 AI 레벨업] 후기입니다.대상 : 인공지능융합전공 전공생 16명 (학부 2 - 4학년)주제 : 실
jaeju.tistory.com
목차
1. 강의 컨셉 및 수준 정하기
2. 강의 교안
1. 강의 컨셉 및 수준 정하기
[부트캠프: 나 혼자만 AI 레벨업]은 2024년 08월에 성균관대학교 인공지능융합학부를 대상으로 진행하였습니다.
- 대상 : 인공지능융합전공 전공생 16명 (학부 2- 4학년)
- 주제 : 실무 Computer Vision + 인공지능 서비스
- 장소 : 성균관대학교 인문사회캠퍼스 강의실
부트캠프 강의를 요청 받았을 때 무엇을 메인 주제로 선정할지 깊이 고민했습니다.
이미 온라인에는 인공지능 이론과 구현체를 잘 알려주는 강의가 너무 많았고, 그 내용을 답습한다고 해서 큰 의미가 없을 것이라고 생각했기 때문입니다.
따라서 기존의 강의에서 답습하는 내용은 제외하고, 저만이 지금 전달해줄 수 있는 무엇이 있을까 탐색해봤습니다.
2주간의 계속된 고민 끝에 '컴퓨터 비전 실무/태도 & 제품화'라는 내용을 강의 메인 컨텐츠로 선정하였습니다.
그 이유는 다음과 같습니다.
- 학부연구생 3년 + 석사 2년의 과정을 통해 어느정도 연구적 태도를 함양했다는 점
- 졸업 후 AI 스타트업 창업하여 AI 서비스 상용화 및 제품화를 3년째 해오고 있다는 점
- 실제 엣지 디바이스로 AI 서비스를 배포하면서 겪은 시행착오를 많이 갖고있는 점
- 30살의 나이로 우리들 만의 기술로 수익을 만들기 위해 맨땅에 헤딩 중이며 도전적인 태도를 갖고있다는 점
총 종합하여 '나 혼자만 AI 레벨업' 이라는 부트캠프 주제를 선정하고, 세부 주제는 [AI 연구개발 및 서비스 A to Z]로 정하였습니다.
강의 제작을 시작하기위해 학생들의 평균 지식 수준을 알려달라고 했을 때, 학부 2학년 수준이라고 전해받았습니다.
당시 제가 알고있는 학부 2학년 친구들은 연구실에서 학부연구생을 하고있었고 그들이 기준이 되었습니다.
그들의 실력을 직관적으로 표현하면 [Python과 Pytorch에 익숙하며 코드를 보고 자유롭게 해석이 가능한 상태] 였습니다.
이 수준에서 한 단계 실력을 업하기에는 조금 어려운 내용을 다루는 것이 좋을 것이라고 판단하였습니다.
따라서, 난이도는 쉽지는 않은 수준으로 준비하였습니다.
2. 강의 교안
다음은 제가 제작한 강의 교안입니다.
개요, 흐름 디테일 등 모두 직접 구상하였습니다.
이후, 평균적으로 필요한 내용인데 빠진 것이 있는지 확인하기위해 GPT를 이용해 검토하는 과정을 수 차례 거쳤습니다.
이를 프로세스로 표현하면 다음과 같습니다.
* 개요 작성 → 세부 개요 작성 → 디테일 구성 → 부족한 부분 추가하면 좋은 부분 GPT 검증 → 실제 경험 썰 추가
1. Orientation
- 강의 배경
- 인공지능이 세상에서 어떻게 [연구개발/최적화/배포 및 서비스] 되는지 알아보자
- 이미 인터넷/강의로 잘 되어있는 [기초이론 설명하고, 이것저것 Toy/Cookie 수준으로 실습하고, 연구개발의 맛만 보여주는] 강의를 하고싶지 않습니다.
- 진짜 경험하면서 느꼈던 시행착오 ‘인공지능 제품/서비스 개발 과정 A-Z 까지’ 이해하고 실습
- 이건 마치 방대한 소설의 세계관을, 직관적이고 쉬운형태로 이해하는 것
- 향후, 내가 꽂힌/끌린 부분이 있다면 집중하면 되겠죠
- 인공지능 연구개발 ‘만’ 배우는 것이 아니고,
- 벡엔드 ‘만’ 배우는 것이 아니고,
- MLOps ‘만’ 배우는 것이 아니고,
- 아무도 얘기하주지 않는 ‘인공지능 제품 컨텐츠’ 까지 녹여낼 예정입니다.
- 인공지능 제품/서비스 연구개발 A - Z (이론/실무)
- 액기스만 뽑아서 → [인공지능 제품 설계/연구개발/백엔드 배포]를 다움
- 부트캠프 강의가 끝날 때, 하나의 인공지능 서비스를 기획할 수 있을 것
- 1일차에 각 요소에서 어떤 것/어떻게 소양을 쌓아나가야하는지 제시
2. Overview of AI Service
- AI는 무엇일까?
- 인공지능의 개념: 직관적 인공지능 이해
- 인공지능 동작 방법
- AI 서비스는 무엇일까?
- AI 서비스의 개념: 직관적 AI 서비스 이해 → 잘 만들어놓은 Function 활용해서 ‘서비스’ 활동
- AI 서비스는 어떻게 구분할까?
- AI 서비스 제작과정은 어떻게 될까?
- [이론: 기획] AI 서비스 제작과정 시각화
- [이론: 연구개발] 인공지능 제품/서비스로 무엇을 만들까?
- [이론: 최적화] 인공지능 제품/서비스는 어떻게 만들어질까?
- [이론: 배포] 인공지능 제품/서비스는 어떻게 최적화될까?
- [이론: 팀빌딩] 인공지능 팀은 어떻게 구성될까?
- Tips 4 AI Service
- [썰] 무엇을 >>> 어떻게
- [썰] 인공지능 기술/제품/서비스는 어떻게 판매될까?
- [썰] 왜 AI 논문/특허가 그렇게 중요한 걸까?
- [썰] AI 논문/특허보다 ‘판매가능성’이 더 중요하다
- [썰] 5년 주기의 산업변화 → LLM 그 다음은?
3. Datasets for AI Service
- 모델 접근성이 매우 높아지고있기 때문에, 데이터를 다루는 능력/컨텐츠가 더욱더 증가하고있습니다 …!
- 데이터셋은 무엇일까?
- 데이터셋 정의 및 역할
- 데이터셋 구분
- 데이터셋 성격 구분
- 데이터셋은 어떻게 만들어질까?
- 데이터셋 구축 과정
- 데이터를 어떻게 수집하지?
- 데이터 수집 기술과 도구 소개
- 웹 스크래핑 및 API 활용
- 데이터를 어떻게 전처리하고 정제할까?
- 데이터 클렌징 기법
- 데이터 정규화 및 변환 방법
- 데이터셋은 어떻게 최적화될까?
- 데이터셋을 어떻게 탐구할까?
- [썰] 유명한 제품은 어떤 데이터셋으로 만들어졌을까?
- 리버스 엔지니어링 → 데이터셋 관점으로 → Tabular/Time-series/Image/Video
- 사례를 분석해보자
- 데이터셋을 어떻게 탐구할까?
- [썰] 다양한 데이터셋 설명해주기
- 대화형 데이터셋
- 오디오 데이터셋
- Forensics 데이터셋
- 외부 프로젝트 데이터셋
4. Model for AI Service
- ‘인간은 비선형 모델 중 가장 값싸다’
- 비선형 모델 : 입력과 출력 간의 복잡한 관계를 설명할 수 있어, 데이터의 다양한 패턴을 잘 포착
- 구현 : 인간의 뇌 구현하기
- 인공신경망 구현하기
- 인공신경망에 ‘비선형성’ 넣어주기
- 인간의 학습 프로세스 설명/구현하기
- 학습 자료 준비 → 풀어보기 → 틀린 부분 알려주기 → 틀린 부분 이해하기 → 다시 풀어보기 → 최종적으로 시험에서 잘 학습했는지 확인하기
- 인공신경망으로 해결할 수 있는 문제
- 분류 vs. 회귀
- 그 이외의 문제들과 해결방법들
- 인간의 다양한 학습 프로세스
- 비지도학습
- 사전 학습
- 전이 학습 등
- Input/Output 간의 관계를 이해하라 → 나머지는 모두 방법론일 뿐, 어떻게 풀지는 ‘나'에게 달렸다
- Tips 4 Building AI
- 핵심 : Data/Model/Loss/Gradient/Latent space를 마음대로 조작할 수 있도록 하라
- Mathmatics/Stats for Building AI → 위에서 수업했던 것들 수식으로 표현해서 알려주고, 수학의 중요성 알려주기
- AI Paper
- AI Project
- AI Challenge
5. Advanced Model for AI Service
- [이론] 분류, 회귀 그 이상 연구분야/방법론 소개
- 방법론
- 예측/분류형
- 추론형 (Reasoning)
- 생성형 (Generative)
- Tips for Advanced AI Model
- Coding for Building Advanced AI
- [이론] 생성형이 모든 것은 아닙니다 !
- [이론] Opensource는 계속 잘 되어간다 → 모델 접근 난이도가 매우 낮아짐, 데이터에 대한 이해, 활용 이 더욱 더 증가한다
6. Deployment Model for AI Service
- Deployment Model for AI Service
- Hands-on Deployment Model for AI Service
7. 실제 프로젝트 기획 (이론/실습)
- AI Service + R&D 흐름
- Current R&D → 최신 AI 기술 및 연구 트렌드 + Successful Current Service
- MyProject
- MyBusiness
- AI 서비스 기획 및 과제 정의서 설명
- 팀별 기획 실습 수행
- 팀별 기획 실습 발표
이번 포스팅을 통해 부트캠프의 제작 과정을 공유하였습니다.
강의 기획과 실행 과정에서의 고민과 인사이트를 나눌 수 있어 즐거웠습니다.
* 보통 특강만 해봤는데, 실제로 부트캠프를 진행해보니 강의교안을 작성하는 것이 무척 중요하더군요.
* 제 강의교안이 도움이된다면 좋겠습니다. 공감좀요 ㅎㅎ
앞으로도 이러한 경험들을 바탕으로 인공지능 학습과 실무 적용에 도움이 되는 콘텐츠를 지속적으로 제공하겠습니다.
감사합니다!
'인공지능 생존일지 > 인공지능 강의 & 멘토링' 카테고리의 다른 글
| [강의] 성균관대학교 인공지능융합전공 부트캠프 진행 후기 (6) | 2024.12.02 |
|---|---|
| [멘토링] '파트타임 석사 2기' 논문을 시작하는 것은 불가능하다? (***님) (4) | 2024.11.30 |
| [멘토링] 대학원 연구실에 사실상 혼자... 성장할 수 있을까요? (김**님) (2) | 2024.11.24 |
| [멘토링] 인공지능 취업은 했는데 1인분을 못하는 것 같아요 (박**님) (3) | 2024.11.20 |
