[멘토링] 인공지능 취업은 했는데 1인분을 못하는 것 같아요 (박**님)

안녕하세요, 재주스입니다.

본 포스팅은 <2023년 10월 21일>에 진행한 멘토링 소개입니다.

 

이번 멘토링은 2시간 30분동안 진행하였습니다.

핵심은 '1인분 가능한 ML Engineer로의 성장'으로 요약할 수 있습니다.

 

멘토링 후기

 

목차
1. 멘티 개인상황
2. 개인상황분석 및 멘토링

---

1. 멘티 개인상황

• 학력/경력
  • 학과 : 학사 ( 생활과학 관련 학과 )
  • 인공지능 국비교육 ( 실습위주 부트캠프 참여 )
  • 23년 하반기부터 AI 연구원으로 근무
• 자격증/어학/수상내역
  • ADsP
  • Tensorflow Certificate
  • AI 경진대회 참여
• 기술스택
  • OpenCV, Visualization
  • Python, Pytorch, Tensorflow
• 포트폴리오
  • 크롤링 기반 스팸메일분류
  • 음석인식 API를 활용한 데이터셋 수정
  • 논문구현 (Yolov3 ~ Transformer)
• 고민/멘토링 요청사항
  
  • 메인 고민
    • 아이디어가 현실 가능성이 있는지 없는지 조차 감 잡기가 어렵고, 솔루션을 생각할때 단편적인 생각만 들어서 이미 선임분들의 스쳐지나간 아이디어일 경우가 많습니다
    • 이직을 위한 포트폴리오 잘 쌓는 방법
    • ML 이론적 활용을 못함 → 논문/수학/통계 실무에서 사용을 못함
  • 인공지능 관련
    
    • 파이썬 실력향상
    • 인공지능 공부 방향성 (선형대수학/통계학 등)
    • 논문 읽는 방법
    • 연구 문제파악, 데이터 분석, 분석한 결과의 현실적인 솔루션 도출법
  • 대학원 진학관련
    • 대학원 진학시기
    • 대학원 준비방법
    • 대학원 선택기준
  • 스펙 관련
    • 신입에서 1년차까지 성장해나가는 방법

---

2. 개인상황분석 및 멘토링

멘토링 전문은 공개하지않습니다.

멘토링 중 진행되었던 내용을 일부 소개해드립니다.

멘토링 중 개인상황분석 및 요약

 

 

이번 멘티는 전혀 다른 학과출신으로 국비교육을 통해서 공부를 시작했으며 성공적으로 'ML 엔지니어'로 취업을 했습니다. 취업을 했음에도 불구하고, 사내에서 맡는 역할에 한계가 분명했고 1인분을 해내지 못해내고 있는 상황이였습니다.

 

저는 이러한 상황을 전반적으로 Basic-Level에 갇혀있기 때문이라고 생각했습니다. 제가 생각하는 Basic-Level은 시중에 나와있는 책이나 강의를 읽고 공부해본 수준이 아닙니다. 공부하고 '작은 수준'의 문제를 해결해본 사람부터 Basic-Level로 생각합니다.

- Basic-Level : 인공지능의 전반적인 개요와 간단한 코딩을 통해 개념을 적용 해본 정도

- 개념을 적용 해본 정도 : 기 구축된 데이터셋 or 스스로 구축한 데이터셋을 갖고 프로젝트를 진행한 수준

 

제품/논문을 위한 연구개발 프로젝트가 '어떻게' 진행되는지 모르고 그 작업 수행하기위한 실력이 부족한 상태였습니다. 국비교육에서 너무 빠르게 실습위주로 가르치다보니 Stack/Queue 같은 자료구조가 어떻게 어디에 사용되어야하는지 모르는 상태였습니다.

 

따라서, 다음의 솔루션을 제공해드렸습니다.

• 현재 회사에서 수행하는 역할이 단순지식노동에 가깝다고 생각이듭니다.
  • GPT가 생성한 코드/기존의 코드를 가져와서 활용하는데 시간이 많이걸림
  • 가끔은 활용하지 못하는 경우도 발생함
• 이는 엔지니어링 능력을 많이 향상시켜 해결할 수 있으며, 노력으로 커버가 가능한 가장 쉬운 부분입니다.
  • 현재 쌓고있는 커리어가 ‘인공지능 및 데이터 사이언스’에 집중되어있기때문에, 굳이 컴퓨터 공학적인 부분에서 코딩 실력을 기르지않아도 된다고 판단됩니다.
    • 컴퓨터 공학적인 코딩 실력: C언어, 운영체제, 고급 자료구조, 고급 알고리즘
      • 고급 자료구조 예시) Red-Black Tree의 구현
      • 고급 알고리즘 예시) A* 알고리즘
  • 현재는 [탄탄한 이론에 근거한 코딩실력] + [데이터 사이언스에 필요한 코딩실력] 을 쌓는것이 옳아보입니다.
    • 이론에 근거한 기초 자료구조의 구현연습→ [Stack, Queue, …]
    • 이론에 근거한 ML 함수 구현 → 이미지 Flipping, Stacking, Keras의 전처리 기능수행 코드들
    • 데이터 사이언스에 필요한 코딩실력 → 통계학, 인공지능 간단이론들 Numpy로 구현

이외 많은 솔루션을 제공해드렸습니다.

---

지금까지 해온 노력과 성장의 과정을 보니 앞으로 더 큰 가능성이 기대됩니다.

하지만 '빵꾸'를 메우는 노력도 분명히 필요합니다.

꾸준히 나아가신다면 분명 원하는 목표에 도달하실 수 있을거라 믿습니다.