AI Engineer로의 첫 걸음

• AI(Artificial Intelligience)의 사전적 정의 :
  인공지능은 인간의 학습능력, 추론능력, 지각능력을 인공적으로 구현하려는 컴퓨터 과학의 세부분야 중 하나이다.
• AI Engineer : AI 기술을 이용해 문제를 해결하는 사람
• AI 기술 개발 과정
  1. 문제 정의
  2. 데이터 수집
  3. 모델 개발
  4. 벤치마크 평가
  5. 필드 테스트
• AI Engineer의 세부 역할
  1. 데이터 엔지니어링
     • 데이터 수집
     • 결측치 제거 / 데이터 보간
     • 합성 데이터 생성
     • 데이터 표준화
     • 데이터 전/후처리
     • 버전 관리
  2. 모델링(모델 개발)
     • 모델 구조 설계
     • 모델 학습 데이터셋 구성
     • 모델 학습
     • 모델 학습 결과 분석
     • 모델 평가
     • 버전 관리
  3. 모델 평가
     • 모델 평가를 위한 벤치마크 데이터 셋 구성
     • 평가 지표 설정
     • 모델 안정성 검토(특히 생성형 AI)
  4. 시스템 개발
     • 실제 문제 해결을 위한 시스템 개발
     • 추론 최적화
     • 온라인 평가 환경 구성

7개월간의 "Upstage AI Lab 5기" 교육이 시작되었다.
교육을 마친 다음에는 무엇을 하게 될지는 아직 모른다.
개인적으로는 모델 개발에 관심이 있지만 내가 모델 개발 관련하여 무언가 더 새로운 것을 할 수 있을까?
당연하지만 지금은 기존 AI Engineer들이 모델 개발을 어떻게 하고 있는지도 잘 모른다. 피상적으로 알고만 있을 뿐...
교육 기간 중 커리큘럼을 열심히 적극적으로 따라 가다 보면 조금씩 알게 되겠지...

AI Engineer로의 첫 걸음을 떼면서 최선을 다할 각오를 다지기 위해서 앞으로 어떠한 사고방식과 태도로 임하면 좋을지 정리해 본다.

• 호기심 : 데이터를 탐색하고 질문을 던지며 통찰력을 발견하려는 강한 욕구. 데이터 과학자는 데이터 뒤에 숨겨진 "왜"를 이해하려는 필요에 의해 움직입니다.
• 분석적 사고 : 복잡한 문제를 관리 가능한 부분으로 나누고, 데이터를 철저히 분석하며, 결과를 논리적으로 해석하는 능력.
• 문제 해결 지향 : 현실 세계의 문제를 파악하고 데이터 기반 접근 방식을 사용하여 효과적인 해결책을 개발하는 데 집중합니다.
• 적응력 : 이 분야가 끊임없이 진화함에 따라 새로운 도구, 기술 및 방법론을 수용하려는 의지.
• 협업 : 팀워크와 커뮤니케이션을 중시하며, 데이터 과학자는 종종 다양한 분야의 이해관계자와 협력하여 데이터 통찰력을 실행 가능한 전략으로 전환합니다.
• 성장 마인드셋 : 지속적인 학습과 개선의 가능성을 믿고, 피드백을 소중히 여기며, 도전을 발전의 기회로 바라보는 태도.

I can do it !!!