빠르게 변화하는 AI 업계에서, 어떻게 주니어 머신러닝 연구자와 시니어 솔루션 아키텍트를 구분할 수 있을까요? 최근에는 인터넷 강의, 아티클, 유튜브 등을 통해 이용할 수 있는 AI/ML 강의를 쉽게 찾아볼 수 있습니다. 주위에서 쉽게 AI에 관련한 연구 자료를 찾아볼 수 있지만, 모든 사람이 이러한 연구를 통해 동일한 역량을 습득하는 것은 아닐 텐데요.
좋은 AI 전문가를 찾기 위해서는 AI 분야에 대한 깊은 이해뿐만 아니라, 성공적인 프로젝트를 진행하기 위한 요구 사항 관리, 고객과의 커뮤니케이션 능력, 프로젝트 관리 등과 같은 보조 능력 또한 확인이 필요합니다. 특히 AI 분야에서 겪고 있는 기술적 격차와 이를 극복하는 방법에 대한 인사이트를 살펴볼 수 있는데요.
정신적(Mental) Models와 T자형(T-Shaped) 기술
주요 주제 중 하나는 정신적 모델에 관한 것입니다. 정신적 모델은 개인이 외부 세계와 상호 작용하면서 사용하는 뇌의 내부적 표현 방식을 의미하며, 개인행동의 기초가 될 수 있습니다. 예를 들어, 운전을 배울 때 우리는 자동차가 어떻게 작동하는지에 대한 기본적인 모델을 개인적으로 마련합니다. 이 모델은 우리가 핸들을 돌리면 자동차가 움직이는 원리, 브레이크를 밟으면 차가 멈추는 원리 등을 포함합니다. 이러한 모델은 완벽하지 않을 수 있지만, 우리가 일상적인 상황에서 빠르게 판단하고 행동할 수 있게 도와줍니다.
또한, T자형 기술에 대해서도 살펴볼 수 있습니다. T자형 기술은 폭넓은 분야에 걸친 기본 지식 위에, 특정 영역에 대한 깊은 전문성을 더한 형태를 가리킵니다. 이러한 구조는 사람이 다양한 문제 상황에서 유연하게 대처할 수 있도록 도와주며, 특정 분야에서는 깊은 통찰력과 전문성을 발휘할 수 있게 합니다. 예를 들어, IT 분야에서 T자형 전문가는 프로그래밍, 데이터베이스 관리, 그래픽 디자인 등 다양한 기술을 알고 있을 뿐만 아니라, 특정 프로그래밍 언어나 플랫폼에서 깊은 전문성을 가지고 있을 것입니다. (특히 MLOps 분야에 대한 깊은 지식과 경험을 가지는 것을 예로 들 수도 있겠죠?)
머신러닝의 차이점
머신러닝 프로젝트는 조금 다릅니다. 전통적인 클라우드나 SaaS 프로젝트는 설계, 개발, 테스트, 배포 및 유지보수의 과정을 통해 진행됩니다. 이러한 프로젝트는 대체로 선형적이고 계층적인 구조를 따르곤 합니다. 그러나 머신러닝은 데이터의 탐색 및 분석부터, 모델 선택, 훈련, 테스트, 그리고 배포에 이르기까지 단계마다 많은 결정들이 필요한데요. 이러한 결정들은 상호 연관되어 있습니다. 예를 들어, 데이터의 특성이나 수집 방법에 따라 사용할 수 있는 모델이나 알고리즘이 달라질 수 있습니다. 또한, 머신러닝은 학습 알고리즘의 이론적인 부분뿐만 아니라 실제 시스템에 통합되는 연산적, 저장적 측면까지 다양한 고려 사항이 포함되죠. (위에서 예를 들어 설명해 드렸던 정신적 모델과 T자형 기술이 복합적으로 필요한 것이죠!)
이러한 복잡성 때문에, 특정 지식이나 기술이 부족한 경우에는 프로젝트의 전체 진행을 방해할 수도 있고, 심한 경우 프로젝트가 제대로 진행되지 못하고 중단될 수도 있습니다. 예를 들어, 모델의 성능 최적화나 클라우드에 배포하는 방법에 대한 지식이 부족하면 프로젝트의 마지막 단계에서 큰 장애물에 부딪힐 수 있겠죠!
권장사항
이러한 문제를 인식하고 극복하기 위해서는 먼저 머신러닝 프로젝트의 전체적인 흐름과 각 단계의 중요성을 이해하는 것이 반드시 필요합니다. 그리고 당연하겠지만, 각 단계에서 필요한 기술과 지식을 지속적으로 업데이트하고, 팀원 간의 협업을 통해 지식의 공유와 전달을 활발히 진행해야 하겠죠!
이번 달 Spotlight🌟를 통해 여러분의 AI 프로젝트와 기술적 접근 방식에 대한 새로운 시각을 얻으시길 바라는 마음으로 준비해 보았는데요. MLOps의 분야에서의 성공적인 여정을 위해, 지식의 중요성과 그 격차를 이해하는 것이 얼마나 중요한지를 주위 동료들과 함께 고민해 보시면 좋을 것 같습니다.🤩
Superb Insight🌟
🆕 컴퓨터 비전에서 데이터 큐레이션을 위한 임베딩 활용 웨비나 Q&A
지난 6월 열린 웨비나였던 "컴퓨터 비전에서 데이터 큐레이션을 위한 임베딩 활용" 이후, 참가자들이 던진 몇 가지 흥미로운 질문을 여러분에게 공유해 드려요! (혹시 웨비나를 놓치셨거나 다시 시청하고 싶으시다면 여기에서 전체 웨비나를 지금 바로 시청하실 수 있습니다.) 참가자들은 어떤 질문을 했는지, 궁금하지 않으신가요?!
LLMOps가 주목받고 있는 이유: DevOps에서 LLMOps까지💁
2023년 인공지능 업계의 가장 핫한 트렌드는 단연 생성형 AI와 초거대언어모델(LLM)이었는데요! 2022년 11월 등장한 챗GPT를 시작으로 등장한 초거대언어모델(LLM)은 우리 삶에 자연스럽게 녹아들며 우리의 삶을 크게 바꾸어나가기 시작했습니다. 초거대언어모델(LLM)을 보다 효율적으로 운영하고, 거대한 언어 모델의 사전학습 및 추가 학습 및 배포하기 위한 방법론인 LLMOps의 개념에 대해 자세히 알아보시죠👍
Replit은 코드 완성 및 지원과 같은 AI 기능을 유료 Pro 계정뿐만 아니라 해당 플랫폼의 모든 사용자가 사용할 수 있도록 제공합니다! 2,300만 명 이상의 모든 사용자에게 AI 기능을 무료로 공개하는 것인데요. 무료 플랜의 챕터는 기본 AI 기능에 액세스할 수 있습니다. Replit은 또한 이번 대규모 출시에서 이러한 새로운 기능을 강화하기 위해 새로운 모델인 replit-code-v1.5-3b를 교육했다고 하네요!
빅테크 기업들은 AI를 통한 수익을 찾지 못했고, 현재 손실을 피하면서 기술의 가능성을 활용하기 위해 AI 도구를 생산, 판매 및 청구하는 새로운 방법을 실험하고 있습니다. 빅테크 기업들은 손실을 피하면서 기술의 가능성을 활용하기 위해, 어떠한 새로운 방법을 모색하고 있는지 한번 살펴볼까요?
Google Cloud는 임상 기록, 건강 기록 등 다양한 의료 데이터 소스에서 정보를 가져올 수 있는 Vertex AI 검색 플랫폼의 새로운 AI 검색 기능을 발표했습니다. 이는 의사와 간호사가 한곳에서 다양한 기록과 형식을 검색하여 환자 정보에 더 쉽게 접근할 수 있도록 돕는 것을 목표로 한다고 하는데요! 더 자세한 내용을 알아보세요!
Arc Browser에 GPT-3.5 및 Anthropic을 기반으로 하는 Arc Max라는 AI 기능이 통합되었다고 합니다. 이 기능에는 Arc 커멘드라인의 쿼리를 위한 Ask ChatGPT, 쉬운 탭 식별을 위한 Tidy 탭 제목, 다운로드 이름 바꾸기를 위한 Tidy 다운로드, 링크 요약을 위한 5초 미리 보기, 웹페이지별 쿼리를 위한 Ask on Page가 포함됩니다. 더 자세한 내용은 링크를 통해 살펴보세요!
