4차 산업혁명으로 기존의 산업구조를 완전히 바꿀 것이다.

위와 같은 뉴스를 많이들 접해보셨을 것입니다.

하지만 2020년 기준으로 아직은 인공지능 기술 자체만을 이용해서 큰 비즈니스적 가치를 만들어낸 사례는 많지 않습니다. 그러나 현재 비즈니스 가치를 떠나서 인공지능 기술이 미래를 바꿀 기술에 이견을 제시할 사람은 없습니다.

많은 사람들이 미래를 대비하기 위해서 인공지능/딥러닝 기술을 배우려 할 때 아래와 같은 과정을 거치게됩니다.

Level 1.

머신러닝/딥러닝의 기본원리와 ANN, CNN, RNN, LSTM 등의 기초 모델을 학습하는 단계

처음에는 보통 Coursera와 같은 MOOC 강의를 통해 머신러닝/딥러닝의 기본원리를 공부하고, ANN, CNN, RNN, LSTM 등의 기초 모델을 학습합니다.

Level 2.

TensorFlow/PyTorch와 같은 머신러닝 라이브러리를 통해서 머신러닝 알고리즘을 구현하는 방법을 학습하는 단계

어느 정도 머신러닝/딥러닝에 대한 감이 생겼으면 직접 머신러닝 알고리즘을 구현해보기 위해서 TensorFlow나 PyTorch 라이브러리 사용법을 학습하고, 공식 홈페이지의 Tutorial 문서들을 보면서 MNIST 분류와 같은 간단한 예제에 대해서 직접 알고리즘을 구현해봅니다.

Level 3.

Toy Project를 통해 응용능력을 기르는 단계

지금까지 학습한 내용을 바탕으로 MNIST 분류 예제 같은 기본 예제를 넘어서 좀더 어려운 Toy Project를 진행해보면서 응용능력을 기릅니다.

Level 4.

최신논문을 읽고 직접 구현하는 단계

기본적인 머신러닝/딥러닝에 익숙해졌으면 이제 최신 논문들을 읽고, 이해하는 것을 넘어서 최신 논문을 직접 구현해보면서 능력을 향상시켜나갑니다.

Level 5.

최신논문을 적용한 실무 프로젝트를 진행하는 단계

마지막으로 다양한 최신 논문을 구현한 것을 토대로, 이를 직접 실무 프로젝트에 응용합니다.

각 Level 별로 다양한 어려움이 존재합니다. 

특히 Level 4부터는 논문의 전후 맥락을 모르는 상태에서 복잡한 수식들이 많이 등장하기 때문에 영어로 된 최신 논문을 이해하기 쉽지 않습니다.

또, 프로그래밍 경험이 부족한 상태에서 TensorFlow/PyTorch로 몇천 줄의 코드를 작성하긴 쉽지 않은 일입니다.

Level 5부터는 실무 프로젝트를 진행하려면 알고리즘 구현뿐만 아니라 대량의 데이터 수집 및 Labelling 과정이 필요합니다. 하지만 개인이 대량의 데이터를 확보하고 Labelling 하는 것은 쉽지 않은 일입니다. 

 

결국 최신 논문을 읽는 능력을 기르기 위해서는 대학원에 진학해야 하고, 실무 프로젝트를 진행하려면 수집된 데이터가 풍부한 대기업 인공지능 리서치팀에 취업해서 연구를 진행해야 합니다.

대학원 진학이나 대기업 인공지능 리서치팀에 취업하지 않고도,

그에 준하는 경험을 해볼 수 있도록 돕는 것

에이아이스쿨의 최종 목표는 “대학원에 진학하거나 대기업 인공지능 리서치팀에 취업하지 않고도, 그에 준하는 경험을 해볼 수 있도록 돕는 것”입니다. 이를 위해 다음과 같은 계획을 하고 있습니다.

1.

에이아이스쿨 데이터셋 아카이브 구축 및 멤버십 제도를 통한 배포

수강생분이 지불해주신 수강료의 일부를 데이터 구매 및 Labelling 외주작업 비용으로 투자하고, 이를 에이아이스쿨 자체 데이터셋 아카이브로 구축한 뒤, 지속해서 버저닝 및 업데이트 한 뒤 멤버십 구독 수강생분들께 공유할 계획입니다.

2.

멤버십 제도를 통한 최신 논문 리뷰 정기세미나 개최

강의 수강 이후에도 최신 연구의 흐름을 따라갈 수 있도록 멤버십 제도를 통해 최신 논문 리뷰 정기세미나를 개최해서 지식을 공유할 계획입니다.

기회는 준비된 자에게 온다고들 합니다. 미래에 많은 기회가 있을 것이라고 확신하는 인공지능/딥러닝 기술을 학습하는데 에이아이스쿨이 도움이 되길 바랍니다. 긴 글 읽어주셔서 감사하고, 부디 강의를 통해 뵐 수 있길 바라겠습니다.

감사합니다.