<머신러닝 분야 여성 리더의 5가지 커리어 팁 | 커리어리

<머신러닝 분야 여성 리더의 5가지 커리어 팁> 커리어리 친구들, 오늘은 여성 분들을 위한 커리어 어드바이징 관련에 대해 소개하겠습니다. 최근에 아마존 직원 분들을 인터뷰하여 커리어 리더쉽에 대해 이야기했는데 특히 머신러닝 분야라서 이 길을 걷고 계신, 또는 앞으로 걸으려고 계획중인 부분들에게 도움이 되었으면 좋겠습니다. 1️⃣ 자신을 드러내고 인맥을 만드세요! 인공지능과 머신러닝으로 가는 길이 많습니다. 안토니아는 독일에서 기술 및 미디어 커뮤니케이션 분야에서 일을 시작했는데, 그곳에서 저의 첫 번째 역할 중 하나는 시장 조사였습니다. 여기서 안토니아는 데이터 과학과 ML의 기초를 이해하고 싶다는 것을 깨달았고 비즈니스 배경을 가지고 있지만 계속해서 현장 사람들과 네트워크를 구축하고 데이터 과학 역할과 인턴십을 추구했습니다. 마침내 현재 AWS에서 머신러닝 솔루션 랩에서 데이터 과학자로 일하고 있습니다. 두번째 루나와 같은 경우에는 AWS에 합류하기 전에는 실제 머신러닝 경험이 없었습니다. 루나는 25년간 언어 번역 소프트웨어에서 일했고 DevOps 경험이 있었습니다. MLOps 가 DevOps 의 확장 개념이라는 것을 잘 아시죠? 현재 AI/ML 일을 지금다니고 계시는 회사에서 하고 있지 않다고 실망하거나 포기하지 마세요. 기술 분야의 경력 경로가 무엇이든 상관없이 자신을 공개하는 것을 두려워하지 마시고 이미 ML에서 일하고 있는 다른 여성들과 인맥을 쌓으세요. 그러한 그분들과 지속적인 연결을 구축하고 관계를 쌓아나가는 것이 아무리 강조해도 지나치지 않습니다. 2️⃣ 여러분의 배경을 고유한 셀링 포인트로 사용하라! 최근에 AI/ML에 관심이 있는 사람들이 얼마나 많은지 밋업에 나가시면 깜짝 놀랄 것 입니다. 그리고 컴퓨터 과학이나 통계학 전공자들 외에 다양한 문과와 이과 분들이 각 업무에 데이터 과학과 인공지능을 체계적으로 접목하기 위해 노력하고 있는 모습을 종종 목격할 것 입니다. 현재 컴퓨팅의 다양한 영역에 있는 대부분의 전문 분야가 ML로 이동하기 시작했으며 그 배경은 여러분이 아는 것보다 더 많은 도움이 될 것입니다. 또한, ML 분야는 매우 빠르게 발전하고 있습니다. 4년 전만 해도 우리가 볼 수 있었던 ML의 가장 일반적인 역할은 과학자와 엔지니어였습니다. 오늘날 데이터 관련 역할, 응용 연구 과학자 역할, 기계 학습 엔지니어 역할, DevOps 역할, 프론트엔드, 클라우드 및 소프트웨어 엔지니어 역할 등과 같은 새로운 요구 사항을 충족하기 위해 보다 전문화된 배경이 필요합니다. 분야가 계속 확장됨에 따라 다양한 배경을 가진 사람들이 필수적입니다. 하비불리나와 같은 경우, AWS 데이터 과학자가 되기 전에 아마존에서 다른 역할을 했습니다. 그녀가 하고 싶은 일은 AI/ML에 대한 흥미를 가지고 데이터 과학자로서 길을 걷고 싶었습니다. 그러나 멘토는 웹사이트와 다른 리소스로 안내했으나 종종 그 내용을 이해할 수 없었습니다. 그래서 하비불리나는 자기 자신이 웹사이트 개발 보다 데이터 과학자가 더 적합하다는 것을 증명해서 마침내 그 길을 갈 수 있었습니다. 3️⃣ 시작하는 데 도움이 되는 온라인 과정을 탐색하라! 인공지능 및 머신러닝에 대해 인식되는 큰 장벽 중 하나는 이 분야에서 일하려면 높은 자격과 인증을 받아야 한다는 생각입니다. 왜냐하면, 대부분 박사 학위를 가진 분들이 이 분야에 많이 일하고 있기 때문입니다. 저도 아직은 이 분야가 기업과 산업 중심이 아닌 학회 중심으로 움직이기 때문에 박사 학위를 가진 분들을 많이 만납니다. 또한 후배들 멘토링 하면 이 분야에서 일을 하려면 박사 학위가 있어야 한다고 생각하는 사람들을 많이 만납니다. 통계나 수학에서 AI/ML의 역할을 시작하는 것은 사실이 아닙니다. 많은 과정을 이수하고 특정 학위를 취득해야 한다는 것은 통념입니다. 이것 없이 시작할 수 있습니다. 모든 AI/ML 조직에는 제품 관리자, 기술 프로그램 관리 및 데이터 분석가와 같은 일반적인 역할이 있으며, 모두 도메인 전문 지식이 필요하지만 깊은 AI/ML 배경은 필요하지 않습니다. 또한, 시간이 지날 수 있도록 AI/ML이 다른 기업에도 많이 퍼지고 구축하고 있으며 간단한 API를 호출해도 머신러닝이 동작하는 다양한 오픈소스 프레임워크가 많이 나오고 있고 그것이 대중화되고 있습니다. 이에 하비불리나는 데이터 과학에 입문하고 싶다면 짧은 온라인 과정을 수강하는 것만큼 간단할 수 있습니다. Amazon Machine Learning University는 좋은 출발점입니다. 빅 데이터 영역에 대해 배우고 싶다면 Spark, Hadoop 및 AWS Certification Digital Badge와 같은 보다 접근하기 쉬운 교육 서비스를 살펴보는 것이 좋습니다. 구글 같은 경우에는 Tensorflow Developer Cetificate 와 같은 자격증도 있고 관련된 무료 교육들이 코세라와 구글 교육 사이트에 직접 핸즈온 할 수 있도록 많이 있습니다. 만일 여러분들이 엔지니어링 측면에 관심이 있다면 데이터 시각화를 위한 JavaScript, 서비스 및 인프라 개발을 위한 Java, ML 코드용 Python에 대한 지식을 구축하는 방법을 먼저 살펴보는 것이 좋습니다. 루나 같은 경우, 직장을 다니고 있기 때문에 대학교 정식 석사나 박사 과정을 공부한다는 것이 쉽지 않았습니다. 왜냐하면 회사를 그만두고 다녀야 하므로 선택하기가 쉽지 않습니다. 또한 비즈니스 배경으로 수학 석사를 할 수 있을 것 같지 않았다고 판단하여 1년 동안 공부한 "빅 데이터 및 비즈니스 분석"이라는 과정을 찾았습니다. 그리고 루나는 자기가 사랑하는 고객의 관점에 초점을 맞추었고 이것이 내가 데이터 과학자로서의 경력을 시작하는 데 큰 도움이 되었다고 증언했습니다. 4️⃣ 멘토를 선택할 때 신중을 기하라! 먼저 이 조언을 받아 들이기 전에 여러분은 현재 멘토가 있습니까? 내 직장 상사 말고 나의 커리어를 조언하고 코치해줄 수 있는 분으로요! 만일 없다면 지금부터 멘토를 찾아보시기 바랍니다. 때로는 여러분이 선택한 멘토가 여러분의 경력을 바꿀 수 있습니다. 또한 여러분들이 업계에 처음 발을 들이는 멘티들의 누군가의 멘토가 되어 여러분의 멘토에게 되돌려 줄 수 있습니다. (Pay it forward!) 하비불리나는 개인적으로 멘토는 제 경력과 성장 능력에 극적인 영향을 미쳤습니다. 각 멘토로부터 한 가지를 배우려고 노력합니다. 권한 없이 영향을 미치는 방법과 같은 소프트 스킬이나 특정 사용 사례에 대한 ML 모델을 개발하는 최상의 접근 방식과 같은 기술적인 스킬입니다. ML/AI에서 일할 때 과학자가 선도적인 과학자의 연구와 다양한 관점을 사용하여 그들이 앞으로 나아갈 수 있도록 돕는 것과 같은 방식으로 멘토를 찾습니다. 이것은 여러분이 누구에게 묻는지, 그들의 기술과 지식을 고려하고, 여러분이 서로를 도울 수 있는 방법에 대해 생각하는 것을 의미합니다. 하비블리나 같은 경우에는 멘토가 여러명이고 기술 멘토를 두었습니다. 이 멘토가 우리는 나보다 나이가 많은 혹은 경험이 많은 윗사람이라고 생각할 수 있는데, 여러분의 동료들중에 어떤 특정한 분야에 뛰어난 사람이라면 기술 멘토로 배울 수 있는 사람이라면 누구든지 가능합니다. 특히, 루나는 일반적으로 컴퓨팅 분야의 여성으로서 멘토가 있다는 것은 정말 중요하다고 강조합니다. 특히 ML에서는 아직 모르는 흥미로운 새로운 영역을 발견하는 데 도움이 될 것입니다. 이 업계의 경력 개발 계획을 수립하는 방법을 포함하여 여성들이 연결하고 공유할 수 있도록 비공식 및 공식적 방법으로 멘토링합니다. 예를 들어, 저희는 그룹을 위한 Slack 채널을 가지고 있는데, 우리 멤버들이 거기에 자신을 드러내는 것을 보는 것이 좋습니다. 누군가가 특정 분야를 전문으로 하는 멘토를 요청하면 다른 누군가가 나서서 커피 채팅을 주선합니다. 보다 공식적으로, 우리는 멘토링 서클이라고 하는 것이 있습니다. 이는 여성들이 보다 친밀한 환경에서 이야기를 공유하고 서로의 말을 들을 수 있도록 하는 4개의 소그룹 멘토링 서클이라고 합니다. 여러분들의 회사도 이렇게 한번 디지털로 기술 멘토를 그룹으로 묶어 보시기 바랍니다. (이미 하고 계시죠?) 5️⃣ 충족되지 않은 요구 사항들을 찾으라! ML과 AI는 비교적 젊은 분야입니다. 기회가 너무 많고 아직 갈 길이 멀기 때문에 더 많은 여성이 테이블에 앉을 수 있는 기회가 있습니다. 루나는 ML과 AI가 음성 명령과 음성 인식 작업을 하는 작읍 분야에 아마존이 신화가 있지만 믿을 수 없을 정도로 이 분야에 응용하는 것은 넓다고 이야기합니다. 지난 6개월 동안만 해도 루나 팀은 DevOps, 컴퓨터 비전, 제조 및 의료 전반에 걸쳐 ML 서비스를 출시 했습니다. 따라서, 여러분이 관심 있는 분야에서 일할 수 있는 기회와 일들이 너무 많습니다. 하비불리나도 인공지능은 혁신의 첨단 산업이며 공상 과학 영화에 나올 법한 우리가 생각하는 것보다 훨씬 더 발전되어 있다고 합니다. 물론 개념이나 상상이 앞써 있어서 구현 부분은 아직 초기 단계입니다. 따라서 인공지능 산업 분야의 다양성과 대표성의 표준을 설정할 기회가 있습니다. ML은 기술 부문에서 기대치를 설정하고 여기에서 일해야 하는 사람에 대한 사전 편견 없이 분야를 구축할 수 있는 기회를 줄수 있다고 믿습니다. 팬트는 ML이 산업으로서 어디까지 갈 수 있는지 누구도 상상할 수 없다고 생각합니다. 항상 해결되지 않은 문제와 충족되지 않은 요구 사항을 찾으십시오. 여러분이 소유권을 가져갈 때 리드해 나가시기 바랍니다. 처음에는 상황이 모호하고 모호할 수 있으므로 불편할 수 있지만 탐험되지 않은 영역(아무도 가지 않은 길)입니다. 특히 여성의 경우 많은 성장과 성공이 보장됩니다. 도전해 보세요!

5 Career Tips from Women Leaders in Machine Learning - The New Stack

The New Stack

2022년 3월 16일 오전 1:34

댓글 0

함께 보면 더 좋은

커리어리 친구들, 이번에는 구글 클라우드 소식입니다! Google Cloud 에서 Learn to Earn Cloud Data Challenge 를 하네요. 중요한 것은 약 한달동안 무상으로 50+ hands-on labs 를 해볼 수 있는 것 뿐만 아니라 special swag 까지 받을 수 있습니다! 그럼 여러분들도 도전해 보세요!!

Learn to Earn Data Challenge | Google Cloud Blog

Google Cloud Blog

추천 프로필

현직자에게 업계 주요 소식을 받아보세요.

현직자들의 '진짜 인사이트'가 담긴 업계 주요 소식을 받아보세요.

커리어리 | 일잘러들의 커리어 SNS