라인

ML Engineer가 되기 위해 내가 1년 반 동안 했던 것들  |  커리어리 질문글에도 보면 일주일에 한번씩은 “ML Engineer, Data Scientist가 되고 싶은데 어떤 것부터 공부를 해야할지 모르겠다.” 는 질문이 자주 올라옵니다. 비슷한 질문이 계속 올라오는 이유는 정해진 답이 없기 때문이라고 생각합니다. 너무나도 다양한 방식으로 ML Engineer가 될 수 있기 때문에 처음 입문을 하시는 분들은 오히려 어떤 방향으로 나아갈지 몰라 갈팡질팡 하시는 것이죠. 이런 분들에게 조금이나마 도움이 될까 싶어 제가 2020년에 AI를 접하고 나름 1인분을 하게 된 시점 (~2021.12) 까지 어떤 공부를 했는지 간략하게나마 소개해봅니다. 참고로 저는 뛰어난 ML Engineer가 아닐 수 있습니다. 누구나 아는 대기업, 유니콘 기업에 재직 중이지도 않으며 연차도 적은데다가 학위도 없었던 사람입니다. 다만 누구보다 매년 성장하려고 노력했으며 앞으로도 그럴 사람입니다. ML 입문자 분들에게 제 얘기가 도움이 되면 좋겠습니다. PART 1. 2020년 7월 ~ 12월 1. Sung Kim의 PyTorchZeroToAll 강의 2. PyTorch로 MNIST, CIFAR10에 대해 VanillaMLP, CNN, ResNet, GAN, CGAN, DCGAN 구현 3. PyTorch로 RNN 구현, LSTM, Transformer, GPT, BERT 논문 리뷰 PART 2. 2021년 1월 ~ 3월 (스타트업에서 혼자서 챗봇 개발) 1. Selenium 써서 데이터 수집 및 전처리 2. KoGPT, KoBERT fine-tuning 3. W&B, Tensorboard도 처음으로 써봄. PART 3. 2021년 4월 ~ 12월 (지금 회사에서 ML Engneer로 시작) 1. Pandas 처음 다뤄봄. Seaborn, Plotly를 가지고 데이터 분석하고 Scikit-learn, Catboost, LGBM 등 국밥 라이브러리들 사용해서 모델도 학습 → 이때쯤 들어서 파이썬이 손에 익기 시작함. 2. 백준 문제도 구현 위주로 꾸준히 풀어서 Platinum 5 달성. 성과는 못내었지만 시간되면 SCPC 등 여러 대회 나갔었음. 3. Andrew Ng 교수님의 Coursera MLOps 강의 수강 4. 첫 데이콘 대회 참가 이후로 Kaggle로 전향. (이유는 데이콘은 discussion이 너무 없어서 입문자(나)들이 보고 배울만한 것들이 부족했음. 5. ML 관련 논문 주기적으로 계속 읽음 (1일 1페이퍼 읽기 캠페인, ICLR2021, NIPS2021에서 재밌는 논문 진짜 다 읽어보기) 6. Kaggle Discussion Expert 달고 Notebook Expert. (그래봤자 Competition 미만이지만..) 이렇게 약 1년반을 보내니까 내가 어떤 것들을 좋아하는지, 어떤 식으로 공부해야겠다는 감이 옵니다. 그러면 그 이후로 계속 달리면 됩니다. 더 궁금한 것들은 댓글로 달아주시면 성심성의껏 답변하도록 하겠습니다. 감사합니다!

좋아요 57 • 저장 102