5개월의 Aiffel 교육을 마치고 회고록 작성하고자 한다. 7월 23일부터 12월 23일까지 거의 5개월이라는 시간을 Aiffel과 함께 보냈다. 교육 시간도 하루에 8시간이므로 하반기의 모든 시간을 썼다고 해도 과언이 아니다. 그만큼 실력도 함께 성장했다. 또한 진로를 확실히 하게되는 계기가 되었고 좋은 사람들도 많이 만났기 때문에 뜻깊은 시간이라는 생각이 든다. 그래서 이후에 Aiffel에 지원하는 사람들을 위한 후기 글을 작성하고자 한다.
1. Aiffel 강남이란?
Aiffel 강남은 모두의 연구소에서 진행하는 AI 국비 교육이다.
이 과정에 대해서 짧게 소개하자면, 기존 수업 형식이 아닌 간단한 프로젝트 형식의 온라인 플랫폼으로 스스로 학습하는 과정이다. 이 부분에서 매우 자유도가 높아 자칫 방황할 수 있지만, 잘 활용한다면 학습 효율에 많은 도움을 준다. (이 부분은 개인적으로 난 잘 맞았지만, 다른 학생들의 고충이 들려왔다.)
그리고 또 하나의 특징은 자발적인 토론 문화가 형성되어 있다는 점이다. 뒤에서도 설명하겠지만, 풀잎스쿨이 대표적인 토론 방식 스터디이다. 일방적인 가르침이 아니라 서로의 지식을 공유하므로 높은 수준의 학습을 할 수 있다. 하지만 가장 아쉬웠던 점은 5개월 중 60% 정도가 온라인 교육이었다는 점이다. Aiffel의 가장 큰 장점인 소통 문화가 온라인 교육으로 인해 빛을 발휘하지 못했다.
2. Aiffel 강남 후기
Aiffel 교육 과정을 듣기 전에 나의 수준은 3주 동안 Deep Neural Network의 구조와 몇몇 CNN 아키텍처를 공부한 상태였다. 그러나 내 수준에 비해서 교육의 난이도가 높았던 것 같다. 아마 노베이스로 이 과정에 지원하시는 분들은 따라가기 버거울 것 같다. 나도 마찬가지로 이 과정을 수료하기 위해 추가적인 공부가 많이 필요했다,,
길지만 짧았던 5개월이라는 시간 동안 정말 열심히 했던 것 같다. 총 3개 노드와 풀잎스쿨, 스터디그룹, 해커톤 등등 많은 스케줄을 소화했고 그만큼 하루가 짧았던 것 같다.
모르는게 많은 만큼 배우고 싶은게 많았다. 다하기에 버겁다는 것을 알지만, 이 기간에 다양한 지식을 습득하려고 노력했던 것 같다.
그리고 이 기간 동안 Slack, Notion, Meet 등 다양한 협업 툴을 알게되었다. 지금도 애용하고 있을 만큼 굉장히 좋은 툴이 많다. 물론 직접 만나서 소통하는게 가장 좋지만, 이러한 앱을 잘 활용한다면 효율을 높일 수 있을 것 같다.
3. 프로그램 정리
3-1. LMS 노드
노드는 Fundamental, Exploration, Going Deeper로 총 3개로 나뉜다. Fundamental은 파이썬과 리눅스와 같이 basic한 내용을 다룬다. Exploration와 Going Deeper부터 프로젝트 형식으로 진행되는데 Going Deeper에서 난이도가 급 올라간다. 이때 후반으로 갈수록 프로젝트와 겹치면서 점점 버거워진다….
마지막에는 몇 개의 노드를 수행하지 못했지만, 나름 만족할 만한 결과를 얻었다고 생각한다.
그리고 그동안 수행한 노드를 정리한 링크이다.
3-2. 풀잎 스쿨
풀잎 스쿨은 플립러닝 방식으로 관심분야를 3개월간 집중적으로 하는 스터디모임이다. 원래는 모두의 연구소의 과정이지만, Aiffel에도 이 과정이 채택되어 진행된다. Aiffel 강남에서 진행되는 풀잎스쿨은 CS231n, 코딩마스터, 슬로우페이퍼, 영배스 등이 있다. 이 중 가장 마음에 들었던 과정은 CS231n 이다.
CS231n은 딥러닝에 입문하시는 분들이 가장 많이 보고 공부하는 스탠포드 대학교의 강의이다. 정말 상세하고 전문적으로 딥러닝에 관한 내용을 다루고 있다. 주로 CNN에 대한 내용이지만, 딥러닝의 기초가 되는 내용이다. 강의 내용도 정말 마음에 들었지만 무엇보다 좋았던 건 학생들 간의 열띤 토론 문화였다. 한 그룹 당 총 10명의 인원으로 구성되어 있다. 한 주에 1강 씩 듣고 여러 명의 발표자가 발표를 준비해 온다. 스터디 시간에는 발표자의 발표를 듣고 토론하는 형식이었다.
스터디 시간이 2시간이라면 발표와 토론을 4:6의 비율로 진행했던 것 같다. 토론을 할 때 의견이 50대 50으로 갈리는 경우가 많았다. 그럴 때마다 칠판과 공유 화면을 통해 답을 찾아 나갔다. 이렇게 깊이 들어갈 수록 전에는 그냥 지나쳤던 내용을 확실하게 알고 넘어가게 되었다.
3-3. 해커톤
아무래도 이 교육 과정의 꽃은 해커톤 프로젝트가 아닐까 싶다. 우리가 지금까지 배웠던 내용을 응용해서 사용할 수 있는 기회였기 때문이다.
나는 영상처리 과정에 참여했지만, 추천시스템 프로젝트를 선택했다. 추천 시스템을 선택한 이유는 딥러닝 모델을 공부하는 것도 중요하지만, 결국 데이터를 이해하는 역량이 필수적이라고 생각했기 때문이다. 역시 추천 시스템은 데이터 분석에 대한 지식을 가지고 있어야 했다. 지금까지 배운 딥러닝은 모델 아키텍처와 성능을 높이기에 집중했다면, 진행 하면 할 수록 머신러닝과 데이터 분석 과정 더 가깝다고 느껴졌다. 그래서 더 까다로웠다.
해커톤을 진행하면서 무엇보다도 어려웠던 점은 온라인 진행이었다. 위의 사진을 보면 알 수 있듯이 3번의 미팅을 제외하고 모두 온라인 진행이었다. 코로나 때문에 어쩔 수 없는 상황이었지만 직접 만나서 진행하는 것과는 많이 달랐다.
아래는 프로젝트를 진행한 내용을 담은 링크이다. 더 자세한 내용을 알고 싶다면 아래 링크를 참고하면 좋을 것 같다.
다른 팀의 프로젝트를 보면서 잘하는 사람들이 많다는 걸 새삼 느꼈다. 모두 노드와 취업 준비를 병행하면서 준비했을 텐데 수준이 높은 작품이 많이 나와서 놀랐다. 중간 발표에도 그런 부분이 동기부여가 되어서 이후 더욱 열심히 할 수 있었던 것 같다.
3-4. 스터디 그룹
앞서 말했던 프로그램들은 모두 Aiffel 과정 속에 있는 내용이다. 하지만 정규 프로그램 말고도 꽤 많은 학생들이 자발적으로 스터디 모임을 만들어서 진행했다.
딥러닝을 공부하다 보면 수학이 중요하다는 사실을 알게 된다. 특히 CS231n을 들으면서 통계 용어가 나올 때마다 어려움을 겪었다. 그래서 몇몇 사람들과 모여서 확통 스터디를 진행했다.
[하버드] 확률론 기초: Statistics 110
우리는 edwith에서 Statistics 110 강의를 들었다. 스터디 방식은 풀잎스쿨과 동일하게 진행되었다. 이 스터디를 진행하기 전에는 통알못이었지만, 이 강의를 통해 CNN에서 사용하는 통계 지식을 어느정도 이해하는 수준까지는 도달하게 된 것 같다.
4. 2021 상반기 목표
Aiffel이 끝난 후에도 관련된 공부를 지속적으로 할 예정이다. 이른바 Post-Aiffel 과정으로 앞으로의 목표를 간략하게 요약하고자 한다.
4-1. MLOps 스터디
Aiffel 과정에 참여했던 한 분이 MLOps 스터디를 개설했다. 그 분이 글로 작성해준 스터디의 필요성에 크게 공감했고 6개월~1년이라는 장기간 스터디에 동참하기로 했다. 아래는 스터디 모집글의 전문이다.
이제까지 AIFFEL에서 배운건 모델링하는 방식이었습니다. 근데 아무리 모델이 좋다고 하더라도 그 모델을 상품화시키지 못하고 버전에 따라 휘청휘청거리면 상품으로써 가치가 떨어질 것입니다. 저는 AIFFEL에서 ‘모델’에 대해서 배웠다면 이후에는 ‘모델’을 관리하는 방식을 배워야 된다는 생각 그리고 이걸 자동화해야 진정한 딥러닝 모델을 한다는 생각이 들었습니다. 이러한 생각에서 파생된 개념이 MLOps입니다.
4-2. 코딩테스트
코딩 마스터라는 풀잎 스쿨 시간에 알고리즘을 공부했지만 턱없이 부족했다. 그래서 코딩테스트 연습을 개인적으로 진행하기로 했다.
목표는 백준 사이트에서 200문제 이상 풀기이다. 학기가 시작하면 바쁠 수 있으므로 방학을 이용해서 공부할 예정이다.
5. 마무리
Aiffel을 돌이켜보면 생각보다 많은 걸 배웠고, 새로운 분들을 만나게 되었다. 그리고 회고록에는 적지 않았지만, 종종 채용 설명회와 외부 강의가 있었다.
단조로운 일상 속에서 새로운 일들이 많았던 것 같다. 온라인으로 진행되었던 시간이 많아서 아쉬웠지만, 오프라인 때는 공부를 하면서도 소소한 재미가 있었던 것 같다.
아이펠을 통해서 진로를 확실하게 세울 수 있었고, 앞으로 공부를 지속하면서 더욱 발전했으면 좋겠다. 2020년 하반기의 모든 시간을 보낸 만큼 이 글은 2020년 하반기의 회고록이 될 수 있겠다.
다음 2021년 상반기 회고록을 적으면서 2020년을 돌아봤을 때, 이 글을 참고하는 재미가 쏠쏠할 것 같다.
내년에는 더욱 발전되는 한 해가 되었으면 좋겠다.