.jpg)
.jpg)
현재 가장 ‘요구되는’ IT 기술 두 가지 : 데이터 과학과 머신 러닝
해외선 여러 대학에서 열린 강좌 개설...기초 과정 아닌 것 대부분
[보안뉴스 문가용 기자] 과거에는 인공지능이란 말에 직업의 위협을 느끼기는 힘들었다. 자동화라는 기술에는 감사한 마음이 들기도 했다. 하지만 지금은 내 직업의 존속 여부를 진지하게 걱정해야 하는 때다. 큰 시장 조사 회사들은 앞 다투어 미래 직업에 대한 전망을 내놓고 있다. 그리고 대부분 많은 조사에서 직업이 확실히 사라질 것이라는 예측들이 나오고 있다.
대신 새로운 직업이 등장할 것이라는 전망이 나와 잠재적 백수인 인간들의 마음을 위로한다. 물론 없어지는 직업과 생겨나는 직업이 1:1로 등가교환을 할 건 아니지만 말이다. 시장 조사 업체 맥킨지(McKensey)는 작년 인공지능과 직업의 관계에 대해 연구 보고서를 발표하며 “기술적인 문제보다 사회적 충격이 더 클 것”이라고 예측했다. “어떤 직업에 얼마큼의 자동화를 도입시킬 수 있으며, 급여는 어떻게 산정해야 하는가, 등 일의 속성 자체가 변화하게 되면서 우린 어려운 질문들에 직면하게 될 것입니다.”
그러면서 지금의 우리들에게 필요한 질문은 “미래에 살아남기 위해서는 어떤 기술을 습득해야 하는가?”라고 맥킨지는 정리한다. 이는 비슷한 종류의 다른 연구 보고서들에서도 나왔던 결론이기도 하다. 지금의 때에는 어떤 기술이 필요하며, 우린 어떻게 커리어를 좇아야 할까?
이에 관해서도 여러 단체가 연구 보고서를 발표한 바 있다. 그 중 하나가 링크드인(LinkedIn)이다. 직업 관련 소셜 네트워크인 링크드인에서는 유망한 직종에 대해 알아보며, 데이터 과학 관련 기술이 최근 몇 년 동안 가파른 성장세를 보여 왔다고 말한다.
“데이터 과학자들에 대한 수요는 2012년에 비해 650%나 증가했습니다. 그러나 실제로 데이터 과학의 기술을 가진 사람은 미국 내에서 3만 5천 명 정도에 불과하고요. 수백에서 수천 개의 기업들이 데이터 과학자들을 물색하고 있는데, 3만 5천 명으로는 턱 없이 부족합니다.” 보고서에 나온 내용이다.
데이터 과학자만이 아니다. 머신 러닝 엔지니어링 기술을 가진 사람들 역시 높은 비율로 요구될 것이라는 전망이 나오고 있다. 링크드인의 보고서에 따르면 이미 머신 러닝 기술에 대한 수요가 지난 5년 동안 그 어떤 직종보다 빠르게 성장했다고 한다.
머신 러닝 엔지니어란 무엇인가? 어떻게 해야 머신 러닝 엔지니어가 되기 위한 기술을 쌓을 수 있을까? 어떤 경력의 절차를 밟아야 머신 러닝 엔지니어라는 타이틀을 얻게 되는 걸까? 링크드인이 조사한 바에 따르면 현 시점에서 가장 보편적인 절차는 소프트웨어 엔지니어, R/D 연구원, 데이터 과학자, 시스템 엔지니어, 조교를 거치는 것으로 나타났다. 전문 기술로 보면 머신 러닝, 연구, 알고리즘, 소프트웨어, 딥 러닝 등이 필요하다.
최근 미국에서 열린 보안 및 IT 행사인 인터롭 ITX 2018(Interop ITX 2018)에서 소행사가 개최됐다. 인공지능 서밋(AI Summit)이라는 것이었는데, 여기에 참석한 인공지능 전문가들은 “지금도 공부를 게을리 할 수 없는 분야”라고 설명하며 “공부하기 위해 컨퍼런스도 참석하고 여러 논문들도 챙겨 읽으며, 전문가 커뮤니티에서 활동한다”고 말했다.
그 중 IT 업체인 클라우데라 패스트 포워드 랩스(Cloudera Fast Forward Labs)의 데이터 과학자 프리데릭 슈우르(Firederike Schuur)는 “머신 러닝에 관한 온라인 무료 강좌도 수없이 많다”고 설명한다. “물론 유료 서비스 전환을 위한 맛보기 강좌도 많고, 듣고 보면 별 거 아닌 것들도 많습니다만 양질의 무료 서비스를 제공하는 곳도 찾아보면 꽤 많습니다. 들어두면 분명 도움이 될 것입니다.”
그래서 이번 주 본지는 전문가들의 추천을 받아 가장 권위 있고 내용이 알찬 무료 온라인 머신 러닝 강좌를 모아봤다. 다만 이 강좌들은 정말 아무 것도 모르는 초보자들을 위한 것이 아니며, 심지어 어떤 것은 미적분이나 소프트웨어 개발 능력을 기본적으로 가지고 있는 사람들을 위한 것이기도 하다. 그리고 모두 영문으로 되어 있다.
1. 데이터 과학의 기본 : 예측과 머신 러닝
제공 : 버클리 캘리포니아 대학
웹사이트 : https://www.edx.org/course/foundations-data-science-prediction-uc-berkeleyx-data8-3x
설명 : 5주짜리 코스로 앞으로 발전해 갈 머신 러닝의 개념을 이해할 수 있도록 기초적인 지식을 쌓는 데 도움이 된다. 머신 러닝이라는 기술을 크게 두 가지 분야로 나눠서 알려주는데, 하나는 회기(regression)이고 다른 하나는 항목화(classification)이다.
동영상 강좌는 물론 동영상 강좌의 녹취록이 제공되며, 일주일에 4~6시간 정도는 투자해야만 공부를 마칠 수 있다. 기본적인 지식을 알려준다고 했지만 전문 자격증 프로그램의 일부로 사용되기도 하며, 유료로 전환하면 실제로 통용되는 자격증을 받을 수도 있다. 자격증이 굳이 필요 없다면 학업에 필요한 모든 강좌를 무료로 열람할 수 있다.
선수 학습 : ‘기본 지식 제공’이라고 하지만 두 가지 과목에 대한 지식이 있어야지만 이 수업을 의미 있게 들을 수 있다. 하나는 1) 데이터 과학의 기초 : 파이선 편(https://www.edx.org/course/foundations-data-science-computational-uc-berkeleyx-data8-1x)이고, 다른 하나는 2) 리샘플링을 통한 추론(https://www.edx.org/course/foundations-data-science-inferential-uc-berkeleyx-data8-2x)이다.
2. 예측 : 머신 러닝과 통계학
제공 : MIT 열린 강좌
웹사이트 : https://ocw.mit.edu/courses/sloan-school-of-management/15-097-prediction-machine-learning-and-statistics-spring-2012/index.htm
설명 : 머신 러닝 알고리즘으로 강좌를 시작하고, 통계학적인 학습 이론을 배울 수 있다. 그런 다음 머신 러닝의 역사와 베이지안 분석(Bayesian Analysis)을 공부하게 한다. 알고리즘 부분에서는 데이터 채굴 알고리즘과 지식 탐사의 프레임워크 10가지에 대해 포괄적으로 배울 수 있다. 강사들의 학습 계획서와 강사의 특별한 통찰, 강의 노트는 물론 R, 프로젝트들, 데이터 셋의 설치 및 사용법도 코스에 포함된다.
선수 학습 : 이 강좌에 가장 적합한 사람들은 머신 러닝에 대해 관심을 갖기 시작한 대학원생들이나 졸업반에 가까운 학생들이다. 수학 관련 전공을 했거나, 수학 및 분석, 확률 이론, 선형대수학을 대학교 수준으로 학습한 사람들을 말한다.
3. 데이터로부터 학습하기
제공 : 캘리포니아공과대학
웹사이트 : http://work.caltech.edu/telecourse.html
설명 : 캘리포니아공과대학의 설명에 의하면 이는 머신 러닝의 기초 코스로, 기본 이론, 기본 알고리즘, 기본적인 적용 사례에 대해 공부할 수 있다고 한다. 수학 이론, 실전 기술, 개념 분석에 대한 강의가 진행된다. 또한 머신 러닝 동영상 라이브러리(Machine Learning Video Library)가 등록자들을 위해 여러 주제로 개설되어 있어 필요한 내용을 골라 들을 수도 있다.
총 18개의 실전 강연의 녹화자료들로 구성되어 있으며, 각 강의는 약 60분 정도 진행된다. 실제 강연을 녹화한 것이기 때문에 학생들의 실제적인 질문들도 같이 들을 수 있다는 장점이 있으며, 각 강연마다 8개의 과제가 주어진다. 최종 시험도 봐야하며, 수강자들끼리의 토론회도 한 번 참석해야 한다.
선수 학습 : 확률 이론 기초, 행렬 이론, 미적분
4. 머신 러닝
제공 : 컬럼비아대학교
웹사이트 : https://www.edx.org/course/machine-learning-columbiax-csmm-102x-3
설명 : 12주짜리 코스로 항목화와 회기 이론, 집단화(clustering), 순차 모델(sequential modelling), 모델 선택 등에 관해 배운다. 처음 6주는 지도 학습(supervised learning)에 대해 배우고, 후반 6주는 자율 학습(unsupervised learning)으로 구성되어 있다.
이 코스는 인공지능 부문의 마이크로석사(micromaster) 과정 중 일부로, 모든 강의가 기본적으로 무료이지만 수료 후 자격증/인증서를 받고 싶다면 돈을 내야 한다. 마이크로석사 과정 자체에 관심이 있다면, 로보틱스, 애니메이션, CGI 모션 등도 함께 수료해야 한다. 참여자들의 반응을 종합해보면 난이도가 꽤나 높은, 고급 코스에 속한다.
선수 학습 : 미적분, 선형대수학, 확률 이론, 통계학에 대한 개념을 갖추고 있어야 한다. 데이터를 다루고 코드를 만드는 데 있어서도 어느 정도 실력이 요구된다.
5. 머신 러닝
제공 : 스탠포드대학교
웹사이트 : https://see.stanford.edu/course/cs229
설명 : 스탠포드대학에서 진행하는 ‘스탠포드 엔지니어링 에브리웨어(Standford Engineering Everywhere)’ 시리즈의 일부로, 머신 러닝과 통계학적인 패턴 인지에 대해 포괄적으로 가르쳐준다. 전문가들이 ‘온라인 머신 러닝 강좌의 황금 표준’이라고 부르는 코스이기도 하다. 20개의 강의와, 각 강의마다 제공되는 인쇄물, 복습용 노트, 과제로 구성되어 있다.
머신 러닝이 실제로 적용되는 최신 사례들을 주로 다룬다. 데이터 채굴, 자율 주행, 음성 인식, 웹 데이터 처리 등이 바로 그것이다. 또한 지도 학습, 자율 학습, 학습 이론, 강화 학습(reinforcement learning), 적응 제어(adaptive control)와 같은 이론도 충실하게 다뤄진다.
선수 학습 : 기본적인 컴퓨터 과학 이론과 기술을 갖추고 있어야 한다. 간단한 컴퓨터 프로그램 정도는 스스로 짤 줄 알 정도의 실력은 있어야 하며, 확률 이론에 대한 개념도 필요하다. 기본적인 선형대수학 이론도 필수다.
[국제부 문가용 기자(globoan@boannews.com)]
해외선 여러 대학에서 열린 강좌 개설...기초 과정 아닌 것 대부분
[보안뉴스 문가용 기자] 과거에는 인공지능이란 말에 직업의 위협을 느끼기는 힘들었다. 자동화라는 기술에는 감사한 마음이 들기도 했다. 하지만 지금은 내 직업의 존속 여부를 진지하게 걱정해야 하는 때다. 큰 시장 조사 회사들은 앞 다투어 미래 직업에 대한 전망을 내놓고 있다. 그리고 대부분 많은 조사에서 직업이 확실히 사라질 것이라는 예측들이 나오고 있다.
[이미지 = iclickart]
대신 새로운 직업이 등장할 것이라는 전망이 나와 잠재적 백수인 인간들의 마음을 위로한다. 물론 없어지는 직업과 생겨나는 직업이 1:1로 등가교환을 할 건 아니지만 말이다. 시장 조사 업체 맥킨지(McKensey)는 작년 인공지능과 직업의 관계에 대해 연구 보고서를 발표하며 “기술적인 문제보다 사회적 충격이 더 클 것”이라고 예측했다. “어떤 직업에 얼마큼의 자동화를 도입시킬 수 있으며, 급여는 어떻게 산정해야 하는가, 등 일의 속성 자체가 변화하게 되면서 우린 어려운 질문들에 직면하게 될 것입니다.”
그러면서 지금의 우리들에게 필요한 질문은 “미래에 살아남기 위해서는 어떤 기술을 습득해야 하는가?”라고 맥킨지는 정리한다. 이는 비슷한 종류의 다른 연구 보고서들에서도 나왔던 결론이기도 하다. 지금의 때에는 어떤 기술이 필요하며, 우린 어떻게 커리어를 좇아야 할까?
이에 관해서도 여러 단체가 연구 보고서를 발표한 바 있다. 그 중 하나가 링크드인(LinkedIn)이다. 직업 관련 소셜 네트워크인 링크드인에서는 유망한 직종에 대해 알아보며, 데이터 과학 관련 기술이 최근 몇 년 동안 가파른 성장세를 보여 왔다고 말한다.
“데이터 과학자들에 대한 수요는 2012년에 비해 650%나 증가했습니다. 그러나 실제로 데이터 과학의 기술을 가진 사람은 미국 내에서 3만 5천 명 정도에 불과하고요. 수백에서 수천 개의 기업들이 데이터 과학자들을 물색하고 있는데, 3만 5천 명으로는 턱 없이 부족합니다.” 보고서에 나온 내용이다.
데이터 과학자만이 아니다. 머신 러닝 엔지니어링 기술을 가진 사람들 역시 높은 비율로 요구될 것이라는 전망이 나오고 있다. 링크드인의 보고서에 따르면 이미 머신 러닝 기술에 대한 수요가 지난 5년 동안 그 어떤 직종보다 빠르게 성장했다고 한다.
머신 러닝 엔지니어란 무엇인가? 어떻게 해야 머신 러닝 엔지니어가 되기 위한 기술을 쌓을 수 있을까? 어떤 경력의 절차를 밟아야 머신 러닝 엔지니어라는 타이틀을 얻게 되는 걸까? 링크드인이 조사한 바에 따르면 현 시점에서 가장 보편적인 절차는 소프트웨어 엔지니어, R/D 연구원, 데이터 과학자, 시스템 엔지니어, 조교를 거치는 것으로 나타났다. 전문 기술로 보면 머신 러닝, 연구, 알고리즘, 소프트웨어, 딥 러닝 등이 필요하다.
최근 미국에서 열린 보안 및 IT 행사인 인터롭 ITX 2018(Interop ITX 2018)에서 소행사가 개최됐다. 인공지능 서밋(AI Summit)이라는 것이었는데, 여기에 참석한 인공지능 전문가들은 “지금도 공부를 게을리 할 수 없는 분야”라고 설명하며 “공부하기 위해 컨퍼런스도 참석하고 여러 논문들도 챙겨 읽으며, 전문가 커뮤니티에서 활동한다”고 말했다.
그 중 IT 업체인 클라우데라 패스트 포워드 랩스(Cloudera Fast Forward Labs)의 데이터 과학자 프리데릭 슈우르(Firederike Schuur)는 “머신 러닝에 관한 온라인 무료 강좌도 수없이 많다”고 설명한다. “물론 유료 서비스 전환을 위한 맛보기 강좌도 많고, 듣고 보면 별 거 아닌 것들도 많습니다만 양질의 무료 서비스를 제공하는 곳도 찾아보면 꽤 많습니다. 들어두면 분명 도움이 될 것입니다.”
그래서 이번 주 본지는 전문가들의 추천을 받아 가장 권위 있고 내용이 알찬 무료 온라인 머신 러닝 강좌를 모아봤다. 다만 이 강좌들은 정말 아무 것도 모르는 초보자들을 위한 것이 아니며, 심지어 어떤 것은 미적분이나 소프트웨어 개발 능력을 기본적으로 가지고 있는 사람들을 위한 것이기도 하다. 그리고 모두 영문으로 되어 있다.
1. 데이터 과학의 기본 : 예측과 머신 러닝
제공 : 버클리 캘리포니아 대학
웹사이트 : https://www.edx.org/course/foundations-data-science-prediction-uc-berkeleyx-data8-3x
설명 : 5주짜리 코스로 앞으로 발전해 갈 머신 러닝의 개념을 이해할 수 있도록 기초적인 지식을 쌓는 데 도움이 된다. 머신 러닝이라는 기술을 크게 두 가지 분야로 나눠서 알려주는데, 하나는 회기(regression)이고 다른 하나는 항목화(classification)이다.
동영상 강좌는 물론 동영상 강좌의 녹취록이 제공되며, 일주일에 4~6시간 정도는 투자해야만 공부를 마칠 수 있다. 기본적인 지식을 알려준다고 했지만 전문 자격증 프로그램의 일부로 사용되기도 하며, 유료로 전환하면 실제로 통용되는 자격증을 받을 수도 있다. 자격증이 굳이 필요 없다면 학업에 필요한 모든 강좌를 무료로 열람할 수 있다.
선수 학습 : ‘기본 지식 제공’이라고 하지만 두 가지 과목에 대한 지식이 있어야지만 이 수업을 의미 있게 들을 수 있다. 하나는 1) 데이터 과학의 기초 : 파이선 편(https://www.edx.org/course/foundations-data-science-computational-uc-berkeleyx-data8-1x)이고, 다른 하나는 2) 리샘플링을 통한 추론(https://www.edx.org/course/foundations-data-science-inferential-uc-berkeleyx-data8-2x)이다.
2. 예측 : 머신 러닝과 통계학
제공 : MIT 열린 강좌
웹사이트 : https://ocw.mit.edu/courses/sloan-school-of-management/15-097-prediction-machine-learning-and-statistics-spring-2012/index.htm
설명 : 머신 러닝 알고리즘으로 강좌를 시작하고, 통계학적인 학습 이론을 배울 수 있다. 그런 다음 머신 러닝의 역사와 베이지안 분석(Bayesian Analysis)을 공부하게 한다. 알고리즘 부분에서는 데이터 채굴 알고리즘과 지식 탐사의 프레임워크 10가지에 대해 포괄적으로 배울 수 있다. 강사들의 학습 계획서와 강사의 특별한 통찰, 강의 노트는 물론 R, 프로젝트들, 데이터 셋의 설치 및 사용법도 코스에 포함된다.
선수 학습 : 이 강좌에 가장 적합한 사람들은 머신 러닝에 대해 관심을 갖기 시작한 대학원생들이나 졸업반에 가까운 학생들이다. 수학 관련 전공을 했거나, 수학 및 분석, 확률 이론, 선형대수학을 대학교 수준으로 학습한 사람들을 말한다.
3. 데이터로부터 학습하기
제공 : 캘리포니아공과대학
웹사이트 : http://work.caltech.edu/telecourse.html
설명 : 캘리포니아공과대학의 설명에 의하면 이는 머신 러닝의 기초 코스로, 기본 이론, 기본 알고리즘, 기본적인 적용 사례에 대해 공부할 수 있다고 한다. 수학 이론, 실전 기술, 개념 분석에 대한 강의가 진행된다. 또한 머신 러닝 동영상 라이브러리(Machine Learning Video Library)가 등록자들을 위해 여러 주제로 개설되어 있어 필요한 내용을 골라 들을 수도 있다.
총 18개의 실전 강연의 녹화자료들로 구성되어 있으며, 각 강의는 약 60분 정도 진행된다. 실제 강연을 녹화한 것이기 때문에 학생들의 실제적인 질문들도 같이 들을 수 있다는 장점이 있으며, 각 강연마다 8개의 과제가 주어진다. 최종 시험도 봐야하며, 수강자들끼리의 토론회도 한 번 참석해야 한다.
선수 학습 : 확률 이론 기초, 행렬 이론, 미적분
4. 머신 러닝
제공 : 컬럼비아대학교
웹사이트 : https://www.edx.org/course/machine-learning-columbiax-csmm-102x-3
설명 : 12주짜리 코스로 항목화와 회기 이론, 집단화(clustering), 순차 모델(sequential modelling), 모델 선택 등에 관해 배운다. 처음 6주는 지도 학습(supervised learning)에 대해 배우고, 후반 6주는 자율 학습(unsupervised learning)으로 구성되어 있다.
이 코스는 인공지능 부문의 마이크로석사(micromaster) 과정 중 일부로, 모든 강의가 기본적으로 무료이지만 수료 후 자격증/인증서를 받고 싶다면 돈을 내야 한다. 마이크로석사 과정 자체에 관심이 있다면, 로보틱스, 애니메이션, CGI 모션 등도 함께 수료해야 한다. 참여자들의 반응을 종합해보면 난이도가 꽤나 높은, 고급 코스에 속한다.
선수 학습 : 미적분, 선형대수학, 확률 이론, 통계학에 대한 개념을 갖추고 있어야 한다. 데이터를 다루고 코드를 만드는 데 있어서도 어느 정도 실력이 요구된다.
5. 머신 러닝
제공 : 스탠포드대학교
웹사이트 : https://see.stanford.edu/course/cs229
설명 : 스탠포드대학에서 진행하는 ‘스탠포드 엔지니어링 에브리웨어(Standford Engineering Everywhere)’ 시리즈의 일부로, 머신 러닝과 통계학적인 패턴 인지에 대해 포괄적으로 가르쳐준다. 전문가들이 ‘온라인 머신 러닝 강좌의 황금 표준’이라고 부르는 코스이기도 하다. 20개의 강의와, 각 강의마다 제공되는 인쇄물, 복습용 노트, 과제로 구성되어 있다.
머신 러닝이 실제로 적용되는 최신 사례들을 주로 다룬다. 데이터 채굴, 자율 주행, 음성 인식, 웹 데이터 처리 등이 바로 그것이다. 또한 지도 학습, 자율 학습, 학습 이론, 강화 학습(reinforcement learning), 적응 제어(adaptive control)와 같은 이론도 충실하게 다뤄진다.
선수 학습 : 기본적인 컴퓨터 과학 이론과 기술을 갖추고 있어야 한다. 간단한 컴퓨터 프로그램 정도는 스스로 짤 줄 알 정도의 실력은 있어야 하며, 확률 이론에 대한 개념도 필요하다. 기본적인 선형대수학 이론도 필수다.
[국제부 문가용 기자(globoan@boannews.com)]
Copyrighted 2015. UBM-Tech. 117153:0515BC
<저작권자: 보안뉴스(www.boannews.com) 무단전재-재배포금지>
문가용기자 기사보기
[2024-11-25] 
.jpg)
.jpg)
.jpg)
.jpg)
