패스트캠퍼스 환급챌린지 56일차 : 딥러닝·인공지능 Signature 초격차 패지 강의 후기

 

본 포스팅은 패스트캠퍼스 환급 챌린지 참여를 위해 작성하였습니다.

 

 

학습 수강 시작

 

학습 인증샷

 

 

강의 수강 목록

 

학습 수강 완료

 

오늘은 현업 사례로 안경을 어플로 미리 착용해 보는 기능을 예시로 들면서 수업이 시작되었다. 이런 기능 역시 컴퓨터 비전 기술과 모델 학습이 적용된 사례라서 흥미롭게 들을 수 있었다. 이후 본격적으로 모델 중심 접근 방식과 데이터 중심 접근 방식에 대한 강의를 들었다.
모델 중심 접근 방식은 기계 학습 모델의 성능을 개선하기 위해 다양한 실험을 통해 최적의 모델 아키텍처와 학습 방법을 선택하는 것을 의미한다. 현재 대부분의 산업과 연구에서는 이 모델 중심 접근 방식을 기본으로 삼고 있다. 모델 구조나 하이퍼파라미터를 변경하면서 결과를 개선하려는 흐름이 보편적이라는 점을 알 수 있었다.
반면, 데이터 중심 접근 방식은 데이터 자체를 모든 의사결정의 핵심에 두는 방식이다. 데이터 중심 회사는 데이터에서 얻은 정보를 통해 이해관계자에게 더 나은 전략을 제공할 수 있으며, 그 결과 결과물이 더 정확하고 체계적이며 투명하게 된다는 점이 강조되었다. 이에 따라 조직이 더 효율적으로 운영될 수 있다는 점도 함께 설명되었다.
수업에서는 데이터 기반 접근 방식과 데이터 중심 접근 방식을 구분해서 설명했다. 데이터 기반은 수집된 데이터를 분석하고 인사이트를 도출하는 방식, 즉 분석 자체에 초점을 맞추는 방법론이다. 반면 데이터 중심은 애초에 만들어야 할 것 자체를 데이터에서 정의하는 접근이다. 데이터 중심 아키텍처에서는 데이터가 변하지 않는 핵심 자산이 되고, 애플리케이션은 변화할 수 있는 부수적인 요소로 다루어진다.
또한 데이터 중심 인프라의 필요성에 대해서도 다루었다. 미디어나 광고 산업은 모델 중심 워크플로우가 잘 맞지만, 의료나 제조 같은 산업은 그렇지 않다. 제조업에서는 하나의 기계 학습 시스템이 모든 제품의 문제를 감지할 수 없기 때문에, 제품별로 별도의 모델이 필요하고, 소규모 데이터셋으로도 효과적인 학습이 가능해야 한다. 이 경우 모델 중심 접근은 한계가 분명하기 때문에, 데이터 중심 접근이 더 적합하다고 설명했다.
또 데이터 중심 아키텍처를 구축할 때는 단일 데이터베이스나 데이터 저장소만으로 충분하지 않고, 데이터에 대한 이해를 모든 시스템과 사람이 공유해야 한다는 점도 중요하게 다루어졌다. 데이터가 인프라와 애플리케이션보다 오래 지속되는 자산이라는 인식이 필요하며, 이런 관점이 데이터 중심 머신러닝의 출발점이 된다는 것을 배웠다.
오늘 수업은 지금까지 배운 이론들을 현실의 문제와 연결해 볼 수 있는 기회였고, 데이터 중심 접근 방식이 왜 앞으로 더 중요해질 수밖에 없는지 깨닫게 되는 시간이었다.

 

https://bit.ly/4hTSJNB