고등학생/대학생이 인공지능/데이터사이언스 공부하는 방법

 

고등학생

이 글을 읽는 사람이 만약 고등학생이고, 대학교 또한 데이터사이언스 전공으로 가기를 원한다면 머신러닝, 인공지능 기초 수준의 강의만 수강하기를 바란다. 학부생 수준에게도 머신러닝과 딥러닝의 깊은 수학적인 이해를 요구하지 않는다. 하물며, 고등학생에게는 이러한 이론적인 지식을 요구할 리는 없다. 데이터의 기본적인 이해와 각종 모델들의 컨셉과 장단점 정도 숙지하고 있다면 고등학생 수준에선 매우 잘 알고 있다고 할 수 있다. 

당연히 정시를 통해 입학을 원한다면, 수능 공부가 우선순위가 되어야 할 것이고, 입학사정관제를 통해 입학을 원한다면 대외활동이나 개인적인 공부를 통해 DS/AI쪽에 흥미와 적성이 있다라는 것을 증명해야 할 것이다. 학생이 어느정도 실력이 된다면 매우 간단한 수준의 프로젝트를 통해 포트폴리오를 만들 수 있다면 베스트 일것이다. 혼자 하기 힘들다면 데이터캠프와 같은 프로그램을 활용하는것이 좋을 것이다. 

 

 AI/ML Intro + Python 기초 + Datacamp

 

데이터를 불러들이고, 모델을 적합시킬 수 있는 매우 기본적인 파이썬 코딩 교육을 받으면 좋을 듯 싶다. 이는 2-3시간 교육 받으면 누구나 할 수 있는 내용이다. 그럼에도 불구하고 필자가 권하는 이유는 '머신러닝 모델을 적합 시켜본 경험이 있다' 와 ' 아무 경험이 없다'는 천지 차이이다. 더불어, 할 수 있다면, 고등 학생 대상 데이터 캠프와 같은 대외활동을 하기를 바란다. 

 

 

대학생

비전공 대학생이 데이터 사이언스쪽으로 나가기를 원한다면, 기본적인 통계학 수업과 프로그래밍 수업을 수강하기를 바란다. 학교 수업이 아니더라도, 시중에 나와있는 온라인 강의라도 수강하기를 바란다. 그 이후에는, 머신러닝 알고리즘을 이해할 수 있도록 공부하고, 프로그래밍 실력을 업그레이드 하자. 아무나 할 수 있는 일이라면, 좋은 대우를 받는 직업은 아닐 것이다. 그만큼 많은 시간과 노력을 필요로 한다. 기본적인 머신러닝 알고리즘을 이해하고 데이터를 전처리하고 모델링 할 수 있는 수준까지 넘어갔다면, 딥러닝을 공부하자. 머신러닝과 딥러닝을 따로 공부할 수 도 있겠지만, 결국 머신러닝의 기본지식을 알아야 딥러닝을 이해하기 수월할 것이다. 딥러닝 프레임워크는 파이토치 또는 케라스 둘 중에 하나만 사용하면 된다. 코딩을 할 줄 안다면, 프레임워크는 크게 상관 없을 것이다. 여기 까지 왔다면, 

 

 AI/ML Intro + Python 기초 + ML 이론/실습

딥러닝 이론/실습 + Pytorch or Keras

 

딥러닝도 다양한 분야가 있다. 크게 Computer vision, Natural language processing, Reinforcement learning 등이 있는데, 모든 것을 다 잘할 필요는 없지만, 하나의 분야는 잘 하는 것이 좋고, 모든 분야에 대해 어느정도 알고 있는것이 좋다. 각각의 분야에서 사용되는 개념이 다른 개념에 접목되기도 하고, 두 분야가 융합되기도 하기 때문이다.

여기까지 왔다면, 꼭 개인 또는 그룹 프로젝트를 통해 포트폴리오를 완성하도록 하자. 어떠한 프로젝트가 되든 상관이없다. 하지만, 난이도가 어느정도 있고 본인의 실력을 증명할 수 있는 프로젝트여야 한다. 

 

CV + NLP + RL (기초) / 프로젝트 

 

학부생 수준의 이상의 실력을 가지고 싶다면, 이제 각 딥러닝 분야를 조금 더 집중적으로 파고 들 필요가 있다. '논문스터디'를 할 수 있으면 베스트이지만, 논문을 읽고 빠르게 이해하기는 사실 쉽지 않다. 다만, 많은 사람들이 논문리뷰 영상을 유투브에 올리고 있기 때문에 이와 같은 영상들을 참고하면 도움이 될 듯 싶다. AI분야는 항상 빠르게 발전하고 있기 때문에, 최근 트렌드를 따라서 공부해야하는 것은 필수이다. 지금은 학부 수준이라 못해도 괜찮다 하지만, 언젠가는 해야한다. 최신 논문을 읽고 이해할 수 있는 수준이 된다면, 이제 새로운 문제 (내가 겪고 있는 문제)에 접목하거나 그 방법론의 단점을 파악하고 발전 시킬 수 있는 방법까지 생각 해 낼 수 있을 것이다.