Upstage AI Lab 6기 과정의 첫날 OT 오후 시간에는 Upstage에서 현직 LLM 소프트 엔지니어로 근무하고 계시는 송인석 강사님의 특강이 있었다.
송인석 강사님이 실무에서 하고 계시는 일은 Upstage에서 개발하고 있는 모델들을 외부 고객사들이나 파트너사가 사용할 수 있게 하는 기술적 지원 관련 일들을 담당하고 있다고 말씀하셨다.
컴퓨터 공학을 전공하고 인공지능 석사 과정 후 현직에 계신 전문가분이 AI Engineer 라는 직업과 하는 일들에 대한 대한 전반적인 이해를 돕기 위한 강의를 하셨다.
AI는 Artigicial (인공) + Intelligence (지능) 의 약자로서 사전적인 정의는 인간의 학습능력, 추론능력, 지각능력을 인공적으로 구현하려는 컴퓨터 과학의 세부분야 중 하나라고 할 수 있다.
AI의 분야를 좀 더 세부적으로 구체화하면 AI안에 ML (Machine Learning: 머신러닝)이 포함되어 있고, ML 안에 DL(Deep Learning: 딥러닝)이 포함되어 있다.
단순한 AI 기술에는 학습 과정이 필요 없는 경우도 있으나, 모델이 학습 과정을 거친 것을 ML로 분류하고, 모델이 Neural Net 을 사용한 것을 DL로 분류한다.
AI Engineer의 정의는 AI 기술을 이용해 문제를 해결하는 사람이라 할 수 있다.
AI 기술개발 과정 : 문제정의 -> 데이터 수집 -> 모델 개발 -> 베치마크 평가 -> 필드 테스트
위와 같이 AI 기술 개발 과정에도 세분화된 과정이 있는 것처럼 AI Engineer 의 역할도 세분화되어 있다.
AI Engineer 의 역할을 크게 네가지로 분류해보면
1. 데이터 엔지니어링 -> 데이터 수집, 결측치 제거, 데이터 보간, 합성 데이터 생성, 데이터 표준화, 데이터 전후처리, 버전관리
2. 모델링 (모델개발) -> 모델 구조 설계, 모델 학습 데이터셋 구성, 모델 학습, 모델 학습 결과 분석, 모델 평가, 버전 관리
3. 모델 평가 -> 모델 평가를 위한 데이터셋 구성, 평가 지표 설정, 모델 안정성 검토
4. 시스템 개발 -> 실제 문제 해결을 위한 시스템 개발,
이렇게 분류가 가능하다.
우선 데이터 엔지니어링이란 데이터를 수집하고, 데이터에서 문제가 되는 부분은 제거하고, 데이터를 보정하는 등의 데이터 처리와 관련된 일을 말한다.
모델링이란 실제 모델을 개발하고 학습하고, 학습 결과를 평가하고, 버전관리등을 하는 일들을 담당한다.
모델 평가의 포지션이 하는 일은 모델 평가를 함에 있어서 단순히 점수로서 모델 평가를 하기 어려운 경우, (특히 생성형 AI의 경우) 모델 평가를 위한 지표를 설정하고, 모델 안정성 등을 검토하는 일을 하고 있다.
시스템 개발에는 실제 문제 해결을 위한 시스템 개발, 추론 최적화, 온라이 환경 평가 구성 들이 있다.
#패스트캠퍼스 #패스트캠퍼스AI부트캠프 #업스테이지패스트캠퍼스 #UpstageAILab #국비지원 #패스트캠퍼스업스테이지에이아이랩 #패스트캠퍼스업스테이지부트캠프