[카테고리:] 교육/취업

  • 외삼초 교사와 야나두 대표 강사가 만든 오직 선생님을 위한 AI 활용 꿀팁 공유

    외삼초 교사와 야나두 대표 강사가 만든 오직 선생님을 위한 AI 활용 꿀팁 공유

     

    최근 교육 업계에서도 AI 활용이 중요한 트렌드로 자리 잡고 있습니다. 교육청 자료에 따르면, 서울 지역 교사들의 90% 이상이 AI가 행정업무와 학습활동에 큰 도움이 된다고 응답했습니다. AI 기술은 교육 현장에서 이미 많은 변화를 일으키고 있으며, 특히 비용과 자원이 더욱 중요한 사교육 분야에서도 AI 활용은 환영받고 있는 추세입니다. 그러나 여전히 많은 선생님들과 강사들이 AI에 대해 거리감을 느끼고 있습니다. AI 기술이 아직 너무 어렵게 느껴지고, ‘내가 과연 사용할 수 있나? 라는 의구심과 아직 교육 현장에서 어떻게 유용하게 쓰일 수 있는지에 대해 잘 모르기 때문입니다. 이런 이유로, 외삼초 교사와 야나두 대표 강사가 오직 선생님들을 위해 AI 활용 꿀팁과 어떤 상황에 AI를 활용하면 좋을 지를 공유하고자 합니다.

    1. 전 과목 교육 자료 제공

     

    AI 기술을 활용하면 국어, 영어, 수학, 사회, 과학, 도덕, 그리고 예체능까지 전 과목에 필요한 교육 자료를 쉽게 제작할 수 있습니다. AI는 교사들이 필요한 PPT 자료나 영상 자료를 빠르고 효율적으로 만들어 제공할 수 있습니다. 예를 들어, 특정 주제에 대해 AI가 적합한 텍스트와 이미지를 조합하여 학생들의 이해를 도와주는 프레젠테이션을 제작해 줍니다. 이를 통해 선생님들은 수업 준비에 소요되는 시간을 절약하고, 교육자료로 더욱 효과적인 수업을 진행할 수 있습니다.

    2. 난이도별 시험 문제 제작

     

    AI는 학생들의 학습 수준에 맞춘 난이도별 시험 문제를 자동으로 제작할 수 있습니다. 이를 통해 교사들은 각 학생에게 적합한 시험을 제공하여 공정한 평가를 할 수 있습니다. AI는 핵심 키워드를 추출하고, 필수적인 문항을 추가하여 시험 문제를 구성합니다. 이렇게 제작된 시험 문제는 학생들의 학습 성취도를 정확하게 평가하는 데 큰 도움이 됩니다. 또한, AI는 문제의 난이도를 조절하여 학생들에게 적절한 도전을 제공합니다.

    3. 학생 지도 및 평가 관리

     

    학생 개개인의 생활지도와 평가 관리는 교사들에게 중요한 업무 중 하나입니다. AI는 학생 생활 지도안을 작성하거나, 생활기록부(이하 생기부)를 체계적으로 관리하는 데 유용합니다. 생기부 AI는 학생의 학습 성과, 행동 특성 등을 분석하여 생활기록부를 작성해 주며, 이를 통해 교사들은 학생 개개인에 대한 깊이 있는 이해를 도울 수 있습니다. 또한, AI를 활용하여 학생과 학부모에게 보낼 이메일을 자동으로 작성할 수 있어, 커뮤니케이션의 효율성을 높입니다. 예를 들어, AI가 학생의 성적이나 생활태도에 대한 피드백을 바탕으로 개인 맞춤형 이메일을 작성하면, 교사와 학부모 간의 소통이 원활해집니다.

    4. 교육 행정 및 홍보 지원

     

    AI는 교육 행정과 홍보 업무에서도 유용하게 활용될 수 있습니다. AI는 수업 안내문, 행사 기획안, 프로그램 안내자료 등의 문서를 자동으로 작성하여 제공할 수 있습니다. 또한, 공문 작성과 같은 행정 업무를 간소화하여 교사들이 본연의 교육 활동에 더 집중할 수 있게 돕습니다. 예를 들어, AI를 통해 행사에 필요한 홍보 자료를 제작하면, 더욱 전문적이고 일관된 이미지를 전달할 수 있습니다.

     

    이러한 AI 활용은 교사들이 반복적인 업무에서 벗어나 창의적인 교육 활동에 집중할 수 있도록 도와줍니다. 이는 학생들의 학습 효과를 극대화하고, 교사들이 교육자로서의 역할을 더욱 충실히 수행하게 합니다.

    또한, AI는 공정하고 객관적인 평가 도구로서, 학생들의 학습 성취도를 보다 정확하게 측정할 수 있게 합니다. 이는 학생들이 자신의 학습 상태를 명확히 파악하고, 필요한 개선을 즉각적으로 할 수 있도록 돕습니다. 나아가, AI 기반의 학습 자료와 피드백 시스템은 학생 개개인의 학습 필요에 맞춘 지도를 가능하게 합니다.

    마지막으로, AI 기술은 계속해서 발전하고 있으며, 그 활용 범위는 더욱 확장될 것입니다. 교사들이 이러한 기술을 적극적으로 받아들이고 활용하는 것은 미래 교육의 핵심이 될 것입니다. 우리 강의에서는 이러한 변화를 앞서 준비하고, 선생님들이 AI 기술을 통해 교육과 행정 업무에서 최적의 효율성을 달성할 수 있도록 돕고자 합니다. AI 활용의 다양한 가능성을 탐구하며, 교육 현장에서의 적용 방안을 함께 고민해 보시기 바랍니다. 이는 결국, 더 나은 교육 환경을 구축하고, 학생들의 성장을 돕는 중요한 밑거름이 될 것입니다.

    하지만 앞서 말했듯이 아직 AI 활용이 어려운 선생님이 많은 것이 현실!

    그래서 준비했습니다! <이 세상 모든 선생님의 업무를 줄여 줄 AI툴 활용법>
    ✅수업 자료 제작부터 시험 문제 완성까지 50가지 실습 으로 완성하는 생성 AI 활용
    ✅선착순 100명에 한해 AI 명령어 모음집 100선, AI 튜터 GPTs 봇, AI 교육 노하우 PDF, 라이브 세션 제공
    ✅학교 교사부터 학원 선생님, 과외 선생님까지 학생을 가르치는 모든 분들에게 유용한 커리큘럼

  • 2024년 백엔드 개발자 채용 트렌드 0000 (ft. 도메인별 지원 꿀팁)

    2024년 백엔드 개발자 채용 트렌드 0000 (ft. 도메인별 지원 꿀팁)

    1. 2024년 백엔드 개발자  채용 분석

    먼저 백엔드 개발자 인기있는 백엔드 채용 공고를 볼까요? 

    1) 라* : 메시징 서버 개발자 / 클라우드 서비스 개발자

    2) 당* : 소프트 엔지니어, 백엔드 -피드 / 커뮤니티 

    3) 우*한 형*들 : 서버 개발자-배민푸드서비스실 / 신규 인사 시스템 구축

    4) 카카* : 백엔드 개발자-결제 & 정산 시스템/알림센터 서비스

    5) 쿠* : 엔지니어-쿠*페이 결제/쿠*플레이

    여기서 공통점 찾으셨나요?

    정답은 바로 같은 직무지만 ‘도메인’별로 백엔드 개발자를 따로 뽑고 있다는 것! 그 이유는 오늘 뽑아 내일 바로 실무에 투입할 수 있는 백엔드 인재를 찾고 있기 때문입니다. 그래서 가고 싶은 회사 도메인의 성격을 명확히 알고 그에 맞춘 기술스택 실습 경험이 중요한 시대가 된 것입니다. 

    2. 백엔드 개발자가 실무에서 만날 수 있는 도메인 종류

    그럼 대체 어떤 도메인이 있는데?! 모든 하시는 백엔드 개발자분들! 백엔드 채용 공고 100+개를 분석해 국내 중요 개발 도메인 싹 정리했습니다. 

    1) 게시판 서비스

    백엔드 개발자라면 개발 커뮤니티 하나쯤 하시고 계실텐데요! 대표적으로 오*, 커리*리 등이 있습니다.  이러한 서비스를 구현하기 위해선 어떤 것이 중요할까요? 

     

    • 도메인 성격 : 백엔드를 시작하는 입문자에게 가장 간단한 도메인이기에, 웹개발의 핵심에 집중해야합니다. 

    • 핵심 목표 : 가장 기본적인 도메인에 가장 기본적인 spring 연동인 JPA를 활용한 DB 연동

     

    2) 커뮤니티 피드 서비스

    각종 기업에서 고객의 이탈을 막고, 머무르는 시간을 늘리기 위해 서비스내에 커뮤니티 서비스를 구현하고 있습니다! 

     

    • 도메인 성격 : 커뮤니티 도메인은 백엔드 개발의 가장 기초인만큼 가장 확장성이 높습니다.

    • 핵심 목표 : 보편적으로 구현해야 하는 기능 개발과 더하여 MySQL의 쿼리 작성

     

     

    3) 동영상 서비스

    요즘 영상 콘텐츠들의 인기가 나날이 높아가면서 동영상 서비스도 중요한 도메인 중 하나가 되었습니다.

     

    • 도메인 성격 : 동영상과 같이 대용량 비정형 데이터를를 다루는 도메인은 성능과 속도 올리기에 집중해야 합니다.

    • 핵심 목표 : 생성 회수 대비 조회 회수가 높은 상황에서 DB에 가는 부하를 줄이기 위해 캐시 Redis를 도입

     

    4) 채팅 서비스

    채팅서비스는 실시간으로 이루어져야하기에, 신경써야할 것이 많습니다.

     

    • 도메인 성격 : 채팅 도메인에서는 실시간 소통이 원활하게 이어지기 위해 지속성과 동시성에 집중해야 합니다.

    • 핵심 목표 :  지속적 커넥션에 대한 오버헤드를 줄이고 동시성에 대한 이해도를 높여 Websocket을 활용한 비동기 처리를 알아야합니다.

     

    5) 이커머스 플랫폼 거래 서비스

    이커머스에서는 거래가 핵심이죠! 

     

    • 도메인 성격 : 특정 시간(일/월 단위) 간격으로 데이터를 한꺼번에 처리하는 정산 도메인은 수행 시간을 단축하는 최적화에 집중해야 합니다.

    • 핵심 목표 : 하나의 작업이 끝나기 전까지는 다른 작업을 할 수 없기 때문에 쿼리 튜닝 등의 빠르고 간단한 성능 최적화가 중요합니다.

     

    6) 핀테크 CI/CD 자동화 시스템

    • 도메인 성격 : 개발의 전 과정을 자동화하여 개발 시간을 단축시키는게 중요한 도메인입니다.

    • 핵심 목표 :  실무에서 CI/CD 아키텍처 설계 부터 3가지 방법의 구축까지 해야합니다.

     

    7)  실시간 SNS 알림센터 

    모든 서비스에 알림이 꼭 있는데요! 특히 sns에서 이러한 알림센터는 필수로 구현해야하는 요소입니다.

     

    • 도메인 성격 :  대부분의 앱에 필수 기능인 알림센터는 대규모 트래픽 환경에서도 안정적으로 동작하고 성능을 유지해야합니다.

    • 핵심 목표 : 사용자 활동을 실시간으로 파악하고, 이를 신속하게 전달하며 대용량 트래픽을 대비한 확장성 있는 시스템을 설계/구현해야합니다.

     

    8) 회원·인증 인프라 시스템 

     

    마찬가지로 로그인을 안해야하는 서비스는 없죠!

     

    • 도메인 성격 :  서버가 다운되면 안 되는 이 도메인은 유지보수성이 중요하고 가벼워야 합니다.

    • 핵심 목표 : 서버 장애를 방지하기 위해 문서화와 로깅으로 코드의 안정성을 검증하고 클라우드에 클러스터를 배포해야합니다. 

     

    9) 이커머스 주문/결제 시스템

     

    • 도메인 성격 : 이커머스 시스템은 다양한 도메인 로직을 포함하기 때문에 복잡한 도메인의 로직 관리가 중요합니다.

    • 핵심 목표 : 복잡한 도메인 로직을 DDD로 명확하게 정의하고, 독립적으로 도메인을 관리할 수 있도록 시스템을 설계·개발하는 것이 핵심입니다.

    이렇게 백엔드 채용 공고 100+개를 분석해 자주 만나볼 수 있는 9개 도메인! 여기에 어떻게 기술스택을 적용할 수 있을까요?

    3.  같은 기술이여도 도메인에 따라 달라지는 기술 스택

    백엔드 개발자면, 일단 기술스택만 배우면 된다? 아닙니다! 도메인별 사용방법이 다른 기술스택이 있기에 이도 제대로 알아야죠! (백엔드 채용 면접에서 이러한 경험은 단골 질문이기도 합니다) 대표적으로 인메모리 기반의 데이터베이스 Redis가 있습니다! 싱글스레드 기반이라 빠르기 때문에 요즘 많이 사용 중이지만 아무데나 Redis를 막 사용하시면 안되는데요! hreshold 관리용과 DB 부하 개선용으로 각 도메인별 알맞은 목적으로 사용해야합니다. 

    1. Redis 를 활용하여 영상서비스 서비스 개발할 경우

    이때는 서비스 속도 개선이 최우선이기에, DB와 비슷한 데이터를 복제해서 관리하는 일종의 DB 역할로 사용해야합니다. 빠른 데이터 조회가 가능하여 DB 부하 개선의 역할일 합니다!

    1. Redis를 회원·인증 인프라 시스템 구현에 사용하는 경우

    이때는 요청 수를 카운트하는 역할이기 때문에  threshold 관리용으로 활용합니다. 일반적인 데이터는 DB에만 있고 Redis는 RDB 역할을 하지 않고 요청 수를 카운트하는 threshold 관리용으로 쓰입니다! 

    4. 개발 도메인 특징에 따라 기술을 달리 선택해야하는 대용량 처리 방식 2가지

    데이터 처리해야하는 양이 1만 건인지, 1억 건인지 상황에 맞추어서 기술 스택을 선택해야 합니다! 많은 백엔드 개발자분들이 그냥 Kafka 사용하면 좋은 줄 알고 사용하는데, 작은 양의 데이터일때 사용하면 오버엔지니어링이 되어버리곤 하죠.

    1. Spring batch 활용 : 비실시간(일단위, 월단위) 처리 / 1만 건 가량 데이터 처리 / Spring Framework에 익숙

    2. Kafka 활용 : 실시간 처리 / 10만 건 이상 데이터 처리 / 데이터 정합성을 충족해야 하는 PG사 연동

    5.  도메인별 특성 기술 스택 활용법은 물론 포폴까지 제대로 쌓을려면?

    백엔드 개발자 여러분! 어디 가고싶든, 어떤 기술 스택이 부족하든! 단 9개 프로젝트로 백엔드 채용 시장에서 즉시전력으로 만들어주기 위해 준비했습니다! 지금 실무하고 계신 백엔드 개발 현직자들이 자신들이 하고 있는 서비스를 직접 알려주니 걱정없겠죠?

     

     

    ▼ 백엔드 웹개발 강의 바로가기 ▼

  • ChatGPT부터 AI원리까지, 가장 쉬운 AI공부법 (by. 인디애나 대학 조태호 교수님)

    ChatGPT부터 AI원리까지, 가장 쉬운 AI공부법 (by. 인디애나 대학 조태호 교수님)

    ChatGPT부터 AI원리까지, 가장 쉬운 AI공부법 (by. 인디애나 대학 조태호 교수님)

    #AI공부

    #ChatGPT

    #AI원리

    | 일반인이 이해하기 어려운 AI! 문제는 어려운 “설명”이 아니었을까?

     

    요즘 하루에도 몇 번씩 언론을 통해 접하는 단어가 있습니다. 바로 “AI”인데요. 엄청난 기술력을 바탕으로 국내외의 다양한 기업들이 AI를 접목한 서비스를 출시하고 있습니다. 그 중 가장 대표적인 예가 바로 Open AI에서 공개한 ChatGPT가 아닐까 싶네요. ChatGPT는 바로 오픈AI에서 개발한 GPT-3.5와 GPT-4를 기반으로 하는 대화형 인공지능 서비스 인데요. 프롬프트 입력을 통해서, 원하는 정보를 쉽게 얻을 수도 있으며 이해하기 어려운 수학 문제를 물어봐도 풀이와 함께 그 해답을 알려주기도 합니다.

    요즘엔 그래서 대학교 과제를 ChatGPT를 통해 하는 경우도 있으며, 회사 업무를 할 때 ChatGPT를 적극적으로 활용해서 자료 조사를 하기도 하죠.

     

    하지만 ChatGPT의 등장과 함께 우리의 삶은 조금 더 AI 친화적인 환경으로 바뀌어갔습니다. 하지만, 막상 AI원리에 대해서 제대로 알아보려고 하니 막막하게 느끼는 사람들도 많다는 것이 현실인데요. 맞습니다. AI를 공부하기 위해 이런 저런 강의를 들어봐도 가르치는 AI원리의 범위가 광범위하기도 하고, 그 설명 역시 다소 난해하게 느껴진다는 아쉬움이 있죠. 그렇다면, 비전공자는 AI 공부를 할 수 없는 걸까요? 그렇지 않습니다. AI원리를 더 쉽게 배울 수 있는 방법이 존재하거든요. AI원리에 대한 설명과 함께 AI공부를 할 때 사람들이 가장 많이 궁금해 하는 내용 3가지를 AI 권위자인 조태호 교수님께 여쭤봤습니다.


    | 인간은 정말 AI에게 대체될 수 있을까?

     

    AI의 기술력이 많은 분야에서 적극 활용되면서 인간이 AI에 대체될 것이라는 이야기가 자주 대두되고 있습니다.

    이건 바로 기술의 급진적 혁신에 따라서 대중이 느끼는 불안감이라고 볼 수 있는데요. 사실상 이건 역사적이고 보편적인 현상 중 하나라고 볼 수 있습니다.

    한 예시로 1852년 최초의 철도가 개통되던 당시, 시속 30마일 이상 올라가면 인간의 몸이 녹거나 팔다리가 떨어져 나갈 것이라는 이야기가 있었습니다. 그리고, 1897년 최초의 전화가 발명되던 당시에는 “이 사회가 곧 비밀이라고는 없는 투명한 젤리 덩어리처럼 될 것”이라는 말을 뉴욕 타임즈에서 전하기도 했었죠.

    그리고, 대망의 2022년 ChatGPT가 등장하면서 워싱턴포스트에서는 “인간이 AI에게 일자리를 빼앗기고 앞으론 강아지를 산책시키거나 에어컨을 고치는 것과 가튼 일을 하게 될 것”이라는 이야기를 전하기도 했습니다.

    사실 새로운 기술이 등장하는 순간에는 인간은 늘 대체될 것이라는 막연한 불안감을 느꼈고 이건 단지 AI가 등장한 최근 몇 년 뿐만 아니라 역사 속에서도 늘 반복된 일이었다는 것이죠.

    이 상황에서 우리가 간과하지 말아야 할 몇 가지 분명한 사실은 바로 현재 직업의 60%는 지난 80년 이내에 새로 생긴 직업이라는 것이며, 신기술이 등장하면서 글로벌 GDP도 함께 정비례 형태로 올라갔다는 것입니다. 19세기의 경우, 증기기관이 등장하면서 글로벌 GDP가 0.3% 증가하고, 90년대의 로봇의 등장으로는 0.4% 증가, 2000년대에는 0.6%까지 치솟았죠. 무엇보다 인공지능의 등장으로는 GDP의 숫자가 16%까지 올라갔습니다. 

    여기서 우리가 주목해야 할 사실은 AI를 마냥 위협의 대상으로 볼 필요가 없다는 것입니다. AI등장은 결과적으로 9,700만의 일자리가 새로 등장할 것이라는 기대감을 불러일으키기도 하거든요. 


    <출처:블록미디어>

     

    | AI를 빨리 배우는 게 정답일까?

     

    <출처:LG디스커버리랩>

    그렇다면, 우리에게 AI란 단순히 두려워 해야하는 존재가 아니라는 사실을 잘 알 수 있는데요. 결국 인간은 AI에게 대체될 수 없는 존재가 맞기 때문에 AI를 바라보는 관점 자체를 달리 하는 것이 중요합니다.

    AI는 우리가 익히 잘 알고 있는 전문직인 의사나 과학자, 프로그래머를 대체할 수 없습니다. 그렇기 때문에 AI를 하나의 이용할 수 있는 도구로 바라보고 더 빠르게 선점할수록 우위에 설 수 있다는 사실을 잊으면 안됩니다.

     

    역사적으로 새로운 기술은 항상 두려움과 기회를 동시에 가져왔고, AI를 통해 창출되는 새로운 일자리는 즉 새로운 경제적 기회를 의미하기도 합니다. 뿐만 아니라 AI는 내가 하고 있는 업무에 전문성과 스마트함을 가져다 주기도 하죠. 즉, AI를 이용할 수 있는 지금 이 시기는 가장 큰 혁신의 기회가 되기도 한다는 뜻입니다.

     

    | AI는 어떤 원리로 작동하는 것일까?

    그리고, 많은 분들이 AI공부 과정에 있어서 궁금해 하시는 것중 하나가 바로 AI의 작동원리인데요. 쉬운 이해를 위해 한 예시로 설명을 드려볼게요. 바로 AI가 먹는 사과와 행위의 사과라는 단어를 구분하는 방법입니다. 

    먼저, 행위를 나타내는 사진과 과일을 나타내는 사진 사이에 “사과”라는 단어를 놓고, 이 단어가 어느쪽으로 위치해야 할지 결정해야 합니다. 이 때 필요한 건 바로 다른 문장인데요. 여러 예시 문장을 두고, 이 사과는 이런 상황, 저 사과는 저런 상황에 들어간다는 걸 파악해야 한다는 것이죠.

    가령, “사과를 한 입 베어먹었다.”라는 문장에서 먹었다라는 단어와 사과(Apple)가 같이 가는 경우가 많구나라는 것을 파악해야 한다는 것입니다. 두 번째로, “어제 일에 대해서 사과를 했다.”라는 문장에서는 어제 일이라는 단어와의 상관관계를 통해 먹는 사과가 아닌 행위의 사과라는 것을 알 수 있습니다.

     

    이처럼 모든 세상의 단어들을 컴퓨터가 이해할 수 있는 공간에 위치시키는 것이 바로 AI가 하는 주요 기능입니다. 어떤가요? 낯설게 느껴졌던 AI의 개념이 조금은 쉽게 느껴지지 않나요? 이렇듯 아무리 낯선 개념이라도 결국 적절한 비유를 통해 배운다면 AI배경 지식이 없는 비전공자들도 AI를 쉽게 배울 수 있답니다. 

    당신이 그동안 배우는 AI가 어려웠ㄷ면 그건 바로 AI원리 그 자체가 아닌 AI공부를 더 쉽게 알려주기 위한 설명이 아니었을까요? 낯선 AI의 영역을 적절한 비유/예시/그림을 활용해 단 7시간 만에 누구보다 쉽게 알려드립니다. 

    지금 바로 AI공부가 쉬워지는 색다른 경험을 패스트캠퍼스에서 만나보세요!

     

     

    ▼ 모두의 AI 강의 바로가기 ▼
    https://bit.ly/4d33Np1

  • 신입 개발자, 취준생 꼭 알아야 할 컴퓨터공학 지식 총정리! Feat. AI 지식&CS 지식

    신입 개발자, 취준생 꼭 알아야 할 컴퓨터공학 지식 총정리! Feat. AI 지식&CS 지식

    신입 개발자, 취준생 꼭 알아야 할 컴퓨터공학 지식 총정리! Feat. AI 지식&CS 지식

    #컴퓨터공학

    #CS 지식

    #AI 지식

    | 개발자의 기본기인 컴퓨터공학 지식(CS 지식) 

     

    필요성은 두말할 필요 없죠? 기술 면접에서도 자주 등장하고, 컴퓨터공학 지식을 잘 모르면 실무에서의 소통도 어렵습니다. 컴퓨터공학 지식은 프로그램의 기본적인 구조와 동작 원리를 이해하는 데 필수적이며, 효율적인 코드 작성과 문제 해결에도 발판이 되는 지식입니다.

     

    하지만 요즘은 개발자의 기본기가 변화하고 있습니다. 
     

    ⭐바로 AI 지식이⭐ 개발자의 새로운 기본기로 포함되고 있습니다.
    AI 기술의 발전으로 인해, AI 지식은 더 이상 선택이 아닌 필수로 여겨지고 있습니다.

    | 정말 AI 시대가 오는 걸까요? 

     

    과거에는 ‘전화기’(전자공학, 화학공학, 기계공학)와 같은 전통적인 인기 학과가 주목받았지만, 이제는 AI 학과로 그 인기가 이동하고 있습니다. 아래 그래프를 통해 AI 학과의 인기가 꾸준히 증가하고 있음을 확인할 수 있습니다. 실제로 S.K.Y(모두 AI 학과를 신설했거나 신설 예정이라고 합니다.

     

    출처: 한국경제

    또 요즘 컴퓨터공학과 학생들은 인공지능학과를 다중 전공 또는 복수 전공으로 많이 선택하고 있습니다. 

    주요 과목이 겹칠 뿐 아니라 AI 지식이 하나의 경쟁력 요소로 인정을 받기 때문입니다. 이러한 경향은 컴퓨터공학과 등 공대 계열 학생뿐만 아니라 상경 인문계열 등 타과생 학생들 사이에서도 나타나고 있습니다. 

    “ 실제 경기도 G대학의 인공지능융합전공 ‘데이터수업과클리닝’ 교과목에서는 70명의 수강생 중 인문/사회 계열을 포함한 타 전공 수강생이 29명으로 약 40%를 차지하고 있다고 합니다. (출처: 한국경제)”

    | 꼭 알아야 할 CS 지식 + AI 지식 총정리

     

    어떤 CS 지식과 AI 지식이 필수적인지, 기초 교양부터 심화 과정까지 깔끔하게 정리했어요.

    CS 지식과 AI 지식으로 기본기를 탄탄하게 다져봅시다!🔥

    ✅ Basic of Basic 교양 급, 기초 지식

    개발자로서 첫걸음을 내딛기 위해 필수적으로 알아야 할 기본 지식들입니다.

    이 지식들을 잘 쌓아야만 이후에 나올 필수 및 심화 지식을 이해할 수 있습니다!

     

     ① 기초 프로그래밍 (Python)

    비전공자를 위한 개론으로, 컴퓨팅 사고력 및 파이썬 프로그래밍에 대한 이해력 향상할 수 있는 과목입니다. 

    Python을 통해 결과를 눈으로 확인하며 기초 언어 및 문법을 터득하며, 다학제 다전공자를 위한 응용력을 기를 수 있습니다.

    ② 객체지향 프로그래밍 기초와 실습(Java)

    웹 개발자로서 필수 언어인 Java와 함께 대부분의 현대 프로그래밍 언어와 시스템에서 널리 사용되고 있는 객체지향 방법론을 알 수 있습니다.

    ③ 미적분학

    머신러닝, 딥러닝을 학습하기 위해 미적분학의 기본적인 개념들은 필수입니다! 인공지능과 확률의 학습을 위한 미분, 적분의 기본 개념을 갖춰야 합니다.

    ④ 확률과 통계

    모든 공학 분야에는 항상 불확실성이 따릅니다. 통계의 기본적인 추정과 검정에 대한 내용을 설명하는 과목으로, 머신러닝, 딥러닝을 학습하기 위해 꼭 필요한 확률의 개념을 알아야 합니다.

    ⑤ 기초대수학

    대수학적 특징과 함수 등 앞으로 배우는 모든 수학 분야에서 사용되는 기본적인 수학 개념들을 정리할 필요가 있습니다.

    ⑥ 벡터와 행렬

    머신러닝, 딥러닝의 모든 알고리즘은 벡터와 행렬을 이용하여 진행됩니다. 이를 위해 벡터와 행렬의 사용법을 배울 수 있습니다.

    ⑦ 이산수학

    컴퓨터 구조를 학습하기 위해 이산수학 분야에서 필요한 부분을 추려 소개하는 파트이며, 이진수의 개념, 자료구조 및 알고리즘을 학습하기 위해 그래프와 트리의 개념을 집중적으로 공부할 필요가 있습니다.

    ✅ 학부생 전공 필수 급, 필수 지식

     

    컴퓨터공학과 학부생이거나, 비전공자라도 컴퓨터공학 지식을 공부했다고 말하려면 아래 지식들은 꼭 필요해요.

    한 번 알아볼까요!? 

     

    ① 자료구조

    개발자들이 꼭 알아야 하는 CS 지식이며, 알고리즘 파트와 연계하여 공부해야 할 필요성이 있습니다. 공학 시스템의 성능 유지와 고장 진단 등 건전성 관리를 위한 빅데이터 분석 및 인공지능 알고리즘에 대한 기초 이론 및 방법론에 대하여 알아야 합니다.

    ② 컴퓨터 구조

    컴퓨터가 구성하고 있는 부품 및 동작 원리들을 이해하고 하드웨어를 활용하는 방법을 알아야 합니다. 기술면접 단골 질문에 항상 포함되는 필수 컴퓨터공학 지식입니다.

    ③ 네트워크

    네트워크의 표준 모델의 역할 및 프로토콜을 이해하고 다양한 소켓 프로그래밍의 예를 확인할 수 있습니다.

    ④ 알고리즘

    프로그램의 성능과 효율성을 극대화하기 위해 필요한 컴퓨터공학 지식 1위이며, 자료구조 파트를 선행하여 학습한 후 공부하는 것을 추천합니다. 효과적인 알고리즘을 설계하면 복잡한 문제도 빠르고 정확하게 해결할 수 있습니다. 코딩테스트의 주요 주제를 제시하는 핵심 컴퓨터공학 지식(CS 지식)입니다.

    ⑤ 데이터베이스 개론

    데이터베이스 개론은 데이터의 저장, 관리, 검색을 다루는 중요한 컴퓨터공학 지식(CS 지식)입니다. 효율적인 데이터베이스 설계와 SQL을 통한 데이터 조작은 개발자의 기본 역량 중 하나입니다. 

    ⑥ 운영체제

    운영체제는 효율적인 시스템 자원 사용을 위한 프로세스와 메모리 관련 기법을 습득할 수 있는 과목입니다. 
    이는 시스템의 성능 최적화와 안정성 확보에 중요한 역할을 합니다.

    ✅ 전공 심화 급, 심화 지식

    전공 지식만으로는 충분하지 않죠! AI 지식은 여기서부터 본격적으로 시작됩니다!😄

    ① 인공지능과 딥러닝

    본격적인 AI 시대를 대비하기 위해 필수로 알아야 하는 개념 입니다. 

    ② 데이터베이스 심화

    직접 데이터를 분석할 수 있는 능력을 기르기 위해 필수적인 부분으로 SQL 기초 쿼리와 고급 쿼리를 다룰 수 있어야 합니다.

    ③ 머신러닝

    머신러닝이란, 통계를 사용해 데이터에서 패턴을 찾아내고, 이를 바탕으로 예측하는 방법론으로, 비교적 간단한 계산으로도 좋은 결과를 얻을 수 있으며, 결과 해석도 쉬운 편입니다. 일반적인 테이블 방식 데이터 셋에서 뛰어난 성능을

    발휘하기에 인공지능의 해석을 위해 필수로 배워야 하는 지식입니다.

    ④ 데이터웨어하우스 이론/설계

    AI 시대에 빅데이터는 빼놓을 수 없는 키워드가 되었으며, 데이터를 저장하는 데이터웨어하우스에 대한 이론의 중요성은 매우 커졌습니다. 다차원 모델에 대한 설명과 데이터웨어하우스에 데이터베이스를 직접 설계하는

    실습을 진행하며 빅데이터에 대한 이해도를 높일 필요가 있습니다.

    ⑤ 베이즈 통계

    본격적인 머신러닝을 학습하기 위해서 배워야 하는 심화 통계 부분입니다. 통계적 머신러닝에서 사용되는 통계 개념을 이해하려면 대부분 베이즈 통계를 기반으로 하고 있기 때문입니다. 이에 따라 확률통계 파트에서 다뤘던 내용을 베이즈 통계로 확장하는 과목입니다.

    ⑥ 데이터베이스 내부구조와 아키텍처

    데이터베이스의 심화 학습의 마지막 단계로, 대용량 데이터를 처리하는 데이터웨어하우스 설계나 성능 개선을 위해 중요한 역할을 합니다. 이 과정에서 데이터베이스의 핵심 개념인 트랜잭션 처리, 동시성 제어, 락 등을 깊이 있게 이해하게 됩니다.

     

    | 이 모든 과목을 알차게 담은 강의가 나왔어요🎁

     

    해당 과목들을 차근차근 잘 공부하시면 기본기가 탄탄한 개발자가 되실 수 있어요.

    언제 다 공부할까 막막하시죠?🤯



    그래서 CS 지식 + AI 지식을 한 번에 올킬할 수 있는 강의가 나왔어요!

     

    학년제 기반 커리큘럼으로 비전공자도 따라올 수 있게끔 준비했어요.

     

    액기스만 뽑은 이론 과목과 산업별 캡스톤 프로젝트로 기본기와 실무 역량까지 한 번에 쌓을 수 있습니다.

     

    학년제 기반 커리큘럼으로 CS + AI 지식 완성하려면 ▼

  • 할루시네이션 걱정 없이 작성하는 논문 AI 툴 모음 (+ AI 활용 꿀팁)

    할루시네이션 걱정 없이 작성하는 논문 AI 툴 모음 (+ AI 활용 꿀팁)

    할루시네이션 걱정없이 작성하는 논문 AI 툴 모음 (+ AI 활용 꿀팁)

    #논문 AI

    #ChatGPT 논문

    #논문 작성 ai

    AI 기술이 눈부시게 발전하면서, 당연히 이득을 보는 분야도 많지만 이처럼 골머리를 앓게 되는 분야가 있습니다. AI 할루시네이션이 만든 부실 논문 급증으로 인해 작년에만 하더라도, 취소된 논문 건수가 1만 건 이상이 되었는데요.

     

    AI 할루시네이션이란? 

    할루시네이션(Hallucination)은 인공지능(AI)이 정보를 처리하는 과정에서 발생하는 오류를 말합니다. 영어의 원래 뜻은 환각이나 환영, 환청이지만, 챗GPT 등 인공지능을 통한 정보 활용이 보편화되면서 인공지능이 내놓는 여러 답변 등이 정확하지 않을 때를 통칭해 ‘할루시네이션’이라고 부르고 있습니다. 

     

    즉, 사실인 것처럼 오류를 말하는 것은 ChatGPT를 비롯한 여러 AI 툴들이 아직도 겪고 있는 문제점인데요. 하지만, 사용자는 AI 툴의 오류를 그대로 인용하면서 문제는 더욱 커지고 있습니다. 특히, 정확한 연구와 명확한 결과를 내야 하는 학술 분야에서는 그 문제가 더욱 대두되고 있는 것이죠. 

     

    그러면, 연구&학술 분야에서는 AI툴은 쓰면 안 되는 것일까요? 답부터 말씀드리자면, 아닙니다! AI 툴을 사용하는 것 자체는 문제가 되지 않습니다. 소위 말하자면, “잘” 사용하면 됩니다.

     

    지금부터 할루시네이션 걱정 없이 논문 작성의 어려움과 많은 리소스를 극복하는 효율적인 AI 툴과 활용 꿀팁을 알려드리겠습니다! 

    ✅연구자를 위해 유용한 AI 툴 모음 (+활용 꿀팁)

    1. ChatGPT, ChatGPT ADA


    먼저, 일반 ChatGPT와 ChatGPT ADA의 차이점을 궁금해하실 분들이 계실 텐데요. 쉽게 말해 ChatGPT ADA는 Artificial Data Assistant의 약자로 특정한 연구 및 데이터 분석 목적을 위한 도구로, 학술 및 연구 분야에서 특히 유용하게 사용됩니다. 

     

    전문성 또한 조금의 차이가 있는데요, 일반 ChatGPT는 다양한 주제에 대해 넓고 얕은 지식을 가지고 있으며 폭넓은 사용자 요구에 응하는 반면,  ChatGPT ADA는 특정 분야의 전문가처럼 작동하여 깊이 있는 연구와 분석을 지원하고, 데이터 세트 처리, 통계 분석, 데이터 시각화 등 복잡한 데이터 작업 수행이 가능해집니다!

    2. Gemini

     

    Gemini는 다양한 데이터 소스를 통합하여 분석하는 데 탁월합니다. 이는 복잡한 연구 프로젝트에서 서로 다른 형식의 데이터(텍스트, 이미지, 음성, 영상자료, 시계열 데이터 등)를 동시에 분석하고 통합된 인사이트를 제공하는 데 유용합니다.

     

    또한 병렬 처리 및 분산 컴퓨팅, 자동화된 데이터 정제, 고급 머신러닝 모델 적용, 실시간 데이터 스트리밍 분석, 고급 데이터 시각화, 자연어 처리 및 텍스트 분석, 통합 데이터 분석, 사용자 맞춤형 분석 및 보고서 생성 등

    다양한 기능을 통해 연구자들이 대용량 데이터를 효과적으로 다루고 분석할 수 있도록 지원합니다.

     

    3.  Obsidian (AI API를 적용한)

    Obsidian은 기본적으로 강력한 메모 및 지식 관리 도구로, 가장 떠오르고 있는 디지털 노트 앱입니다. ‘마크다운’ 형식의 노트 작성과 ‘그래프 뷰’를 통한 연구 자료의 시각화가 강점이며, 자신의 노트를 유기적으로 연결하고 확장할 수 있어 연구자들에게 특히 유용한 툴로 각광받고 있습니다. 또한, AI API와의 통합을 통해 더 많은 기능을 활용할 수 있는데요. 예를 들면, 옵시디언의 마크다운 문법은 모든 생성형 AI가 사용하는 언어로, AI가 정확히 이해할 수 있도록 자료를 정리할 수 있습니다.  

    두 번째로는 나만의 인사이트를 도출하기 용이합니다. 강력한 플러그인과 링크 기능, 그리고 AI API를 도입하면 나의 노트만으로도 인사이트를 도출하기도 쉽습니다!

     

    4. DeepL

    DeepL은 현재 가장 정확하고 자연스러운 영문 AI 번역을 제공하는 서비스인데요. 직역하는 것이 아닌 고도로 정교한 번역 알고리즘을 사용하여, 원문의 의미를 정확하게 전달하는 고품질 번역을 제공합니다. 말 그대로 뉘앙스를 그대로 살리는 번역인 셈이죠. 이로 인해 다양한 언어로 작성된 학술 자료를 참고해야하는 연구자들에게 꼭 필요한 툴이라고 할 수 있죠.

     

    5. Perplexity


    Perplexity는 RAG 시스템을 통해 할루시네이션이 없는 논문 검색이 가능한 서비스입니다
    .

    이 툴은 사용자의 질문에 대한 정확하고 관련성 높은 답변을 제공하는 데 강점을 가지고 있으며, 속도 또한 굉장히 빨라 연구자가 필요한 정보를 찾는데 굉장히 유효합니다.

     

    이 밖에도 연구자들에게 유용한 AI 툴은 많은데요, 위에서 말씀드린 것처럼 이 툴을 “잘”사용하는 방법을 알아야 합니다. 하지만, ‘AI 툴을 많이 사용한 경험도 없고 잘 모르는데…’ 하시는 연구자분들이 계시다면 이 강의를 주목해 주세요! 논문의 전 과정을 할루시네이션 걱정 없이 2배 빠르게 연구의 가치는 2배 높이고 싶다면? 

    이 강의를 통해서 여러분도 하루에 10개 읽었던 논문을 20-30개씩 읽을 수 있게 되고, 
    선행 연구 조사부터 데이터 분석, 논문 초안 작성까지 논문의 전 과정의 생산력을 끌어올릴 수 있습니다!
    또한,  내 연구에 바로 적용할 수 있는 프롬프트, GPTs, API 모음집까지 전부 제공되고, 공부하시다가 모르는 건 전문가에게 직접 물어볼 수 있는 디스코드 채널까지 포함되어 있으니, 더 이상 어려운 연구&논문으로 혼자서 고생할 필요가 없어집니다. 🙂

  • LG는 왜 사내에 AI 대학원을 만들었을까?

    LG는 왜 사내에 AI 대학원을 만들었을까?

    LG는 왜 사내에 AI 대학원을 만들었을까?

    #AI

    #AI대학원

    #LG

     

    AI가 산업의 패러다임을 바꿀 것이라는 예상은 이제 당연한 명제가 되었습니다. 지난 2022년 Open AI의 챗 GPT가 출시된 이후 수많은 기업과 직무에서 AI가 활용되고 있습니다. 직장인들은 AI가 가져온 업무 혁신에 적응하기 위해 개인적으로 자기 계발에 나섰고, 기업과 조직 역시 AI가 가져올 혁신에 발빠르게 대비하고 있습니다.

     

    딜로이트(Deloitte)가 2,800명 이상의 최고 경영진을 대상으로 설문조사를 진행해 올해 1월 발표한 결과에 따르면, 응답자의 79%가 3년 내에 생성형 AI가 조직변화를 주도할 것으로 예상했습니다. 하지만 동시에 기술적 재능과 기술 부족이 생성형 AI 채택의 가장 큰 장벽이 될 것이라는 예측도 있었습니다. 자신의 조직이 Gen AI 도입과 관련된 인재 관련 문제를 해결할 준비가 되어 있다고 생각한 응답자는 전체의 22%에 불과했기 때문입니다. 

    글로벌 추세 역시 생성형 AI를 본격적으로 도입하기 위해 전문 인력을 채용하거나 양성하는 과제를 마주하고 있습니다. 이 문제를 해결하기 위해 기업끼리 연합하거나 기업들과 대학들이 협력하는 모습도 확인할 수 있죠. 대표적인 사례가 바로 올해 1월, Open AI와 미국 애리조나주립대학의 산학협력 체결입니다. 

    애리조나주립대학은 지난 1월 18일 Open AI와 협력하는 최초의 고등 교육기관이 됐다고 발표했습니다. 생성형 AI기술과 애리조나주립대학의 핵심 지식을 활용해 교육 기술을 혁신하고 학술 연구를 지원, 행정의 효율을 높이는 것이 이번 산학협력의 목표인데요. 국내에서도 이와 유사한 산학 협력이 활발하게 이뤄지고 있습니다.

     

    국내 대기업과 대학 간의 생성형 AI 협력

     

    Open AI-애리조나주립대학의 사례와 같이, 국내에서도 특정 과제를 목표로 기업과 대학이 협력한 사례가 있습니다. 바로 2021년 5월 설립된 ‘서울대-네이버 초대규모 AI 연구센터(SNU-NAVER Hyperscale AI Center)’인데요. 당시 GPT-3가 출시된 후 초 거대규모의 AI모델이 활약하기 시작하면서 이와 같은 AI를 개발하기 위해 중장기적 프로젝트가 필요하다는 공감대를 바탕으로 협력이 이뤄졌습니다.

     


     

     

     

     

    기업이 대학의 특정 교수에게 예산 1~2억 정도의 소규모 과제를 주는 식의 기존 산학협력 방식과 달리, AI와 같은 신기술 개발을 위해서는 대학의 핵심 역량을 장기간 투입해야하는 중장기 대형 프로젝트가 필요합니다. 이로 인해 기업과 대학이 R&D 조인트벤처를 만드는 사례가 등장했으며, 기업들이 실제 프로젝트에 투입돼 검증된 우수 인력을 발굴할 수 있는 긍정적인 영향을 미치기도 했습니다.


    이후 다양한 기업들이 국내 대학들과 산합혁력에 나섰습니다. 여러 협력 사례가 진행되면서 산학협력 과정도 변화하고 있는데요. 지난해 12월 있었던 서울대 AI대학원의 밤 행사에서 홍유석 서울대 공과대학 학장은 “이전에는 과제 단위로 계약했다면, 이제는 연구 과제는 물론 인력 양성 프로그램, 장학금, 기업 재직자의 교육 프로그램 등을 엮어서 대학원과 기업 간의 얼라이언스를 맺는 모델이 돼야 서로(산학협력)가 윈윈할 수 있다고 본다”며 산학협력이 더욱 긴밀해질 필요가 있다고 강조했습니다. 전세계적으로 우수한 AI 인재가 극도로 부족한 상황에서 산학협력을 통해 우수한 인재를 유치하는 것이 중요하다는 뜻이죠.

     

    한 걸음 더 나아가, 자체 대학원 개설 추진하는 LG

    이처럼 대학의 연구 인프라를 활용하고 연구에 참여한 우수 학생까지 확보하는 산학협력이 활발하게 진행되고 있는 가운데, 기업이 자체적으로 AI인력을 양성하려는 사례도 등장하고 있습니다.
    이유는 명확합니다. 기업은 AI 기술을 가장 활발하게 활용하는 곳입니다. 기업 내에도 대학만큼이나 풍부한 경험을 확보한 인력이 존재하고 있죠. 또한 기업의 R&D 조직은 기술 활용의 최전선인 만큼 기업 내 인력들은 최신 트렌드에 가장 민감할 수밖에 없습니다. 하지만 산학협력만으로는 기업의 이런 니즈를 모두 충족시키기 어렵습니다.

     

    대학의 AI 인력 양성 과정 역량은 두 가지 측면에서 어려움을 겪고 있습니다. 하나는 폭증하는 AI 교육 수요를 채울 수 있는 교수진의 부족입니다. 미국 조지타운 내 정책 연구 조직인 CSET는 <AI Faculty Shortage>라는 제목의 보고서를 통해 차세대 AI 전문가를 양성하기 위해 미국 대학의 역량 강화가 필요하다는 점을 지적했습니다. 이는 비단 미국만의 문제가 아닙니다. 

     

    또 다른 문제는 기업과 AI 인력 간의 미스매치입니다. 국내 대학에는 AI 전공학과와 대학원이 존재하지만, 이들을 통해 양성된 인력이 기업이 원하는 수준에 미치지 못한다는 반응이 많습니다. 이는 다양한 원인이 복합적으로 작용한 결과인데요. 고질적으로 부족한 이공계 인재, 양적으로 부족한 대학의 AI 교육 과정, 여기에 실제 기술 변화에 뒤처지는 교육 과정, 이 삼박자가 맞물려 기업의 AI인력 수급에 악영향을 미친 겁니다.

     

    교육계의 변화를 기다리기 힘든 기업의 입장에서는 자체적으로 내부 전문 인력을 교수진으로 활용해 인력 양성에 나서고 있습니다. 대표적인 곳이 바로 LG입니다. LG는 2022년 사내에 ‘AI 대학원’을 개설해 인재를 양성하고 있습니다. 여기에서 한 발 더 나아가 작년 12월 국회에서 대기업이 사내에 정식 대학원을 설립할 수 있는 법안이 통과됨에 따라, 현재 운영중인 사내 대학원을 교육부 인가 정식 대학원으로 발전시키겠다는 계획도 밝혔습니다. 계획대로 실행된다면, LG는 현업에서 가장 필요로 하는 최신 역량을 갖춘 인재를 스스로 발굴할 수 있게 됩니다.

     

    기업들의 AI 확보 노력은 외부 인재를 대상으로도 치열하게 전개됩니다. 기업들은 저마다의 핵심 비즈니스 모델에 AI를 접목해 솔루션을 내놓는 ‘해커톤’ 행사를 열고 있는데요, 네이버, 카카오, 삼성 등 AI 활용이 필수가 된 국내 기업들이 특히 자주 행사를 진행하고 있습니다. 앞서 말했듯, 정식으로 기업 내 AI 대학원 출범을 계획중인 LG 역시 ‘LG 에이머스(Aimers) 해커톤’을 2022년 하반기부터 개최해 최근에는 4기 과정을 끝마쳤습니다.

     

    AI 인재 양성을 위해 기업간 연합을 주도하는 글로벌 기업들

    한국보다 선제적으로 AI 인재 육성에 나선 선진국 역시 AI 인재 부족에 시달리는 것이 현실입니다. 특히 인재 부족에 가장 민감한 글로벌 ICT 기업들은 우리와 마찬가지로 서양 유수의 대학과 협약을 통해 교류협력에 나서고 있습니다. 23년 12월에는 IBM과 메타(Meta)가 주도해 결성한 ‘인공지능 동맹’에 코넬대학교를 비롯한 미국 5개 대학과 영국 2개 대학, 일본의 도쿄대가 참여한 바가 있습니다.

     


    이에 못지 않게 눈에 띄는 사례는 기업들 간의 연합 체제 구축입니다. 올해 4월 4일, 벨기에 루벤에서는 Cisco를 중심으로 Google, IBM, Microsoft 등 8개 주요 기업과 6개 자문사가 참여해 인력 컨소시엄을 구성했습니다. AI가 ICT 직무에 미치는 영향을 탐구하고 근로자가 관련 교육 프로그램에 접근할 수 있는 로드맵을 구축하는 것이 목표입니다.

    국내외 기업 모두 AI 시대의 인재 확보와 양성에 박차를 가하고 있습니다. 이들이 인재를 확보하고 양성하려는 목표는 결국 AI시대의 최신 역량을 갖춘 기업이 되기 위함입니다. AI 기술 활용에 대한 기업 내부의 교육 이전에 개개인의 AI 기술과 트렌드 습득이 필요한 이유 역시, 현재를 넘어 곧 도래할 AI 시대에 스스로의 역량을 갖출 필요가 있기 때문이죠. 

  • AI로 인한 실직, 위기이자 기회?

    AI로 인한 실직, 위기이자 기회?

    AI로 인한 실직, 위기이자 기회?

    #AI

    #AI직업

    #실직

    일상에 더 가까워진 AI, 달콤하고 차갑게 스며드는 AI

    최근 1년 동안 글로벌 산업과 고용 시장에 가장 큰 영향을 끼친 기술이 무엇일까요? 바로, 인공지능(AI) 기술입니다. 그렇다면 구체적으로 언제부터 AI의 영향력이 커졌을까요? 2022년 11월 30일, 미국 AI 기업 오픈AI(OpenAI)가 챗GPT(ChatGPT)를 처음 공개하면서가 아닐까요? 챗GPT의 등장은 2016년 3월 구글 딥마인드가 개발한 AI 알파고와 프로 바둑 기사 이세돌 9단의 대국 이래, AI 기술 발전을 체감하게 만든 계기였습니다. 

     

    챗GPT는 대화 형식으로 사용하는 AI 챗봇 서비스입니다. 챗GPT는 출시 후 2개월 만에 사용자 1억 명을 넘어섰고, 2023년 5월엔 18억 명을 기록했습니다. 챗GPT 출시 후, 모든 산업 분야에서의 AI 사용이 증가하며 생산성과 효율성을 개선하고 있습니다. 하지만 모든 일에는 양면이 존재하듯 AI 활용이 확대됨에 따라, 사람들의 실직 문제가 점점 커지고 있습니다.

    텍스트, 스크린샷이(가) 표시된 사진

자동 생성된 설명 

     

    AI가 쏘아올린 실직 공포 다국적 회계 감사 기업 프라이스워터하우스쿠퍼스(PricewaterhouseCoopers, PwC)가 2024년 1월 발표한 설문조사 결과에 따르면, “105개국 4,700명 이상의 최고경영자(CEO)가 운영하는 회사의 약 3분의 1은 생성형 AI를 경영에 도입했다”고 합니다. 또, CEO의 25%는 “최소 5% 직원을 해고할 예정”이라고 답했습니다. 이번 설문 조사에 참여한 CEO들의 50% 이상이 연간 1억 달러(약 1,385억 원) 이상 매출을 올리는 기업을 운영하고 있습니다.

     

    특히, 미디어, 엔터테인먼트, 은행, 자본 시장 및 보험 부문이 인력 감축 가능성이 높고, 엔지니어링, 건설, 기술, 금속, 광업 부문이 해고 가능성이 낮다는 결과가 나왔습니다. 설문조사에 참여한 CEO의 약 70%는 3년 안에 AI가 사업 모델에 큰 변화를 일으키고, 직원들에게 새로운 기술을 개발하게 할 것이라고 덧붙였습니다.

     

    AI는 나라를 뒤흔들 정도의 잠재력도 가지고 있습니다. 국제통화기금(IMF)의 크리스탈리나 게오르기에바(Kristalina Georgieva) 총재는 “전체 일자리의 40%가 AI에 노출되어 있고 AI 기술이 궁극적으로 불평등을 심화할 수 있다”고 밝혔습니다. 신흥 시장과 저소득 국가 대부분은 AI를 활용할 수 있는 인프라와 인력이 부족한데요. 이 때문에 “AI가 국가 간의 불평등을 악화할 위험이 있다”고 예측했습니다.

     

     

    텍스트, 컴퓨터, 스크린샷, 웹사이트이(가) 표시된 사진 자동 생성된 설명

     

    새로운 기회를 탐하는 기업과 직원이 느끼는 불안의 괴리감 AI로 장밋빛 미래를 그리는 기업의 입장과 근로자의 입장은 다릅니다. 근로자들은 AI로 인해 현재와 미래가 불확실해졌기 때문입니다. 그들은 AI를 업무에 어떻게 활용할지, 무엇을 준비해야 경쟁력이 생길지 막막합니다. 당장은 해고당하지 않았어도, 언제든 갑자기 AI에게 대체 당할까 봐 두렵습니다.

    2024년 3월 5일부터 7일부터 미국 라스베이거스에서 열린 파트너 행사 ‘앰플리파이 파트너 콘퍼런스(Amplify Partner Conference, APC)’에서 HP가 발표한 ‘HP 업무 관계 지수(HP Work Relationship Index)’ 보고서에 따르면, 업무를 건강하게 잘하고 있다고 답한 지식 근로자는 전체의 27%에 불과했습니다. 42%는 업무에 AI를 어떻게 활용할지 모르겠다고 답했으며, 66%는 회사 차원에서 AI 교육이 필요하다고 말했습니다.

     

    MZ세대(1980년대 초∼2000년대 초 출생) 지식 근로자 10명 중 4명은 AI 발전에 따른 실직을 걱정한다고 답했습니다. Z세대(1997∼2006년생) 지식 노동자 1,740명 중 45%, M세대(1981∼1996년생) 지식 노동자 6,144명 중 42%가 AI를 직업 안정성의 잠재 위협 요소라고 생각한다고 밝힌 것이죠.

     

    의류, 사람, 인간의 얼굴, 건물이(가) 표시된 사진

자동 생성된 설명

    본인의 일이 될 수 있는 갑작스러운 해고, 미국 IT 구조 조정 현황

    이러한 불안은 현실에는 얼마나 반영되었을까요? 사람들의 우려는 이미 “극도로 비인격적”일 정도로 현실이 되었습니다. 어떤 구글 직원은 구글의 구조 조정에 대해 “극도로 비인격적인 모멸감”을 느꼈고, “문화가 완전히 변한 구글 경영진의 횡포”라는 의견을 사내 게시판에 남겼습니다. 

    구글은 2023년 전체 인력의 약 6%인 12,000명을 감원한 후, 2024년 1월에는 여러 부서의 약 1,000명, 그리고 광고 영업팀 수백 명을 해고했습니다. 1월 17일 뉴욕타임스에 따르면, 구글 유튜브도 운영 및 크리에이터 관리담당직원들에게 100여 개 직책을 없앨 것이라고 통보했습니다. 아마존도 2024년 들어서 영화와 TV 스튜디오 조직 등에서 수백 명을 해고했습니다. 

    파이낸셜타임스(Financial Times, FT) 2024년 2월 보도 내용에 따르면, 2024년 들어 미국 IT기업들이 없앤 일자리가 약 34,000개이며, 생성형 AI 같은 새로운 분야 투자와 자원 재분배를 위해 해고를 강행했다고 밝혔습니다. 또한 대표 IT 기업인 마이크로소프트(Microsoft), 스냅(Snap), 이베이(eBay) 그리고 페이팔(PayPal)은 수백에서 수천의 직책을 2024년 1월 없앴다고 덧붙였습니다.

    위기 속 기회를 찾는 사람이 되어야

    국제통화기금(IMF)의 크리스탈리나 게오르기에바 총재는 “AI 발전이 무섭게 느껴질 수 있지만, 모두에게 엄청난 기회가 될 수도 있다”며, “선진국이 개발도상국보다 AI로 인해 더 큰 위험에 빠질 수 있지만 AI의 이점을 활용할 기회도 더 많다”고 말했습니다. 

    마이크로소프트(MS)의 2023년 5월 연간 보고서 ‘업무동향지표 2023’에 따르면, “관리자 그룹 82%(국내 82%)가 AI를 다룰 수 있는 직원을 고용하겠다”고 응답했습니다. 또한 31%(국내 34%)가 AI 도입의 이점에 대해 “직원의 생산성 향상”을 꼽았고, 단 16%(국내 18%) 만이 “인력 감축”이라고 답했습니다. 

    지금 현상은 과연 위기일까요, 기회일까요? 과거 산업 혁명으로 수많은 일자리가 없어졌지만, 새로운 산업이 성장하며 동시에 새로운 직업군이 등장했습니다. 이렇듯 기술 발전에 따라 일자리가 대체되는 동시에 새로운 일자리가 생깁니다. 인류 역사에서 반복되었던 현상이죠.  결국 우리는 위기 속 기회를 찾는 사람이 되어야 하는 것입니다. 

     
  •  SQL 입문자가 ChatGPT를 활용하면, SQL 쿼리 작성 1분 컷?

     SQL 입문자가 ChatGPT를 활용하면, SQL 쿼리 작성 1분 컷?

    SQL 입문자가 ChatGPT를 활용하면,
    SQL 쿼리 작성 1분 컷?

    #SQL 쿼리

    #SQL 기초

    #SQL 함수

     
     
    우리는 일상에서 ‘데이터’ , ‘데이터베이스’ , ‘DB’라는 단어를 쉽게 접합니다. 데이터가 대두되며 잇따라 데이터 분석 능력 또한 중요해졌는데요. SQL은 이러한 데이터를 관리하고 필요한 데이터를 추출하고 활용할 때 사용됩니다. 언젠가부터 필수 역량이라고 불리는 SQL. 그러나, SQL을 공부하고 활용하는 데까지 쉬운 여정만은 아닙니다. SQL 입문자는 SQL 기초부터 SQL 함수 개념, SQL 쿼리 심화, 고급 함수 적용, 데이터 정리 등 많은 시간과 노력을 들여 공부합니다. 이렇게 SQL 기초를 다지고 데이터베이스에서 데이터를 처리하고 검색하기 위해 SQL 함수를 사용하려고 하면 막상 SQL 함수의 종류는 많고, 쿼리문이 복잡하여 1개의 명령문을 짤 때마다 구글링 등 번거롭고 시간도 오래 걸리기 십상입니다.
     
    시간과 노력의 1만 시간의 법칙은 틀렸다: 이유는 바로 ChatGPT와 3초만에 끝내는 SQL
     
    SQL 기초 함수, 분석함수, 집계함수, 고급함수, 테이블 생성, 날짜/시간별 분석, 매출 분석, 프로덕트 분석 등과 같이 이전엔 SQL 기초부터 SQL 함수, SQL 쿼리 하나하나 배웠다면 이제 ChatGPT를 활용하면 모든 것을 해결할 수 있습니다. ChatGPT를 사용하면 예전처럼 A부터 Z까지 배우지 않아도 됩니다. 심지어, 1분 만에 쿼리 작성 완료뿐만 아니라 데이터 추출/분석/시각화까지 쉽게 완성할 수 있기 때문입니다.
     

    ChatGPT+SQL 활용하기

    📌 1. SQL 쿼리 작성 1분 만에 작성하기
     

     

    SQL 기초를 바탕으로 SQL 쿼리에 대한 이해로 사용할 쿼리를 직접 타이핑해야만 했던 비효율적인 시대는 갔습니다. 한번 쿼리문을 작성하는데에만 많은 노고를 들여야만 했는데요. 이제는 원하는 쿼리를 ChatGPT에게 질문만 하고 복사/붙여넣기만 하면 끝입니다. 

     

     

     

    📌 2. 데이터 분석 및 시각화 10분 만에 끝

     

     

    이전엔 데이터 분석과 시각화에 대한 이해를 바탕으로 SQL 데이터를 직접 전처리하며 기본 대시보드 및 보고서를 작성해야 했는데요. ChatGPT를 사용하면 데이터 전처리 완성할 뿐만 아니라 가독성 높은 대시보드 및 보고서를 제작해 줍니다.

     




    📌 3. 커스터마이징이 가능한 SQL 봇 제작까지

     

    👉나만의 SQL 비서가 필요할 땐 SQL 업무 자동화 봇을 제작할 수도 있습니다. 

     

    1. 쿼리 생성 GPTs 제작

    • 기업 분석 쿼리 : 연간/부서별/고객별 평균 매출 분석 쿼리 생성

    • 고객 분석 쿼리 : 고객별 데이터 상세 분석 쿼리 생성

    프로그램 설치부터 쿼리 입력까지 여러 단계를 거치지 않고 GPTs 하나로 하는 쿼리를 생성할 수 있습니다. 

     

    1. 데이터 분석 GPTs 제작

    데이터 전처리, 데이터 추출 기능이 포함된 데이터 분석 봇 제작이 가능한데요.

    SQL 프로그램 내 전처리, 추출 모두 일일이 작업하지 않고 GPTs 데이터 분석 및 피드백 완성이 가능합니다. 

     

    • 데이터 전처리: 결측치 제거, 값 대체, 예측 모델 생성 진행

    • 요약 : 주요 열과 데이터 특성 분류 가능

    1. 데이터 시각화 GPTs 제작

    모든 직군에 적용할 수 있는 시각화 봇을 제작할 수 있는데요.

    SQL 프로그램에서 DB 추출 후에 엑셀에 옮기는 작업 없이도 GPTs로 데이터 시각화가 가능합니다.

     

      • 그래프 생성 : 비즈니스 의사결정을 돕는 그래프 생성

      • 차트 변환 : 숫자 데이터 차트로 손쉽게 시각화 

    다음과 같이 SQL 데이터 역량을 요구하고 있습니다


    이렇게 데이터 정보화 시대, 직장인에게 SQL은 필수역량이 되었는데요. 국내 상위 기업 80% 이상은 데이터 분석 직무에 SQL 활용 능력이 필수 요건에 해당할 정도로 중요합니다. 데이터 분석가뿐만 아니라 전략기획, 퍼포먼스 마케터, 서비스 기획자 혹은 프로덕트 매니저 등 다양한 직종에서도 데이터 분석 역량을 요구하고 있습니다. 또한, 관련 직종 면접 시 한 번쯤은 SQL 자격증이 있는지, SQL 사용 능력은 어느 정도 인지, 사용 경험은 있는지에 질문을 받아보셨을 것입니다.

    🙌그래서 이분들께 다음의 강의를 추천해 드립니다.

    ✔SQL을 활용한 데이터 분석이 필요하신 분

    ✔ChatGPT로 SQL을 이른 시일 안에 시작하고 싶은 직장인

    ✔기존에 SQL 강의를 구매했으나 20시간 이상 수강 시간으로 인해 SQL을 시작하지 못하신 분

    ✔실무에 활용될 만한 필수 SQL 스킬만 배워 단기간에 완성하고 싶으신 분

     

    🏆 [핵심예제 80개로 빠르게 끝내는 ChatGPT를 활용한 SQL 데이터 분석&시각화]🏆

    https://bit.ly/3VdmqAG

    위 강의는 직장인들이 가장 많이 질문하는 유형만 모은 80가지 예제로 요청받는 모든 업무를 1/10 시간으로 해결해 보세요. SQL 자격증은 있지만, 그저 자격증만 있는 직장인을 위해 “직장인이 가장 많이 질문하는 유형의 실습 예제” 80가지를 준비했습니다.

    구체적으로 이 강의는 ChatGPT를 활용한 필수 SQL 함수 실습 24가지와 ChatGPT & SQL 실전 학습 26가지+연습 예제 30가지를 제공합니다. 

    직장인인 당신이 요청받은 모든 데이터 분석 업무를 위 강의 하나로 끝낼 수 있습니다.

    ✅수강 이후 당신은 데이터 분석의 전반적인 프로세스를 이해하고, 다양한 도구를 사용하여 데이터를 수집, 처리, 분석할 수 있는 능력을 갖추게 될 것입니다.

    ✅SQL, Excel, Tableau의 실용적인 사용법을 익히고, 실제 비즈니스 상황에 적용하는 능력을 키울 수 있으며, 데이터 기반 의사결정을 가능하게 하여 추후 경력 발전에 큰 도움이 될 것입니다.

     

    이제, ChatGPT가 있으니 SQL 사용할 줄 안다고 당당히 말씀하세요!

     

  • 대기업 러브콜 폭주! 이승필이 말하는 ‘GPTs’가 ChatGPT 활용의 핵심인 이유

    대기업 러브콜 폭주! 이승필이 말하는 ‘GPTs’가 ChatGPT 활용의 핵심인 이유

    대기업 러브콜 폭주! 이승필이 말하는 ‘GPTs’가 ChatGPT 활용의 핵심인 이유

    #AI

    #GPTs

    #ChatGPT 사용법

    #ChatGPT 활용

    최근 통계청이 발표한 2017~2067년 장래인구특별추계에 따르면, 한국의 인구 감소율이 역사상 가장 심각했던 흑사병 시기를 넘어섰다고 합니다. 이는 미래 사회에서 개개인이 감당해야 할 업무량이 크게 증가할 것임을 의미합니다. 현재의 직장인들도 이미 베이비붐 세대에 비해 많은 역할을 동시에 수행하고 있으며, 향후 업무의 복잡성은 더욱 커질 것으로 예상됩니다.

    이 분야의 권위자인 엔드류 응 교수님께서도 생성형 AI를 전기의 발명만큼이나 혁신적인 기술이라고 평가하신 바 있습니다. 그만큼 이 기술이 가져올 업무 혁명의 파급력은 클 것입니다. 그러나 과학기술정보통신부가 3월 28일 공개한 ‘2023 인터넷이용실태조사’에 따르면, 국민의 절반 이상이 AI 서비스를 경험했음에도 불구하고, 챗GPT와 같은 생성형 AI 사용 경험은 17%에 그쳤습니다. 아직도 많은 직장인들이 생성형 AI를 업무에 활용하지 않고 있는 것이죠.

    앞으로 업무 환경은 더욱 복잡해질 것이며, 이에 따른 업무량 증가는 불가피해 보입니다. 이러한 상황에서 생성형 AI를 업무에 적극 활용하지 않는 직장인들은 경쟁력을 잃게 될 것입니다. 제 경험상 챗GPT와 같은 도구는 업무 효율성을 크게 높여주는 동시에, 창의적인 아이디어 도출에도 도움이 됩니다. 따라서 직장인들은 생성형 AI에 대한 이해와 활용 능력을 키워나가야 할 것입니다. 이는 개인의 경쟁력 강화뿐만 아니라, 기업의 지속 가능한 성장을 위해서도 반드시 필요한 과정이 될 것입니다.

    그래서 준비했습니다. 취미, 흥미로만 배우는 챗GPT가 아닌 실전 업무에서 사용하는 실무 밀착형 ChatGPT & GPTs 사용법. 어디서부터, 어떻게 시작해야 할까요?

    대기업 강의만 수백 시간, 강의 만족도 4.8점, 직장인이 인정하는 진정한 ChatGPT활용 전문가 이승필 강사님의 인사이트와 함께 지금 ‘GPTs를 당장 배워야 하는 이유’에 대해 함께 알아봅시다.

     


     

     

    Q1. 간단하게 강사님 자기 소개 부탁드립니다.

    안녕하세요. 저는 강사 이승필입니다. 저는 대학교 때 인공지능 스타트업 창업을 해서 네오사피엔스라는 회사의 초기 멤버로 합류하였습니다. 약 1,000명이 쓰는 서비스에서 200만명 이상이 쓰는 서비스까지 같이 함께 확장을 했었고요. 지난 1년 4개월동안 대한민국의 수많은 대기업들을 돌아다니면서 현업자들에게 어떻게 하면 생성형 AI를 더 잘 활용해서 일잘러가 될 수 있을까?에 대한 해답을 제공해드리고, 또한 좋은 기회로 연봉 상승의 기회까지 이어나갈  수 있는 ChatGPT라는 생성형 AI 툴을 정말 실무에 적용할 수 있게 알려드리고 있습니다.

     

     

    Q2. ChatGPT를 모르는 사람은 있어도, 한 번만 써본 사람은 없다고들 합니다.

    ChatGPT를 쓰지 않는 직장인들은 어떻게 될까요?


    생성형 AI의 등장으로 업무 효율성이 비약적으로 향상되었죠. 프로덕트 오너로 일하면서 챗GPT를 활용한 결과, 업무 시간이 크게 단축되는 것을 직접 경험했습니다. 마치 혼자서 10명 이상의 일을 해내는 느낌이었어요.

    이 분야의 권위자인 엔드류 응 교수님께서도 생성형 AI를 전기의 발명만큼이나 혁신적인 기술이라고 평가하신 바 있습니다. 그만큼 이 기술이 가져올 업무 혁명의 파급력은 클 것입니다. 그러나 국민의 절반 이상이 AI 서비스를 경험했음에도 불구하고, 챗GPT와 같은 생성형 AI 사용 경험은 17%에 그쳤습니다. 아직도 많은 직장인들이 생성형 AI를 업무에 활용하지 않고 있는 것이죠.

    앞으로 업무 환경은 더욱 복잡해질 것이며, 이에 따른 업무량 증가는 불가피해 보입니다. 이러한 상황에서 생성형 AI를 업무에 적극 활용하지 않는 직장인들은 경쟁력을 잃게 될 것입니다. 제 경험상 챗GPT와 같은 도구는 업무 효율성을 크게 높여주는 동시에, 창의적인 아이디어 도출에도 도움이 됩니다. 따라서 직장인들은 생성형 AI에 대한 이해와 활용 능력을 키워나가야 할 것입니다. 이는 개인의 경쟁력 강화뿐만 아니라, 기업의 지속 가능한 성장을 위해서도 반드시 필요한 과정이 될 것입니다.

    Q3. 강사님께서는 ChatGPT의 도움을 받은 후 어떤 성과를 거두셨나요?


    ChatGPT 활용을 통해 정말 다양한 성과를 봤어요. 가령, PR 기사를 쓰거나, SEO 작업을 하고, 기획서를 만드는 일 같은 것들이죠. 특히, 한 번은 블록체인 백서를 초등학생도 이해할 수 있게 쉽게 요약해서 약 1만 개의 백서를 블로그에 소개한 적이 있는데, 그걸 단 6일 만에 다 해냈어요. 그리고, 다양한 언어로 PR 기사를 작성하는 큰 프로젝트도 있었는데, 영어, 중국어, 일본어, 아랍어로 된 7천 개의 기사를 5일 만에 끝냈죠.

     

    가장 기억에 남는 건, 대한민국 2만 개 아파트 데이터를 분석해서 고객에게 맞춤형 뉴스를 제공하고, 그 관련 콘텐츠를 유튜브 쇼츠로 만들어서 주 20개씩 올린 것인데, 각각 8만에서 10만 조회수를 기록했어요. 이건 고객 전환율을 정말 많이 올려줬죠. ChatGPT 덕분에 엄청난 양의 일을 처리할 수 있었고, 그 과정에서 많은 것을 배웠어요.

     

    Q4. 강사님께서는 누적 수백시간이 넘는 기업 강의를 진행하셨는데요.

    ChatGPT와 GPTs를 취미로 배우는 것과, 진짜 실무에서 사용하는 방법을 배우는 것에는 어떤 차이가 있나요?


    수백 시간의 기업 강의 경험을 바탕으로 보면, ChatGPT와 GPTs의 취미적 학습과 실무적 활용 사이에는 분명한 차이가 존재합니다. 많은 기업들이 ChatGPT를 실무에 적용하는 방법을 아직 충분히 이해하고 활용하지 못하고 있다는 것을 발견했습니다. 소셜 미디어와 유튜브에는 ChatGPT를 이용한 자동 수익화 방법에 대한 자극적인 콘텐츠가 넘쳐나지만, 이러한 접근 방식에 시간을 투자하기보다는 실무에서 GPTs를 효과적으로 활용하는 방법을 배우고 이에 투자하는 것이 장기적인 관점에서 훨씬 더 유리합니다.

     

    Q5. 이제 ChatGPT 활용만으로는 충분치 않은 것 같은데요. GPTs란 무엇이고, 왜 직장인들이 GPTs까지 배우고 쓸 줄 알아야 하는 것인가요?


    ChatGPT만으로도 일상적인 업무나 간단한 문의 응답 등 다양한 작업을 수행할 수 있지만, ‘GPTs의 진정한 가치’는 맞춤형 챗봇을 통해 특정 업무 프로세스를 자동화하는 데 있습니다. 예를 들어, 회사에서 반복적으로 발생하는 작업을 GPTs로 구축한 맞춤 챗봇으로 자동화함으로써, 직장인들은 더 크고 복잡한 문제를 해결하는 데 집중할 수 있게 됩니다. 이러한 접근 방식은 업무 효율성을 대폭 향상시킬 뿐만 아니라, 개인의 작업 부담을 줄여주는 데도 큰 도움이 됩니다.


    Q6. 수강생들이 강사님의 강의를 들으면 무엇이 달라질 수 있을까요?

    일의 효율과 정확도, 성과가 어떻게 달라지나요?


    수강생들이 제 강의를 듣고 나면, 일의 효율성, 정확도, 그리고 성과 면에서 분명한 변화를 경험할 수 있을 것입니다. 챗GPT가 세상에 나온 직후부터 저는 이 기술을 바로 실험해보고 실제 프로젝트에 적용해본 경험을 가지고 있으며, 지난 1년 4개월 동안 다양한 분야에서 이를 활용하여 비즈니스 문제를 해결한 다수의 팁과 사례를 공유할 예정입니다.

    저 자신도 챗GPT를 업무에 효과적으로 활용한 결과, 이직 과정에서 상당한 연봉 상승을 이루는 성과를 달성했습니다. 제가 맡은 다양한 업무를 효율적으로 처리하며 그 가치를 인정받았기 때문입니다.

    제 강의를 들은 가까운 지인 중 한 명은 강의 내용을 바탕으로 큰 프로젝트를 독립적으로 성공적으로 수행하였고, 이로 인해 회사 내에서 최고의 성과급을 받았습니다. 이러한 경험은 저에게도 매우 기쁨을 안겨주었습니다.

    따라서, 이 강의를 통해 수강생 여러분은 생성형 AI를 단지 신기하고 재미있는 도구로만 여기는 것이 아니라, 실제 업무에서 어떻게 효율적으로 문제를 해결할 수 있는지에 대해 집중적으로 배우게 됩니다. 이 과정에서 여러분의 업무 효율성과 성과를 극대화하는 방법을 발견할 수 있을 것입니다.

     

    Q7. 이제 수많은 ChatGPT 사용법을 담은 강의들이 나오고 있는데요. 강사님의 강의는 무엇이 더 특별한가요?


    첫 번째로, 제가 국내 유수의 대기업들을 대상으로 수백 시간에 걸쳐 진행한 강의 경험을 바탕으로, 직장인들이 현재 시점에서 가장 필요로 하는 ChatGPT 활용법을 깊이 있게 이해하고 있습니다. 이러한 경험을 통해 얻은 실질적인 지식과 인사이트를 강의에 녹여내어, 수강생들이 실제 업무에 바로 적용할 수 있는 구체적이고 실용적인 방법들을 제공합니다.

     

    두 번째로, 제 강의는 단순히 기본적인 ChatGPT 사용법을 넘어서, 일의 효율을 세 배로 높일 수 있는 GPTs를 만드는 방법에 초점을 맞춥니다. 이는 기존의 강의들이 다루지 않는 부분으로, 수강생들이 자신만의 맞춤형 GPTs를 개발하여 업무 자동화와 효율성 증대를 이룰 수 있도록 구체적인 지침과 전략을 제공합니다.

     

    이 두 가지 포인트로써 수강생분들께서 실무에 있어서 실제적인 변화를 경험할 수 있도록 돕습니다. 이 강의를 통해 ChatGPT와 GPTs를 활용하여 업무 효율성을 극대화하고, 자신의 역량을 한 단계 끌어올릴 수 있게 될 것입니다.

    [마무리]


    이 강의는 다양한 직군에서 활동하는 직장인들, 특히 “보고서, 제안서, 기획서” 작성과 같은 일상적인 업무에 어려움을 겪고 있는 분들에게 특별한 도움이 될 것입니다. 제가 수천 명의 직장인을 만나면서 발견한 것은, 많은 분들이 이러한 문서 작성 작업에서 큰 도전을 겪고 있으며, 궁극적으로는 ChatGPT 활용을 통해 이러한 과제를 효율적으로 해결할 수 있다는 점입니다.

     

    강의는 기초적인 ChatGPT 사용법을 넘어서, 실제 업무에서 지피티를 효과적으로 활용하는 방법에 중점을 둡니다. 따라서, 만약 여러분이 업무 과정에서 보고서, 제안서, 기획서 작성과 같은 반복적인 작업에 많은 시간을 소비하고 있다면, 이 강의가 그러한 업무를 더 빠르고, 쉽고, 효과적으로 처리하는 데 도움을 드릴 수 있을 것 같아요. ChatGPT의 기본부터 심화 활용 방법까지 폭넓게 다루기 때문에, 이 기술을 활용해 업무 프로세스를 혁신하고자 하는 모든 직장인에게 이상적인 학습 기회가 될 것입니다.

    대기업이 저를 계속 부르는 건, 앞으로 모두에게 있어 ChatGPT 활용 역량이 ‘선택’이 아닌 ‘필수’라는 의미일 것입니다. 저와 함께 ChatGPT 사용법 마스터하고, GPTs 커스터마이징해보시죠!

    대기업 원픽! 수백시간의 대기업 특강 경험으로 다져진 이승필의 ChatGPT 사용법 A-Z, 궁금증이 해결되셨을까요?

    대기업 픽 1타 강사와 업무용 커스텀 GPTs 뚝딱 만들고 싶다면, 지금 바로 아래 이미지를 눌러 링크에서 확인해보세요!

  • 컴퓨터비전 공부하려면 자율주행 인공지능 프로젝트 해야하는 이유

    컴퓨터비전 공부하려면 자율주행 인공지능 프로젝트 해야하는 이유

    컴퓨터비전 공부하려면 자율주행 인공지능 프로젝트 해야하는 이유

    #자율주행 인공지능

    #자율주행 자동차

    #컴퓨터비전 공부

    | 01. 인공지능, 컴퓨터비전, 자율주행 … 요새 왜 이렇게 핫한가요?

    자동차 분야에서 인공지능은 어떤 영향을 미치고 있을까요? 최근 들어 인공지능이 다시 부각되는 이유는 무엇일까요? 빅데이터와 클라우드 기술이 발전함에 따라 과거에 비해 수집된 자료량이 엄청나게 늘어났을 뿐만 아니라 컴퓨터 자체의 성능도 날이 갈수록 좋아지고 있기 때문에 방대한 자료 처리에 필요한 계산량을 뒷받침하는 것이 가장 큰 요인으로 볼 수 있는데요.

    그만큼 자동화와 효율성에 대한 수요가 급증하는 과정 속에서 “컴퓨터비전 AI의 쾌속성장”에 대한 기대가 점차 발전하고 있는 것으로 보입니다. 컴퓨터비전 공부에 대한 기대가 커지고 있는 현상은 특히나 컴퓨터비전 기술의 주요 이점 9가지와 대표 적용 사례인 자율주행 인공지능과 관련이 깊은데요.

    컴퓨터비전 기술에 대한 기대가 커지고 있는 현상은 특히나 컴퓨터비전 기술의 주요 이점 9가지와 대표 적용 사례인 자율주행 인공지능과 관련이 깊은데요.

    🔎 컴퓨터비전이란?

    컴퓨터가 디지털 이미지나 비디오에서 정보를 추출하고 해석하여 특정 작업을 수행하는 컴퓨터 과학 분야이다. 쉽게 말하자면 기계에 ‘눈’을 달아주는 것으로, 컴퓨터가 이미지와 비디오 데이터를 분석하고 해석하는 기술!

    💡 컴퓨터비전 기술 주요 이점 9가지

    : 컴퓨터비전 분야에서 활용되는 대표적인 이점들은 아래와 같습니다.

    1) 생산성 향상
    컴퓨터비전은 수동적인 작업을 자동화하여 전반적인 업무 효율성을 증가시킨다.

    2) 높은 정확도 및 정밀도
    인공지능과 딥러닝 기반의 영상 처리 기술은 사람이 수행하기 어려운 정밀 작업도 높은 정확도로 수행할 수 있다. 이를 통해 제품 품질 관리, 의료 진단, 감시 부문 등에서의 정확성이 개선된다.

    3) 실시간 처리
    컴퓨터비전 알고리즘을 사용하면 실시간으로 영상 데이터를 처리하고 분석할 수 있어, 보안, 교통 관리 등 실시간 분석이 필요한 분야에 적합하다.

    4) 치밀한 패턴 및 인사이트 발굴
    컴퓨터비전은 대량의 영상데이터로부터 중요한 패턴과 인사이트를 발견할 수 있다. 이를 활용하여 모니터링, 광고 산업, 온라인 쇼핑, 소비자 분석 등에서 좀 더 효과적인 전략을 수립할 수 있다.

    5) 재고 및 물류 관리 효율 향상
    컴퓨터비전 기술은 제품 인식 및 분류, 매장 재고 관리, 실시간 추적 등 물류 및 재고 관리의 효율성을 증진시킨다.

    6) 안정성 증진
    컴퓨터비전은 폐쇄회로 영상에서 이상 행위를 검출하거나 자율주행 자동차 사고 예방 등으로 안전성을 높여주는 역할을 한다.

    7) 의료 진단의 정확성 향상
    의료 영상에서 패턴을 인식해 정밀한 진단을 가능케하며, 이로 인해 의사의 판단에 도움을 주어 환자 치료의 성공률이 높인다.

    8) 효율적인 농업
    농업은 정밀 농업을 위해 컴퓨터비전을 수용한다. 카메라와 AI가 장착된 드론은 작물 상태를 모니터링하고 질병을 감지하며 관개를 최적화하여 작물 수확량을 늘리고 자원 낭비를 줄일 수 있다.

    9) 다양한 산업 분야에 걸쳐 활용 가능
    컴퓨터비전은 의료, 제조, 물류, 보안 등 다양한 산업 분야에 적용할 수 있어 활용 가능한 영역이 광범위하다.

    TIPS ❗ 효과적인 컴퓨터 비전 공부 방법 소개

    위와 같이 광범위하게 사용되는 ‘컴퓨터비전’을 제대로 공부하려면 어떻게 해야 할지 STEP별로 소개해드릴게요. 이번 파트에서 다 같이 알아봅시다!

    STEP1. 기본 지식 습득

    1) 선수 지식: 선형 대수, 확률 및 통계, 파이썬 프로그래밍에 대한 기본 지식 필요

    2) 기본 이미지 처리: 이미지의 픽셀, 색상 공간, 필터링, 히스토그램 등의 기본적인 이미지 처리 기법 학습

    3) 딥러닝 기본 지식
    – 딥러닝 이론: 신경망, 역전파, 활성화 함수, 손실 함수, 최적화 기법 등의 기본적인 딥러닝 개념 학습

    – PyTorch 튜토리얼: PyTorch는 컴퓨터 비전 및 딥러닝 연구에서 널리 사용되는 프레임워크입니다. PyTorch 공식 튜토리얼을 통해 기본 사용법과 신경망 구현 방법을 학습합니다.

    4) 컴퓨터 비전 딥러닝
    – CS231n: 스탠퍼드 대학교에서 제공하는 CS231n 강좌는 컴퓨터 비전에 딥러닝을 적용하는 방법을 깊게 다룹니다. 강의 노트와 동영상을 통해 학습하며, 과제를 직접 수행해보는 것이 좋습니다.

    – 모델 구현: 간단한 CNN 모델부터 시작하여 점차 복잡한 모델을 구현해봅니다. 예를 들어, VGG, ResNet, EfficientNet 등의 모델을 PyTorch로 구현해봅니다.

    STEP2. 논문 활용


    AI 분야는 몇 년간 급속도로 발전했기 때문에 정리된 한글 자료를 찾기 힘든 경우가 많습니다. 때문에 다양한 AI 기술을 공부하기 위해서는 논문을 보면서 필요한 정보를 습득할 필요가 있는데요. 하지만 논문은 대부분 영어로 기술되어 있고, 의미를 이해하는 데 어려움을 겪는 경우가 존재합니다. 논문을 많이 읽으면서 논문을 보는 스킬을 키워나가는 것도 중요하지만 처음에는 어려운 경우가 크기 때문에 논문 ‘리뷰’를 함께 참고하는 것이 좋습니다. 구글에 논문 이름을 검색하면 한글로 리뷰를 한 블로그도 많고, ‘pr12’라는 유튜브 딥러닝 논문 읽기 모임에서는 유튜브에서 탑티어 학회에 공개된 유명한 논문을 리뷰해 주기 때문에 적극 활용하면 빠르게 논문을 이해할 수 있습니다.

    사실 원하는 논문을 찾는 것 조차 쉽지 않은데요. 특정 분야에서 유명한 논문들을 찾기 위해서는 머신러닝의 다양한 분야의 프로젝트별 벤치마크를 제공하는 Paper With Code라는 사이트를 이용하면 편리합니다. 굉장히 다양한 머신러닝 분야의 정보를 제공하기 때문에 연구 주제를 찾거나 특정 주제의 논문 순위를 보고 싶을 때 유용한 사이트입니다.

    STEP3. 사람들과의 의견 공유 (feat. 카0오톡 오픈채팅방, 커뮤니티 등)


    컴퓨터 비전 공부를 위해서는 사람들과 의견을 주고받는 것도 중요합니다.
    대학원생의 경우 랩실에서 논문 발표 등의 세미나를 통해 서로 공부한 내용을 발표하고 의견을 주고받습니다. 이 과정이 혼자 공부하는 것보다 훨씬 빠르게 성장시켜줄 수 있는데요. 대학원생이 아니더라도 딥러닝 논문읽기 모임이나 온라인/오프라인 세미나가 있기 때문에 적극 활용하시면 큰 도움이 될 것 같습니다.

    이뿐아니라 카0오톡 오픈채팅방이나 페0스북 커뮤니티 등에서 관련 공부를 하는 사람들과 의견을 공유하고 의문이 드는 부분은 함께 고민하면서 컴퓨터 비전 관련 지식을 함께 탐구할 수 있다는 점이 가장 키 포인트라고 볼 수 있겠네요!

    STEP4. 실무 역량 쌓기 – 실전 프로젝트, 논문 – 코드, 캐글 사이트, 회사 실무 프로젝트


    1. 프로젝트 진행
    하나의 문제를 정의하고 그 문제를 해결하기 위한 머신러닝 모델 개발을 진행하면서 생기는 각종 문제들을 하나씩 해결해 보는 경험은 이론으로만 배웠던 개념들을 내 것으로 만들 수 있는 좋은 기회입니다. 작은 프로젝트라 할지라도 데이터나 머신러닝 모델, 학습 하이퍼파라미터, 전후처리 기능들을 수정하면서 결과를 분석하다보면 실무적인 감각을 익히는 데 도움이 됩니다.

    예를들어,

    – 자율주행 인공지능 프로젝트: ‘자율주행’과 관련된 데이터셋을 활용하여 실제 문제를 해결하는 프로젝트를 수행합니다.

    – 데이터셋 탐색: Kaggle, UCI, ImageNet 등의 데이터셋을 활용하여 실제 문제를 해결해봅니다.

    – 깃허브 탐색: 관련 분야의 연구자나 개발자의 깃허브를 탐색하여 최신 연구나 코드를 학습합니다.


    2. 논문과 코드를 페어로 보며 이해하는 것
    관심 있는 도메인에서 다양한 문제를 어떤 방법으로 해결하는지 여러 논문과 공개된 공식 코드를 함께 보면서 이해하면 큰 도움이 됩니다. 또한 논문을 보면서 코드를 직접 구현해 보고 공식 코드와 성능이 어느 정도 차이 나는지 비교해보고 차이가 난다면 어떤 부분에서 차이가 생긴 것인지 찾아보는 과정도 큰 도움이 됩니다.


    3. 캐글 사이트 적극 활용
    ‘캐글’은 머신러닝과 데이터 사이언스 커뮤니티로 각종 머신러닝 문제를 해결하는 대회에 참여할 수 있고 이미 종료된 대회에서도 머신러닝 모델을 개발해서 성능 순위를 확인할 수 있습니다. 내 순위를 확인할 수 있고 순위가 높은 사람의 노하우를 참고할 수 있기에 가장 빠르게 실무 역량을 향상시킬 수 있는 방법이라고 보여지네요!


    4. 회사에서 맡은 프로젝트를 진행하며 자연스레 실무 역량 키우기
    회사에서 경험하는 실무에서는 머신러닝 모델 개발뿐만 아니라 비즈니스 문제를 해결하기 위해 고려해야 할 사항들을 배울 수 있습니다. 또한 모델 배포나 MLOps 관점의 업무를 경험할 수도 있기에 자연스레 실무 역량을 키우는 데 도움이 될 것 같습니다.

    정리하자면,


    1. 실습 중심 학습: 이론만 공부하는 것보다는 작은 프로젝트나 코드를 직접 구현해보면서 학습하는 것이 효과적입니다.

    2. 깃허브 활용: 다양한 연구자나 개발자의 깃허브를 탐색하여 최신 연구나 코드를 학습하고, 자신의 프로젝트나 코드도 깃허브에 업로드하여 포트폴리오를 만들어보세요.

    3. 딥러닝 환경 구축: 로컬 환경 또는 클라우드 환경에서 딥러닝 환경을 구축하고, 실제 데이터를 활용하여 모델을 학습시켜보세요.

    4. 논문 활용: 다양한 AI 기술을 공부하기 위해서는 논문을 보면서 필요한 정보를 습득할 필요가 있는데요. 하지만 논문은 대부분 영어로 기술되어 있고, 의미를 이해하는 데 어려움을 겪는 경우가 존재합니다. 논문을 많이 읽으면서 논문을 보는 스킬을 키워나가는 것도 중요하지만 처음에는 어려운 경우가 크기 때문에 논문 ‘리뷰’를 함께 참고하는 것도 추천드려요.

    5. 커뮤니티 활동: 관련 분야의 온라인 커뮤니티나 스터디 그룹, 카0오톡 오픈채팅 등에 참여하여 정보를 공유하고 피드백을 받는 것도 좋습니다.

    6. 실무 역량 쌓기: 실전 프로젝트 진행, 논문 – 코드 페어로 보며 이해하기, 캐글 사이트 이용, 회사 실무 프로젝트 참여 등을 통해 실무 역량을 쌓아보는 것도 도움이 됩니다.

    📌패스트캠퍼스 컴퓨터비전 학습 가이드도 참고해보세요! : https://fastcampus.co.kr/impact_all_computervision

    (참고한 정보 출처: AI 엔지니어 첫걸음 브런치_https://brunch.co.kr/@dc6d817eaf3b480/44)

    네, 그렇다면 이러한 이점을 가진 컴퓨터비전 공부의 대표 적용 사례인 자율주행 인공지능에 대해 알아볼까요?
    자율주행 자동차는 다양한 센서와 컴퓨터비전 기술을 활용하여 자동차가 주목해야 할 물체를 인식하고 회피하는 등의 기능을 수행합니다. 이를 위해 컴퓨터비전 기술이 활용되는데요. 컴퓨터비전 자율주행 기술은 주변 환경을 판별하고 인식하는 데에 매우 중요한 역할을 합니다. 아래와 같은 기능에서 컴퓨터비전의 활약을 찾아보실 수 있습니다.

    – Object Recognition
    CCTV, 레이더, LIDAR 등에서 주변 환경의 물체를 탐지하는 센서 정보와 카메라로 찍은 이미지(컴퓨터비전 알고리즘)를 조합하여 시야 안에서의 물체 인식을 수행합니다. 자동차는 이를 바탕으로 차선, 차량, 보행자 등의 물체를 인식하고 주변 환경을 인식할 수 있습니다.

    – Vehicle Recognition CCTV, 레이더, LIDAR 센서 데이터와 카메라를 조합하여 타 차량이나 버스, 트럭 등의 차량을 감지하고 인식합니다. 자동차는 이 정보를 활용하여 타 차량과의 거리와 속도 등을 파악하며, 안전 운전을 수행합니다.

    – Lane Detection
    카메라 영상을 분석하여 도로 위의 차선을 인식하고 판별합니다. 이를 기반으로 자동차 위치 정보와 차선 이탈 여부를 판단하고, 안전한 주행을 수행합니다.

    – Traffic Sign Recognition
    자동차에 장착된 카메라가 교통 신호판 정보를 수집하고 신호의 종류와 위치 등을 인식할 수 있습니다. 이를 통해 교통 신호 정보를 파악하며, 경보음과 같은 방식으로 운전자에게 정보를 전달합니다.

    | 02. 그럼 현재 자율주행 자동차 시장은 어떤가요?

    이처럼 컴퓨터비전 알고리즘을 사용하는 자율주행 자동차 기술에 대한 관심은 최근 테슬라의 오토파일럿을 경험한 후 부쩍 상승하고 있는 추세입니다.
    미국 자동차 공학회 SAE(Society of Automotive Engineers)에서 정의하고, 사실상 업계 표준으로 활용되는 자율주행 기술 단계별 분류를 확인해보면 현재는 자율주행 레벨 3단계 양산 진행중이자, 4단계의 자율주행 기술 개발 및 프로토타입 테스트가 진행되고 있다고 합니다.

    즉, 레벨 4 이상의 자율주행 기술이 본격적으로 상용화되는 시점은 2030년 경*으로, 눈 앞에 다가온 미래를 위해 대부분의 자동차 회사는 물론 구글, 애플 등의 IT 기업까지 레벨 4~5 자율주행 기술 개발에 매진하고 있습니다.

    *기술 관련 컨설팅 업체 스트래티지 애널리틱스(Strategy Analytics)에 따른 미국자동차공학회(SAE) 기준

    *사진 출처: EVPOST

    이처럼 자율주행 레벨은 0에서 레벨5까지 총 6단계로 세분화되어 있으며, 레벨별 기술수준과 제어의 주체와 주행 책임이 다르다고 볼 수 있는데요!
    따라서 앞으로의 자율주행 기술은 도로 환경만 바꾸는 게 아니라 완전 자율주행 기술이 상용화되면 운전대가 사라지면서 실내 공간 구성과 자동차 이용 행태가 달라지고, 우리의 라이프 스타일과 우리 주위 다양한 산업에도 큰 변화가 생길 것으로 예상이 됩니다.

    🖐🏻그렇다면 여기서 잠깐!
    빠르게 성장 고도를 달리고 있는 자율주행 인공지능이 컴퓨터비전 알고리즘과 밀접한 관련이 있음을 현 자율주행 자동차 구현의 포인트 기술들과 레벨별 상용화 단계에 따라 확인해보았는데요. 그렇다면 지금부터 도대체 왜 컴퓨터비전의 대표 결과물을 자율주행 시스템 구현으로 볼 수 있는지, 두 개념은 왜 뗄레야 뗄 수 없는 관계가 된 것인지를 조금 더 구체적으로 살펴보겠습니다.

    | 03. 컴퓨터비전과 자율주행의 관련성

    Q. 왜 컴퓨터비전의 대표 결과물을 자율주행 시스템 구현으로 볼 수 있을까요?

    주행(운전)이라는 것은 운전자가 상황을 인식하고 판단하여 핸들, 액셀, 브레이크 등을 제어하여 차량을 움직이는 것을 의미하는데, 자율주행 인공지능은 이러한 운전자의 역할을 차량이 하여 스스로 차량을 움직이는 기술로 표현할 수 있습니다. 이 때, 운전자 눈 역할을 하는 것이 차량의 센서와 컴퓨터비전 기술이라고 볼 수 있습니다. 컴퓨터비전 기술이 자율주행 시스템의 핵심 기술로 인식되고 있는 것이죠!

    Q2. 그렇다면 자율주행 프로젝트 구현의 핵심 포인트는 ‘기술 간 연계성’이다?

    자율주행은 차량이 운전자의 역할까지 스스로하여 차량을 움직이는 기술이라고 위에서 언급했듯이, 이때의 운전자의 역할은 눈 등의 오감을 통해 상황을 인식하고, 두뇌를 이용하여 판단하고, 발, 손 등을 통해 차량을 제어 등으로 나눌 수 있습니다. 이 각각의 역할을 해주는 것이 Perception, 센서 퓨전, Slam, Motion Planning, Control까지로 볼 수 있습니다. 사람의 각 신체가 유기적인 관계가 있듯이, 6가지 기술이 모두 유기적으로 동작해야 자율주행 기술이 구현될 수 있는 것이라 볼 수 있죠.

    더불어 자율주행 인공지능 구현에서 기술 간 연계가 중요하다는 사항은 현 자율주행 시장 내 단일 기술 및 혼합 기술 사용과 대기업 자율주행개발팀 직무인터뷰에서도 확인할 수 있습니다.

    📱 현 자율주행 시장 내 단일 기술 및 혼합 기술 사용
    현재 자율주행 시장에서는 카메라라는 단일 기술만 사용하는 테슬라를 포함하여 카메라+슬램, 라이다+슬램 기술을 혼합해서 사용하는 경우가 많기 때문에 기술 하나 하나에 대한 이해와 더불어 각 기술이 어떻게 혼합되어 사용되는지, 그리고 각 기술이 어떠한 관계로 이루어져 있는지를 파악하는 것이 중요합니다.

    🎤 대기업 자율주행개발팀 직무인터뷰
    현대자동차 자율주행SW부서 팀장 曰, “카메라, 라이다, 레이더, 정밀 지도, 초음파 등의 다양한 센서를 기반으로 자율주행SW의 핵심이 되는 딥러닝 기술을 활용해 차량 주변의 환경을 정확히 인지하고, 주어진 주행 상황과 목적에 맞게 차량이 해야 할 행동을 판단하고, 차량을 안전하게 제어하는 기술을 연구하는 부서이고…”

    따라서 인지 – 판단 – 제어 시스템, 즉 자율주행 프로젝트를 구현할 수 있는 기술 전 과정을 파악하고 있는 인물들을 채용한다는 현직자의 언급은 자율주행 구현 기술 전 과정의 연계를 파악하는 게 중요함을 보여주는 반증이라고 볼 수 있습니다.

    | 04. 자율주행 구현 필수 기술 6가지

    그렇다면 자율주행 인공지능 구현을 위한 기술을 안 짚고 넘어갈 수 없겠죠.

    자율주행 자동차의 시스템과 기반 기술
    1) 주행환경 인지 (센서기술, 정밀지도 및 즉위, 통신기술)
    : Camera – 자율주행의 눈 역할을 하는 기술 / LiDAR sensor – 다른 사물과의 거리 측정 기술 / Sensor Fusion – 주행 정확도를 향상시키는 기술 / SLAM – 자동차의 위치 정보를 확인하는 기술

    2) 판단/주행전략 (판단/주행제어 시스템, 학습형 제어시스템, 주행속도 및 경로 기록)
    : Motion Planning – 목적지까지 주행 경로를 계획하는 기술

    3) 차량제어 (통합 차량제어 솔루션, ITS)
    : Control – 경로 계획 기반 차량을 제어하는 기술

    | 05. 자율주행 프로젝트 현업자에게 자율주행에 대해 묻다

    마지막으로는 제일 중요한 주제였던, 제목에 대한 답을 들어볼 시간입니다.

    “컴퓨터비전 공부하려면 자율주행 인공지능 프로젝트를 해야 하는 이유”

    전공자들에게 이러한 자율주행 프로젝트를 추천하는 이유는 다음과 같습니다. 컴퓨터비전 전공자들이 특히 궁금해하는 질문 위주로 함께 확인해봅시다!

    Q. 컴퓨터비전 엔지니어, 대학원생, 연구실 인턴 등 자율주행을 구현해보는 프로젝트를 해보는 것이 좋을까요?
    구현 프로젝트를 해본다면 전공생으로서, 엔지니어로서 어떤 점에서 메리트나 인사이트를 얻을 수 있을까요?
    특히 자율주행 시스템 구현이 전공자들에게는 어떤 의미로 다가올까요?


    자율주행 시스템에서의 컴퓨터비전 기술은 하나의 시스템에서 두가지 이상의 컴퓨터비전 기술이 복합적으로 쓰이는 경우가 많기에, 현업에서 필요로 하는 업무 역량을 쌓을 수 있는 대표적인 도메인인 것 같습니다. 다시 말해 직접 현업에 뛰어들어 업무 과제를 맡게 되면, 하나의 알고리즘을 사용하는 과제를 하게 될 수 있지만, 대부분은 2개 이상의 알고리즘이 사용되는 과제를 하게 될 확률이 높습니다. 이런 과제를 처음 해보면 알고리즘 Flow 작성, 프로그램 연동, 업무 처리 방식 등에서 어려움을 겪을 수 있는데요. 자율주행 인공지능 프로젝트는 이런 과제의 업무들을 경험해보고 회사에 맡는 인재로 성장할 수 있는 좋은 Step이기에 추천합니다. 이와 더불어 컴퓨터비전 일부 기술의 알고리즘 전 과정이 녹아있는 커리큘럼이 자율주행 시스템이기에, 본인의 컴퓨터비전 알고리즘 지식을 점검해보거나 구현을 통해 남들과는 다른 경쟁력을 얻고 싶다면 자율주행 프로젝트를 해보는 걸 추천해요.

    컴퓨터비전 알고리즘 기반 자율주행 시스템 구현해보고 싶다면, 패스트 캠퍼스 강의로 입문해보시는 건 어떨까요?
    국내 최초/유일* 자율주행을 위한 컴퓨터비전과 라이다 & 센서퓨전까지 한 번에 다루는 강의 지금 경험해보세요.

    *2023년 9월 기준 온라인 성인 교육 플랫폼 대상

    아래 [강의 보러가기]를 클릭하여 자율주행 구현 풀커버 커리큘럼을 확인해 보세요!
    🚪 자율주행 구현 마스터하러 오신 여러분을 환영합니다.

    💜 지금 패캐머들이 수강하고 있는 자율주행 강의가 궁금하다면?

    ✔️ 인지 – 판단 – 제어 자율주행 3STEP 전 과정 학습 / 자율주행 ADAS & DMS System 구현
    ✔️ 총 52가지 프로젝트 실습을 통한 자율주행 마스터
    ✔️LG, StradVision, MORAI, SOCAR 출신 자율주행분야 전문가 직강

    글쓴이 소개

끝없이 이어질 인공지능의 이야기
AI:ing에서 당신의 커리어 성장이 시작됩니다.

ALL

IT

AI:ING only

AI Double UP

AI 자격증(AICA)

이벤트