[딥러너를 위한 오프라인 네트워킹 데이] 현장 스케치
#딥러닝
#인공지능
#자율주행
“패스트캠퍼스에서 딥러닝/AI분야 공부를 하는 분들이 정말 많은데, 직접 관련 분야 전문가들을 만나서 최신 주제/트렌드에 대해 이야기도 나누고,
서로 네트워킹도 하면 좋지 않을까?“
“오, 좋은데?? 해보자!”
지난 6월 24일 불금에 진행된 ‘딥러너를 위한 오프라인 네트워킹 데이’는 작은 아이디어에서 시작되었습니다. 다들 같은 마음이셨는지 연사분들도 흔쾌히 네트워킹 데이 행사에 참여해 주셨는데요. 패스트캠퍼스에서 딥러닝/AI 강의를 수강하셨던 분, 현직에 계시는 분, 대학원에서 연구를 하시는 분 등 분야에 관심이 있었던 많은 분들이 네트워킹 데이 참여를 신청하시고, 금요일임에도 많이 자리해주셨습니다.
행사는 넓고 쾌적한 드림플러스 강남센터점 이벤트홀에서 진행되었는데요, 오프라인 행사장에서 정말 오랜만에 딥러너분들을 만나뵈니 감회가 남달랐어요! 날씨만큼이나 뜨거웠던(?) 그날의 현장, 지금 확인해보세요!
딥러너- Deep하게 네트워킹하라!
#패스트캠퍼스 신해동 대표님의 키노트
“생각보다 패스트캠퍼스의 온라인 강의만 아시는 분들이 많으신데, 2015년도부터 데이터 사이언스 분야 오프라인 교육을 만들어왔습니다.
영상처리, 자율주행, 음성 인식 등 다양한 분야의 최신 주제들을 빠르게 교육 콘텐츠로 만들어 전해드리기 위해 계속해서 노력하고 있습니다.”
네트워킹 데이의 시작은 패스트캠퍼스 신해동 대표님의 키노트로 시작되었습니다.
코로나 19로 오프라인 행사는 거의 2년여만인지라, 행사장을 꽉 채운 분들 앞에 선 신해동 대표님의 표정도 매우 상기되어 보이셨어요!
패스트캠퍼스가 2015년도부터 데이터 사이언스 분야 교육 콘텐츠를 위해 고민해왔던 것들, 그리고 앞으로 만들어나갈 것들에 대해 이야기하셨습니다. 키노트 말미에는 “혹시 패스트캠퍼스의 데이터 사이언스 분야 강의를 수강하신 분이 계신가요?”라는 대표님의 기대섞인 질문에 자리하신 대부분의 참여자분들이 손을 들어 주셔 기쁨을 감추지 못하기도 했습니다.
즐거웠던 키노트에 이어 본격적으로 딥러닝 분야 4명 연사님들의 발표가 시작됐습니다.
#VUNO 정연준
발표주제 : 의료 인공지능의 발전 방향
“의료분야는 단순히 데이터를 파며 밤을 세운다고 해결되는 분야가 아니다.”
정연준 연사님은 ‘AI가 어떻게 의료진의 의사 결정을 돕는가’에 대해 발표하셨습니다.
기존 딥러닝과 메디컬 분야 딥러닝의 차이점에 대해서 이야기해주셨는데요. 도메인 전문가가 아니기 때문에 의료진과의 협업이 필수이고, 딥러닝 알고리즘의 개발 만큼이나 커뮤니케이션 역량이 중요하다는 점을 짚었습니다.
문제의 정의, 데이터 수집과 라벨링, 결과치에 대한 정성적인 평가까지 의료진과 논의가 필요하다는 점에서 도메인과 기술의 접목에 있어, 딥러닝 개발자가 단순히 기술뿐 아니라 커뮤니케이션 스킬이 요구되는 시대라는 생각이 들었던 시간이었습니다.
#뷰매진 윤준호
발표주제 : con-tech 스타트업의 AI 프로젝트
“전통 분야에 기술을 접목하는 스타트업에서 딥러닝의 기회는 열려있다.”
윤준호 연사님은 건설 + 기술이 결합된 ‘뷰메진’이 하는 일에 대해 설명해주셨는데요.
건설(construction)이라는 전통 분야에서도 딥러닝이 새로운 기술을 개척하고 있다고 하네요! 안전, 모니터링 / 결함 탐지를 딥러닝을 통해 해결할 수 있다고 합니다. 딥러닝이 접목된 자율비행을 활용해 고화질 이미지 데이터를 취득하고, 전처리 후 AI Vision 기반으로 결함을 탐지하는데요.
이미지 전처리와 결함 종류 분류, 영역 분할 모델을 활용해 결함 위치를 분석하는 솔루션에 대해 설명해주셨습니다.
#StardVision 이봉준
발표주제 : Automotive ADAS 분야의 딥러닝 활용
“딥러닝을 기반으로 한 첨단 운전자 보조 시스템 기술이 떠오른다.”
봉준 연사님은 ADAS(Advanced Driver Assistance System) 분야의 딥러닝 활용에 대해 발표해주셨습니다.
ADAS와 자율주행은 인식 – 판단 – 제어를 만드는 일련의 기술이라는 점이 공통적이지만, ADAS는 다양한 주행 환경에서 유용하게 사용되고 있는 첨단 운전자 보조 시스템으로 위험한 상황을 회피할 수 있는 기술과 실제 주행 수준까지의 기술을 의미한다고 해요.
발표를 통해 딥러닝을 기반으로한 자율주행 기술이 어떻게 이뤄지는지 세부적인 구성에 대해 알려주셨는데요. 요즘 핫한 기업 ‘테슬라’를 예시로 들며 설명해주셔서 다들 질문도 많이 하시며 집중하시는 모습을 보이셨습니다!
#데이터사이언티스트 이진원
발표주제 : 내 모델은 왜 느릴까?
“메모리에서 적게 읽고 많이 연산하면 빨라져요.”
마지막으로 이진원 연사님은 AI 모델의 속도와 관련하여 발표해주셨습니다. AI가 우리 삶에 깊숙히 들어와 있어 인식 조차 못하는 요즘 시대!
수많은 모델들이 쏟아지고 있는데요. 이런 AI의 시대 속에서 새롭게 등장한 초거대 AI에 대해 언급하셨어요. 초거대 AI가 필요한 메모리의 양과 이로 인해 미국 자동차 한대가 생산되고 폐차되기까지의 환경적인 오염의 4배 수준의 환경 오염을 만든다는 사실에 다들 놀란 표정이었습니다.
그래서 경량 모델의 필요성에 대해 언급하시면서, 그런데 왜 경량 모델인데 느리지? 라는 의문에 대해 ‘메모리’를 키워드로 답해주셨습니다. 한 번 읽어 얼마나 많은 연산을 만들어내고, 데이터 재사용성을 얼마나 고려하여 모델을 개발하는 지의 중요성을 강조하시며 발표를 끝마치셨습니다.
#연사님들과의 Q&A
“위성사진의 경우 오브젝트의 크기가 너무 작은 경우 classification, object detection이 잘 안되지 않나요? 이런 경우 어떤 방식으로 모델의 성능 개선을 올리시나요?”
“Object detection 알고리즘 개발하실 때 어떤 딥러닝 모델을 기반으로 개발하시나요??”
“외벽 crack 탐지용 데이터에는 예를 들어 어떤 전처리가 들어가나요?”
발표가 끝나고 난후, 발표 내용에 대해 자유 Q&A 시간을 진행했는데요. 참가자분들 모두 연사님들의 발표에 뜨거운 관심을 보여주신 만큼 Q&A 시간에 다양한 질문들이 나왔습니다. 연사님들 모두 참석자분들의 질문에 대해 하나하나 성심껏 답변해주시면서 딥러너들과의 Deep한 네트워킹을 이어가셨습니다.
#Deep한 그룹 네트워킹
모든 세션이 마무리되고, 본 행사의 하이라이트인 딥러닝 연사들과 딥러너들이 한 그룹으로 매칭되어 딥하게 네트워킹 하는 시간을 가졌습니다.
1) 컴퓨터비전, 2) 영상처리/모델링, 3) 의료, 4) 자율주행 이렇게 4가지 그룹으로 관심 분야를 나눠 네트워킹을 진행했는데요.
모두 처음 보는 사이일텐데도 같은 관심 분야를 공유하고 있어서 그런지 정말 열정적으로 신나게 네트워킹에 참여해주셨습니다!
조용할 틈이 없을 정도로 4그룹 모두 관심 분야에 대해 열심히 토론해주셔서 1시간이 짧게 느껴질 정도였습니다. 🙂