- 깃허브 브랜치 나누고 pr하는 매뉴얼 만들기.
- 뭔가 오늘부터 난이도가 확 상승한 것 같다.
- 선택과제는 아직 진행중이고, 난이도 상승이 체감되어서 오래걸리는 것 같다.
- 오픈채팅방에 올라온 팁들이 많은 도움이 되었다.
- 선형회귀계수구하는거 꼭 해보자!
- 수학 공부는 조금씩 해놓는게 좋다. 사실 다 알 필요는 없지만 한 번정도만 봐두면 된다.
- 예를들어 최대가능도추정을 어떨 때 쓰고 왜 쓰는지 정도만 알면 됨. 수학적으로 따라가보는 것은 깊이 이해하기 위함인데, 다음에 비슷한 식이 나왔을 때 "아 이런 문제에도 쓸 수 있겠구나" 라는 인사이트 용도로 이해하기 위함이지 그 이상 그 이하도 아니다.
- 논문읽을 때 모르는 수식은 검색해보고 모르겠으면 피상적으로만 이해하고 넘어감.
- 다음에 봤을 때 어떤건지 알아! 정도로만 하면 됨.
- 엔지니어로써 수학은 사용할 일이 그렇게 많지 않다. 수학강의에서 강의자들은 교수님들이다 보니까 학교수업처럼 하시는 분들이 계신데, 원론적인 얘기를 하다보니 수식이나 이런 부분들이 나타나면서 어렵다고 생각이 드는 것이다.
- 하지만 최종 목적인 ai 엔지니어링에는 깊은 수학공부가 필수적인 부분이 아니다.
- *** 멘토님도 수학 잘 못하는데 크게 지장없으시다고 함. ***
필수과제는 팀원들끼리, 선택과제는 멘토와 해결하는 걸 추천.
선택과제는 꼭 하지 않아도됨. 못한다고 좌절할 필요 절대 없음. 멘토들도 어렵다고 느끼기 때문. (1기땐 선택과제 없었음)
삼전처럼 개발실력이 메인이 아닌 기업과 나머지를 준비하는 것은 매우 다르다. 소프트웨어 주 기업을 가고싶다하면 원론적인 부분에 많이 집중해야 한다. 머신러닝으로 뭘 할건지도 중요한데, 머신러닝이 뭔데?가 가장 중요하다. 가장 간단하게, train/test/valid set에 대해서도 (분포로 표현하는 법도 배우겠지만) 왜 좋은 valid set이 필요하고, augmentation을 왜 해야되는지 등 "최신 모델이 어떻다" 보다는 기본적인 것들을 대체로 원하는 편이다. 어쩔수 없이 최신 연구는 계속 바뀌는데 이것들을 모두 커버할 수 있는 사람들이 필요하다. 당장 nlp에서 gpt는 잘 하지만 자연어처리는 잘 모른다와 같은 이질적인 사람이 존재할 수 있다. 이런 사람들은 그렇게 선호되진 않는다. Gpt-4 gpt-5가 나왔을 때 더 잘 따라갈 수 있는 사람이 필요하다.
반면 삼전같은 대기업들은 소프트웨어가 메인이 아니다 보니까 돈으로 기술을 사는 편. 때문에 면접때도 뭐 해봤어요? 뭐 할 줄 알아요? 등을 더 많이 물어봄. 잘하는 엔지니어들도 헤드쪽에 많이 있는 편이라, 좋은 상사를 만나기 힘들 수도 있음. 질문도 대체로 덜 날카로운 편. 삼전 등 대기업은 사람이 어떻든 다 똑같은 네모난 사이즈로 네모조각을 만들고 그런 사람을 필요로 한다. 더 많은 일을 하고 싶어도 매우 좁은 바운더리 일밖에는 할 수가 없다. 대신 스타트업 등은 더 많은 책임을 요구하고 핵심업무를 할 수 있는 가능성이 크며, 자기 실력을 더 잘 보여줄 수 있음.
링크드인, 깃블로그, cv 등 많이 가지고 있을수록 좋음. 특히 대기업(삼전)의 경우 수강한 모든 수업을 다 적으라고도 함. 매우 프로세스가 많고 귀찮음. 때문에 자기를 어필할 수 있는 것들이 있는게 좋음.
많은 기업들이 기술블로그를 가지고 있음. 그런 블로그 보면서 공부하는 것이 좋음. 하는 일들을 블로깅해달라고 요구하는 기업들도 많음. 따라서 글 쓰는 능력도 굉장히 중요하다. 때문에 개인 페이지가 있는 것이 좋다. 면접관 들어갔을 때 개인페이지 있는 사람들을 보면 호감이 많이 감. 유무의 차이가 꽤 크다!
관심분야/경력(경력이 쪼개지면(연구원, 회사 등) 쪼개서 적고, 없으면 프로젝트같은 거 적을것)/수상기록/활동(부스트캠프,동아리,테크닉등)/스킬(잘안씀, 파이토치 같은거 쓰면 위험함)
링크드인 갖고 있는 거 좋음
대회추천관련해서.- 베이스라인코드를 가지고 있지도 않고, 검색하면서 모델링을 할 수 있다! 없음.
연구원이나 개발자로 살아가다보면 나만의 베이스라인이 필요하다. cv든 nlp든 내 베이스라인을 크게 수정하지 않는 정도로 사용할 수 있는 코드를 가지고 있어야 한다. 이걸 잘 만들수록 많은 실험을 할 수 있고 다양한 태스크를 할 수 있다. 나중에 대회를 하게 되면 베이스라인을 만들어야된다는 생각을 못하게 된다. 회고를 보면 첫 번째는 무조건 베이스라인을 빨리 만들고 시작해야된다 와 같은 것들임. 사실 모델들마다 라이브러리 의존성이 다르고 필요한 것들이 다르기 떄문에 모든 것을 커버하는 코드를 짜는 것은 굉장히 힘들다. A라는 모델을 B, C, D 등으로 확장하는 것은 굉장히 어렵고, 파라미터나 파이프라이 개발이 굉장히 어려움. 옵티마이저나 디케이 등 조절도 복잡해서 처음에 동작할 수 있는 베이스라인을 만든 이후에 대회를 나가는 것이 더 좋음. 관심있는 데이터가 없으면 컴퓨터비전데이터부터 시작해봐라.
파이토치 강의는 미리 하는 걸 추천한다. DL BASIC이 양이 개많음 진짜. 힘들 것이니 각오해라. 다음주가 전체 주중에 가장 중요하다. 다음주만 잘 이해해도 취업에 지장 없음. 파이토치를 미리 공부하여 개개인의 베이스라인을 만들자는 것을 목적으로 하자. (이것을 사이드프로젝트로 가지고 가자.)
다음주 목요일에는 파이토치로 뭔가를 만들고 있어야 하고, 그 다음주 목요일에는 완성되어있어야한다.
코딩테스트를 놓으면 안된다. 리트코드 미디엄, 프로그래머스 3단계급 문제 다 풀면 웬만한 코테 뚫을 수 있다.
준영->코테 주마다 3문제씩 추천/풀이, 요한->깃 사용법/팁 공유, 하겸->딥러닝베이스라인코드
일주일에 하나씩 논문 리뷰 (멘토님이 개인별로 추천) - (하면서 스트레스 받으면 안됨!!!!)