[리뷰] 1년 안에 AI 빅데이터 전문가가 되는 법



개요

본 리뷰는 반니 출판사 "1년 안에 AI 빅데이터 전문가가 되는 법(서대호 저)"을 읽고 얻은 지식을 정리한 글입니다.

데이터 사이언스 분야에 커리어 책이 적은 이유


알파고의 등장 이후 국내에도 AI 바람이 불고 있다. 기존에도 빅데이터, 데이터 마이닝 등 유사 분야의 인기가 높았는데 특히 알파고를 통해 딥러닝의 성능에 신뢰가 더해지며 AI의 관심이 높아졌고 이를 배우고자 혹은 관련 분야로 커리어를 선회하고자 하는 이들이 많아졌다.

그동안 AI 빅데이터 전문가가 되는 길을 안내하는 도서는 없었다. 그저 앞서 나간 선배님들의 세미나, 블로그 등의 활동에서 분야별, 커리어별 제한적인 정보를 얻을 수 있을 뿐이었다.

사실 AI 빅데이터 전문가라는 용어를 데이터 사이언스 업계에서 들어본 적은 없다. 책에도 소개되다시피 빅데이터 및 AI 업무를 수행하는 전문가를 특칭하기 어려워 저자가 선택한 단어이기 때문이다. 업계에서는 보통 데이터 사이언티스트라 부르기 때문에 두 단어를 유사한 단어라 생각하고 책을 읽었는데 저자의 의도 또한 유사했다 본다.

이런 도서가 등장하기 어려운 이유가 있다.

  • 첫번째 이유는 신생분야라는 점이다. 알파고가 등장한지 이제 겨우 4년 남짓의 시간이 흘렀다. 책이 등장하는 시점은 늘 실무나 논문에 비해 후행적인 성격을 띄기 때문에 그만한 경험이 축적되려면 제법 시간이 흘러야 하는데 특히 AI 분야는 10여년 이상의 커리어를 자신있게 자랑할 수 있는 사람이 매우 드물다.

  • 두번째 이유는 융합분야라는 점이다. 본 도서에 제시된 아래 그림을 보자. 데이터 과학 분야 데이터 과학과 관련된 분야는 이처럼 다양한 분야가 상호 연계되어있다.

때문에 방대한 분애에의 전문성을 요한다. 데이터 사이언스의 정의를 명확히 내리기 어려운 이유도 이 때문이다. 하나 하나의 부분을 차지하는 분야들이 평생 공을 들여도 결코 정상에 오르기 녹록치 않은 분야들이기 때문이다.

즉, 이 분야의 커리어를 다루는 책을 쓰려면 세계적으로 유명한 논문을 등재한 사람 혹은 자타가 공인하는 회사에서 AI 업무를 수행하는 사람이 아닌 이상 인정받기도 쉽지 않기에 자신있게 집필하기 굉장히 어려운 분야 중 하나이다.

다소 위험해보이는 파격적인 제목


본 도서가 등장했을 때 매우 놀랄 수 밖에 없었다. 저자분이 얼마나 고수이시길래 이런 과감한 제목을 택할 수 있는 걸까? 한편으로는 불안감도 들었다. 보통 이런 자극적인 제목은 별로 얻을 것이 없던데… 본 도서의 제목에 이끌리신 대다수의 분들도 비슷한 생각을 하시지 않을까?

때문에 결론부터 말씀드리면 데이터 사이언티스트가 되기 위해 저자가 다방면으로 노력했던 흔적의 기록이 책의 내용이라고 말하고 싶다. 물론 이런 전문분야에 과감히 당찬 제목을 사용한 것은 저자 본인의 자신감과 패기일 것이나 그럼에도 본 도서가 의미를 담고 있는 것은 타인들의 시선을 두려워하지 않으며 본인의 노력을 진솔하게 표현한 용기가 아닐까 싶다.

더불어 다양한 융합 분야라는 특성 상 일생을 다 바쳐도 모든 영역에 커리어를 쌓을 수 있는 사람은 거의 없을텐데 각자가 노력한 방식이 공유될 수 있는 배경을 조성한 점에 큰 박수를 보내고 싶다.

분명 저자의 길을 가보지 않았던 분, 그리고 저자보다 내공이 떨어지는 분, 그리고 내공이 높은 분일지라도 이런 다방면의 커리어를 폭 넓게 생각한 분은 흔치 않을 것이기에 관련 분야에 종사하고 있거나 꿈을 가진 사람들은 반드시 한 번 읽어보시길 권장한다. 분명 무엇이든 얻으실 수 있을 것이다.

이 책을 읽은 소감 및 요약은 여기서 마친다. 보다 자세한 내용이 궁금하시면 이어지는 챕터를 읽어주시기 바란다.

특허, 저서, 자격증, 창업, 취업, 집필 등 다양한 저자의 경험


저자의 데이터 사이언티스트로서의 역량과 무관하게 저자는 본 도서를 집필할 자격이 충분하다고 생각했다. 챕터의 제목에 열거한 바와 같이 대학원, 논문, 특허, 저서, 자격증, 창업, 취업 등 데이터 사이언스와 관련된 거의 전 분야에 커리어를 쌓고자 많은 노력을 기울였기 때문이고, 그 시행착오의 과정을 자신있게 공유했기 때문이다.

분야가 신생이니 만큼 모두 우왕좌왕이다. 본 리뷰를 작성하는 필자도 그렇고, AI 인재 육성을 위한 정부 혹은 담당자들고 헤매이고 있고, 전도 유망한 기업에서 이름 꽤나 날리는 고수 분들의 세미나를 들어도 누구하나 쉽게 자신있게 얘기하거나 방향을 제시하기 어려워한다.

때문에 저자도 이런 시행착오를 거쳐으며 흔한 이 시대의 취준생들이 그렇듯 먼저 스펙적인 요소로 고군분투하며 접근했던 시행착오들이 본 도서에 기록되어있다. 그리고 그 노력의 과정이 매우 진솔하게 담겨있다. 필자도 다 한번씩 도전해 본 분야들이기에 그 마음과 노력이 많이 와 닿았다.

예를들면 자격증이 그 중 하나일 것이다. 본 도서에는 언급되지 않았지만 약 한달전 텐서플로 코리아 커뮤니티를 약간 들썩이게 했던 자격증이 있었다. 구글께서 만드신 자격증 Google Certificate for ML! 구글이 만든 자격증이라는 위상 덕분에 드디어 업계에서 실력을 공인받을 수 있는 자격증이 생긴것이 아닐지 많은 사람들이 관심을 가졌기 때문이다.

사실 그동안 빅데이터, AI 분야에는 이렇다 할 자격증이 없었다. 그나마 가장 목적과 유사한 자격증으로 인정받는 것이 ADP 정도일 텐데 이 또한 필기 시험의 경우 암기식, 주입식을 지향하고 있고 데이터 분석의 핵심에 동떨어지고 R언어만을 다루는 등의 이슈로 - 물론 최근에는 많은 변화가 있는 것으로 알고 있지만 - 비난을 많이 받았었다.

실기 또한 획일적인 유형이 로테이션 경향으로 출제되고 출제 당국의 미숙한 행정처리 때문에 시험에 집중하기 어렵다는 응시자들의 불만이 쏟아졌다. 본 도서의 저자도 유사한 시각으로 언급한다. 관련 자격증이 3개 정도 있는데 어떤 자격증을 취득했을지라도 아무도 전문가로 인정하지 않는 것이 현실이다라고 말이다.

이렇듯 각 스펙 분야별로 저자가 수집한 정보들을 - 심지어 공부했던 책 목록까지 추천한다. - 공유해주는 것은 물론, 고군분투했던 개인의 경험담과 관련 업계의 현실에서 느낀 것들을 빠짐없이 공유하고 있기에 많은 정보를 얻을 수 있고 정보가 많지 않은 분야인 만큼 유익한 정보를 얻을 수 있다.

대학원 경험의 공유와 논문 쓰기


AI와 같은 신생 분야는 특성상 책이 별로 없다. 가끔 양서가 등장하긴 하지만 책의 집필은 상당한 시간을 요하기에 최신 기술을 다루긴 어렵다. 그렇기에 논문에의 의존도가 자연스레 높아진다. 논문 예시

필자의 경우는 특히 대학원 생활을 통해 얻을 수 있는 것들과 논문에 관련된 정보가 많은 도움이 되었다. 학사 출신이라 대학원에 대한 미련이 늘 존재했는데 대학원의 세계가 어떻게 돌아가며 AI 분야에는 어떤 도움을 줄지 혹은 논문을 작성하는 방법 등의 노하우 등이 공유되어 있어 많은 도움을 얻을 수 있었다.

AI 분야로 진출하고 싶은데 대학원을 반드시 가야할지 고민하는 것은 관련 업계에 관심있는 분들에게 흔히 오고가는 질문이다. 저자의 경험을 바탕을 비판적으로 받아들인다면 좋을 길을 찾을 수 있지 않을까 생각한다.

저자는 책에서 10학번이라고 본인을 소개했으므로 추정컨데 필자와는 아마도 10년 정도의 나이 차이가 나는 듯하다. 이렇게 다방면에서 열심히 하였기에 관련 분야에서 창업을 할 수 있었겠구나라는 생각과 함께 정말 인생을 주도적으로 열심히 사시는 젊은 분들이 많구나라는 생각과 함께 필자의 인생을 돌아보고 반성해 보기도 하는 등 많은 생각을 하게 된 계기가 되었다.

책의 내용이 지극히 현실적이라 관련 업계에 관심있는 분이라면 주말 하루면 능히 다 읽으실 수 있을 것이다.

이것으로 책에 대한 소개를 마칠까 한다. 담고있는 정보에 반해 책의 가격도 저렴한데 한번 읽고 본인의 커리어 방향과 현 위치를 고민하시는 것은 어떠실런지?






© 2019.04. by theorydb

Powered by theorydb