머신러닝 엔지니어 커리어

엔지니어링이란?

과학기술로 사람들의 문제를 해결하고 가치를 만들어 내는 일

- 가치: 돈, 고객 만족, 사회적 가치

소 잡는 칼로 닭 잡는 경우

머신러닝이라는 기술은 소 잡는 칼이다.

작은 문제를 푸는데 머신러닝을 사용하면 안된다.

머신러닝 문제를 풀 때 문제의 가치를 판단해라.

문제가 머신러닝(비싼 칼)로 풀었을 때 이를 상회하는 가치를 만들어내는 확신이 있어야 의미 있는 프로젝트가 된다.

가치 있는 일(=돈 되는 일)에 기술을 사용해야 한다. 

커리어를 위한 회사 선택 기준

1. 회사의 핵심 역량이 머신러닝인가?

= 회사가 머신러닝으로 돈을 벌고 있나?

 

2. 핵심 모델을 지속적으로 개선할 데이터가 있나?

 

3. 회사는 머신러닝 엔지니어링의 가치를 인식하고 있는가?

기술이 서비스에 적용되지 않는다면 가치 있는 일이 아니다.

대표님이 머신러닝 엔지니어의 필요성을 인지하고 계셔야 한다.

 

4. 내가 회사에서 일하면서 회사의 기업 가치를 올려줄 수 있는가?

 

주니어 머신러닝 엔지니어가  커리어를 만들어가는 과정

주니어 성장의 핵심은 최고의 동료

주니어는 사수의 영향을 많이 받는다.

최고의 동료를 만나려면 좋은 회사로 가야한다.

좋은 회사를 가기 위해서는 기본기가 있어야 한다.

기본기

1. 파이썬을 잘해야 한다.

 

2. 수학을 잘해야 한다.

- 선형대수

- 확률통계

- 최적화 이론

 

3. 딥러닝 framework

- tensorflow

- pytorxh

- google JAX

 

4. 머신러닝 basics

- 딥러닝

- supervised learning

- unsupervised learning

 

5. infra basics

- linux(ubuntu, centos, ALpine)

- Colud Computing(Object Storage, Cloud GPU VMS, Google Vertex AI, AWS SageMaker, Azure ML)

- Docker

 

6. MLOps Basics, Model Serving

- Model Management(MLFlow, BentoML)

- Model Serving

- Experiment Management (Weights and Biases, Neptune, Sacred)

시니어 머신러닝 엔지니어

주니어 엔지니어는 주어진 일을 잘 해야한다면 시니어 엔지니어는 실제 결과를 책임지는 일을 하게 된다.

즉, AI 조직을 Cost Center에서 Revenue Center로 변화시키는 역할을 잘 해내는 것이 중요하다.

1. 생산성(Productivity): 머신러닝 파이프라인

머신러닝 파이프라인, MLOps의 핵심적인 효용은 생산성이다.

머신러닝 파이프라인 구축을 통해, AI Model의 생산 및 운영 비용을 극적으로 줄일 수 있다.

머신러닝 파이프라인을 구체적으로 구축할 줄 알아야 한다.

2. 수익성(Profitability): Model AB Test

모든 AI Model이 만들어내는 고객 가치를 AB Test를 기반으로 검증한다.

 

 

Reference: https://www.youtube.com/watch?v=XM4hBpSylpM,