- 질문 게시판입니다.
| Date | 19/07/23 12:41:43 |
| Name | 멜로 |
| Subject | 내적 가치 vs 외적 가치 |
|
회사에서 딥러닝 개발자랑 서버 개발자 테크를 고르라는 윗선의 지시를 받았는데요 저는 컴공학부만 나왔습니다. 요즘 딥러닝 개발자가 핫하긴 하지만.. 제가 하는 일은 딥러닝 모델 튜닝이 아니라 데이터 처리(정제)랑 딥러닝 모델 서빙입니다. 물론 직간접적으로 딥러닝에 대해서 배우긴 하지만 말 그대로 지시 이행이지 제가 설계를 하진 않습니다. 읽기는 하지만 쓰기는 안되는 개발봇이랄까요? 아무래도 석박 학위도 없고.. 수박 겉핥기로 딥러닝 배웠으니 이런 처우는 당연한거라고 생각하고 있습니다. 그래서 현타가 왔는데요.. 그냥 학부생이니 주제에 맞게 서버개발자로 가는게 더 좋지 않을까.. 하는 생각이 듭니다. 그래서 왠지 사회에서 바라보는 경제학적 가치를 봤을 때, 딥러닝 개발자보다 서버 개발자가 더 고효율 아닐까? 하는 생각이 들어요. 서버쪽에서는 요즘 인프라 구축, 스케일링 등등 스타트업이 창업하려면 딥러닝 개발자 한 명 보다 제대로된 서버 엔지니어 한 명이 더 필요하거든요. 애매하게 학위도 없는 그냥 경력 상으로만 '딥러닝 개발 경험 다수'인 현장에서 잔뼈굵은 딥러닝 개발자 하느니 그냥 맥락에 맞게 서버 개발 많이 해봤다고 하는게 현실적으로 더 좋아보여요. 우리나라에서 학위가 가지는 중요성을 요즘들어 느끼고 있거든요. 만약 대기업에 가게 된다면 저는 인사팀 선에서 정리될것 같네요. 문제는 제 마음은 그래도 딥러닝에 기울고 있는데.. 내적 동기가 딥러닝에서 자연어처리를 해보고 싶어요. 논문도 계속 읽어보고 싶고.. 하지만 이제 저도 돈을 벌어서 독립해야할 나이이고.. 여기서 몇 년 관련 업무 했다고 사회에서 박사 인정해주는 만큼 대우해주는게 아닌 현실을 알기 때문에.. 그리고 무작정 제 꿈만 좇는건 안되는 나이(29살)이기 때문에 커리어 고민에 관한 질문글을 올려봅니다. 중요한 커리어 선택을 하실때 내적 가치 vs 외적 가치에 어디에 중점을 두셨나요? 그리고 그 결과는 어떠셨나요? 1
이 게시판에 등록된 멜로님의 최근 게시물 |
|
제 생각으로는 이제 딥러닝 계열이 딱히 석박 타이틀이 필요한 직군이라고 생각하지 않습니다. 물론 바깥의 인식은 다르지만요...
이유는 딥러닝 라이브러리가 너무 잘 나왔고 넷상에 온갖 관련 코드들이 널렸습니다. 정말 학문적으로 파고자 하는 마음이 아니라 어떤데이터로 알고리즘 돌려서 결과를 얻고 싶다의 수준이면 학위 없어도 인터넷 예제를 돌려보는 공부 정도로 충분합니다.
그리고 딥러닝 쪽으로 가더라도 시작이 빅데이터이므로 서버쪽 역량은 기본입니다. 제대로된 딥러닝 개발자라면 중급 서버 개발자 정도의 역량은 가지고 있어야 된다고 생각... 더 보기
이유는 딥러닝 라이브러리가 너무 잘 나왔고 넷상에 온갖 관련 코드들이 널렸습니다. 정말 학문적으로 파고자 하는 마음이 아니라 어떤데이터로 알고리즘 돌려서 결과를 얻고 싶다의 수준이면 학위 없어도 인터넷 예제를 돌려보는 공부 정도로 충분합니다.
그리고 딥러닝 쪽으로 가더라도 시작이 빅데이터이므로 서버쪽 역량은 기본입니다. 제대로된 딥러닝 개발자라면 중급 서버 개발자 정도의 역량은 가지고 있어야 된다고 생각... 더 보기
제 생각으로는 이제 딥러닝 계열이 딱히 석박 타이틀이 필요한 직군이라고 생각하지 않습니다. 물론 바깥의 인식은 다르지만요...
이유는 딥러닝 라이브러리가 너무 잘 나왔고 넷상에 온갖 관련 코드들이 널렸습니다. 정말 학문적으로 파고자 하는 마음이 아니라 어떤데이터로 알고리즘 돌려서 결과를 얻고 싶다의 수준이면 학위 없어도 인터넷 예제를 돌려보는 공부 정도로 충분합니다.
그리고 딥러닝 쪽으로 가더라도 시작이 빅데이터이므로 서버쪽 역량은 기본입니다. 제대로된 딥러닝 개발자라면 중급 서버 개발자 정도의 역량은 가지고 있어야 된다고 생각합니다. 제 생각에는 딥러닝과 서버 개발이 나눠져 있는 길이라기 보다는 서버 개발자가 전직퀘스트를 깨면 딥러닝 개발자가 될 수 있다고 생각합니다.
딥러닝 분야에 뛰어드는 루트는 생각보다 엄청 다양합니다. 위에 예는 서버 개발자에서 전직이고 컴공이 아니어도 바이오나 공정 데이터등 특정 도메인 전문가가 해당 분야에 딥러닝 적용해보기 위해서 배우는 경우도 있고 통계쪽 데이터 분석가에서 전직하기도 하고... 요즘에 너도 나도 AI로 귀결됩니다. 이유는 일단 요즘 가장 있어보이고 유행 같은 느낌도 있고 그래서 어떤 분야에서 딥러닝을 안쓴다고 하면 뒷처지는 느낌도 있습니다. 그리고 생각보다 아무 생각없이 조금만 배워서 적용해도 성능이 잘 나옵니다. 전혀 관련 지식이 없어도요. 아까 말씀드렸다 싶히 친절한 라이브러리도 많이 나오고 사람들이 많이 쓰다 보니 교육 자료도 많습니다.
결론을 말씀드리자면 "어떤 루트로 갔어도 딥러닝은 마주쳤을 것이다. 그리고 이왕 할거면 조금만 공부해서 제대로 해보자. 생각보다 쉽다. 학위등이 부족한게 걸리면 관련 프로젝트 경력을 많이 쌓으면 된다. 아니면 나중에 파트타임으로 학위 따도 된다." 입니다
왜 이렇게 해서라도 이 분야로 가야 하냐면 공급대비 수요가 많기 때문입니다. 서버 개발자가 여기저기 필요한 곳이 많은 건 사실이지만 그만큼 쓸만한 서버 개발자가 많은 것도 사실입니다. 하지만 딥러닝은 제대로 공부한 사람, 3년이상의 경력을 가진 사람이 현재 여기저기서 딥러닝을 쓰려고 하는 수요에 비해 적습니다. 그래서 이쪽을 추천하는 것이죠.
현재가 거품이라고 생각할수도 있지만 언젠가 거품이 꺼지면 딥러닝이 필요없어서가 아니라 누구나 다 딥러닝을 할 수 있어서 꺼질거라고 생각합니다. 결국 이쪽은 공부해 볼만한 분야라고 판단되네요.
그리고 여담으로 딥러닝 계열중에 자연어 처리는 정말 재미없는 도메인이었습니다. 제 경험상으로는....
원래 이쪽이 노가다가 많지만 필수적으로 텍스팅 노가다가 많을 수 밖에 없는 분야라...
이유는 딥러닝 라이브러리가 너무 잘 나왔고 넷상에 온갖 관련 코드들이 널렸습니다. 정말 학문적으로 파고자 하는 마음이 아니라 어떤데이터로 알고리즘 돌려서 결과를 얻고 싶다의 수준이면 학위 없어도 인터넷 예제를 돌려보는 공부 정도로 충분합니다.
그리고 딥러닝 쪽으로 가더라도 시작이 빅데이터이므로 서버쪽 역량은 기본입니다. 제대로된 딥러닝 개발자라면 중급 서버 개발자 정도의 역량은 가지고 있어야 된다고 생각합니다. 제 생각에는 딥러닝과 서버 개발이 나눠져 있는 길이라기 보다는 서버 개발자가 전직퀘스트를 깨면 딥러닝 개발자가 될 수 있다고 생각합니다.
딥러닝 분야에 뛰어드는 루트는 생각보다 엄청 다양합니다. 위에 예는 서버 개발자에서 전직이고 컴공이 아니어도 바이오나 공정 데이터등 특정 도메인 전문가가 해당 분야에 딥러닝 적용해보기 위해서 배우는 경우도 있고 통계쪽 데이터 분석가에서 전직하기도 하고... 요즘에 너도 나도 AI로 귀결됩니다. 이유는 일단 요즘 가장 있어보이고 유행 같은 느낌도 있고 그래서 어떤 분야에서 딥러닝을 안쓴다고 하면 뒷처지는 느낌도 있습니다. 그리고 생각보다 아무 생각없이 조금만 배워서 적용해도 성능이 잘 나옵니다. 전혀 관련 지식이 없어도요. 아까 말씀드렸다 싶히 친절한 라이브러리도 많이 나오고 사람들이 많이 쓰다 보니 교육 자료도 많습니다.
결론을 말씀드리자면 "어떤 루트로 갔어도 딥러닝은 마주쳤을 것이다. 그리고 이왕 할거면 조금만 공부해서 제대로 해보자. 생각보다 쉽다. 학위등이 부족한게 걸리면 관련 프로젝트 경력을 많이 쌓으면 된다. 아니면 나중에 파트타임으로 학위 따도 된다." 입니다
왜 이렇게 해서라도 이 분야로 가야 하냐면 공급대비 수요가 많기 때문입니다. 서버 개발자가 여기저기 필요한 곳이 많은 건 사실이지만 그만큼 쓸만한 서버 개발자가 많은 것도 사실입니다. 하지만 딥러닝은 제대로 공부한 사람, 3년이상의 경력을 가진 사람이 현재 여기저기서 딥러닝을 쓰려고 하는 수요에 비해 적습니다. 그래서 이쪽을 추천하는 것이죠.
현재가 거품이라고 생각할수도 있지만 언젠가 거품이 꺼지면 딥러닝이 필요없어서가 아니라 누구나 다 딥러닝을 할 수 있어서 꺼질거라고 생각합니다. 결국 이쪽은 공부해 볼만한 분야라고 판단되네요.
그리고 여담으로 딥러닝 계열중에 자연어 처리는 정말 재미없는 도메인이었습니다. 제 경험상으로는....
원래 이쪽이 노가다가 많지만 필수적으로 텍스팅 노가다가 많을 수 밖에 없는 분야라...
간단히 말씀드리면 seq2seq 등의 딥러닝 구현 및 실행은 위의 TOPA님 말대로 학위 없어도 누구나 해볼수 있을 정도로 접근성이 좋아졌습니다. 그런데 현업 서비스에서 요구하는 성능 및 퀄리티는 논문상의 sota 성능을 기록한 모듈만으로 다 해결되는게 아닙니다. 텍스트 전, 후처리만 해도 제대로 할 줄 아는 사람과 ML 지식만으로 자연어처리 시작한 사람의 이해도 자체가 다른 경우가 많고 실제 성능 차이도 심합니다(특히 한글의 경우 더더욱).
제 의견으로는 특정 문제를 해결하기 위해 규칙이건 ML이건 가장 적절한 방법을 찾고 ... 더 보기
제 의견으로는 특정 문제를 해결하기 위해 규칙이건 ML이건 가장 적절한 방법을 찾고 ... 더 보기
간단히 말씀드리면 seq2seq 등의 딥러닝 구현 및 실행은 위의 TOPA님 말대로 학위 없어도 누구나 해볼수 있을 정도로 접근성이 좋아졌습니다. 그런데 현업 서비스에서 요구하는 성능 및 퀄리티는 논문상의 sota 성능을 기록한 모듈만으로 다 해결되는게 아닙니다. 텍스트 전, 후처리만 해도 제대로 할 줄 아는 사람과 ML 지식만으로 자연어처리 시작한 사람의 이해도 자체가 다른 경우가 많고 실제 성능 차이도 심합니다(특히 한글의 경우 더더욱).
제 의견으로는 특정 문제를 해결하기 위해 규칙이건 ML이건 가장 적절한 방법을 찾고 조합해서 실질적인 성능 개선을 만들어 낼 수 있다면 자연어처리를 제대로 할 줄 아는 사람이고, 특정 문제가 주어졌을 때 일단 딥러닝 모듈 구현 및 실행으로 시작해서 성능 개선 또한 끝까지 모듈 성능 튜닝의 범위에서만 해결책을 찾으려고 하면 그건 그냥 ML 좀 배운 사람이 자연어 도메인에 붙어 있을 뿐..으로 봅니다.
제 의견으로는 특정 문제를 해결하기 위해 규칙이건 ML이건 가장 적절한 방법을 찾고 조합해서 실질적인 성능 개선을 만들어 낼 수 있다면 자연어처리를 제대로 할 줄 아는 사람이고, 특정 문제가 주어졌을 때 일단 딥러닝 모듈 구현 및 실행으로 시작해서 성능 개선 또한 끝까지 모듈 성능 튜닝의 범위에서만 해결책을 찾으려고 하면 그건 그냥 ML 좀 배운 사람이 자연어 도메인에 붙어 있을 뿐..으로 봅니다.
저는 그렇게 배웠던 세대이긴 한데.. 지금 시점에서 그렇게 하는게 맞는지는 잘 모르겠네요...
물론 과거 방법론의 핵심 아이디어를 알고 필요할 때 차용해 볼 수 있다면 좋은 거지만, 완벽하게 재현할 수 있을 정도로 공부하는 건 비효율적일 것 같기도 합니다.
제가 말하고 싶었던 건 이거였던 것 같습니다. 논문들에서 보통 하듯이 딥러닝으로 end-to-end로 현업 문제 해결하기 어렵고 그 틀에 갖히면 안 된다... 문제 잘 쪼개고 각각을 해결하는 방법은 꼭 딥러닝 기반일 필요가 없기 때문에 다양한 해결책을 많이 알면 알수록 실질적인 도움이 될 수 있다. 코어 모듈은 딥러닝 기반 모듈이 되는 경우가 많겠지만 실제 체감 성능은 앞뒤 언어 처리 수준에 좌우될 수도 있다.
물론 과거 방법론의 핵심 아이디어를 알고 필요할 때 차용해 볼 수 있다면 좋은 거지만, 완벽하게 재현할 수 있을 정도로 공부하는 건 비효율적일 것 같기도 합니다.
제가 말하고 싶었던 건 이거였던 것 같습니다. 논문들에서 보통 하듯이 딥러닝으로 end-to-end로 현업 문제 해결하기 어렵고 그 틀에 갖히면 안 된다... 문제 잘 쪼개고 각각을 해결하는 방법은 꼭 딥러닝 기반일 필요가 없기 때문에 다양한 해결책을 많이 알면 알수록 실질적인 도움이 될 수 있다. 코어 모듈은 딥러닝 기반 모듈이 되는 경우가 많겠지만 실제 체감 성능은 앞뒤 언어 처리 수준에 좌우될 수도 있다.
아주 단순하게 설명드리면 왜 딥러닝 개발자 > 서버 개발자 냐면 대기업에서 경력직을 뽑는다고 할때 서버 개발자가 필요해서 뽑는 경우는 적습니다. 기존에 잘하는 사람도 많고 인력이 더 필요하면 신입 뽑아서 가르치면 되서... 그런데 딥러닝 모델을 만들어줄 사람이 필요해서 경력직을 뽑는 경우는 업종을 가리지 않고 많습니다. 물론 학위 경력 다 좋은 사람을 뽑으려고 할테지만 그런 고급 인력은 이미 괜찮은 잡을 가지고 있어서 뽑기도 어렵고 뽑아도 비용이 큽니다. 그래서 학위 없이 경력이 있고 포트폴리오만 잘 만들어 놓으면 뽑힐 가능성이 있습니다.
| 목록 |
|
