머신 러닝 공부 시작

머신러닝 공부...여러번 시작했다가, 매번 흐지부지 끝나곤 했다.

관심이야 22년 하반기부터 있었고,

관심을 실천으로 옮긴 건 23년 하반기부터 즈음이었으니까

방황(?)의 시간이 길게보면 2년이고 짧게봐도 1년은 되었다. 

 

유튜브 알고리즘이 이따금씩, '넌 바보야'라고 말하듯이 

관련 영상을 띄워줄 때면, 착잡해지곤 했다. 

예컨데, '당신이 머신러닝 공부에 실패한 이유', '머신러닝 이렇게 공부하지 마세요' 등 등

요새는 다들 제목을 왜 이렇게도 잘 쓰는 건지. 

 

그리고 다시 시작하기로 했다.

 

이번에는 성공하려면 어떻게 해야할까?를 조금 고민했고, 

지난 1-2여년간 실패한 경험과 알게 된 것들을 조합하여 

다시 한 번 리트라이를 하기로 했다. 

 

1. 백본이 되는 학습 액티비티를 교체하기로 했다. 

원래는 강의를 기반으로 학습을 진행했었는데,

난이도의 문제 (너무 쉽거나, 너무 학술적이거나), 실전과의 괴리, 실용성 등의 문제가 있었다.

중간에서 조율되는 지점이 필요했다. 

이런 측면에서  Kaggle로 시작해보면 좋겠다고 예전부터 생각했었다.

무엇보다, Kaggle로 시작해서 성공적인 엔지니어 커리어 전환을 일궈낸 사람들의 예시를

유튜브, 깃-블로그 등의 미디어를 통해서 세명 넘게 듣거나 본 적이 있었다.  

이들의 존재가 나에게는 자극제가 될 것이다. 

 

2. 실전 경험이 결국 또 다른 실전에서의 인사이트를 연쇄적으로 만들어 주기 마련이다.

예전에 강의를 완강하고도 머릿속에, 또 손으로 체득되지 못한 것은

그런 실전들이 지나치게 단순하거나 

지나치게 이상적이었기 때문이었다. 

Kaggle에 있는 여러 미션들은 그런 점에서 다양한 자극제를 제공해 줄 수 있을 거라는 기대가 있다.

 

3. 실전 및 연습 자체가 지금까지는 부족했다.

단순한 강의면 단순한 난이도를 유지하기 위해서였을 것이고

이론적인 강의면 이론을 중요시하다보니, 반대급부에 소홀해서 였을 것이다. 

책 울트라러닝에 나오듯이, 배운 것을 시험하는 것이 학습에 매우 중요하다. 

Kaggle은 내게 필요한 실전을 경험할 수 있는 장이 되어줄 것이다. 

 

4. 블로그에 기록을 남기기로 했다. 

블로그는 실무 없이 AWS SAA 1차 합격을 돌파했던 (자랑거리는 전혀 아닌데...) 원동력 중 하나였다.

전통적인 아키텍쳐는 내가 설계해 본 경험이 있어서 이해가 쉬웠는데,

컨테이너, 서버리스, 기타 각종 클라우드 서비스는 경험이 없다보니 와닿지가 않았다. 

블로그에 기록을 남기면서 모르는 부분을 좀 더 명징하게 발견하고, 

파고들어 해치울 수 있었다.

이번에도 그런 역할을 기대하며 블로그에 지속적으로 기록을 남길 것이다.

 

5. 하반기의 어느 시점부터, AWS ML/AI 스페셜리스트에 도전할 것이다.

캐글을 통한 학습이 실패했을 때, AWS 학습으로 즉시 피벗하여,

학습을 지속하면서도, 나에게 맞는 학습 방향이 무엇인지 발견할 수 있을 것이다. 

혹은, 운이 좋게, 두 개의 학습 전부 성공할 지도 모른다. 

이 때에는 1) ML/AI 서비스 구축 2) 실제 AI/ML 모델 학습 

이 두가지 학습이 어느정도 수준부터는 시너지를 낼 거라는 기대가 있다.