머신러닝 엔지니어가 되기 위한 커리어 성장 (로드맵, 강의 추천)
머신러닝 엔지니어(Machine Learning Engineer)란 다양한 요구사항과 문제를 정의하고 머신러닝 기술을 활용하여 해결하는 직무입니다. SW·AI 등 디지털 분야의 인재 양성이 중요성으로 머신러닝 기술교육이 늘어나고 있습니다.
머신러닝 엔지니어(Machine Learning Engineer)란 다양한 요구사항과 문제를 정의하고 머신러닝 기술을 활용하여 해결하는 직무입니다. SW·AI 등 디지털 분야의 인재 양성이 중요성으로 머신러닝 기술교육이 늘어나고 있습니다. 향후 여러 가지 진로를 선택할 수 있는데 그 중에서도 머신러닝 엔지니어(Machine Learning Engineer)에 대해서 알아봅시다. 그리고 머신러닝 엔지니어가 하는 일, 머신러닝 엔지니어가 되기 위한 로드맵, 머신러닝 입문자를 위한 강의를 소개하겠습니다.
1. 머신러닝 엔지니어가 하는 일
1️⃣ 머신러닝 엔지니어가 하는 일과 역할
머신러닝 엔지니어는 어떤 역할을 하고 머신러닝 엔지니어와 관련된 직업에 대해 알아봅시다.머신러닝 엔지니어(Machine Learning Engineer)는 줄여서 ML엔지니어(ML Engineer)라고도 부릅니다. 많은 기업이 머신러닝 기술 도입을 희망하고 있기에 구인 시장에서 촉망받고 있는 직업 중 하나입니다.
머신러닝 엔지니어는 데이터를 활용하여 현실 문제를 머신러닝(=기계학습)으로 해결하는 직업입니다. 기업이 기술을 활용하여 보다 효율적인 결정을 할 수 있도록 도와주는 업무입니다.
머신러닝 엔지니어의 현재 시장과 다양한 직무와 혼합되어 머신러닝 엔지니어라고 언급되어도 실제 데이터 사이언티스트나 하는 경우도 있습니다. 기업별로 요구하는 역할이 다르므로 채용공고의 업무 내용과 지원 자격을 확인해볼 필요가 있습니다.
2️⃣ 머신러닝 엔지니어 관련 직업
머신러닝 엔지니어와 유사하거나 관련된 직업들이 많이 있습니다.
- 데이터 사이언스 Data Scientist : 빅데이터 분석, A/B테스트 설계 및 간단한 기계 학습 및 비즈니스 전략을 추진합니다.
- ML엔지니어 ML Engineer : 최신 기계 학습 모델을 구축하여 프로덕션에 배포, 모델을 실행하고 지원하는 데 필요한 소프트웨어도 담담합니다. 소프트웨어 엔지니어(SWE)에 유사합니다.
- 리서처 사이언티스트 Research Scientist : ML 연구, 논문을 또한 박사 학위를 요합니다.
- 응용 사이언티스트 Applied Scientist : ML 엔지니어와 리서처 사이언티스트가 결합된 직업입니다. 코드뿐만 아니라 SOTA(최신 기술) 기계 학습 모델의 사용 및 활용에도 관심이 있습니다.
위 내용과 이미지는 Jason Jung님의 Machine Learning Engineer vs Data Scientist (Is Data Science Over?) 글에서 일부발췌하였습니다. 원문을 읽어보시면 더 높은 이해를 하실 수 있습니다.
위 직무 이외에도 비즈니스 분석가(Business Analyst), 데이터 분석가(Data Analyst), 데이터 아키텍쳐(Data Architect), AI 엔지니어(AI Engineer) 직무와 관련이 있습니다.
2. 머신러닝 엔지니어 로드맵
머신러닝 엔지니어가 되기 위하여 어떻게 커리어를 발전시킬지 로드맵을 보고 각 단계별로 필요한 역량을 설정해봅시다.
1️⃣머신러닝 엔지니어가 되기 위한 커리어 로드맵
이미지 출처 : https://datasciencedojo.com/blog/machine-learning-roadmap/
2️⃣머신러닝 엔지니어 로드맵 단계별 설명
Step 1) 기본 이론, 개념 및 기술에 익숙해지기
기계학습(ML)에서 기본 이론과 알고리즘을 이해하고 확률과 통계, 선형대수학 등 수학적 개념을 학습합니다.
Step 2) 기계 학습 알고리즘 이해
선형회귀, 로지스틱회귀, SVM 등 머신러닝의 알고리즘을 이해합니다.
Step 3) 기계 학습 기반 선택
지도학습, 비지도학습, 추천시스템 등 다양한 주제를 선정합니다.
Step 4) 기계 학습 라이브러리 마스터하기
Scikit-Learn, Theano, Tensorflow, PyTorch 등 라이브러리를 활용하여 기계 학습을 응용/개발합니다.
Step 5) 기계 학습 측면 프로젝트 작업
데이터 기반 회사와의 협력 등 실제 문제를 해결하여 기술을 연습합니다.
이미지 출처 – edureka.com
향후 머신러닝을 다양한 분야에서 적용하여 멋진 엔지니어가 될 수 있을 것을 기대합니다.
3. 머신러닝 입문자를 위한 강의
머신러닝 엔지니어가 되고 싶은 분들을 위하여 가장 처음 머신러닝을 배울 수 있는 입문 강의를 소개합니다.
1️⃣ [coursera] 머신러닝 전문화
학습분량 : 7~8시간
비용 : 무료
앤드류 응(Andrew Ng) 교수님의 스탠포드 대학 강의를 코세라에서 학습할 수 있습니다.
체계적인 커리큘럼과 상세한 설명으로 인공지능과 머신러닝에서 가장 많은 추천을 받는 기초 강의입니다.
유튜브로도 볼 수 있지만, 코세라 홈페이지에서 강의를 들으면 수료증을 받을 수 있고, 연습문제도 풀 수 있습니다.
2️⃣[Google] 머신러닝 단기집중과정
학습분량 : 15시간
비용 : 무료
구글 머신러닝 단기집중과정은 기본 개념을 이해할 수 있고, TensorFlow를 활용한 실습을 Colab으로 제공합니다.
동영상 강의와 설명, 이해도 확인, 과정요약 등으로 구성되어 있어 여러 차례 반복해서 주요 개념을 학습하므로 학습 이해도를 높일 수 있어서 추천합니다.
3️⃣ [AIFFEL 내일배움클래스] 머신러닝 with파이썬
학습분량 : 10시간
비용 : 15,000원(K-credit지원시)
입문자를 위한 머신러닝 기초과정. 머신러닝 프로세스를 이해하고 데이터 전처리부터 머신러닝을 활용해 예측 모델을 만들 수 있습니다.
파이썬을 못 하더라도 빠르게 머신러닝을 할 수 있도록 따라할 수 있는 실습이 많은 학습과정이며, 프로젝트까지 함께할 수 있도록 하는 과정입니다.
학습환경설정(LMS)이 되어있어서 홈페이지에서 특별한 설치없이 머신러닝 교육을 받고 실습 할 수 있습니다.
혹시 머신러닝 이전에 파이썬 강의추천이 필요하신 분이라면 “비전공자 파이썬 왕초보를 위한 강의 알려드릴게요!” 글을 읽어주세요. 감사합니다.
참고문헌
