구름 세미나 & 면담

기업 소개:

edu : 교육 플랫폼, 
devth :역량 평가 환경 제공 
goormide : 클라우드 상에서 개발 환경 제공 

취준시 필요:

9-6 교육만으로는 경쟁력x
job description 에서 요구하는 사항들, 네트워킹

오프라인 코딩테스트시, 면접관과 커뮤니케이션 많이 해라
ex) 문제에 주어진 입출력을 구체적으로 묻거나, 
모르겠으니 힌트 요청 등

 

<현업에서의 쿠버네티스와 자연어처리>

 

쿠버네티스 이전과 이후 
이전 : 프로젝트 시작 -> 트래픽 예상 -> 서버 구매 -> 젠킨스에 연결, 배포
여전히 대기업의 일부에서는 이런 방식 이용, 
백엔드 주요 업무 = 서비스의 트래픽 예측

이후 :
Devops : 클러스터 관리자 "개발자가 클라이언트가 됨"
- 노드 관리
-쿠버네티스, 버전 관리 
-CNI, CSI, CRI, Provisioner 관리

'데브옵스' : 사내 서버를 클러스터로 구성 
개발팀에서 사내 플랫폼에 클러스터 요청시 네임스페이스, 클러스터를 생성해줌. -> 개발자가 서버를 신경쓰지 않아도 됨!

백엔드로 시작 후 전환!
  
* 사실 잘 모르는 분야라 들어도 크게 와닿지는 않았던 것 같다 ㅠ 

자연어처리 

자연어처리가 메인인 프로젝트 : 
네이버 : 댓글 필터링, 분류(문서,쇼핑,형모감정), 검색, OCR, 번역 등 
업스테이지 : OCR, 추천

OCR, 추천, 번역은 ML, 딥러닝이 메인 : 엔지니어 위주 팀 구성
그 외는 기존 알고리즘 + 머신러닝은 보완 정도 - 개발자들이 많고 실험삼아 ML 적용


업무 방식

대기업 : 
모델링 팀과 서비스 개발 팀이 구분. 
모델팀은 모델 학습, 최적화, 논문
서비스팀은 개발 및 서빙 -> 모델링 + 백엔드 

+ : 자기 분야를 깊이 들어감, 안정적이고 대규모인 서비스 경험 가능 
- : 시야 좁아짐, 제한된 기술스택 

스타트업 : 
회사마다 너무 다름
혼자 모델링, 서비스, 서빙 다 해야할지도 

이상과 실제 (딥러닝 공통)

데이터가 다 있고, 팀이 있어서 가져다 쓸 수 있음 
새로운 모델을 자유롭게 연구
서비스에 적용, 논문 발표 

실제: 
대부분의 업무는 데이터 전처리, 법적이슈 많음 
신규 모델은 서비스 스펙에 안 맞는 경우 많음 

취준
학위는 중요X
자연어 연구로만 롱런하려면 박사 필요
박사 안 하면 결국 개발자로 수렴
대학원 : 박사 안할거면 비추천 : 석사 2년 동안 배우는 것과 실무에서 배우는 것 큰 차이 X

자연어처리로만은 취업 어려움 : 수요도 적고, 박사도 이미 많음.
페북,구글 정도 되어야 충분히 큰 규모의 수요 있음

연구분야 쪽 채용 : 3,4년 전까지 많았음, 이제는 연구한 걸로 어떤 서비스 적용할지에 대한 수요. 
연구는 Open AI 가 진행 

모델링 vs엔지니어링 중 결정해야함. 
개인적으로 엔지니어링 추천
모델링 : T브레인, 클로바, 다 없어짐

면접 시:
데이터가 가장 중요함. 
연구, 새로운 모델, 논문 보다는 데이터 삽질 경험에 대한 선호 높음. 

ex) 좋은 모델을 만들기 위해서는 좋은 데이터가 필요. 
데이터 라벨링 직접 해보고 모델 돌려보기

AI 뽕 빨리 없애고, 결국 엔지니어도 개발자다. 



데이터 분석가  : 개발자 보다는 사업 쪽 영역. 재플린(?) 을 이용한 사업확장 분석 

<그룹스터디>

아주 디테일한 분야 3d모델 같은 게 아니라면, 다 비슷함. 
굳이 분야를 고를 필요 없음 

 

 

 

 

<그룹 면담>
논문 쓰는 법
논문 전체에서 한 가지 component 만에 대해 변화를 줘야함.
module 추가의 성능을 보여주기 위해서는 다른 환경을 최대한 통일해서 보여줘야 함. 

이것 저것 다 합쳐서 성능이 좋아지는 건 의미가 없음 
: 성능을 높이는 게 논문의 목표가 아닌 개발의 목표임. 연구의 목표는 내가 만든 그 하나가 효과 있는지를 증명하는 것뿐. 

석사 할 때 논문 코스가 아닌 coursework를 들음 -> 추후 박사 지원 시 논문이 없어 약점이였던 것 같음 ㅠ 


미국 : 한국처럼 빡빡하고 교수의 funding 재량이 큼 -> 그래서 스웨덴 희망했음

카이스트: 박사 입학시 논문 40% 정도? 
미국: 7,80% 정도 

있으면 huge plus, 없으면 방향이 뚜렷하게 있어야 함 + 논문 대신 내 능력을 증명할 수 있는 방법
ex) 학교, 높은 학점, 창업, 좋은 회사 경력 등

석사 입학생 : 학부연구생으로 있으면서 연구를 할 수 있는 능력을 갖춘 경우들 .