딥러닝의 정석부터 명확한 결과물 구현을 목표하기까지_Solaris 강사님 인터뷰 봐봐요

>

안녕하세요. 패스트 캠퍼스에서 '딥러닝-영상인식CAMP'와 '인식모델실장프로젝트CAMP' 강의를 진행하고 있는 Solaris입니다. 저는 대학원에서 딥러닝과 컴퓨터 비전을 전공했고, 딥러닝과 Tensor Flow 분야의 입문서인 텐서플로에서 배우는 딥러닝을 집필했습니다.​ 2014년도 국내에서는 디플러 말리닌이 매우 최근처럼 크게 이슈화되지 않았을 때 해외텍 커뮤니티에서는 이미 디플러 닌에 대한 막대한 열풍이 쵸쯔오 나쁘지 않다고 있었습니다. 제가 딥러닝에 관심을 가지기 시작한 것도 해외 커뮤니티 글을 읽고 나서입니다. 궁금한 부분을 해결하기 위해 관련 자료를 찾아보면서 공부하고 있지만, 딥러닝이 가진 무궁무진한 발전 가능성을 확신하고 본격적으로 연구에 임하게 되었습니다.​

​ 불확실성을 갖고 디플러 닌, 그 안에 숨은 매력 ​ 디플러 닌과 컴퓨터 비전 관련 1을 할 때 가장 어려운 점은 '불확실성'이다. 확실하게 설계된 로직과 알고리즘을 바탕으로 구현을 완료하면 노로 동작하는 기존의 프로그래밍 방법론과 달리 딥러닝 방법론은 데이터를 바탕으로 수많은 검토와 시행 착오로 정답을 찾아야 한다. 많은 검토를 해보기 전까지는 제가 만든 모델이 기대한 대로 작동할지 확신할 수 없습니다. 그러나 이러한 불확실성에도 불구하고 딥러닝이 매력적인 이유는 수많은 시행착오 끝에 과오는 성공적인 결과가 가져다 줄 희열과 무한무진한 발전기회에 있다고 본다. 현재도 딥러닝과 AI의 발전이 빠르게 진행되고 있지만 앞으로도 더 큰 혁신이 기대되는 분야이기 때문이다.최근 영상인식 분야에서 가장 주목할 만한 화두는 자율주행과 의료영상진단입니다. 딥러닝 기술 자체에 대한 관심과 리서치는 계속되었음에도 불구하고, 이러한 기술들이 실생활에 영향을 미치는 데는 어느 정도 제한이 있었지만, 최근 자율주행과 의료영상진단을 위한 영상인식기술이 개발되면서 딥러닝 기술이 사람들의 실제 생활 패턴을 바꿔놓고 과인이 될 수 있다는 생각이 들었습니다.​ ​ ​ 논문 이이에키그와 실제로 장착된 코드를 이해하기 위한 두개의 역량 ​ 많은 분들이 영상 인식 분야를 공부하면서 논문 이이에키그와 실제로 장착된 코드 사이의 불 1치로 어려움을 경험합니다. 이 문제를 해결하기 위해서는 가장 빨리 논문 이 이야기를 이해하기 위한 "딥러닝 구조에 관한 이론적인 지식"이 갖춰지고, 실제로 구현된 코드를 이해하는 데 필요한 "Tensor Flow 라이브러리 API를 이해하고, 그것을 코드로 작성할 수 있는 프로그래밍 능력"을 길러야 한다. 이 2가지 능력을 가지고 있으면 좋지만 실은 2가지 능력에서 상대적으로 약한 쪽이 많습니다. 저도 새 논문에 처음 마주치면 이해하기 어려운 점이 많아요. 논문이 공개될 때 논문의 저자가 함께 공개하는 논문 이 이야기를 정리한 슬라이드를 가장 빨리 읽으면 이 이야기를 이해하기가 더 쉽다. 논문과 조사는 결국 어떤 맥락에서 등장하는 것이기 때문에 해당 논문의 기반이 된 선행 논문을 참고하는 것도 큰 도움이 됩니다. 역시한 유명한 논문 1경우에는 다양한 조사자들이 TensorFlow, PyTorch, Keras등 다양한 라이브러리를 통해서 논문을 구현하고 GitHub에 공개하는 경우가 많아 해당 코드 구현을 병렬적으로 검토하고 보는 것도 발보프카할 수 있습니다.8기인 딥러닝의 정석, [딥러닝 영상인식 CAMP] [딥러닝 영상인식 CAMP]는 딥러닝과 컴퓨터 비전 분야의 입문서와 같은 과정이다. 강의 초반에는 딥러닝의 기본 구조인 ANN, Auto Encoder, CNN, RNN이 무엇이고 어떤 목적으로 등장하며 어떻게 사용하는지 알려드립니다. 강의 후반부에서는 이러한 기본 구조를 이용하여 실제 문제를 해결한 논문과 코드를 설명하고 문제 해결을 위한 방법론과 Tensor Flow 라이브러리의 기초부터 고급까지 단계별로 하나하나 설명합니다.제가 이미 8기 딥러닝 영상인식 CAMP를 진행하고 있습니다만, 많은 수강생 분들이 이론을 이해하는 것보다 실제로 구현된 코드를 이해하는 것이 더 어려워지고 있음을 느낍니다. 프로그래밍 능력은 지식을 쌓는 것보다 직접 구현해 보면서 배워야 할 기술인 것 같은데요. 수강생들에게도 이 점을 강조하고 싶어서 매주 프로그래밍 과제를 드리고 있습니다. 매주 과제를 통해 스스로 생각해 볼 때 가끔 모르는 부분은 질문을 통해 해결하고 과과가 된다면 분명 프로그래밍 능력을 향상시키는데 도움이 될 것이다. [인식모델 실장 프로젝트 CAMP], 명확한 결과물 실장을 목표로 [딥러닝 영상인식 CAMP]가 입문 과정이면 [인식모델 실장 프로젝트 CAMP]는 보다 실무와 실습에 초점을 맞춘 과정이다. 기본적으로 CNN, RNN, LSTM 등 딥러닝의 개념과 학습모델의 가설검정, 손실함수의 정의, 최적화 등 머신러닝의 개념을 이미 알고 있다는 전제로 강의가 진행되며 Tensor Flow로 과인만의 모델을 만든 경험이 필요하다.이러한 선수들의 지식을 바탕으로 수강생과 내가 허그인의 TF팀이 되어 Object Tracking과 OCR을 주제로 하는 프로젝트를 진행한다. 프로젝트를 통해 공개된 샘플 데이터와 API를 흉내 내는 것 외에도 딥러닝을 실무에 적용하기 위한 '데이터 수집-딥러닝 모델 구현-딥러닝 모델 배포'의 전 과정을 자연스럽게 체득할 수 있습니다. 명확한 결과물 실현을 지향하는 프로세스이므로 공개된 샘플 데이터와 API를 흉내 내는 수준을 넘어 실제 데이터를 정제하여 데이터에 적합한 모델을 만드는 역량을 키울 수 있습니다.영상인식과 딥러닝 분야의 때때로 확장할 수 있는 과정 딥러닝과 영상인식 분야는 공부해야 하는 이 이야기도 정예기 많고, 기존 프로그래밍 방법론과 다른 부분도 많아서 공부를 시작하기가 어렵다. 영상인식을하나하나공부하는입장에서는해당분야에대한전체적인조감도가없으면어디서부터무엇을공부해야할지막막할수도있습니다.하지만 꾸준히 공부하다 보면 분명 큰 즐거움과 보람을 느낄 수 있는 분야이기 때문에 '딥러닝 영상인식 CAMP'와 '인식모델 구현 프로젝트 CAMP'를 단계별로 학습하고 영상인식과 딥러닝 분야의 도서를 확장시켜 과도화하는 것을 추천합니다. 2개 과정을 통과 하고 다양한 조사를 접하고 TensorFlow라이브러리를 이용한 프로그래밍에 익숙해지면 학습한 이 이야기에 근거하여 나의 실무 상황에 맞게 자율적이고 능동적으로 활용할 수 있을까요.​

영상인식과 딥러닝 분야의 시점을 확장하는 두 과정의 자세한 정보를 알고 싶다면?

>

​​

>

​