Personal Thinking
- 대다수 사람들은 보이기때문에 믿습니다. 그러나 알리바바 직원이 오늘에 이른 것은 믿기 때문에 보게된 이유입니다 (마윈) 딥러닝도 믿기 때문에 볼수 있다.
- SI 회사들의 역활 - 모기업의 플랫폼의 주도권은 가지고 있는 상태 결국은 모기업의 플랫폼인데 코어기술은 자력으로 가야함 (예를들어 AI와 같은 기술들이 외부 업체 솔루션 도입된다면 껍데기만 남는 Operator 역활만 남을수도 : 간단히 말하면 유명 BJ들이 플랫폼을 갈아타면 유명 BJ보러 다른 플랫폼 간다는 의미 - 주도권의 상실)
- 개인의 전문성 보다는 빠르게 변화하는 기술을 흡수하는 능력이 더 중요(구글도)
- 실제로 개발자들은 잡담을 하게 두어도 기술 얘기하기 때문에 결국 회사에 도움이 된다 잡담이 경쟁력이다
- 쉽게 설명할 수 없다면, 이해한 것이 아니다. 제대로 이해했다면, 쉽게 설명할 수 있어야 한다.
- 딥러닝 알고리즘 개발은 회사 소속이 아니라 학교 소속이라도 경쟁하기기 힘들정도로 전세계 천재들이 달려들고 있음, SOTA가 1년에도 3-4번씩 바뀔정도로 현재 상황은 격동의 흐름. 따라서 순수 학문으로서 딥러닝을 접근하기 보다, 현재 트렌드를 꾸준히 읽고 자기 도메인에 신속하고 효율적으로 적용하는 방향으로 잡으면 크게 틀리지 않을듯. 다만 트렌드를 읽는것 자체가 많은 역량을 필요로 함, 딥러닝에 적용하기 위한 자신의 도메인에서의 학습 데이터 수집은 개인이 취미로 하기엔 쉽지 않은 도전. 그렇다고 오픈소스에 MNIST같은 거로 예제돌려보는 것은 왠만하면 다 하기에 Tipping할 수 있는 경쟁력을 찾아야함
- 머신러닝도 DB나 Java와 같은 도구로 어플리케이션을 만드는 새로운 하나의 도구가 될 것이다. 코딩을 직접해서 컴퓨터에게 연산(일)하는 방법을 가르쳐 주는 것이 아닌 학습하는 방법을 알려주고 Data Driven을 토데로 스스로 학습을 하여
- 엔지니어라면 “보여주어라 말하지 말고”
- 큰 회사의 경우 정말로 임팩트 있고 성장할 수 있는 일을 할 수 있는 기회는 희귀하기 때문에 그런 팀/프로젝트에 안착하는데 시간이 걸릴 수 있지만 안착하게 된다면 혼신을 다해 지속적인 성공사례를 보여주어야한다
- 기술이 너무 빨리 변하고 새로운것들이 나오기 때문에 메타지식이 중요 즉 얼마나 빨리 흡수하느냐 - polyglot프로그래밍도 그 일종
- [어떤 성과]를 만들어 내는 것이 [오랜 관계]를 유지했던 것보다 더 비중이 큼. (결론은 코드보다 성과)
- 딥러닝이 좋긴하지만 서비스 측면에서는 정확도보단 속도가 중요한부분이 있어 성능이 약간 떨어져도 머신러닝 기반으로 제공하는게 더 효율적 (XgBoost-CPU)
- AI 발견의 시대가 주로 딥러닝(Deep Learning) 기술의 학술적 성과에 기반을 두고 있는 반면, 실행의 시대는 다양한 분야에 딥러닝 기술의 실질적인 응용을 통해 산업과 사회를 변화시키는 시대를 의미한다. 딥러닝을 비롯한 AI 주요 이론들이 정립되고 프로그램으로 만들어진 이후, AI는 이제 도구(Tool)로서의 성격이 강해지게 되었다. (AI슈퍼파워)
- 인공지능은 승자 독식이다 가장 뛰어난 알고리즘 하나가 세상을 지배 하자만 아직까지 약 인공지능이 적용되고 있는 상황 따라서 도메인 지식을 바탕으로 특정 분야에 맞는 부분을 집중하면 그 분야에서는 승산이 있음. (AI슈퍼파워)
- Deep Learning 으로 대표되는 Neural Net 을 이용한 Machine Learning 모델 개발은, 이제 웹이나 모바일 앱 개발의 초창기와 같은 수준이 되었다. 조만간 제너럴하게 사용되는 핵심적인 단위 기술들은 널리 사용하는 컴포넌트들로 일반화 될 것이고, 특별한 Degree 없이도 누구나 ML 개발자가 될 수 있을 것이며, 이에 따라 곧 S/W 개발의 일반적인 한 직군이 될 것이다.따라서 이제 금방 AI 라는 주제는 너무나 평범한 주제가 될 것이며, 당연하지만, AI/ML 기술 자체 보다는 무엇을 만들고 어디에 적용할 것이냐가 점점 더 중요해 질 것 이다.(골빈해커)
- AI 서비스를 개발하는데 무엇보다 실세계의 데이터의 확보가 중요하고 큰 도움이 될것
- 직접짜지않고 기계에게 아웃소싱을 줌 ㅡ 머신러닝
- 세상은 발견의시대→실행의시대 / 전문지식의 시대 → 데이터의 시대
- 시행착오를 통한 축적의시간-오랜 기간의 시행착오를 전제로 도전과 실패를 거듭하면서 축적하지 않고서는 얻을 수 없는 창조적 역량이다. 이에 ‘축적’이라는 키워드를 가장 중요한 개념으로 제시하고, 이러한 공통 키워드 추출의 결과를 중심으로 우리 사회 전체가 얻을 수 있는 유용한 통찰을 정리하였다
- 전문성으로 숨어 게으름을 피움(로또지수, 버스지수 팀원떠날때 팀의 영향도 측정)
Entrepreneurial Spirit (entrepreneurship)
- That’s where the entrepreneurialism is happening.