티스토리 뷰


대게 스타트업들은 모든 분야에서 뛰어난 역량을 갖추고있다고 판단하기 보다는

특정 분야에 강점을 갖고 있다고 판단하는것이 옳다.

어떤회사는
1. 구성원이 졸라천재다 일수도 있고.
2. 갖고있는 알고리즘이 뛰어나다 일수도 있고.
3. 해당분야 경험이 많다 일수도 있다.

여튼 각 회사들이 그마다의 강점을 가지고 사업계획서 내지 어떤 제안서 등을 제출하는데
- 소개페이지 혹은 대표웹 (PR) 등에 보여지기도 하지.

AI관련된 업체의경우 이 회사가 가진 역량을 판단하기가 사실상 쉽지 않았고,
우리가 해결하려는 문제 관련된 경험이 있는지 여부가 가장 중요한 Factor로 작용해 해당분야 레퍼런스를 가진 업체들이
좋은 평가를 많이 받는 특징이 있었다.


-------

새로 검토하는 AI업체를 보는데 이 업체가 괜찮은 회사인지 알기위해 고민하던중
AI Scientist / Data Scientist를 채용하는 기준과 비슷하게 가면 되지 않을까 하는 생각이 문득 들었다.

그래서 글을좀 찾아봤더니

https://blog.pabii.co.kr/5-skillsets-for-data-scientists/



위 글을 찾았고, 아래와 같은 결론을 얻었다.


0. 딥러닝은 만능이 아니다.
-> 딥러닝 학습은 새로운것을 뚝딱 만들어내는게 아니라, 여러 적층 레이어들이 Decision Tree처럼 쌓이게되고 이는 기존 모델들의 장점만 흡수하는게 아니라 단첨까지도 모두 흡수한다.
1. 테크닉보다는 해당 DS엔지니어의 이론적 토대가 중요하다.
-> 누구에게나 널려있는 데이터를 학습하고 만들어봤다 는 별로 의미가 없다.
-> 주어진 문제를 기존과는 다른 시선 혹은 알고리즘으로 적용해본 레퍼런스가 있는것, 그리고 그 결과가 매력적인 사람이 능력자다.
2. 처한 문제를 예리하게 볼 수 있는 통찰력.
-> 세상 다양한 문제들이 있을텐데 이를 예리하게 분석하는 분석력과, 이 문제에 적용해볼수 있는 수리통계학적 이론 배경지식이 있어야 그걸 적용해볼 수 있다.


자 좋은 엔지니어를 뽑을때 기준이 저거라면, 우리는 좋은 업체를 뽑을때 어떤 기준을 들이밀어야 될까.


여튼 뭐가됐든 레퍼런스를 보는건 당연한거다.
해당 사례를 보고. 어떤 문제를 보고 기존에는 어떤 방식으로 해결했었는데, 이를 어떻게 분석해서 이렇게 모델을 만들었고
어떻게 적용을 했다.


오케이
우리 문제에 대해 얼마나 자세하게 이해하고있는지에 대한 질문이 일단 선행.
얼마나 다양한 이론을 적용해볼 수 있는지, 그리고 지금 주어진 문제는 어떤 수리통계학적 적용을 해볼 수 있을지 생각한게 있다면 공유.
해당 문제를 적용했던 모델이 있는가. 그리고그 퍼포먼스는. 과적합문제를 어떻게 해결할지 (Overfitting)


1. 님들 우리 문제 제대로 이해한거 맞으셈?
2. 비슷한 모델링 했던 경험 있으셈? 있다면 어떤 수리통계학적 이론을 사용했는지 설명좀.
3. 우리 문제는 어떤 이론을 적용해볼 생각이셈? 몇가지나 적용해볼거임?
4. 예측치가 실제와 다른경우(과적합 등) 대응플랜 및 성과측정은 어떻게할지?



결국엔 비슷한과제를 잘했던 경험이 있는게 와따인거같긴함.

댓글
공지사항
최근에 올라온 글
최근에 달린 댓글
Total
Today
Yesterday
«   2024/03   »
1 2
3 4 5 6 7 8 9
10 11 12 13 14 15 16
17 18 19 20 21 22 23
24 25 26 27 28 29 30
31
글 보관함