문서의 임의 삭제는 제재 대상으로, 문서를 삭제하려면 삭제 토론을 진행해야 합니다. 문서 보기문서 삭제토론 기계학습 (문단 편집) == 대학, 취업, 창업에서의 기계학습 == 회귀, 식별, 군집화, 확률 분포 추정, 마르코프 연쇄, 마르코프 무작위장, 은닉 마르코프 모델 등은 일단 [[통계학]]에서도 취급하기는 하지만, 반지도 학습, [[강화학습]][* 인공지능 학과라면 배울 수도 있다. 책과 강의도 많이 나왔고. 물론 대학원과 비교하긴 어렵지만.] 등에 대해 자세히 알고 싶으면 [[컴퓨터과학]] 대학원에 진학을 하여 공부해야 했었다. 하지만 현재는 기계학습에 대한 자료가 많이 공유되고 있어 학습능력만 된다면 대학원에 가지않아도 공부가 가능하다. 미국 등지의 대학원에서는 이미 기계학습(machine learning)이라는 단어가 일종의 유행어(buzz word)로서 아무 데나 쓰는 말이 되었다는 자조적인 이야기를 하는 사람들이 늘고 있다. [[Python]] 언어에 Pandas, scikit-learn, [[텐서플로]] 같은 라이브러리가 있으면 중학생도 기계학습에 관련한 결과물을 활용할 수 있게 되었다. 문제는 이것만으로는 데이터 과학자 일을 하기에는 부족한데도 불구하고, 이들이 "데이터 과학자"를 자칭하면서 서류를 내거나 면접을 보러 와서 인사 담당자의 시간을 낭비하게 한다는 점이다. 그래서 한 데이터 과학자는 면접에서 사이킷런과 텐서플로 인강을 따라했다면서 기계학습을 할 줄 안다고 말하는 학부생들에게 "네, 제 16살짜리 딸도 파이썬을 쓸 줄 알지요."라고 냉소했을 정도. 한 기업의 데이터 과학자 채용 요건은 다음과 같다. 'NIPS, ICML, ICLR, CVPR, EMNLP 등 국제학회에 논문 게재 경험 우대'. 국제 최상위 학회에 [[논문/쓰는 법|논문을 쓰는 법]]은 순식간에 되는 것이 아니라 대학에서 학부, 대학원 과정을 거치면서 서서히 길러진다. 이런 데이터 과학자 채용이 아니라 SW엔지니어 채용이라 할지라도 라이브러리를 이용한 개발 경험만 가지고는 경쟁력을 가진다고 볼 수 없다. 어지간한 개발자들의 이력서에 이 정도의 경력은 흔하기 때문이다. 하지만 회사에서는 아무리 연구성의 프로젝트라도 실제 제품에 적용하는 과정이 필요하기 때문에, 이 부분에서는 위에서 말한 데이터 과학자들이 프론트엔드 개발을 공부해서 현장에 뛰어들던, 엔지니어들이 머신러닝 모델에 필요한 데이터를 가공하거나 추론 결과를 활용하는 등 누군가는 매개를 해 주어야 한다. 그래서 유행을 쫓는 건 패션 그 이상도 그 이하도 아니지만, 이에 뒤쳐질 정도로 지식이 없는 것은 반대로 경쟁력이 있다고 불 수 없다. 그리고 애초에 박사학위를 받거나 중요한 논문을 쓴 인공지능 대가들부터 대중들이나 엔지니어들을 위한 강의를 여는 등 이 분야에 대한 진입장벽을 낮추려고 노력을 하고 있기 때문에 고등 과정 수학에 대한 이해가 괜찮은 수준이라면 대학원에 가지 않더라도 위의 직무에 맞추어서는 충분히 공부가 가능하니 겁먹지 말자. 반대로 기계학습이 아닌 일반적인 SW개발도 [[이산수학]], [[추상대수학]], [[수리논리학]], [[수치해석]], [[언어학]] 등 수학적으로 심오한 지식을 활용해야 하는 부분이 있기 때문에 머신러닝이라고 특별히 더 심오한 수학이나 통계학을 써먹지 못하면 오지말라는 [[썩은물]]들의 논리에 휘둘리지 말자. 2016년 [[미래창조과학부]]에서 미래 성장동력으로 선정되면서 앞으로 중요도와 대학 내 입지가 커지고 있다.[[http://www.zdnet.co.kr/news/news_view.asp?artice_id=20160118092727&type=det&re=|기사 링크]] 특히 본인이 창업을 생각하고 있다면 반드시 기본 수준은 공부해 보자. 기본적인 데이터 분석 능력이 있고 대표적인 머신러닝, 딥러닝 알고리즘을 다룰 수 있는 데다가 만약 [[파이썬]]을 통한 간단한 C/S 개발이 가능한 수준만 되더라도 굉장히 큰 시너지 효과를 낼 수 있다. 이에 대한 자세한 내용은 현역 전문가인 서대호 씨가 쓴 책을 참고해 보길 바란다. 하지만 여기서도 주의해야 할 점은 현재 수준에서는 인공지능 자체가 알아서 작동해서 자기 자신을 어떻게 적용하면 될지 문제를 풀어 주는 수준 [* [[아이언맨]] 영화에 나온 [[J.A.R.V.I.S.]] 수준을 생각하면 된다] 이 아니고, 특정한 문제를 풀기 위해 [[머신러닝]]이라는 고급 지식을 적용하는 것에 가깝다. 그리고 그 중에서도 쓸만하거나 큰 돈이 되는 문제를 풀어내는 대단한 성과는 실질적으로 학계나 업계를 선도하는 수준의 [[천재]]수준만이 가능하고 그렇지 않은 사람들은 따라가기에도 바쁘다고 볼 수 있다. [[엘키소프트]] 혹은 [[테라노스]] 같은 회사들이 망한 이유는, 단순히 한탕 사기를 치고 나오겠다는 CEO나 임원들의 악의 보다도, 애초에 저걸 만드는 사람들의 능력을 벗어난 기술을 만들려고 시도했거나, 혹은 아예 인류가 만들 수 있는 기술의 범주를 벗어난 시도를 했기 때문이라고도 볼 수 있다. 그래서 인공지능 관련 기술 창업을 생각하고 있는데 여러분이 대단한 전문가이나 천재처럼 보이는 사람들을 알고 있거나 이런 사람들을 끌어다 쓸 수준의 능력이 안되고 고만고만한 동네 친구들만 알고 있다면 괜히 기술 사기가 될 수 있으니 말리고 싶다.저장 버튼을 클릭하면 당신이 기여한 내용을 CC-BY-NC-SA 2.0 KR으로 배포하고,기여한 문서에 대한 하이퍼링크나 URL을 이용하여 저작자 표시를 하는 것으로 충분하다는 데 동의하는 것입니다.이 동의는 철회할 수 없습니다.캡챠저장미리보기