본문으로 건너뛰기

인공지능과 데이터

머신러닝과 데이터 사이언스​

[박정현의 데이터사이언스 시작하기] ⓛ데이터사이언스, 머신러닝 그리고 인공지능

기계 학습과 데이터 과학: 주요 차이점

데이터 과학 대 인공 지능- 분야 간의 차이점 - AWS

머신러닝이란?​

프로세스​

  • 문제정의 - 문제를 명확히 정의해야한다
  • 데이터 수집 - 어떤 데이터를 모을지 명확히 하고 개발한다.
  • 모델훈련 - 모델의 타입과 훈련 그리고 데이터의 전처리
  • 평가 - 모델에 대한 평가뿐만 아니라 비지니스 측면에서, 연구 측면에서의 전체적 평가
    • 분석 - 평가를 만족하지 못했을 경우
    • 배포 - 평가를 만족한 경우

데이터 직군별 역량​

  • 이들은 서로 함께가기에 커뮤니티 기술이 가장중요
    • 특히, 사람 이외에 인공지능과의 커뮤니티 기술도 중요

비즈니스 분석가​

  • 데이터 분석 도구
    • Tablo, Pandas
  • 통계적인 부분

데이터 엔지니어​

  • 대용량 데이터를 다뤄야함
  • 파이프 라인 구축
    • Airflow

데이터 과학자 / AI/ML 연구원​

  • 논문 읽고, 구현능력
  • 딥러닝 프레임워크
    • 파이토치
    • 텐서플로우
  • 머신러닝 프레임워크
  • LLM 관심 있으면
    • Hugging face
    • Langchain

AI/ML 엔지니어​

  • 실제 개발 할 수 있는 능력
    • Testcase 작성
    • Architecture

효과적 학습 방법​

  • 살펴보기 with GPT

AI Roadmap

  • 공식문서 읽기 with GPT

GPT 사용법​

프롬프트 엔지니어링 미래?​

  • 단순히 질문 주고 받고 하는게 아니라
  • 그것을 자동화 할 수 있는 프로그래밍을 만드는것