정말 좋은 내용이 많이 담긴 영상이네요. 특히 영상에서 말씀해주신 Google Colab은 무료로 GPU를 제공해주기 때문에 특히나 GPU 장비가 없는 학생 분들이 인공지능을 공부하기에 큰 도움이 되는 것 같아요. 저도 대학생 때 GPU가 없어서... 구글 계정 여러 개 만들고 브라우저 여러 개 띄워서, 어떻게든 Google Colab으로 며칠 걸려 모델을 학습했던 기억이 나네요. 유익한 콘텐츠에 감탄하고 갑니다 ㅎ-ㅎ
뉴스에서 그랜드 마스터가 나왔다는 이야기만 듣고 대단하다고 생각했는데 이렇게 직접 이유한님의 이야기를 들을 수 있어서 정말 좋았습니다. 저도 문과 출신으로 40넘어서 고등학교 이과 수학책보고, MIT대학 유튜브 선형대수 강의 듣고, 이런 저런 책보고 4~5년 시간 소요 했고, 캐클에서 타이타닉 튜토리얼 몇달전에 해봤습니다. 그리고 드디어 한 달전부터 우리 회사 데이터를 가지고 Target을 맞추는 머신러닝을 어제 커피샵에서 처음으로 돌려봤습니다. 처음에는 AUC가 65% 나왔는데, 중간에 파라미터 바꿀때마다 0.5% 정도 개선하는데 미약한 개선이지만, 시간가는 줄 모르겠더군요.. 최종적으로는 베이지안으로 69.7% 정도 올리니 정말 뿌듯하더군요.. 내일 출근해서 이거 보고 드리고, 업무에도 도입해야 한다고 보고서 올릴 겁니다. 지금까지 수작업 Target ting 보단 훨씬 품질이 좋기 때문입니다. 두서 없이 적었는데, 이렇게 고수의 말씀을 들으니 정말 좋네요.. 계속 좋은 고수님 말씀 많이 듣길 바랍니다.. 감사합니다.
@@veriteauclairdelune6746 부끄럽지만 튜토리얼하던 코드 가져와 써서, 세부적인 내용은 잘모르겠습니다 ㅎㅎ 다만 AUC 결과는 이렇게 나왔어요 Gaussian Naive Bayes 0.697045 AdaBoost 0.686945 Gradient Boosting 0.681503 XGBoost 0.673890 Logistic Regression 0.643803 Random Forest 0.536378 Bagging Classifier 0.527751 Extra Trees 0.517392 K Nearest Neighbour 0.511940 SVC 0.505268 베이지안 사용한 알고리즘도 노느가 있나요? XGBoost에서는 봤었는데, 혹시 거기서 노드의 갯수가 무슨 의미가 있나요? 어떻게 보면 되나요? 여기서 좀 더 개선해서 70% 넘기고 싶습니다ㅎㅎㅎ
@@YouHanLee 헉! 영상의 주인공께서 이렇게 답글을 해 주시니 감사합니다. 옮은 말씀입니다. 이 모델이 우리회사 내에서 실전에 투입될려면 아직 많은 난관이 기다리고 있지만, 성과만 나온다면 저같이 인공지능 도입 해야 한다고 하는 직원에 대한 시선이 좀 바뀌지 않을까 희망하고 있습니다. 솔직히 우리 회사는 인공지능을 쓸 분야가 많습니다. 하지만 코딩하고 수학 얘기가 좀 나오면 대화가 단절 되더군요. 같은 사무실 직원도 제가 뭐하는지 몰라 말할 상대도 없고 섬에 있는 기분이었는데, 여기서 여러 분들의 격려가 있으니 갈증이 조금 풀리는 기분입니다~ 유한님도 새로운 회사에서 잘 되시길 빕니다^^
이번 영상은 인공지능 분야 전세계 0.1%, 대한민국에 단 4명 뿐인 캐글 그랜드 마스터 이유한님과의 인터뷰 영상입니다. 데이터사이언스, 머신러닝, 인공지능, 캐글 등에 관심 있으신 분들에게는 유익한 시간이 될 수 있을 것 같습니다. 관련 진로나 공부방법 등 궁금하신 사항이나 고민이 있으시다면 댓글 남겨주시면 이유한님이 직접 답글 달아주시니 궁금하신 사항들 많이 달아주세요! 이유한님 유튜브 : ru-vid.com/show-UC--LgKcZVgffjsxudoXg5pQ 캐글 코리아 : m.facebook.com/groups/KaggleKoreaOpenGroup/ 목차 00:00 인트로 00:33 이유한님 자기소개 및 하는 일 01:40 인공지능 및 데이터사이언스의 분야 03:34 인공지능 리서치 사이언티스트의 라이프 스타일 04:28 인공지능 학습 소요 시간 04:57 데이터 사이언스 업계 수요 05:14 인공지능 쪽은 반드시 석사 박사 이상 해야하는지? 06:23 비전공자가 데이터사이언스쪽으로 전환하려면? 08:54 수학, 코딩 중 어떤게 더 중요한지? 10:31 그 외에 필요한 역량 10:49 데이터사이언스 준비를 위해 추천하는 책과 공부 노하우 12:59 머신러닝과 딥러닝의 차이 14:30 캐글 소개 15:33 캐글 그랜드 마스터가 되는 방법 17:03 기억에 남는 캐글 문제 18:57 캐글로 코로나 백신 제작에 기여한 이야기 22:09 캐글 상금은 얼마인지? 23:08 캐글 우승자의 연봉은? 23:26 캐글 입문 꿀팁 24:26 캐글 입문부터 수상까지 24:36 캐글 코리아 소개 26:00 캐글 코리아 가입 방법 26:25 고사양 컴퓨터가 필요한지? 27:28 고사양 컴퓨터가 필요 없는 꿀팁 28:09 코랩으로 세계 1등한 이야기 29:20 인공지능 지식 공유 30:49 그랜드 마스터가 바라보는 인공지능의 미래 31:30 인공지능 분야로 준비하시는 분들에게 조언 32:37 질문 남겨주세요 32:50 아웃트로
정말 감사합니다. 저도 이쪽 분야를 진로로 잡고 싶어 열심히 공부하고 싶었지만 방향을 어디로 잡고 어떻게 공부를 해야할지 모르고 이리 저리 유튜브 영상과 블로그들을 보면 차원이 다른 넘사벽이 느껴져서 막막해 하고 있었습니다. 이렇게 좋은 영상 덕분에 열심히 도전해 보겠습니다. 포기하지 말고 모든것을 걸어서 노력해보라는 조언을 깊게 새기겠습니다. 감사합니다!
어려운 코딩 없이도 쉽게 데이터 분석을 하고 싶은 분들께 소개해드립니다. 쉽고 빠르게 데이터를 분석할 수 있는 노코드 AI 오픈소스 Brightics Studio를 체험해 보세요! Brightics Studio 포털 : www.brightics.ai/ - 다운로드(무료) : www.brightics.ai/download - 튜토리얼 : www.brightics.ai/kr/docs/ai/manual/tutorial/b19f13b94cc87c33.html Brightics TV : ru-vid.com - B.Studio 사용법 보러가기 : ru-vid.com - 대학생 서포터즈 영상 보러가기 : ru-vid.com/video/%D0%B2%D0%B8%D0%B4%D0%B5%D0%BE-SRII4fHDvTU.html
너무 방대한 공부 범위와 양에 압도돼서 낙심하시는 분들 계시면 처음부터 코딩, 수학통계 그리고 머신러닝을 다 잘하는건 원래 불가능한 것이니 실망하지 말라고 말씀드리고 싶습니다. 저는 학부때 응용수학 석사를 좋은 프로그램에서 데이터사이언스/통계 공부를 했음에도 데이터사이언스나 머신러닝 엔지니어 면접 보러 다닐때 커버할 부분이 너무 많아서 힘들었어요 ㅠㅠ 코딩이 할만해지면 확통에서 깨지고 확통이 좀 준비되면 딥러닝 깊게 물어봐서 깨지고 딥러닝 공부해가면 시스템 디자인 물어보고 ㅋㅋㅋ 하나도 잘하기 힘든데 세가지 다 잘하는건 나름 "전공자"라고 불릴만한 사람한테도 거의 불가능이에요
안그래도 이제 막 빅데이터 관련해서 공부해보려고 발들인 비전공자인데 정말 세세하게 일단 처음 해야할 일과 기간을 딱 잡아주시고, 포기하지 마라고 해주신 말씀이 너무 와닿았습니다. 지금 하고 있는 일이 너무 적성에 안맞아 이 일을 하고는 도저히 제 삶에 목표도 없고 비전도 없어서 우울감에 빠지고 있었는데, 이번에 이유한님 인터뷰 보고 좀 더 명확히 제가 코딩공부를 결심하게 된 계기가 데이터사이언스쪽이구나 하고 인지하게 되었습니다. 앞으로 반년! 열심히 해서 어떤 결과가 나오던 포기하지 않고 최선을 다해보려구요! 좋은 질문들로 인터뷰 진행해주신 조코딩님도 너무 감사합니다🙏🏻
저만의 기대일까요.. 앞으로는 전문가의 지식이 이미 코딩되어 있는 인공지능 소스를 대중들이 각자의 목적에 맞게 기획하여 툴이나 아이템을 만들어보게 되지 않을까 라는 상상을 해봅니다. 예를 들면 음악과 관련 없는 분야의 일반인이 새로운 장르의 팝송을 작곡하기 위해 뛰어난 작곡가의 노하우가 담긴 AI소스를 가져와서 자동 작곡하는 툴이나 아이템을 만들고 보유할 수도 있겠죠. 어쨌든 알파고가 이전에 없던 혁신적인 인공지능 기술을 세상에 알렸다면 Chat GPT는 인공지능의 대중화의 물꼬를 튼 것 같아요.
@@user-pv2yd3on9j 혹시 하드웨어라하시면 뭐가 떠오르시는지? 센서? 아두이노? 이런것만 떠오르시나요? 모든 하드웨어는 저항이란 값을 이루고있고 반도체는 논리회로로 구성되어있는데 님이 생각하시는 하드웨어는 어떤 하드웨언지가 제가 궁금합니다. 지금 전혀관계없다고 이야기 하고 싶으신것 같은데, 그냥 본인이 그렇다라고 하시면 해보시고 그게 맞다면 본인 길 가시면 됩니다. 그걸 무슨 엄청난 학문처럼 태클거는 건 사절할게요. 그냥 자기분야에 열심히 하시면 됩니다.^^
@@user-dg9pp1vl1o 컴퓨터공학 전공자로 말씀드리자면 언어습득을 먼저하셔야 되구요 그리고 딥러닝 같은 분야는 석사과정이상부터 심도 있게 다룹니다 단순히 웹개발자가 되고싶다? 혹은 개발이 하고싶다면 지금 수준에서는 국비교육 과정을 추천드리고 나이가 좀더 젊으셨다면 삼성에서 주관하는 삼성 소프트웨어 아카데미 과정을 추천드리지만 자격 미달이세요 이외 정부주관 양성 프로그램이 있을테니 찾아보시고 아무튼 프로젝트 경험이 중요해요
이해가 안 가는 부분이 있네요... 제가 알고 있기로는 머신러닝이 먼저 개발되었고 그걸 진화시키고 업그레이드 시킨 것이 딥러닝이라고 알고 있습니다... 그런데 딥러닝이 머신러닝에 포함된 개념이라고 보신다고 게스트께서 말씀하셨는데 그 근거는 뭔가요? 알파고가 이세돌에게 한판 졌을때가 머신러닝단계였고 이 후 9단의 기보를 학습시컀던 머신러닝을 넘어 바둑의 기본 기술을 학습시킨 딥러닝이 나오면서 안간은 바둑으로 A.I.를 이길 수 없게되었다고 알고 있습니다... 제가 잘못 알고 있는건지... 답변 부탁드립니다...