LG Aimers 4기 Phase 1 온라인 교육 후기

LG Aimers: AI전문가과정 4차

https://www.lgaimers.ai/

LG AI

 

우선 나는 3기인가 합격했다가 계절학기 시험기간이라서 처음 1주안에 들어야하는 모듈 1,2를 놓쳐서 이번엔 꼭 듣고싶어서 다시 신청했는데 불이익이 있다고 들었지만 합격시켜주셨다.

= 관심분야라면 일단 무조건 신청하고 수강하는 것이 좋은 것 같다.

 

FAQ 주관적 답변 추가

위 홈페이지에서 FAQ를 누르면 솔직히 궁금한 질문은 거의 다 해결할 수 있다고 생각한다.

 

조금씩 덧 붙히자면

Q. 선발과정은 어떻게 진행되나요?

A  지원서 접수 후 기본조건만 충족되면 선발이 가능합니다

단, 원활한 교육 진행을 위해 인원 규모가 정해져 있으며, 해당 교육은 C+, C++, JAVA, Python 등의 프로그래밍 언어 사용 경험과 기본 수준의 역량을 보유 해야만 이수가 가능한 점 참고 부탁드립니다.

 

사실 Phase 1 온라인 교육과정 까지는 프로그래밍 언어 능력을 요구하는 강의들보다는 선형대수, 알고리즘, 머신러닝 등의 기본지식이 있다면 듣기 편하겠다는 생각을 한다.

 

 

Q.  교육 수강 중 중도포기 하는 경우 향후 지원이 가능한가요?

A.   특별한 사정이 있는 경우는 제외하고, 교육 수강 중 중도 포기한 지원자는 향후 지원이 어려울 수 있습니다.

LG Aimers는 한정된 인원을 대상으로 진행되는 과정인 만큼, 타인의 교육과 경험의 기회에 대한 존중을 부탁 드립니다. 

 

서론에 말했듣이 떨어졌지만 운이 좋은건지 몰라도 다시 붙여주셔서 열심히 수강했다.

그러니 한번 중도 포기했다고 이제 못듣는다는 생각말고 필요하다면 다시 신청하는 것을 추천한다.

 

이것 말고도 나이제한, 교육장소 및 방법, 질문게시판, 영상 시간, 강의자료,교재, 해커톤, 참가비용, 수료증 등에 대한 여러 궁금증은 홈페이지에 FAQ를 통해서 해결가능할 것이다.

 

온라인 교육 내용

Module 1. 『AI 윤리』  

ㅇ 교수 : KAIST 차미영 교수 

ㅇ 학습 목표

 본 모듈은 본격적인 AI기술에 대한 이해에 앞서 데이터 과학자로서의 기본적 소양을 기르기 위한 과정입니다. 

따라서 인공지능 기술 도입에 앞서 데이터 과학자로서 그리고 제도적으로 윤리적으로 어떠한 자세를 가져야 하는지 이해하고, 인공지능 기술로 어떻게 문제를 해결할 수 있는지 학습합니다. 

 

Module 2. 『Mathematics for ML 』

ㅇ 교수 : KAIST 신진우 교수 
ㅇ 학습목표 
본 모듈은 AI기술을 이해하기 위한 바탕이 되는 수학적 지식을 학습하기 위한 과정입니다.
이에 관하여 행렬 분해, 블록 최적화, 주성분 분석 등 데이터를 다루기 위한 방법을 학습하게 됩니다.

 

Module 3. 『Machine Learning 개론』 

ㅇ 교수 : 서울대학교 김건희
ㅇ 학습목표 
본 모듈은 Machine Learning의 기본 개념에 대한 학습 과정입니다. ML이란 무엇인지, Overfitting과 Underfitting의 개념, 최근 많은 관심을 받고 있는 초거대 언어모델에 대해 학습하게 됩니다. 

 

Module 4. 『지도학습(분류/회귀)』 

ㅇ 교수 : 이화여자대학교 강제원 교수 
ㅇ 학습목표 
Machine Learning의 한 부류인 지도학습(Supervised Learning)에 대한 기본 개념과 regression/classification의 목적 및 차이점에 대해 이해하고,  다양한 모델 및 방법 (linear and nonlinear regression, classification, ensemble methods, kernel methods 등)을 통해 언제 어떤 모델을 사용해야 하는지, 왜 사용하는지, 모델 성능을 향상시키는 방법을 학습하게 됩니다.

 

Module 5. 『인과추론』 

ㅇ 교수 : 서울대학교 이상학 교수
ㅇ 학습목표 
본 모듈은 인과성에 대해 추론하고 경험적 데이터를 사용하여 인과 관계를 결정하는 방법을 익힘으로써 데이터를 생성한 프로세스에 대해 
만들어야 하는 필수 가정과 이러한 가정이 합리적인지 평가하는 방법, 마지막으로 추정되는 양을 해석하는 방법에 대해 학습하고자 합니다.  

 

Module 6. 『딥러닝(Deep Learning)』

ㅇ 교수 : KAIST 주재걸 교수 
ㅇ 학습목표 
Neural Networks의 한 종류인 딥러닝(Deep Learning)에 대한 기본 개념과 대표적인 모형들의 학습원리를 배우게 됩니다. 
이미지와 언어모델 학습을 위한 딥러닝 모델과 학습원리를 배우게 됩니다.  

 

Module 7. 『B2B 마케팅』 

ㅇ 교수 : 고려대학교 김재욱 교수 
ㅇ 학습목표     
본 모듈에서는 B2B 마케팅이란 무엇인지에 대해 배우게 됩니다. 
B2B 시장에 대해서 이해하고, 고객가치와 가격, 그리고 가치 획득이 무엇인지에 대해 살펴봅니다.

 

Module 8. 『B2B 고객데이터 기반 예측 단서 스코어링 모델』

ㅇ 교수 : KAIST 박성혁 교수 
ㅇ 학습목표     
본 모듈은 B2B 고객데이터 기반 예측 단서 스코어링 모델에 대해 학습합니다. 
고객의 행동을 예측할 수 있는 방법론과, 추천 시스템에 기반한 고객과 상품을 스코어링하는 방법, 의사결정나무 및 로지스틱 회귀 분석 기반의 고객과 상품을 스코어링하는 방법에 대해 소개합니다.

 

Module 9. 『LG전자 및 해커톤 문제 소개』

 

-->> 강의내용과 교수님들을 보면 엄청 어려워보인다. 매우 훌륭한 교수님들의 양질의 강의지만 짧은 시간안에 어려운 내용을 다루기에 어려울 것이고 수강생마다 사전지식이 달라 흡수하는 것이 다르겠지만 인공지능 입문자인 나는Module 2. 『Mathematics for ML 』 강의를 수강하고 현타가 왔다. 선형대수학을 공부하면 비교적 쉬울? 친숙할 수 있지만 대학교 수업에서도 킬러문제, 가장 마지막 문제로 다루던 유값 분해, 특이값 분해 등을 다루는데 이해하려다 포기했다. 능력 부족임을 인정하고 우선 정리하면서 익숙해지자고 생각하며 넘어갔다. 그래도 하나하나 자세히 알고 자신있게 설명을 할 수는 없지만 인공지능을 공부하기 위해서 필요한 학문이 많고 어렵다는 것을 알았고 이번에 조금 친해졌으니 앞으로 공부하면서 알아가야겠다.

 

 

개인적인 이야기

 

FInal Quiz

16일 까지 강의 51개를 듣고 블로그에 정리까지 다 끝냈는데 마침 다음날인 1월 17일 오전 9:45 에 Final Quiz가 열려서 Phase 1을 바로 마무리 할 수 있었다.

 

파이널 퀴즈라서 걱정했지만 객관식 18문제에 굵직굵직?하게 문제가 출제되어 거의 키워드나 개념 위주로 나와서 블로그에 정리한 나는 쉽게 풀 수 있었던 것 같다. (이해는 완벽하게 못한 것 같은데 시작은 원래 이렇게 숲을 보고 공부하고 나중에 자세하게 공부하려는 마인드여서 괜찮다.)

 

많이 어려웠다. 사실 강의만 수강하고 나에게 남은 것을 말하라고 하면 겨우 짜내서 말해야할 정도로 엄청 큰 변화는 없다.

역시 이쪽 공부는 강의만 수강하기 보다는 직접 만들면서 동시에 공부해야지 머리에 남고 이해도 되고 하는 것 같아서 다음은 어떤 프로젝트를 할 지 고민중에 있다.

 

"인공지능이라는 수박 겉핥기 끝!"