데이터지능 LIVE 3/7: 코딩없이 AI를 공부할 수 있다고?

며칠전 포스팅했던 데이터지능 LIVE 첫 순서로 (#DILIVE), 이번주 일요일 (3/7) 한국시간 오후 2시반에, 저와 김병학님이 AI 스타트업의 프로덕트 매니저로 일하시면서 노코드 AI 커뮤니티를 운영하고 계신 김대성님과 ‘날로 자동화되는 AI 세상, 지금 무엇을 어떻게 만들고 공부해야 할까’라는 주제로 이야기나눠볼까 합니다. 방송에서 공유되는 자료나 청취자의 피드백은 트위터 #dilive를 통해 받도록 하겠습니다.
클럽하우스 이벤트 링크:

https://clublink.to/event/m25b92dA

김대성님의 발표: 인간을 위한 AI 교육
https://knock-ai.circle.so/c/introduction/ai-edu-for-human

트위터 생방송 라이브스트림: (#dilive)
https://twitter.com/hashtag/dilive?f=live

AI 윤리에 대한 제 최근 발표:

인공지능 시대의 빛과 그늘, 그리고 데이터 리터러시

데이터지능 클럽하우스 생방송을 시작합니다 #DILIVE

‘데이터 지능’이라는 이름으로 팟캐스트를 운영한지 만 3년이 되었다. 그동안 주로 본인의 개인 사정으로 중단되기도 했지만, 현직 전문가와 대중을 연결한다는 취지를 구현하기 위해 최선을 다 했다고 자부한다. 개인적으로는 다양한 분야의 전문가들을 만나 이야기를 나누면서 배우고, 이를 더 많은 분들과 공유하는 일은 보람된 일이었다.

하지만, 팟캐스트라는 포맷의 가능성 만큼이나 다양한 한계를 느꼈다. 우선 패널과 청자를 연결한다는 관점에서 팟캐스트는 사전에 녹음된 대화를 제공하는 만큼 청자들의 궁금증이나 피드백을 패널에 실시간으로 전달하는데 한계가 있었다. 또한 해당 분야의 전문가가 자유롭게 호스팅을 수 있는 플랫폼을 생각했으나 아직은 실현되지 않았다.

최근에 등장한 클럽하우스는 팟캐스트의 한계를 많은 부분 해결해준다. 누구나 손쉽게 주제별 방을 개설하고, 대화 도중에 자유롭게 스피커와 청중 사이를 오갈 수 있으며, 무엇보다 이미 많은 사람들이 관심을 갖고 활동하고 있다. 아직 속단하기는 이루지만, 코로나 시국과 맞물려 클럽하우스와 같은 비대면 소통 앱은 계속 성장할 것으로 보인다.

물론 아직 1년도 되지 않은 플랫폼의 특성상 한계는 많다. 우선 iOS밖에 지원하지 않아 청중이 제한적이고, 음성 이외에 다른 컨텐츠를 (화면, 링크 등) 공유할 방법이 없다. 컨텐츠 제작 관점에서는 녹화 및 사후 배포가 어렵다는 문제도 있다. 몇 주간 사용해본 바로는 온라인 음성 대화라는 새로운 포맷에 아직 스피커나 청중이나 적응하고 있는 단계다.

하지만 그 모든 한계에도 불구하고 필자는 클럽하우스에서 많은 사람들이 온라인으로 자유롭게 소통하는 오디오 미디어의 미래를 엿본 느낌이다. 그리고 클럽하우스 플랫폼의 성장에 따라 위의 한계는 해결될 것으로 본다. 그래서 매주 주말에 클럽하우스에서 데이터 각 분야 전문가들과 대중이 소통할 수 있는 ‘데이터지능 LIVE’를 시작해볼까 한다.

데이터지능 LIVE는 한국시간으로 매주 일요일 오후 2시반~4시에 클럽하우스에서 이루어지며 스피커 및 주제는 사전에 공지할 생각이다. 클럽하우스에서 별도의 채팅방을 제공하지 않기 때문에 필자의 트위터 계정을 통해 실시간으로 링크 등을 공유하고 질문을 받을 생각이다. (#DILIVE) 실시간 참여가 어려운 분들을 위해 향후에 편집을 거친 대화 내용을 팟캐스트나 뉴스레터 등을 통해서 제공하는 것도 가능할 것이라 생각한다.

각 쇼의 구성은 (아직 구상중이지만) 우선 한 주에 있었던 주목할만한 소식으로 시작하고, 기존의 팟캐스트와 유사한 본 프로그램으로 패널 디스커션을 진행하고, 마지막에 Q&A 및 자유 토론으로 마무리할 생각이다. 본 프로그램으로 컨텐츠의 깊이를 살리되, 클럽하우스의 특성을 살려 최대한 청중이 자유롭게 참여할 수 있는 형태로 진행해볼 생각이다.

인공지능 시대의 빛과 그늘, 그리고 데이터 리터러시

요새 ‘이루다’ 등을 비롯한 인공지능의 윤리 문제가 많은 관심을 받고 있는데요, 최근에 숙명여대를 비롯한 대학생들의 연합 데이터 컨퍼런스인 SM-Pair에서 ‘인공지능 시대의 빛과 그늘, 그리고 데이터 리터러시’를 주제로 강의를 할 기회가 있었습니다. 팟캐스트에서 발표 내용을, 그리고 아래 유튜브에서 발표 영상을 보실 수 있습니다.

1:45 인공지능에 대한 뜨거운 관심 (특히 한국에서)
3:30 최근 불거지는 인공지능의 일탈 (정치적 극단화 / 이루다 / AI 면접)
8:00 인공지능의 본질에서 찾는 원인과 해법
12:30 왜 인공지능의 윤리가 중요한 문제인가?
16:30 인공지능의 공정성을 어떻게 정의할 것인가?
27:30 인공지능의 공정성을 높이는 기술적인 해법 (입력 데이터 / 학습 모델 / 결과물 평가)
39:30 인공지능의 공정성을 높이는 비기술적인 해법 (조직 및 개인 관점)
44:15 전공자/비전공자 입장에서 인공지능 시대를 준비하는 방법
48:15 인공지능 공부를 위한 효율적인 방법

데이터지능 S2E7: 애플과 나이키는 어떻게 인공지능으로 미래를 만들어가는가?

데이터 및 인공지능 기술이 오프라인 세상에 영향을 끼치는 대표적인 분야가 전자상거래인데요, 이들 중 나이키는 전통적인 기업가운데 인공지능에 기반한 전자상거래 활용의 선두주자로 잘 알려져 있습니다. 오늘은 애플에서 전자상거래를 담당하는 머신러닝 팀을 만드셨고, 최근까지 나이키에서 AI팀의 디렉터로 일하셨으며, 현재 아마존에서 광고 시스템을 담당하는 머신러닝 팀을 이끌고 계신 정현준님을 모셨습니다. (현재 아마존 실리콘밸리 오피스에서 채용중이시며, 자세한 문의는 링크드인으로 부탁드립니다.)

https://www.linkedin.com/in/hyunvincero/

청취자 여러분들 새해 복 많이 받으시고요! 그리고 새해에는 아래 유튜브 채널에서도 좀더 자주 찾아뵐 생각입니다. (미리 구독해주셔도 좋고요:)

https://www.youtube.com/user/lifidea

3:30 애플에서 머신러닝 초창기에 경험
18:00 애플에서 머신러닝 팀을 만든 경험
25:30 애플에서 나이키로의 이직 & 적응 경험
30:00 나이키가 코로나에 적응하는 과정을 도운 경험
34:00 나이키가 아마존과 파트너십을 끝낸 과정
42:00 검색/추천 시스템에서 고객의 장기적인 가치를 최적화하는 방법
52:00 전자상거래를 위한 검색/추천 시스템을 개발하는데 고려할 사항
56:00 여러가지 목표를 동시에 만족시키는 검색/추천 모델을 개발하기
62:00 본인이 경험한 기술 기업과 비기술 기업의 차이
71:00 꾸준히 기술 트렌드를 따라잡는 개인적인 방법
78:00 머신러닝 / 전자상거래 분야의 커리어에 대한 생각
86:00 아마존 광고팀에서의 포부 & 인재상
88:00 클로징

데이터 지능 S2E6: 의료 인공지능 & 디지털 헬스편 (Harmonize Health 한기용님 / Alpha Health 김병학님)

데이터지능 팟캐스트의 김진영입니다. 2020년 모든 분들의 머리속을 채운 키워드가 있다면 건강일텐데요, 데이터 및 인공지능 기술과 헬스케어의 만나는 ‘디지털 헬스’라는 분야가 있습니다. 오늘은 디지털 헬스 스타트업에서 각각 데이터 / 머신러닝 책임자로 일하고 계시는 한기용 / 김병학님을 모셨습니다.

청취자 분들 건강 유의하시고 즐거운 연말연시 되시길 바라겠습니다!

목차
15:00 디지털 헬스에 관심을 갖게된 계기
26:00 디지털 헬스 개념잡기 & 주요 플레이어와 문제들
48:30 디지털 헬스 관련 데이터 및 인공지능 기술들
53:40 디지털 헬스의 이상과 현실 (과연 인공지능은 의사를 대체할 수 있을까?)
78:00 의료에 적용가능한 인공지능의 조건은?
96:30 디지털 헬스 입문자에게 조언한다면? 현재 두 분의 채용분야 및 인재상은?

관련 링크
한기용님: https://www.linkedin.com/in/keeyonghan/
Harmonize Health Careers: https://www.harmonize.health/careers

김병학님: https://hakkim.tech/
Alpha Health Careers: https://jobs.lever.co/alphahealth.com

p.s. 디지털 헬스에 관심있는 분들께서는 최윤섭 박사님의 홈페이지 및 저서도 꼭 참조하세요http://www.yoonsupchoi.com/

데이터지능 S2E5: 추천시스템편 (네이버 최재호님)

안녕하세요, 애청자 여러분. 다사다난한 2020년은 잘 보내고 계신가요? 미국은 코로나가 더 심해서 저도 거의 집에서 2020년을 보냈는데요, 최근에 추천시스템 컨퍼런스에 (RecSys’20) 참석하면서 공부를 많이 했고, 이참에 네이버에서 추천시스템 팀을 이끌고 계시는 최재호 책임리더님을 모시게 되었습니다. 지난 20년간 네이버에서 일하시면서 얻으신 검색 및 추천시스템 관련한 다양한 실무 경험을 가감없이 들려주시는 최재호님과의 대화에 여러분을 초대합니다. 관심있으신 분께서는 아래 채용 링크도 꼭 확인하세요.

AI 글로벌 추천 모델링 엔지니어 신입/경력 모집:
https://bityl.co/4HGV

최재호님 DeView 발표:
https://deview.kr/2017/schedule/180

1:45 자기소개 및 처음 시작하게되신 계기는?
12:30 추천시스템의 기본적인 구조와 원리는 무엇인가요?
17:15 딥러닝이 추천시스템에는 어떻게 활용되나요?
21:15 실무에서 추천시스템을 개발하는 어려움이 있다면?
26:15 추천 알고리즘의 성능 개선 및 평가 프로세스는?
31:15 추천시스템이 사용자에 미치는 부작용을 (필터 버블) 최소화하기 위한 노력은?
35:00 추천 대상이 추천 알고리즘에 미치는 영향은? 뉴스의 추천과 동영상의 추천 방법은 어떤 차이가 있나요?
38:15 신규 서비스에 추천 시스템을 적용한 경우에는 어떤 어려움이 있나요?
41:45 최근 온라인으로 열렸던 RecSys’20 컨퍼런스에서 인상깊으셨던 부분은?
53:30 추천시스템 분야에 대해서 공부 하고자 하시는 분들을 위한 조언을 한다면?
63:15 네이버에서 추천시스템 일을 하고 싶은 분들께 준비 방법을 조언한다면?
68:15 추천시스템의 미래, 그리고 그 속에서 내가 하고 싶은 역할은?

데이터지능 S2E4: 데이터 저널리즘편 (SBS ‘마부작침’ 팀)

안녕하세요, 데이터 지능 팟캐스트의 김진영입니다. 그동안 데이터에 관한 다양한 주제를 다루었는데요, 매일 접하는 언론 보도만큼 데이터를 일상적으로 접하는 수단도 드물지 않나 합니다. 그런데 최근에는 ‘데이터 저널리즘’이라는 용어 및 전문 매체가가 생겼을 만큼 언론에서도 데이터가 강조되는 추세인데요, 오늘은 SBS에서 데이터 저널리즘 관련 일을 하시는 ‘마부작침’ 팀을 모셨습니다. (배여운/안혜민/한창진님 다시한번 감사드립니다!)

마부작침 팀 홈페이지:
https://news.sbs.co.kr/news/newsPlusList.do?themeId=10000000114
마부작침 뉴스레터 구독하기:
http://news.sbs.co.kr/news/mabuMain.do

그리고 지난번에 말씀드린 ‘실전 머신러닝’ 실리콘밸리 부트캠프가 현재 3월 21일에 시작하는 2기를 모집하고 있습니다.

부트캠프 등록 페이지:
https://growth.dsschool.co.kr/hackerdojo/
부트캠프 소개글:
https://brunch.co.kr/@lifidea/39

마지막으로 제가 1월에 스탠포드에서 열렸던 학술 세미나에서 머신러닝, 특히 검색/추천 결과의 공정성 대한 발표를 하였는데요, 발표자료와 영상을 제 유튜브 채널에 올렸으니 역시 많은 시청 바랍니다.
데이터지능 유튜브 채널:
https://www.youtube.com/user/lifidea/

데이터지능 S2E3: 테리와 진영의 수다

이번에는 ArtLab을 창업하시고 머신러닝과  뷰티산업의 접점에서 열심히 연구개발중이신 엄태웅(Terry)님을 오랜만에 모셨습니다. 이번 방송에서는 특정한 주제에 집중하기 보다 사업을 시작하신 테리님의 각오, 그리고 뷰티산업에 머신러닝을 적용하는 과정에서 겪는 여러가지 기술적인 이슈와 해결책에 등을 중심으로 폭넓게 이야기를 나누었습니다.

p.s. 대학원을 다니는 분, 혹은 생각중인 분이시라면 테리님께서 참여하신 책 ‘대학원생때 알았더라면 좋았을 것들’ 책도 꼭 읽어보세요. http://gradschoolstory.net 에서 자세한 내용을 보실 수 있습니다.

p.s. 그리고 제가 데이터 교육 프로그램을 준비하고 있다고 몇차래 말씀드렸는데요. 제가 2월말에 실리콘밸리에서 데이터 부트캠프 전문기관인 DSSchool과 함께 ‘실전 머신러닝’을 주제로 부트캠프를 진행합니다.

제가 실리콘밸리에서 직접 가르치는 ‘실전 머신러닝 부트캠프’에 초대합니다 !

안녕하세요, 제가 데이터 관련 부트캠프로 약 8000명의 수강생을 배출한 DSSchool과 함께하는 첫 프로젝트로 2월 말에 실리콘밸리에서 ‘실전 머신러닝’을 주제로 부트캠프를 진행합니다.

일시 / 장소:
2/22(토), 2/23(일), 2/29(토), 3/1(일) / 산타클라라 해커도조
부트캠프 등록 페이지:
https://growth.dsschool.co.kr/hackerdojo/
부트캠프 소개글:
https://brunch.co.kr/@lifidea/39

이번 부트캠프에서는 DSSchool의 이미 검증된 커리큘럼에 필자가 MS와 Snap에서 배우고 경험한 실전 노하우를 접목시켜, 취업 및 실무에 바로 활용할 수 있는 머신러닝 학습 경험을 제공할 생각입니다.

자리가 한정되어 있고 2/10일까지 조기 등록 할인을 진행하니 원하시는 분은 등록 미루지 마시고 주변에도 널리 알려주세요!

데이터지능 S2E2: 실험실 밖으로 나온 인공지능 (김은영님 / 김병학님)

인공지능 기술의 발전에 따라 단순히 예측 결과의 정확성을 넘어서 공정하고 사용자가 이해할 수 있는 결과를 내는 것이 중요해지고 있는데요, 본 방송에서는 지난 방송에 이어 구글 김은영님 / Udacity 김병학님과 함께 2019년 인공지능 연구 트렌드, 그리고 예측 결과의 공정성 및 설명가능성을 논의합니다.

여러분의 별점 및 피드백은 좋은 방송을 만드는데 큰 힘이 됩니다! 방송에 대한 피드백은 아래 방송 홈페이지를, 방송 출연 및 후원 관련 제안은 제 메일 lifidea@gmail.com으로 부탁드립니다.

참 제가 유튜브 채널을 만들었습니다. 우선 제가 진행하는 AI 스터디의 ‘공정한 기계학습 모델 만들기’라는 비디오를 올렸으니 한번 보시고요, 반응이 좋으면 꾸준히 올리도록 하겠습니다.

방송 홈페이지: http://data-intelligence.io
유튜브 채널: https://www.youtube.com/user/lifidea

12:00 각자의 AI 학습법 업데이트
25:30 2019년 AI 트랜드 (자율주행 / NLP 등)
35:00 AI의 윤리 문제: 관상으로 범죄자를 식별하는 인공지능?
54:45 컴퓨터 비전에서의 공정성 (Fairness) 문제
77:30 설명가능성 (Interpretability)
82:00 기타 이슈 & 클로징

인간을 위한 인공지능 스터디 #1: 공정한 기계학습 모델 만들기 https://www.youtube.com/watch?v=x1q8XODI0cE

김병학님 논문 “LumièreNet: Lecture Video Synthesis from Audio” https://arxiv.org/abs/1907.02253