모두의연구소 커리어랩 5기 세미나 후기 및 진로고민 MLEngineer, DataScientist(대학원 가야돼? 말아야돼? 기술 트리)

오늘 모두의 연구소 커리어랩 5기 취업 세미나를 들었다.

 

"현직자가 들려주는 커리어성장 세미나"

 

세미나를 들으며 현직자 분이 굉장히 프로페셔널하다는 인상을 받았다.

아무래도 나는 따끈따끈한 스타트업에 관심이 많아 어느정도 많은 정보에 접근하려고 노력중이며,

나는 스스로 PM, 기획자에 맞다고 생각하기 때문에 열린 마음으로 다른 직무의 Task에도 관심이 많다.

 

세미나 연사님은 백엔드 개발자로부터 시작해서 ML엔지니어로 근무시는 분이었고, 카카오, 네이버에서 job offer를 받았으며 둘중 하나의 기업에 다니시는 분이었다.

 

커리어 적인 측면에서 직무가 좀더 세분화 되어있다는 느낌을 받았다

 

ML engineer - Applied Scientists - Research Scientists - MLOps Engineer

왼쪽부터 오른쪽으로 갈수록 기술 <-> 연구 적으로 성향이 갈린다.

 

 

파이썬과, C++의 언어사용은 목적에 따라 갈린다.

C++은 좀더 빨라야 할 때 사용된다. 자율주행이나 Vision같은 프로젝트에 사용된다고 한다. 

 

캐글 웹사이트를 보면 ML 엔지니어의 로드맵이 아래와 같다.

압박감이 든다.

하지만 모든 스킬트리를 다 완벽하게 갖출 수 없으므로 채용공고에서 이야기하는 기본적인 요구조건을 갖추는 것이 중요하다.

 

MLOps Engineer에 대해서는 잘 모르지만

 

ML Engineering - > DevOps -> Data Engineering

MLE로 시작해서 단계적으로 기술을 이해하면 MLOps 역할을 이해하게 된다고 한다.

 

 

 

ML Engineer님의 세미나가 끝나고 현업 DS분의 세미나가 시작되었다.

 

DS를 수행하기 위해서는 pandas, Numpy, scikit learn, apache spark, hadoop, PyTorch, TensorFlow 에 익숙해야한다.

 

구직활동에서 가장 중요한 것은

지원자격과 기술 스택 - 미리 알고 준비하면 자신만의 커리어 로드를 완성할 수 있을것이다.

 

 

기술 스택

 

* 분석 : Python, SQL, Spark

* ML : Scikit-learn, Spark MLib, Pytorch

* 배치도구 : Hadoop, Airflow

* 분석 인프라 : JupyterHub, Zeppelin, 사내 클라우드(Docker & Kubernetes)

* 업무 도구 : Jira, Confluence, Github

 

 

연사님께서 자소서를 쓰실 때 5점만점중에 본인의 스킬레벨을 4점으로 적으셨다고한다. 

그리고 그것에 대해 면접 때 질문을 받으셨다고하는데..

기준이 궁금해서 질문을 드렸다.

 

연사님 기준에 

 

1단계 - 사용

2단계 - 응용

3단계 - 프젝

4단계 - 문제를 만났을 때 해결가능, 유지보수, 논문

5단계 - Professional 그이상?

 

이라고 하셨다. 

 

대학원을 갈지 말지에 대한 고민은 사람마다 다르겠지만 주변에서 여러 직무로 근무하시다가 대학원을 가야겠다는 생각이 든 사람들을 접했었다. 아무래도 연구를 하고싶으면 대학원을 가게 되는 것 같다. 하지만 고졸이라고 해서 취업을 못하는 것은 아니었고, 역시나 포트폴리오 & 실력이 가장 중요하다. 하지만 유명 대기업 지원자격에 석&박사라고 적혀있는경우, 본인이 해당 기업 취업을 희망하는 경우에는 꼭 졸업장을 따도록 해야한다. 연사님은 졸업장은 면허증과 같다고 생각하신다고 하셨다. 

 

요즘 대학내지 대학원졸업장이 없는 경우에도 공부하고 실력을 쌓을 수 있는 다양한 루트들이 있기 때문에 기술을 쌓는 데에 문제가 없겠지만서도, 사실 대학, 대학원은 어떻게 다니느냐에 따라 본인이 얻어 나오는 것이 다르다는 생각이 든다. 본질은 그곳이 어떤 환경인가에 있다고 생각한다. 본인이 하고자 하는 것에 대한 인프라 (인적, 물적, 기타 등등)가 잘 갖추어진 환경으로 가는 것이 좋다는 생각이 든다.