1. 내가 원하는 직장 or 직무 찾기.

나는 이것이 제일 중요하다고 생각한다. 내가 어떤 일을 하고 싶은지/어떤 공부를 하고 싶은지를 찾는 것이 먼저라고 생각한다. 예를 들어 안드로이드 개발자가 되고싶으면 안드로이드 관련 채용 공고에 자격조건을 보고 공부를 하면 되지 않을까?

진짜 내가 원하는 것이 무엇인지 생각을 해볼 때이다. 나는 광주 인공지능 사관학교를 수료하면서 Ai 기술을 접하면서 연구원으로 알고리즘 개발도 재밌을 것 같고, 웹 서비스 프로젝트를 진행했다보니 웹 개발도 재미있었다. 하지만 이 두 가지에 한 쪽 다리씩 걸쳐 걸어가다보면 가랑이가 찢어질 것이라는 생각이 들었다.

그래서 난 백엔드 개발자로 진로를 잡고 채용사이트에서 스타트업 위주로 찾아 봤다.

2. 채용 프로세스 숙지

1. 서류전형
2. 코딩 테스트(있을 수도 있고 없을 수도)
3. 1차 면접: 실무 진 면접 (또 코딩 테스트 가능성 큼)
4. 2차 면접: 대표면접

※ 회사마다 조금씩 다를 수 있음.

3. 채용공고를 뒤져 나온 자격 조건들.

1) 기본기

• 기본적인 자료구조 지식
• 기본적인 알고리즘 지식
• 기본적인 OS 지식

2) 자격요건

• 데이터베이스의 인덱스, 트랜잭션, 정규화, 일관성에 대한 이해도, 모델링 경험
• 관계형 데이터베이스, ORM, RESTFUL API, 사용 경험
• linux에서 운용되는 서비스, HTTP API 개발 경험
• 코드의 신뢰성, 테스트 가능성, 유지보수성, 확장 가능성
• 리팩터링을 해야 할 때와 신규 기능을 개발, 출시해야 할 때를 아는가
• 오버 엔지니어링과 언더 엔지니어링에 대해 이해하는가
• 웹 서비스 개발 경험
• AWS, Azure 등 클라우드 환경 프로젝트 경험
• RDS 분석 및 설계 가능하신 분
• Git 등 형상관리를 깊이있게 이해하시는 분
• Django Framework를 통해 배포까지 해보신 분
• 웹 프로그래밍에 대한 이해가 있으신 분
• Github Issue & Pull Request를 활용한 협업 경험이 있으신 분
• Web Framework(Django, Spring Boot, Ktor)를 이용해서 Web Application 개발, 운영을 해보신 분 (Python, Kotlin/Java)
• MySQL(Maria DB), MongoDB(DynamoDB) 등 RDBMS와 NoSQL 계열의 DB를 다뤄보신 분
• 유저가 겪는 문제점을 찾고 기술로 해결하는데 관심 있는 분
• 도커에 대한 이해, 오케스트레이션에 대한 이해

+α(우대사항)

• 마이크로서비스 아키텍처에 대한 깊은 이해도

• 대용량 트래픽 처리 경험

• 유닛 테스트 구성 경험 및 관련 지식

• Kinesis, Kafka, RabbitMQ 관련 지식

• DynamoDB, Redis, Elasticsearch 관련 지식

• NoSQL 사용 경험

• 커머스, 풀필먼트 시스템 구축 또는 유지보수 경험

• DB 실행계획 및 HINT 사용 가능

• Design Pattern을 공부하고 적용해보신 분

• 대규모 트래픽을 수용해 본 경험이 있으신 분

• 브랜딩, 사용자 경험 디자인의 필요성에 공감하시는 분

• 클라우드 컴퓨팅 플랫폼(AWS, GCP, Azure 등)을 활용한 업무 경험

• MSA 도입 및 활용 경험

• Message Queue 시스템 도입 및 활용 경험

• Container Orchestration(Kubernetes, Docker Swarm 등) 활용 경험

• Neo4j, ArangoDB, Amazon Neptune 등 Graph Database 로 개발 경험이 있으신 분

• AWS 기반의 서비스 개발 경험이 있는 분

• Docker 컨테이너를 이용한 서비스 개발 경험이 있는 분

• 상용화 서비스에 대한 개발/운영 경험이 있으신 분

3) 역량

• 비지니스 로직을 빠르고 정확하게 구현할 수 있는 분
• 설계부터 배포까지 일련의 과정을 이해하는 분
• 새로운 기술을 두려워 하지 않고 빠르게 습득할 수 있는 분
• 맡은 업무에 책임감이 높은 분
• 정형데이터, 비정형데이터 차이를 아시는 분
• 프론트/백엔드 구분 없이 시야가 열려 있으신 분
• 다양한 경험과 성장에 대한 의지가 있으신 분
• 먼저 의견을 제시하는데 거리낌이 없으신 분
• 타 부서와도 원활하게 의사소통 할 수 있는 분
• 코드리뷰와 테스트코드 작성 능력이 있는 분
• 자동화를 지향하는 분
• 오픈소스 활동을 지향하는 분
• 테스팅을 항상 생각하시는 분
• 소프트웨어개발에 대한 고민을 많이 하시는 분
• 성능 최적화를 위해 지속적으로 고민하고 노력하시는 분
• 한 가지 일에 몰두하여 성취한 경험이 있으신 분 (게임, 학업, ...)
• 문서화의 필요성에 공감하시는 분
• 기획부터 개발, 배포까지 프로젝트 전반에 대해 관심이 있으신 분

마무리

적고보니 이건 뭐,,, 다 한다는 것은 얼마나 오래 걸릴지 감이 안온다.. 하지만 이것을 다 할 필요가 없다고 생각한다. 여기서 중요한 것은 내가 가고자 하는 곳에 맞춰서 준비하면 된다고 생각 한다. 해당 기업이 가고자 하는 방향을 보고, 내가 재밌을 것이라 생각하거나 관련 서비스 개발을 하고 싶다는 생각이 든다면 그곳을 목표로 정하는 것이 맞다고 생각한다.

그래도 스윽 훑어보면 어느 정도 원하는 공통적인 부분이 있는 것 같다.웹서비스 개발해봤는지, 협업 툴 사용해서 개발해봤는지, DB 써봤는지, 이것들에 대한 이해도가 있는지, 이런 느낌인 것 같다. 추가로 마인드 셋이 얼마나 잘 잡혀있는지를 보는 것 같다.

자. 결정했으면 하나씩 차근차근 하다보면 괜찮지 않을까? 시작이 반이라 했다. 우선 기본기부터 다듬으러 가자~~
.
.
.

추가로 2020년도 백엔드 로드맵 첨부

챗봇의 구현 방식

1) 규칙 기반 모델(Rule-based Model)

• 사람들이 미리 응답을 설계해 놓으면, 사용자의 입력 메시지를 분류해 후보 응답들 중 적합한 것을 출력하는 모델이다. 적합성은 사전에 정해진 시나리오에 따라 판별되며 이에 따라 출력될 응답이 결정된다. 미리 정의된 시나리오에 따른 결과가 도출되어 오류가 적다는 장점이 있다. 그러나 시나리오를 설계하는 것이 어렵고 작성에 소요되는 시간과 노동력이 필요하고, 다양한 상황에 유연한 대응을 하지 못한다는 단점 존재.

2) 학습 기반 모델(Learning-based Model)이 있다.

• 빅데이터를 기반으로 인공지능 모델을 학습해 사용자의 입력에 따라 대답을 예측하는 모델이다. 이 모델은 챗봇과의 자유로운 대화가 가능하다는 장점이 있지만 주제를 제어하기 어렵고 사용자의 질문이나 요구사항에 적절히 대응하지 못하는 오류가 발생할 수 있다.

심리 상담에 규칙 기반 모델을 사용하는 이유

• 심리 상담은 일상적인 대화와는 다르게 내담자와 합의된 목표 도달을 위한 과정이다. 그러나 목표 도달을 위해 내담자의 이야기를 이끌어내야 한다는 점에서 대화의 효율성을 지향하는 과업지향 대화 시스템과는 거리가 있어 챗봇으로 분류되는 것이 적합하다. 심리 상담은 전체적인 방향성을 잡아주는 상담 이론에 기반하고, 전문적인 기술을 갖춘 상담사에 의해 단계적으로 진행될 때 실질적인 변화를 이룰 가능성이 높다. 학습 기반 모델은 사용자가 대화를 주도하기 때문에 상담의 방향성을 유지하는 것이 어렵다. 그에 반해 규칙 기반 모델은 주로 버튼 및 선택 방식을 차용하여 사전에 설계된 시나리오에 따라 대화가 진행되기 때문에 일관성 있는 대화 흐름을 유지할 수 있다.

참고 자료

• 논문 : 상담 이론 기반의 심리 상담 챗봇을 활용한 내담자 경험 연구
• Python과 Tensorflow를 활용한 AI Chatbot 개발 및 실무 적용 : https://www.slideshare.net/healess/python-tensorflow-ai-chatbot

알고리즘 종류

1. 콘텐츠 기반 필터링(Contents-based Filtering)

• 각각의 사용자와 아이템에 대하여 프로필 작성, 이를 기반으로 추천.
• 특징은 사람들 간을 비교하지 않고, 아이템 특성만을 비교한다는 점입니다. 사용자가 적은 초반의 추천 시스템의 경우 사용

1.1 가장 기본적인 것이 코사인 유사도( 코사인 각도 기반의 벡터 유사도)

1. 직각(90도)이면 0
2. 다른방향(180도)이면 -1
3. 같은방향(0도)이면 1

1.2 사용되는 머신러닝 기술

• KNN Classification (nearest neighbor)
• Linear Classification

※ 한계점

• 데이터 셋 구성하기가 어렵다. ex. 영화-> 모든 영화에 대한 일일이 프로필 작성 불가능.
• 개인적 주관에 영향이 크다. -> 추천의 객관성 떨어짐.

2. 협업 필터링(Collaborative Filtering)

• 다른 사용자들을 통해 현재 사용자의 취향을 추측. 프로필 데이터 없이, 사용자의 과거 행동 데이터만 가지고 추천

2.1 최근접 이웃 협업 필터링

1. 사용자 기반 : 비슷한 평점 부여한 사용자 찾아 추측
2. 아이템 기반 : 비슷한 평점을 받은 아이템 찾아 추측

2.2 잠재 요인

• 잠재요인을 토대로 행렬 분해해서 추측
• 잠재 요인은 알 수 없는데, 장르가 될 수도 있고 키워드가 될 수도 있다.

※ 한계점

• 신규 사용자의 경우, 관찰된 행동 데이터가 없거나 적다. -> 추천의 정확도가 급격히 떨어지는 cold start 문제 발생

대표적인 모델

1. Prediction Version

• Matrix Completion Problem
• 사용자와 아이템 간의 평가 점수를 예측하는 것입니다.
• m명의 user, n개의 item이 있을 때, m x n matrix를 계산하는 방식입니다.

2. Ranking Version

• Top-k Recommendation Problem
• 특정 유저에게 k개의 적합한 아이템을 추천해주는 방식입니다.

최신 알고리즘

1. hybrid 추천 시스템

• 위 두가지의 한계점을 보완하기 위해 함께 사용.
• 데이터가 일정 수 이상 쌓이는 시점을 기준으로 추천 알고리즘을 다르게 적용

1.1 Combining Filtering 기법

• 두 가지 알고리즘을 모두 적용하고, 이의 가중 평균(Weighted Average)를 구함.

1.2 Collaboration via Content 기법

• 평점 데이터와 아이템 프로필을 조합하여 사용자 프로필을 만들어 추천

2. 머신러닝 추천 시스템(Machine Learning Recoomender Systems)

• 사용자에게 추천할 후보군을 먼저 보여주고 기계가 그에 대한 사용자 반응을 학습하며 점점 더 정교한 결과를 도출해내는 방식

• 사용자의 단순한 콘텐츠 소비를 넘어서, 상품 조회 및 페이지 클릭 등 사소한 행동까지 학습.

참고자료

• 추천 시스템 - 개요
• 추천 시스템 - 협업필터링

왜 파이썬인가?

요즘 핫한 데이터 분석 등 Ai 기술들을 사용하기 위해 파이썬을 선택했다!
파이썬에는 이미 개발되어 있는 다양한 라이브러리를 이용하여 쉽게 개발을 진행할 수 있기 때문이다!

자. 그러면 파이썬을 설치하러 가보자. 설치 또한 간단하다. 공식 홈페이지에 들어가서 Download Python 버튼을 누르면 끝.

빨간 네모 상자의 버튼을 누르면 최신 버전을 다운 받을 수 있다. 최신 버전은 호환성 문제 같이 오류가 발생할 수 있으니,
좀 밑으로 내려보면 다른 버전들도 다운 받을 수 있다. 나는 3.8.4 버전을 다운 받았다

>> 파이썬 공식 홈페이지 다운로드 링크 : https://www.python.org/downloads/ <<

아나콘다는 뭐지?

아나콘다(Anaconda)는 수학 및 과학 계산(데이터 과학, 기계 학습 애플리케이션, 대규모 데이터 처리, 예측 분석 등)을 위해 만들어진 파이썬의 배포판이다. 게다가 각 라이브러리의 의존성(Dependency) 관리를 위해 패키지 관리 시스템도 제공한다.
요약하면, 머신러닝, 데이터 분석과 같은 작업을 할 때 설치해야 할 라이브러리들을 파이썬과 함께 설치하여 수고를 덜어준다.

이것 또한 공식 홈페이지에서 다운 받으면 된다.

>> 아나콘다 다운로드 링크 : https://www.anaconda.com/products/individual <<

의존성은 뭐지?

둘 중 하나가 다른 하나를 어떤 용도를 위해 사용하기에 의존성을 가지게 되는 것이다. 예를 들어 numpy가 없으면 tensorflow가 실행이 안된다. 버전이 서로 달라도 호환의 문제로 인해 그렇게 될 수 있다는 것이다. 그렇기에 conda, pipenv, pyenv, virtualenv 등등 가상환경을 사용하여 각 프로젝트마다 의존성 관리를 편리하게 할 수 있다!

마무리

아무튼 나는 프로젝트를 진행할 때, 가상환경을 사용해서 어차피 라이브러리들을 설치해야 한다. 내 컴퓨터에 이것저것 전부 깔리는 것이 용량도 아깝고 지저분해서 파이썬만 깔아서 진행했다. 하지만 jupyter 뿐만아니라 numpy, sklearn 등등 여러 예제 진행을 바로 시작해도 무리없게 해주는 아나콘다를 설치하는 것도 아주 편리하다고 생각한다.

광주 인공지능 사관학교의 기업프로젝트 결과를 제출한 후 우리팀은 부랴부랴 광주/전남 지역으로 이 해커톤에 지원을 했다.
우리 팀이 기획한 서비스는 우울증 자가 진단 및 치료 서비스이다. 그렇게 Dasrim 프로젝트가 시작됐다.

왜 지원 했느냐고?

이 해커톤은 총 3개의 과제가 있는데, 각 과제 마다 5팀이나 수상하기에 이건 뭐 예선 통과하면 해볼만 하다 생각했기 때문이다!게다가 1등 대상의 경우 과학기술정보통신부 장관상 + 상금 500만원이라는 점!(+ 광주 온 김에 뽕뽑자는 마인드..) 아무튼, 기획서 제출 기간이 20/11/13 까지 였는데, 프로젝트 마감기한이랑 겹쳐서 12일에 밤을 새서 작성을 하고 제출했다..😫

우리 팀은 지정과제 1로 ICT가 기반이 되는 비대면 관련 서비스 개발이었는데, 광인사 해커톤에서의 심리 진단을 더 진행시켜보자는 아이디어로 이번에도 심리진단으로 시작했지만, 더 나아가서 챗봇을 활용한 심리치료까지 구현해보기로 했다. 챗봇으로 심리 상담을 구현하는 것이 말이 쉬워보이지 이것을 할 수 있을지는 솔직히 자신이 없었다. 게다가 예선으로 기획서만 보고 각 지자체에서 한 팀을 뽑길래 설마 뽑힐까 했다.

그런데.. 그 설마가 사람 잡았다..
우리 팀이 예선으로 통과한 것이다..! 광주/전남의 대표가 된 것이다..! 솔직히 처음에는 감정이 복잡 오묘했다.. 이것을 짧은 시간 내에 할 수 있을까라는 걱정 반, 된 것에 대한 기쁨 반. 이왕 이렇게 된 거 Just Do it 하기로 했다🔥
나중에 듣기로 이번 년도가 코로나 때문에 신청한 팀이 전국적으로 너무 적어서 물 반 고기 반 같은 수준이라 했다.

(역시 나는 럭키가이😎)

두근두근 해커톤 대회🤩

광주/전남 예선 통과 팀들은 홀리데이인 호텔에서 2박 3일동안 진행했다. 객실을 주긴하는데, 거의 씻는 용도다. 객실 말고도 휴개실이 있는데 거기서 잠깐 쉬다 올 수도 있다. 하지만 나갈 때마다 입출입 명부를 작성하고, 장시간 외출시 벌점(경고?) 같이 패널티를 받는다.

들어가면 앞에서 본인 확인 절차를 거치고 해커톤 단체 후드티와 간단한 세면 도구 등을 받고 각 팀별로 테이블이 설치 되어있어서 거기서 진행하면 된다. 각 테이블마다 중앙 서버와 ZOOM으로 연결되어있는 컴퓨터가 한 대 있고, 캠 화면에 팀원이 1~2명은 꼭 나와있어야 한다. 코시국이라 이렇게 비대면으로 진행된 것 같다. 차후 발표도 ZOOM으로 화면공유해서 진행한다.

여기 복지가 최고다👍. 삼시세끼 밥도 제때 잘 나오고 야식도 주고 간식은 물론 커피도 준다. 원하는 거 말하면 왠만해선 다 사준다. 그냥 앉아서 온 종일 개발만 하면 된다. 아쉽게 밥은 호텔 식사를 기대했지만, 한솥으로만 줬다. 모든 메뉴를 먹어본 것 같다. (끝나고 나서 뱃살 오지게 나옴.. 3키로찜.. 사육당하는 느낌..)

문제는 잠과의 사투인 것 같다. 팀원들이 돌아가면서 1~2명씩 휴개실에 쉬러 가거나, 잠깐 엎드려서 눈을 붙일 수 밖에 없었던 것 같다. 첫날은 생각보다 버틸만 하다. 하지만 그 이후부터는 내 정신이 아닌 것같다. 그래서 발표를 하는 사람은 컨디션 관리가 중요했던 것 같다. 발표 하신 우리 팀장님 정말 리스펙👍

후기

말하는 대로 이루어진다 라는 말을 믿는가?? 우리 팀은 그 일을 해냈던 것 같다. 해커톤 초반부에 포부로 '자네 관상이 장관상일세' 라고 해놓고 대상 못받으면 어떡하지? 라고 생각을 많이 했다. 그래도 그 부담감에서라도 더 노력하고, 어떻게 하면 우리 팀이 대상을 받을 수 있을까 연구를 했던 것 같다.

팀당 발표가 5분, 질의응답이 5분 총 10분이 주어지기에 발표에서도 많은 것을 보여주지 못한다. 크게 느낀 것이 몇 가지 있다. 대회는 결국 심사위원이 평가를 하는 것이기에 평가 기준에 해당하는 것들을 철저하게 지키면 된다. 기본적으로 서비스 개발에서 중요하다고 생각한 요소 3가지가 있다.

1. 당위성(필요성)
2. 기술력
3. 디자인

추가로 대회에선 발표가 정말 중요한 것 같다. 왜냐하면 프로젝트에 대한 설명을 사람들에게 제대로 전달하지 못한다면, 아무리 대단한 것을 만들어도 심사위원들은 발표를 통해서만 평가를 한다. 그리고 이 대회에선 특히, 사업화 가능성이 중요한 것 같다. 사업화 가능성을 고려한다면 자연히 서비스의 필요성, 기술력, 차별성, 시장가능성 등등 모두를 고려하여 각 평가 기준에서 높은 점수를 받을 수 있게 된다. 반면에 기술력이 아무리 뛰어나도 만든 서비스가 왜 필요한지, 이것을 사업화 할 수 있는지를 설명하지 못한다면, 기술 경연대회가 아닌 이상 아무 의미가 없기 때문이다.

물론 이러한 모든 것들이 다 중요하지만, 팀워크가 기반이 되야 한다. 우리 팀은 정말 즐기면서 했던 것 같다. 할 때는 하면서 놀 때는 놀면서 즐겁게 했기에 좋은 결과물을 거두었지 않았나 생각한다.💃
Dasrim 팀원들 너무 고맙고, 고생많았어~! 다 잘되서 정상에서 볼 것 같은 예감이 든다🤣

천재는 노력하는 자를 이길 수 없고, 노력하는 자는 즐기는 자를 이길 수 없다. - 롤프 메르클레 -

광인사 프로세스(대략적)

프리코스(2달같은 1달) > 기초교육(2달) > 프로젝트(2달)

길다면 길고 짧다면 짧은 반년 가량의 과정이 끝났다.
제일 중요한 것은 무엇을 얻었는가? 이지 않나 싶다.

내가 생각하는 나의 광인사 Before - After 는 차이가 많이 큰 것 같다.

광인사에 들어가기 전의 나는 앞으로 내가 어떤 일을 하면서 살아야 할지, 딱히 목표 및 하고 싶은 일이 없었다.

나름 관련 전공학과임에도 불구하고 컴퓨터 프로그래밍에는 관심도 없었고, 막연히 다른 사람들과 같이 공기업이나 도전할까? 라는 생각만 가지고 있었다. 그래서 우선 자격증부터 따놓자는 생각으로 정보처리기사 공부를 하고 필기를 합격한 상황이었다. 정보처리기사 공부를 하면서 진짜 이 정처기 내용들이 실무에 쓰이거나 내가 쓸 일이 있을까? 라는 생각을 정말 많이 했었다

하지만, 나는 광인사 과정을 마치면서 많은 생각의 변화를 얻었다.

.
.
.

광인사를 통해 얻은 것.

첫 번째, Ai에 대한 인식이 달라졌다.

Ai를 들으면 대부분의 사람들의 생각은 영화에서 보던 것같이 기계가 세상을 지배하는 것처럼 거창하게 생각한다.
물론 나도 그랬었다. 하지만 머신러닝 딥러닝 공부와 Ai 관련 포럼도 들으면서 Ai는 정말 거시적인 의미라는 것을 깨달았다.

위 그림과 같이 Ai는 큰 범주로 사람이 해야 할 일을 기계가 할 수 있도록 자동화하는 것을 말한다.
예를 들자면 '토토'라는 단어가 메일 내용 중에 있다면 스팸으로 정의한 스팸 필터도 Ai라고 할 수 있다. 이와 같이 사람이 규칙을 정의하는 방식에서 더 나아가 데이터를 기반으로 기계가 스스로 규칙을 찾을 수 있도록 하는 것이 머신러닝이고, 더 깊이 들어가 인공신경망 기반으로 사람과 비슷한 수준으로 규칙 찾는 것은 물론 예측까지 스스로 하게 만드는 것이 딥러닝이라고 내 머릿속에 정리가 되었다.

즉, Ai를 비유하자면 도구(tool)라고 할 수 있을 것 같다. 남이 만들어둔 도구를 쉽게 사용은 할 수 있지만, 그렇다고 그 도구를 직접 만드는 것은 전문 지식을 갖추지 않는 한 상당히 어렵다. 그뿐만 아니라 주인이 원하면 도구를 공짜로 쓸 수도 있겠지만, 대가를 지불하고 이용해야 할 수도 있다. 이런 특성들이 세상에 쓰이는 망치, 드라이버 등 도구들과 비슷하다 생각이 들었다.

그래서 나는 내가 할 수 있는 부분이 뭘까? 라고 생각을 하다가 내린 결론은,
'세상에 만들어진 도구들을 이용하여 세상의 다양한 문제들을 지혜롭게 해결할 수 있지 않을까?' 였다.
이 생각에서부터 Ai에 대한 비전을 가지게 된 것 같다.

두 번째, 프로그래밍에 대한 인식이 달라졌다.

프로젝트를 진행하면서 Ai 기술도 물론 중요하지만, 서비스를 개발하기 때문에 이용자가 서비스를 사용한다!
그렇기 때문에 웹페이지나 DB 등 다른 여러 가지들이 유기적으로 맞물려서 전체적으로 안정감 있게 구동돼야 한다.
프로그래밍을 불가피하게 할 수밖에 없다.

대학 다닐 때만 해도 컴퓨터 프로그래밍하면 단순히 어려운 것, 보기만 해도 어지러운 것 이 정도로만 생각하고 있었다. 그런 시꺼먼 색안경을 쓰고 있으니 시도해볼 생각조차 하지 않았다. 하지만 막상 해보니 내가 설계한 대로 되는 것이 재밌기도 하고, 무엇보다 내 손으로 의미 있는 무언가를 만들어냈다는 것에 대한 성취감이 나의 생각을 바꾼 밑거름이 되지 않았나 싶다.

세 번째, 혼자보다 함께하면 더 좋다.

혼자 한다고 해서 프로젝트 진행이 불가능하다는 것을 말하는 게 아니다. 혼자 공부해서 혼자 많은 것들을 만들어 내는 사람도 많다. 하지만 나는 광인사를 통해 나와 같이 열정을 가지고 지원한 학생들과 함께 프로젝트를 진행함으로써 더 좋은 결과를 거둘 수 있지 않았나 싶다. 분명 혼자 하는 것보다 훨씬 좋은 결과를 가져올 것이라고 생각한다.

프로젝트를 진행하면서 분명 팀원들끼리의 불화가 있는 경우도 있다. 보통 내가 생각하는 것이 옳다는 주장이 반려되는 것처럼 의견 충돌에서 싸움이 시작된다고 생각한다. 나도 이와 같은 경우를 겪었는데, 생각해 보면 내가 주장하는 것이 누구나 다 동의할 정도로 설득력 있고 합당하다면(더 좋은 의견이 있을 경우를 제외한다면) 아무도 내 의견에 반박하지 않았을 것이다. 반박을 했다는 것은 내 의견에 흠이 있거나 보충해야할 부분이 있다는 생각이 들었다. 그래서 난 주장한 것에 대한 다른 팀원의 의견을 꼭 끝까지 들어보고 판단했는데, 다른 팀원에게 생각을 말하고 피드백을 받으면서 내가 놓쳤던 부분도 알 수 있게 되고, 더 나아가 부족한 부분을 보충해 나가면서 더 좋은 아이디어가 나왔던 것 같다.

혼자서 생각하는 것에는 한계가 있다고 생각한다. 팀원들마다 각자 다른 성격을 가지고 있다. 그렇기에 각자의 방향에서 바라본 분석 과정에서 나온 생각들을 조율해 나가는 과정에서 최고의 아이디어가 나온다고 생각한다. 그뿐만 아니라 팀원들과 함께 서로 공부한 것들이나 정보들을 공유하면서 함께 성장해나갈 수 있다는 점이 너무 좋은 장점인 것 같다.

아 참❗ 프로젝트를 진행하면서 팀원들과 함께즐겁고 재미있어 추억 또한 많이 쌓을 수 있었던 것이 제일 좋았다😁

물론 느끼고 얻어 간 것이 더 많지만 크게는 이 세 가지 정도인 것 같다.

수료식

시간이 정말 빠르게 흘러 수료식이 다가왔다.
장소는 광주 김대중 컨벤션 센터에서 코로나 방역수칙을 철저히 준수하면서 진행되었다.
또 이런 행사에는 굿즈가 빠질 수 없지 ~~ ❗

Ai 후드 집업!!!(로고가 너무 커서 밖에서 못입고 다니겠네..)

그리고,,,,,
살다 보니 광주 시장님께 장미꽃🌹을 받을 날이 올 줄은 몰랐다🤭

수료식에서는 프로젝트 및 여러 과정에 있던 결과물들을 각자 평가를 한 뒤 성적 우수자를 뽑아 시상을 했었다.
대상(1명), 최우수상(4명), 우수상(5명), 장려상(20명) 총 30인이 수상했다. 각 상마다 소정의 장학금이 있다.
수상을 기대도 안한 나는 팀장을 계속해서인지 장려상을 받았다.(출석 잘해서 우수상 노려볼걸..)

수료식에서 인터뷰도 많이 했다. 난 처음에 아무 생각 없었는데 나도 모르는 사이에 이미 신청을 했다더라...
우리 팀은 정말 모든 것을 다 열심히 하는 것 같다. 덕분에 많은 경험을 해보고 좋은 추억 쌓은 것 같아 너무 좋다🥰
->> Ai 타임즈 인터뷰 기사 <<-

사진 속엔 수료식에 참가한 사람들 밖에 없어 150명 가량의 수료생 전부 모이진 않았지만 수료생 전부 뛰어난 인재들이라 미래엔 모두 거물들이 되어있을 것을 믿어 의심치 않는다. 광인사 1기 수료생들 파이팅💪

결론은 많은 것을 배우게 되어서 너무 감사했다. 게다가 소중한 추억도 쌓을 수 있어 너무너무 행복한 시간이었다.🙏

나는 광주 인공지능 사관학교를 갈려고 고민 중인 친구가 있다면 거두절미하고 🔥도전🔥해 보라고 추천할 것 같다!!