안녕하세요! 오랜만에 회고글로 찾아왔습니다.
그동안은 딱딱한 글들로 자주 찾아뵈었는데,, 오늘은 회고를 한 번 해보려고 해요.
(졸업을 한지도 한참이 되었는데 이제야 찾아뵙게 되었습니다 하하😅)
지난 2024년 10월부터 2025년 3월까지 데이터 관련 직무로의 전환을 위해 총 6개월 간 아이펠 데이터사이언티스트 3기 과정에 참여했습니다.
6개월이 언제 지나가려나,,하고 시작했지만 어느새 완연하게 지나가버렸네요.
시원섭섭보다는 섭섭한 마음이 가장 크지만! 한번 회고 시작해볼게요.
시작은 우연, 기회는 1번
사실 저는 당연하게도 Backend로 취업을 할 수 있을 것만 같은 희망으로 오랜 기간동안 취업을 준비했습니다.
제 관심사도 오로지 Backend라고 생각했구요.
학부 시절에도 사실 고민을 오래 했었습니다. 연구보다는 개발을 하고 싶었지만 프론트엔드에는 영 재능이 없는 것 같았고,,,
그렇다면 남은 건 Backend인가?라는 생각을 시작으로 이 분야에 대한 공부를 반복하며 애정이 생겼어요.
그렇게 나는 무조건 멋있는 Backend 개발자가 될거야!라고 목표를 세웠습니다.
선택에는 시간이 걸리지만, 결정이 되면 앞만 보는 경주마처럼 달리는 제 성향을 이용해서 학부 시절부터 다양한 활동들을 어떻게든 관련 직무로 맞추기 위해서 노력했어요.
물론 졸업 직전과 그 이후까지도 많은 프로젝트에 참여하기도 했습니다.
불가피한 상황들이 생기면 혼자서라도 프로젝트를 지속해왔었구요.
그런데,,
API 개발을 하면 할수록, 자연스럽게 함께 살펴봐야했던 데이터 자체의 품질에 따른 API 성능의 차이가 일부 발생하는 것을 시간이 흐를수록 깨닫게 되었습니다.
"API는 단순할수록 좋고 알고리즘도 단순할수록 좋다."라는 생각을 가지고 개발을 하다보니 더욱이 데이터의 품질에 대해서 관심을 가지게 되었구요.
그러다 문득 이런 생각이 들었어요.
"그럼 아예 데이터를 내가 정리할 수 있다면, 내가 원하는만큼 API 성능을 더 많이 개선시킬 수 있는 건 아닐까?"
그렇게 전 자연스럽게 데이터에 대한 호기심을 더 깊게 가지게 되었고, 그 다음 단계로 나아가 데이터를 어떻게 분석하고 처리할 수 있을지를 고민하게 되었어요.
그리고 한 가지 더!
단순히 가공하는 단계까지가 아닌 ML/DL 모델 학습을 통해 API와 연동하고 핸들링하는 것.
그 단계까지가 효율과 리팩토링 비용을 모두 줄일 수 있는 방법이라는 목표를 가지고 고민을 시작했습니다.
하지만, 막상 컴퓨터공학과 졸업 이후에 데이터를 혼자 독학하려니 커져가는 호기심과 비례한 막막함이 생겼고 돌파구를 찾아야만 했습니다.
그 시점에 아이펠 데이터사이언티스트 3기 공지를 보게 되었고, 오랫동안 신중하게 고민하고 결정하는 편이던 제가,,
생각보다 단순하게 "그냥 한번 해보자"하는 가벼운 마음으로 지원을 하게 되었어요.
지원은 어떻게?
- 프로세스 :
아이펠 홈페이지에서 지원서 작성>시간 협의 후 온라인 인터뷰>최종 합격 여부 메시지 확인 - 아이펠 홈페이지 : https://camp.modulabs.co.kr/ds
정말 재밌게도, (아무도 그렇게 생각하지 않을텐데) 지원서는 당연히 붙지 않을까?라는 생각을 했던 것 같습니다 ㅎㅎ
지원서는 전공 정보와 3가지 질문으로 이루어져 있었으며, 질문을 종합하여 500자로 정리해서 내면 되는 형식이었어요.
- 수강동기와 목표
- 최근 학습 경험
- 협업 경험
그래서! 지원서를 쓰면서 동시에 면접에서 어떤 질문이 유도되게 할 것인지까지를 설계했던 것 같습니다.
첫 번째, 커리큘럼 분석
많은 교육 과정 중 아이펠을 선택한 이유를 확실하게 어필하려면, 무엇보다도 커리큘럼을 잘 알고 있어야겠죠?
커리큘럼을 확인하고 많은 부분들을 빠르게 다루는 프로세스가 마음에 들어서 선택했습니다.
대부분 이런 내용일겁니다.
다만, 이 말을 어떻게 풀어낼지가 고민일 거예요.
데이터와 관련된 기초 지식이 없다면, 더욱 커리큘럼 자체가 어려울 수 있습니다.
그렇지만 기억할 건 1가지.
아이펠 데이터사이언티스트 과정을 지원한 이유는 배우고 싶은 의지 그 자체잖아요!
모르는 부분이 많더라도 충분히 노력해서 따라갈 수 있다는 의지를 보여주는 것이 무엇보다 중요하다고 생각합니다.
그러니 너무 긴장하기보다는 의지를 보여줄 수 있도록 잘 전달 할 수 있게! 준비하시면 좋을 것 같습니다.
두 번째, 자기소개 준비
취업 준비를 하면서 지겹게도 많이 봤던 면접이지만, 늘 자기소개는 새롭게 고민해야하는 그런...어려움이 있죠.
이 교육과정도 온라인 인터뷰가 있기 때문에 간단히 1분 자기소개를 준비했습니다.
💡 Tip
반드시 지원서에 작성한 스토리가 일관되게 언급되도록 해주세요.
말 그대로 "자기소개"이니, 본인이 어떤 백그라운드를 가지고 있으며 어떠한 계기로 이 교육과정에 관심을 갖게 되었는지에 대한 이야기를 편하게 준비하시면 될 거라고 생각합니다.
대신, 면접을 볼 때에 어떤 내용을 보고 있지 않아도 자연스럽게 이야기가 나올 수 있도록 "인지"하는 시간을 가졌습니다.
제 얘기이면서도 막상 대본처럼 줄글만 읽다보면 로봇같은 말투가 되는 것..다들 아시죠?
세 번째, 예상 질문 준비
- 자기 소개 + 마지막 할 말
- 지원서에 작성한 경험 크로스 체크 대비
- DS 희망 사유 👑
- 커리큘럼 내 프로젝트 중 선호 분야
- 기초 데이터 분석, 데이터 사이언스 지식
- AI 기초 지식
사실 너무나 당연한 부분들이죠. 제 경우에는 3번을 가장 중요하게 생각하고 준비했던 것 같습니다.
백엔드 개발을 희망하던 제가 어떠한 계기로 데이터에 관심을 가지고 되었는지에 대한 설득력이 있어야한다고 생각했습니다.
프리아이펠
지원 후, 합격까지 오랜 시간이 걸리지는 않았습니다.
다행히 합격했고, 프리아이펠이라는 과정이 먼저 진행되었어요.
프리아이펠?
아이펠 교육이 본격적으로 시작되기 전, 기초 학습을 진행하는 단계
필수는 아닙니다.
하지만, 기초 습관을 들이는 것에 있어 매우 중요한 과정이라고 생각했습니다.
제 경우에도 앞으로 6개월간 좋든 싫든 잘 견뎌내야 하는데 매일 오전 10시부터 6시까지 쭈욱 계속 앉아있을 자신이 없더라구요..
그래서 파이썬 지식은 조금 있긴 했지만 그래도 참여했습니다!
정규 과정은 아니기 때문에 기초 공부를 할 계획부터 스스로 세우고, 스스로 실천하면 됩니다.
무조건 참여하세요. 해서 나쁠 건 한 가지도 없습니다(아시죠?😉)
본격적인 교육 시작!
본격적인 데이터사이언티스트 3기가 2024년 10월 7일부터 시작되었습니다.
전체 커리큘럼을 언제든지 살펴볼 수 있었고, ZEP과 Notion, Discord를 위주로 소통할 수 있었어요.
커리큘럼 참고 : https://camp.modulabs.co.kr/ds
- 리눅스, 깃허브, 파이썬 기초
- SQL
- Data cleaning, transformation, Feature Engineering
- ML(데이터 시각화, 사이킷런, 지도학습, 회귀, 비지도학습, 텍스트 분석 ...)
- 통계
- ⭐️데이터톤⭐️
- 금융 시계열
- DL(텍스트 데이터, 워드 임베딩)
- NLP(LLM)
- ⭐️랭체인톤⭐️
- 추천 시스템
- MLOps
- ⭐️아이펠톤⭐️
운영 방식
매일 오전 9시 50분 ~ 10시 10분까지 고용24 앱에서 입실 QR을 찍고, 오후 5시 50분 ~ 6시 10분까지 퇴실 QR을 찍는 방식으로 출석 체크가 진행됩니다.
이 시간동안, 당연히 ZEP에도 접속해야 하고 카메라도 켜고 있어야 했습니다.
(마이크는 필요 시 ON)
학습 방법
학습은 자체 LMS를 이용했습니다.
노드를 학습하고, 일정 기간에는 퀘스트를 통과하는 방식으로 이뤄져 있었어요.
또한, 작게는 개인 프로젝트, 크게는 해커톤이 주로 이뤄졌습니다.
단순한 학습만이 아닌 참여형이었죠.
개인 프로젝트는 주어진 시간 안에 노드 혹은 주어진 형식 내에서 요구사항을 만족하여 제출해야 하는 과제 형식이었으며,
해커톤의 경우에는 팀을 이뤄 함께 프로젝트를 하는 방식이었습니다.
정말 스스로의 의지 자체가 가장 중요한 과제였던 것 같습니다.
학습 과정에서도 퀘스트, 해커톤을 자주 진행하는 점이 아주 만족스러웠어요!
장점과 단점
제 경우에는 온라인 환경을 이용한 프로젝트나 인턴 등의 활동들을 많이 해본 경험이 있어 학습 환경에 적응하는 것은 어렵지 않았으나 온라인 환경이 주는 단점도 분명히 있었습니다.
각자 학습을 진행하더라도 한 주기의 노드를 진행하는 동안 만나게 되는 팀원들이 있는 방식이었는데, 이 과정에서 모두가 익숙한 정도가 다르기 때문에 어쩔 수 없이 발생하게 되는 차이..가 조금은 힘들었던 것 같습니다.
제가 잘 모르는 부분에 대해서 배워나가야 하는 게 힘들었던 순간도, 제가 무언가를 잘 알려줘야한다는 약간의 부담감이 있던 순간도 분명 있었어요.
(성향상 이야기를 많이 하거나, 말을 잘 하는 편이 아니었던지라.. 이 과정에서 스트레스 아닌 스트레스를 많이 받았던 것 같습니다..🥹)
그럼에도 시간이 흐르면서 그루분들과 라포가 쌓이며 조금씩 나아졌습니다..!
길고 길었던 학습..
무엇보다 6개월의 기간 중, 거의 5개월 정도의 기간을 학습 자체에 투자해야하면서도 이 시간이 조금은 부족하게 느껴지기도 했던 것 같아요.
대학에서의 4년이라는 시간을 5개월로 따라잡는다고 생각하면, 당연히 부족하겠구나 하는 생각이 들었습니다😭
그래서 전, "내가 잘할 수 있는 것을 하자" 라고 마음을 단단히 먹고 학습한 내용을 제 언어로 기록하기 시작했습니다.
학습한 내용들을 받아 적는 것보단, 시간이 흐른 후의 내가 보더라도 이해할 수 있는 글을 써야한다고 생각했어요.
그래서 시간이 허락하는 선에서 최대한의 시간을 들여 정리했습니다.
어떠한 방식으로든, 배운 내용들을 기록해두세요 꼬옥!
나중에 다 피와 살이 됩니다(진심)
가장 기억에 남는 건 아무래도 "아이펠톤"
마지막, 약 1개월 정도 진행되는 아이펠톤을 진행하면서 그동안의 배웠던 하드 스킬부터 소프트 스킬까지를 아주 야무지게 사용했던 것 같습니다😊
먼저 제가 진행했던 프로젝트부터 소개해드릴게요!
채권 리포트 기반 VectorDB 구축 및 RAG 최적화
GitHub : https://github.com/DS3th-AIFFEELTHON/Bogosa
Youtube : https://youtu.be/6qH0LnJco9o?si=CEu1nPmikOwBPXNh
- 금융 보고서 기반 최적 VectorDB 생성 & RAG 기법 최적화 및 신뢰도 높은 금융 특화 LLM 환경 구축 Project
- 데이터셋
가장 기초 베이스가 될 스켈레톤 코드부터 ~ Naive RAG, Advanced RAG까지.
도메인은 금융 계열이었고, KIS 자산 평가의 자료를 사용하여 RAG 프로젝트를 진행했습니다.
Chart, Table, Text로 이루어진 복합적인 데이터였고, 모든 데이터를 무작정 전부 사용하기보단 ➡️ 우선 순위를 두고 프로젝트를 진행해 나갔어요.
그 과정은... 정말 쉽지 않았고 어떻게 보면 연속된 좌절의 연속이었다고도 말할 수 있을 것 같습니다.
그럼에도, 아직까지 정답 또는 주어진 틀이 많이 정해져 있지 않은 분야이기 때문에 여러 실험과 테스트를 해볼 수 있었고 가능성을 가장 많이 봤던 프로젝트였어요.
처음 참여할 당시만 해도, 이미 Langchain과 관련된 기초 랭체인톤을 경험한 후였기 때문에 아주 자신만만하게 시작했지만
모든 프로젝트가 그렇듯, 이전의 제가 알고 있던 것은 정말정말 작은 영역이었을 뿐이라는 것을 여실히 깨닫는 시간이기도 했어요😅
프로젝트를 완성시키기 위해 팀원 모두의 간절함이 모였고 그 어떤 시간과 가치로도 바꿀 수 없을 중요한 각자만의 지식을 쌓아갔던 것 같습니다.
또, 제가 가지고 있던 다양한 스킬들을 아낌없이 사용할 수 있었던 점이 좋았어요.
(그냥 정말로 제가 할 수 있는 모든 것들을 붙잡고 쏟아내었습니다)
나를 갈아넣어보자 ...
- 기본적인 코딩 역량을 통한 기초 지식 이해 속도
- 깃허브, 노션 등의 사용 경험을 통한 코드 관리 및 회의 내용 정리
- 클라우드 경험을 통한 배포, 파이프라인 제작(DevOps, LLMOps)
그래도 견뎌, 견뎌야지
무엇보다도, 비교적 새롭게 나아가는 분야에 있어 다양한 생각을 하고 연구를 할 수 있었던 부분이 좋았고 기초 비용이 많이 필요한 Langchain, LLM 분야의 리소스를 아이펠 측에서 제공해주셨던 점이 너무나 좋았습니다.
(이건 조금 오프 더 레코드이지만, 리소스를 가장 야무지게 사용한 팀이었다고 하네요😊)
실제로 저희 팀의 경우에는 팀원들과의 생각이 잘 맞았고, 아이펠 교육이 종료된 이후에도 프로젝트를 이어가기 위한 방법들을 함께 강구하고 있습니다!
그럼에도 아쉬웠던 건
분명히 아쉬운 점들도 있었죠.
개인적으로 아쉬웠던 부분이었기 때문에 모든 팀에 해당되는 내용은 아니지만, 마지막 프로젝트의 경우에는 멘토링이라는 좋은 기회가 있으니 꼬옥 잘 활용하시길 바랍니다..!
제 경우에는, 멘토링 시간을 제가 잘 운영하지 못해서 개인적으로 아주 조금 아쉬웠던 것 같습니다🥹
프로젝트가 진행되면서 점점 지쳐가는 시간이 있었고, 그 시간에 밀려서 주어진 기회들을 이렇게 저렇게 잘 활용하는 것에는 조금 아쉬운 부분이 생겼던 것 같아요.
그래도 딱 1가지 말씀드리고 싶은 부분은, 모든 순간에 최선을 다하세요.
어떠한 방식으로든 그 경험은 제게 성장을 주더라구요.
그러니 포기만 하지 말고 끝까지 해보세요! 그것보다 중요한 건 없습니다.
아이펠을 하면서 내가 얻은 것들
1. 스터디
먼저, 아이펠을 통해 만난 다양한 분들과 함께 스터디를 진행했어요.
아이펠 교육이 진행되던 초반에는 데이터 관련 기초 지식을 쌓기 좋은 캐글 필사 스터디를 했었습니다.
이 스터디는 아이펠 교육 과정에서의 정기적인 랩업 시간에 진행되었고, 스터디를 하는 이유와 흥미를 찾을 수 있었습니다.
(하지만 랩업 시간이 많이 잡혀있지는 않아서, 제가 속한 스터디의 경우에는 추가적으로 모여서 같이 더 스터디를 하기도 했어요.)
그렇게 현 시점, 아이펠이 종료되었음에도 마음이 맞는 좋은 팀원분들과 논문 스터디, 통계학 스터디 등 많은 스터디를 함께하고 있어요🥹
2. 공부 습관
어떠한 분야를 정하고 직무를 정하고, 취업을 하기 위해 정해 놓은 길대로 가는 것도 좋습니다.
하지만 그 길이 잘 보이지 않을 때에 무작정 혼자 힘들어 하는 것보다는, 함께 걸어갈 사람 혹은 함께 걸어갈 무언가를 목표로 정해두고 가는 것도 좋은 방식이 될 수 있다는 것을 배웠어요.
무엇이든지 혼자서만 하는 것이 익숙했던 제게, 함께 공부하는 법을 알려준 교육이었어요.
다른 사람들을 살피느라, 정작 나는 제대로 된 도움은 받지 못할 수도 있겠다는 생각이 드는 순간들에도 미처 예상하지 못했던 부분에서 도움을 받게 될 수도 있다는 경험을 했습니다.
다양한 분야에서 경험을 쌓으신 분들이 함께하기 때문에 많은 부분에서 시야를 넓히는 연습이 되었어요. 정말 많이 도움을 받기도 했구요.
제가 열심히 쌓았다고만 생각했던 그 경험들이 얼마나 얕았는지를 깨달았어요.
사람을 통해 배울 수 있는 부분들이 분명 있습니다.
또, 온라인 환경이다보니 어떤 분들은 이 교육 방식이 맞지 않을 수도 있다는 생각이 문득 들더라구요.
하지만 퍼실님들께서 아주 적극적으로 도와주시기 때문에 그 순간들에 바로 SOS를 치면 됩니다(?)
무엇보다도 스스로 결정하고 합류하게 되는 교육 과정인만큼 교육 기간 내의 시간동안 최선을 다한다는 마음으로 이 교육에 참여한다면 분명 얻어갈 수 있는 것들이 많을 겁니다.
경험을 통해 무언가를 배울 때의 우리는 지향해야하는 것을 배우기도 하지만, 지양해야하는 것도 배우게 된다고 생각합니다.
그 누가 뭐라도 하더라도, 저는 이 아이펠 교육을 선택하고 6개월의 시간이 아깝다는 생각은 들지 않았습니다.
오히려 6개월이 너무나 짧다고 느껴졌으니까요.
무언가에 "몰입"해서 적극적으로 배워나가고, 내 손으로 어떠한 형태로든 결과물을 만들어 내고..
그 과정들이 그 어떤 것들보다도 즐거웠습니다.
모든 것이 종료된 시점의 제겐, 취업, 창업...등 많은 선택지들이 펼쳐지고 있습니다.
이 분야에 발을 들인 만큼 더 즐겨보려 합니다!
감사하게도 이런 저런 기회들이 생기기도 하구요. (물론 제가 원하는 것들은 조금 더 시간이 필요할 듯 합니다😅)
앞으로도 모두 화이팅입니다!
제 글이 누군가에게 조금의 용기와 도움이 될 수 있기를 바랍니다.
