시리즈를 시작하며

최근 몇 달간 팀에서 채용을 진행하게 되면서 나름 꽤 한다는(?) "경력직" ML 엔지니어들을 만나 봤지만, 다양한 백그라운드를 가진 분들을 만났습니다.

저도 뭐 대단한 사람은 아니지만, 그래도 같이 일하는 동료들로부터 인정도 받고, 나름(?) 고학력에, 근본 있게 C로 모델 학습 하던 시절부터 머신러닝에 몸담아온 사람으로서 아쉬운 점들이 공통적으로 많이 보였습니다.

우선 라떼는... 최근에는 머신러닝 유사 포지션들이 많아짐에 따라, 이론적인 기본기부터 탄탄하게 머신러닝을 접한 게 아니라, 협소적인 머신러닝을 접한 분들이 많았습니다.

API 또는 이미 학습 완료된 모델을 이용한 단순 응용, ML ops, 다소 오래된 전통적인 통계적 접근 등 최근 우리가 머신러닝 혹은 딥러닝이라 부르는, 좀 더 나아가 언어모델 개발/응용과는 거리가 먼 배경을 가진 분들이 많았습니다.

아무래도 처음엔 다른 도메인 개발을 하시다가 머신러닝으로 전형하시는 분들이 많아서 일거라고 생각이 됩니다. (절대로 저와 만난 분들이 실력이 없는 분들이 아니었습니다. 단지, 제가 생각하는 머신러닝 엔지니어로써 기본기가 부족했을 뿐..)

비록 보잘것없는 지식이지만, 2019년 이후의 몇 가지 머신러닝 트렌드와 기본기에 해당하는 것들을 실제 코드와 함께 다뤄보면 이런 "회색 지대"에 계신 머신러닝 엔지니어분들이 대 LLM시대에 잘 자리 잡으실 수 있길 바라는 마음과 함께 시리즈를 작성해보겠습니다.

+ 주요 용어는 되도록이면 억지스러운 번역 대신 영문 명칭을 그대로 사용하겠습니다.