수도콘(pseudo-con)을 묻는다면, 함께할 의지와 혼자의 힘이라 답하겠다.
들어가며
처음 이 행사에 참여했을 때, 참 많은 사람들이 고생했다는 느낌을 받았다.
네트워킹 데이 이후로, 가짜연구소(가짜연)이라는 비영리 기업이 120명 정원의 행사를 운영하려면 정말 금전적으로, 시간적으로도 많은 투자가 필요할 것이라 예상을 했다. 아래 포스터를 보니, Google cloud, MakinaRocks, nipa 의 후원을 받았다고 한다. 후원과 많은 봉사자들의 도움으로 개최될 수 있는 비영리 단체의 행사였다.
성장이라는 것을 표현하려고 태양이 크게 떠오르는 듯한 느낌의 연출이다.
후원해주신 마키나락스 사의 도시락과 커피, 그리고 가장 오른쪽에 노란 병은 오렌지주스이다. 가운데 검은 것이 포도주스로 알았으나, 커피였다. 카페인에 민감한 친구라, 나중에 커피는 앞에 팻말을 두면 좋겠다.
이 특유의 사각스러운 병은 아무래도 가짜연구소의 시그니처 상품같다. 나름 페트병하나도 컨셉을 잡아서 제공하는게 정성이 돋보인다.
오프닝: 함께할 의지
가짜연구소에 대한 전반적인 소개와 디스코드 페이지를 홍보했다. 120명의 인원으로 진행한 것이 지난번 4회 수도콘 행사대비 규모가 커진 것이라 한다. 진짜는 아니지만, 그래서 재미있는 가짜만의 이야기라고 하니 궁금하다.
5회 수도콘의 주제는 함께할 의지이다. 함께 성장해나가는 커뮤니티 이야기라고 보면 되겠다. 디스코드에 많은 인원이 있지만, 오프라인에도 이렇게 많이 참여할 줄은 몰랐다.
다만, 그 많은 인원이 다 디스코드 방에서 반응을 해주지 않아서 아쉽다고 한다. 다 각자의 사정이 있겠지.
Invitied talk: 구글 이야기
Overview: Our culture & Path to Innovation
구글 클라우드 쿠브님의 구글 스토리이다. 장소 후원사 대표로, 구글 기업 문화를 소개하며 첫 세션을 시작했다.
4가지로 컨셉이 있다. Curiosity (궁금, 호기심), Agency (이게 뭘까?), Collaoration (협동), Risk taking (위험 감수)로 요약한다.
먼저 Curiosity at Google을 살펴보면, 구글은 항상 궁금함, 질문을 중요시한다. 그 문화는 회사 내에서도 강조되며 여러 사례를 소개했다. 다만 내부 사정으로 공개하기 어려운 부분이 있다. 공개해주신 부분만 정리해본다.
Curiosity at Google
우리가 질문을 하면 누군가가 답을 한다. 질문에서 연구에 대한 문제를 찾고, 가설을 세우고 이를 증명하는 과정이 하나의 연구라고 할 수 있다. 그런 것이 모여서 구글이 이루어지고 있다고 해도 과언이 아니다.
Physical Space는 결국 구글이라는 곳이 제공하는 다양한 형태의 공간에서, 자유롭게 모여서 질문하고 답할 수 있는 문화를 만드는 것이라 볼 수 있다.
TGIF라는 문화는, 함께 모여서 질의응답과 아이디어 공유하는 시간이다. 구글의 말단부터 대표에 이르기까지 다양한 사람들이 함께 회사와 다양한 문제에 대해 질문하고 자유롭게 대답할 수 있는 시간이라 한다. 드는 여러가지 질문을 윗사람들이 대답해주는 문화가 참 좋고, 그게 구글이라고 생각이 든다.
Agency at Google: Ownership가 아니라 Agency
구글의 두번째는 Agency로, 우리가 강화학습 공부하면 Agent에 대해 배운다. Agent는 환경과 대응하는 개인이다. 각 에이전트가 모여서 회사가 되는 것으로, 자기 권한 내에서 최대한 진행해보고 후에 보고한다. "선조치 후보고, 일단 저질러라, 수습은 나중에!"
한글로 굳이 말하자면 주인의식에 가깝다고 할 수 있다. Ownership이 아니라 Agency라는 말이 아직 이해가 안된다. 그냥 내가 회사의 주체라는 마음을 새기는 것으로 이해했다. 관련 사례는 "Gmail"으로, 구글하다가 궁금한 것이 많아지다가 만들어진 결과물이라고 한다. 이 부분은 잘 모르겠다.
그 외에 20% projects라는 사례도 있다. 에이전시들은 모여서 프로젝트를 하는 시간을 가지는 것으로 보인다. 또다른 사례로는 Googlegeist로, 말단부터 대표로 올라가는 하나의 에이전시들의 모임이라는 의미로, 보통은 올라가는 과정에서 의사전달은 막히기 마련인데, 구글은 중간에 잘못해도 다시 "Googlely" 구글리하게 만들고자 노력한다고 한다. 이것이 구글이 말하는 새로운 동인(동기)으로, Agency의 마음으로 회사에 참여하고 잘못한 것도 학습하고 다시 배우는 문화가 된다.
Collaboration at Google: 내 동료가 되어라!
문제 해결을 위한 가설 설정, 좋지만 이게 느껴진다고 혼자만 할 수 없다. 팀을 찾아 나서는 것이 구글이다. 당신이 agent라면 또다른 agent를 찾아 나서서 동료를 만든다. 아, 본사가 그렇게 많이 한다.
어디서 들리지 않는가? "내 동료가 되어라!"
- 팀 내에서 해결이 안되면, 팀대팀으로 협업하여 시작한다.
- "google workspace"가 대표적인 사례이다. 전화로만 하다가 답답해서 만든 Google Meet이다. 초반에는 다른 컨퍼런스 콜보다 떨어지지만 지금은 구글밋으로 송출하면서 녹화도 하고 편리하다.
- 모든 게 연결되어 있으며, 문제에 대해 가설을 세우고 실행하고 동료를 만나는 하나의 과정이라 생각할 수 있다.
- 그 사례로 G2G and Meetings, 사소한 주부들 모임부터 직장 내 대학원 이야기도 하고 공유해나간다. 하나의 패밀리를 만드는 회사내 가지치기 미팅도 많은 모양이다.
- Physical Space는 구글 밋을 활용해서 아무나 들어가서 본사와 자유로운 소통이 가능한 공간이라고 한다.
아, 물론 없어진 팀이나 서비스도 많이 있다. 무조건 성공은 아니지만 그 시도는 의미있다고 생각한다.
Risk-taking at Google: Dream Big, Reach, Experiment, Try
문제 해결해야 하지만 늘 어려운 상황이 있고, 포기도 하나의 선택이다.
나의 문제는 모두의 문제일 수 있다. 그래서 등장한 개념이 10x라고 한다.
- 10X : 우리의 문제는 모두의 문제로, 문제를 10배정도 크게 확대하도록 장려하는 문화이다.
마무리
구글은 몇가지 생각이 있다.
- Be you, 남이 시켜서 하는게 아니라 너 자신이 되어보는게 중요하다.
- Diversity matters, 항상 다양성을 강조하며 창의성이 여기에서 나온다고 한다.
- 창의성은 결국 만든 업무에 적응하는게 아니라, 거기에 내 경험과 성장과정이 들어가서 업무에 적용하는 데서 나타난다.
- 그렇게 상상하지 못한 것을 할 수 있게 장려하고 있다.
- Big quesitons bring us together, 문제를 더 크게 만들고(10x) 크게 바라본다.
- 이러한 과정으로 발견할 수 있는 점은 더 많아질 것이라 기대하고 있다.
- 혁신을 강조하며, Agent가 되어 행동하면서, 문제에 대한 가설을 세워 해결해나가고, 제안하고 실현시키고 있다.
개인이 에이전트가 되어 문제를 해결해나가는 경험을 해볼 수 있는 곳이라 요약하겠다.
Invitied talk: Superb AI 이야기
요약하면 자동화에 진심인 회사로, AI 개발 프로젝트를 수행하면서 일어나는 문제를 해결하고자 등장했다. 컴퓨터 비전 문제를 AI로 해결하는데 학습 데이터셋 제작과 분석, 큐레이션 지원을 통해 큰 기여를 하고 있다.
AI 개발에 80%이상이 배포에 실패하는데, 데이터 구축부터 엄청난 돈과 시간을 쓴다. 들인 돈과 시간에 비해 실제로 적용이 잘 안된다면 자꾸 멈추게 된다. 때문에 특정 모델을 사업에 적용할 수 있는지 확인하기가 어려운 문제가 발생한다.
이를 해결하는데 도움을 주는 작업을 한다. 그렇게 등장하는데 DataOps로, 모델 결과에 대해 피드백을 받고 개선해나가는 operation block을 생각해본다.
이 모든 것을 DataOps 라고 요약한다. 다양한 공개 데이터를 활용하고, 특히 video (영상) 데이터를 본 회사의 플랫폼에 올릴 수 있게 만든다.
데이터 중심 AI 개발과 DataOps가 추구하는 변화로는, 독립적인 데이터 준비와 모델 개발이 가능해지고, 1회성 거대한 workflow를 생성하게 된다는 점이다. 데이터는 최대한 넣으면서 메타 정보를 최대한 가지고 관련 쿼리를 만드는 것이 가장 중요하다고 한다.
Contribution talk: 다양한 스터디 회고
Pseudo-con: Meta-learning 초읽기
메타 러닝 스터디는, Stanford CS330 (Deep Multi-Task and Meta Learning) 강의 수강을 목표로 진행했다.
간단히 소개하면, Multi-task는 ABCD를 배우는 것이고, Meta-Learning은 ABCD 학습해서 새로운 E를 빠르게 배우는 것이다.
스터디를 운영하면서 항상 어려움이 있었고, 그 해결법을 간단히 요약해봤다.
- 강의는 듣다보면 유사한 컨텐츠가 많아 루즈해지는데, 이를 유연하게 수강 목록을 조정해보고 나아가 발표도 당일 랜덤지정하는 나름 가혹한 운영으로 텐션을 유지한다.
- 메타러닝에 비해 강화학습 관련 내용이 부족한데, 이를 매주 각자의 연구 주제를 공유하며 해소한다.
- 온라인 모임은 스터디원 파악이 어렵고, 중간 점검차 오프라인 모임도 병행하여 확인하고, 항상 피드백을 많이 가져가려고 노력한다.
본 스터디로, 개인이 성장하고, 강화학습 운영하는데 필요한 지식과 코드, 블로그 게시하기 좋은 소스, 집에가서 자는게 아니라 자기계발을 하는 좋은 동력을 얻을 수 있다고 강조한다.
사실 이런 후기를 듣다보면 다음에 스터디는 이렇게 해야할 수도 있다고 생각이 든다. 공감할 점은 블로그 게시하기 좋은 소스를 많이 얻은 점이고, 항상 공유하는 마음가짐을 얻을 수 있던 점이다. 현업에 계신 분들의 다양한 인사이트와 조언, 좋은 리소스 글은 늘 환영이고 작은 질문에도 정성스러운 답변을 해주기 때문이다.
그 외에 스터디는 간단하게 느낀 점 위주로 요약해보겠다.
Pseudo-con: 캐주얼하지 않게 Causality하기
쉬는 기간 포함 8개월 정도 진행한 스터디로, Python으로 하는 인과추론 스터디라고 보면 된다. Causal Inference는 한국어 자료가 없어서 직접 한국어 자료를 만들었다고 한다. 이전 기수는 캐주얼하게 입문했다면, 지금 기수는 캐주얼하지 않게 제대로 만들어본다는 느낌이다. 좋은 결과물이 나올 것이라 기대한다.
아래는 원 저작자의 사이트이다.
https://matheusfacure.github.io/python-causality-handbook/landing-page.html
Causal Inference for The Brave and True — Causal Inference for the Brave and True
matheusfacure.github.io
다음은 본 스터디에서 번역한 자료로, 원 저작자의 허락을 받아 진행한다고 한다. 시간이 되면 비교해보겠다.
https://github.com/CausalInferenceLab/Causal-Inference-with-Python
GitHub - CausalInferenceLab/Causal-Inference-with-Python: Causal Inference for The Brave and True 책의 한국어 번역 자료
Causal Inference for The Brave and True 책의 한국어 번역 자료입니다. - GitHub - CausalInferenceLab/Causal-Inference-with-Python: Causal Inference for The Brave and True 책의 한국어 번역 자료입니다.
github.com
Pseudo-con: 초급 NLP with Python
본 스터디 NLP를 python으로 공부하는 것이며 책을 기반으로 한다. 텍스트 마이닝 기초부터, 텍스트 마이닝, 딥러닝, Transformer:BERT의 구조에 이르기 까지 다양하게 진행하고 있으며 아직까지 진행중이라고 한다.
스터디 관리 활동을 좀 소개하고 싶은데, 오래 진행되다보면 항상 루즈해지는 부분을 어떻게 해결했는지 궁금했다. 초반에 아이스 브레이킹을 위해 확대 그림 맞추기 게임을 진행하기도 하고, 한달에 한번 동료평가와 상시 정보공유를 한다고 한다. 회사와 비슷한 느낌으로 결집력을 운영하는 것으로 보이고, 월급은 없지만 정보를 공유하며 잘 운영하는 스터디로 보인다.
Pseudo-con: 3D Vision in AI
2D로 많은 분석이 이루어지지만 성능이 안나오면 3D로 성능을 향상시켜 해결한다. 그래서 시작한 스터디로 Mono Depth, Stereo Depth, Warping 개념을 소개하며 시작했다.
간단히 모델만 소개해보겠다.
- 3D Generation
- CLIP-Mesh
- get 3D
- Deep SDF
- 3D reconstruction
- NeuralRecon
- 3DCC: Depth, Mesh based Augmentation
- MVSalNet: Sailent Augmentation
스터디로 얻은 점은 영감과 계속되는 의지라고 한다.
영감(Inspiration)은 다양한 최신 3D 분석 트렌드를 파악하고 그 중 필요한 개념을 바탕으로 새로운 논문을 작성할 수 있었다고 한다.
그러한 영감이 있기에 계속되는 의지로 기본에 충실하면서도 실습을 통해 배운 것을 꾸준히, 멈추지 않고 공부하게 된다고 한다.
그게 함께하는 스터디의 매력이 아닐까 싶다.
이 외에도, Data Engineering, 마키나락스 사에서 Jupyter에서 MLOps까지, Vision-Language AI 등 다양한 이야기가 있었다. 특히, 마키나락스 사는 Booth도 별도로 운영중이어서 관련 제품에 관해 질문을 하며 즐거운 시간을 보냈다.
Pseudo-con: 같이의 가치, 혼자의 힘 (feat.Nerf)
자기 컨셉을 잡고 전문 지식을 정립하는 게 중요해요.
그 과정에서 가장 중요한 것은 발표라고 생각합니다. 성장의 핵심이거든요.
마지막 피날레를 장식하는 분은 Nerf in the nerf라는 오픈랩(Open-lab)의 메인 기여자인 신동원 님이다. 사실 함께의 의지라는 제목 뒤에는 혼자의 힘을 억지로 넣었다. 이렇게 하면 수미상관이 딱 맞아서 좋았다.
GDG(Google Developer Group), SLAM KR 등 다양한 커뮤니티에서 활동 중이며, facebook 그룹, 강의 활동, youtube를 운영한다.
https://www.youtube.com/c/SLAMKR
SLAM KR
www.youtube.com
1. SLAM이 무엇일까?
Simultaneous Localization And Mapping의 요약버전이다. 동시적으로 위치 추정과 매핑이란 뜻으로, 위치 추정은 나의 위치를 알아내는 것이며 매핑은 움직이면서 머릿속에 지도를 그린다고 한다. 추상적이라 아직도 이해는 잘 안된다.
2. Nerf는 무엇일까?
Neural radiance as a field로 주 목적은 Novel view synthesis 라고 할 수 있다. 다양한 각도에서 이미지를 학습해서 3D rendering을 하는 것으로 기존의 SRN 등보다 훨씬 우수한 성능(빠른 렌더링 속도와 좋은 해상도 결과물)을 보인다고 한다.
3. 마무리: Community + Standalone + Presentation
먼저, 자기 컨셉과 전문지식을 잘 정립해야한다. 자신이 있다면 모르는 사람에게 잘 설명해보는 것도 좋다. 신세계를 느낄 것이다.
또한, 가짜연구소 같은 Community에 적극적으로 참여하는 것도 중요한데, 여기에 Standalone 을 추가하면 좋겠다.
나아가, 스스로 만드는 과정에서 남에게 Presentation 발표하는 선순환을 거치는 게 성장의 핵심이다.
아래는 혼자 있는 시간의 힘이란 도서로 본 발표자분이 추천해주셔서 읽어보고자 한다.
http://www.yes24.com/Product/Goods/19419272
혼자 있는 시간의 힘 - YES24
혼자일 수 없다면 나아갈 수 없다평범한 대학원생 사이토 다카시를 유명 저자이자 메이지대 교수로 만든‘혼자 있는 시간의 힘’불과 2～3년 전만 해도 혼자 밥을 먹는 풍경은 낯선 것이었다.
www.yes24.com
마치며
사람이 성장하는데 필요한 요소를 어느정도 배워본 시간이었다. 최근 트렌드인지 다시 커뮤니티가 오프라인으로 모이면서 이를 기반으로 성장해나가는 사람들이 많아지고 있다. 나도 그 흐름에 잠깐 발을 담궈보려고 한다.
이전에 캐글 코리아 강남 스터디를 운영해봤지만, 항상 느끼는게 사람이 많아지면 이탈자가 늘 있고 스터디는 첫 모임이 가장 활발하다가 점점 사그라들다 소멸하는 과정을 거치며 후회만 남곤 했다. 스터디원들이 자발적으로 참가를 해도 그 의지는 오래가지 못하기 때문에 사람을 잘 믿지 못했고 스터디를 기피했던 것 같다. 다시 생각해보면 나 자신도 그렇게 열정을 지속하기 어려워해서 더 쉽지 않은 것으로 여기고 스터디 운영을 포기했었다.
다만, 본 행사에서 약간의 길을 찾은 것 같다. 팀별로 운영의 노하우가 있었고, 두 달이라는 짧은 기간 안에서도 다양한 전략을 통해 끝까지 이탈율을 최소화하면서 스터디를 끝내는 모습이 존경스럽기도 하고 결과물을 내는 과정은 경이롭기까지 하다.
지금은 그래프로 설득하기라는 작은 스터디 러너로 시작하지만, 언젠가 그들처럼 다시 스터디를 운영하는 사람, 발표하며 성장하고 커뮤니티에 기여하는 사람이 되기를 기대하며 본 글을 마친다.
'세미나 후기' 카테고리의 다른 글
| AWS Community Day 2023 - 모이고 또 모이고 : 참관 후기 (1) | 2023.10.30 |
|---|---|
| SK Devocean 5회차 테크데이 후기 (0) | 2023.10.26 |
| [NCUC] 첫번째 판교 소모임 후기 (2) | 2023.07.26 |
| Google cloud Next Innovators Hive: Korea 후기 (0) | 2022.11.25 |
| 가짜연구소 네트워킹 데이 후기 (2) | 2022.11.13 |