GPT와 Stable Diffusion 등으로 대표되는 생성 모델을 방아쇠로 하여, 딥러닝은 어느 때보다 파괴적인 트렌드가 되었습니다. 누구도 가늠하기 어려운 속도와 방향으로 발전하는 이 기술을 보다 보면 놀라움과 경외감, 때로는 두려움까지 느껴지기도 하는데요. 이런 추세는 멈추지 않을 것이며 오히려 가속될 것이 명백하니, 딥러닝은 누구나 알고 제어할 수 있는 기술이 되어야 합니다.

온라인 클래스에서는 이러한 마법같은 기술의 기원과 동기를 따져 보는 것에서부터 출발해 Transformer와 같이 현대적인 딥러닝 시스템을 구성하는 필수 요소들을 탐구하고 직접 구현하게 됩니다. 왜와 어떻게라는 질문을 끊임없이 던지며, 딥러닝이라는 기술이 필연적으로 출현할 수 밖에 없었던 이유를 이해해 보아요.

딥러닝은 빠르게 변화하는 분야입니다. 특정한 문제를 푸는 가장 좋은 솔루션이 월 단위로 바뀌는 역동적인 기술인데요. 때문에 우리는 어떤 특정한 문제를 해결하는데 집중하지 않고 가장 일반적이며 범용적인, 딥러닝의 기저를 이루는 원리를 익히게 됩니다. 시간이 지나도 변하지 않을 지식을 담았으니 어떤 문제를 마주해도 유연히 대응할 수 있는 자산이 될 것이라 믿습니다.

수강 대상

특별한 사전 지식이나 전공을 가정하지는 않습니다. 그러나 개발 직군 종사자이거나, 프로그래밍 백그라운드가 있어야 더 많은 것을 얻어갈 수 있어요.

딥러닝 어플리케이션을 구성하고 관리하는 방법을 배우는데 많은 시간을 할애하기 때문인데요. 딥러닝을 활용하는 프로덕트를 만들어본 경험이 있다면 데이터, 모델 등 관리 포인트가 많아져 상황이 빠르게 지저분해진다는 점에 공감하실겁니다. 사실 일반적인 웹 서버를 띄우는 상황만큼 간편한 CI/CD가 어려운 것은 사실입니다. 아직까지는 그러한 관리 포인트를 일임할 수 있는 플랫폼이 없기에 프로젝트의 다양한 Artifact를 직접 기록하고 관리해야 할 필요가 있어요.

그래서 재현과 추적이 가능한 프로젝트를 만들고 유지하는 것을 목표로 하여, Lightning과 Wandb, Hydra와 같은 다양한 툴을 사용하는 법을 익힙니다. 실험의 모든 면모를 기록하고, 기초적인 형상 관리를 하는 법을 배우며 소위 MLOps라고 불리는 영역에 발을 담그게 되어요. 대시보드에서 확인할 수 있다시피, 작고 사소한 디테일까지 완벽히 기록되어 있는 모습을 볼 수 있습니다. 클래스에서 직접 다루지는 않지만 이 결과를 이용하면 큰 공수 없이 배포 파이프라인을 구성하거나, 기존의 CI/CD 파이프라인에 딥러닝 어플리케이션을 결합할 수 있죠.

결과적으로 이런 형태의 프로젝트를 완성하게 되는데요. 프로젝트의 생성부터 모든 코드를 작성하는 과정은 Copy-Paste 없이 영상을 통해 함께 진행하게 됩니다. 실제 딥러닝 프로젝트가 어떻게 구성되어 나가는지 end-to-end로 익힐 수 있죠.

딥러닝을 이미 활용하고 있으나 무언가 체계적이지 않은 기분이 들고, Jupyter Notebook과 같이 수동적인, 사람이 개입해야 하는 작업 플로우에 크게 의존하고 있다면 클래스 수강을 고려해보세요. 지금 시점의 Best Practice가 무엇인지 확실히 익히고, 여러분들의 문제를 체계적으로 해결할 수 있게 될 거에요.