부트캠프 소개 및 전반적인 느낌

회사분의 소개로 2022년 코호트의 일환이 되었다. Early Registration 으로 495 달러인 참가비보다 약간 저렴한 300 달러를 지불했고, 돈을 내면서 까지 참가하고 싶다는 생각이 들기까지는 카일님의 블로그에 올라온 긍정적인 리뷰 도 중요한 역할을 했던 것 같다.

강사진들도 직접 언급하는 부분이지만, 널리 알려진 것과 다르게 해당 부트캠프 과정은 MLOps 개론과는 거리가 있다. 그저 MLOps 란 기본적으로 어떤 구성을 가지며, 더 배우고 싶다면 어떠한 분야들을 더 탐색해야 하는지에 대한 소개만을 할 뿐이며, 사실 강사진이 집중하는 영역은 좋은 ML 모델 서비스를 만들기 위해서는 어떠한 부분들을 신경써야 하는지에 대한 노하우 전수에 더 가깝다고 할 수 있다.

한가지 예를 들자면 8주차 강의는 ML 조직 구성과 프로젝트 운영 방법론을 심도있게 다루고 있다. 알고리즘 등을 깊이있게 탐구하기 좋아하는 주니어들이 깊게 고민하지 않을 수 있는 주제이지만, 결국 제품을 만드는건 사람이기 때문에 foundation 모델, MLOps 와 같은 레벨에서 주제를 다루고 있는 것.

전반적인 인상은 굉장히 좋았고, 직장에서 놓쳤던 요소들을 다른 업계 선배들에게 배운다는 느낌이 강하게 들었다. 모든 수업 자료가 유튜브에 공개되어 있기 때문에 만약 몇년 후 다시 참여할 의사가 생긴다면 저렴하지 않은 비용을 다시 지불하지는 않을 것 같다.

실용적인 ML을 추구하기 때문에 강사진의 업계 경험 및 배경 또한 중요하다고 생각했다. 강사진은 버클리 대학에서 박사과정을 마친 이력을 공유하고 있고, Weights & Biases, OpenAI 등의 기업에서의 실무 경험을 가지고있다. 개별적인 강사진의 공개된 이력은 다음과 같다.

• Charles Frye
  • University of Chicago 학부 졸업 (Computational Neuroscience 전공)
  • University of California, Berkeley 박사 졸업 (Neuroscience 전공)
  • Weights & Biases 2년 근무
• Sergey Karayev
  • University of Washington 학부 졸업 (Computer Science 전공)
  • University of California, Berkeley 박사 졸업 (Computer Science 전공)
  • Turnitin 2년 근무 (교육 관련 소프트웨어 개발사)
  • GSV Ventures 3년 근무 (벤처 캐피탈)
• Josh Tobin
  • Columbia University 학부 졸업 (Mathematics 전공)
  • University of California, Berkeley 박사 졸업 (Computer Science 전공)
  • McKinsey & Company 2년 근무
  • OpenAI 3년 근무
  • Gantry 창업 (ML 스타트업)

Lecture 내용 요약

• FSDL 2022 Course Overview
• Lecture 1 - When to Use ML and Course Vision
• Lecture 2 - Development Infrastureture & Tooling
• Lecture 3 - Troubleshooting & Testing
• Lecture 4 - Data Management
• Lecture 5 - Deployment
• Lecture 6 - Continual Learning
• Lecture 7 - Foundation Models
• Lecture 8 - ML Teams and Project Management
• Lecture 9 - Ethics