프로젝트에 AI 적용하기

  • 이번에는 AI를 프로젝트에 적용할 때 고려해야 하는 부분에 대해 알아보겠다.
  • 우선, ML 프로젝트와 Data Science 프로젝트의 차이점을 알아보겠다.

ML 프로젝트 워크플로우

  • 1.데이터를 수집한다. 2.모델을 훈련한다. 3.모델을 배포한다.
  • 즉, 수집한 데이터로 모델을 훈련하고 배포해서 계속 발전시키는 것이다.

Data Science 프로젝트 워크플로우

  • 1.데이터를 수집한다. 2.데이터를 분석한다. 3.가설을 제시한다.
  • 즉, Data Science는 ML보다 데이터 본질에 집중하는 느낌이다.

AI 프로젝트 선택하기

  • 시작할 AI 프로젝트를 선택하기 위해서 다음과 같이 생각해볼수 있다.
  • AI로 무엇을 할 수 있을까? 내 비즈니스에 무엇이 도움될까?
  • 이 두가지 생각의 중첩 부분을 AI 프로젝트로 설정하면 적절할 것이다.
  • AI가 직업을 통채로 대체한다기보다는 일부 작업을 대체한다고 생각하면 조금 더 편할 것이다.

AI 프로젝트 검토

  • 해당 프로젝트가 AI를 적용하기 적합한 프로젝트인지 검토하는 방법에 대해 알아보겠다.
  • 앞서 말한것처럼 AI로 실현 가능한지, 비즈니스적으로 유용한지 생각해봐야 한다.
  • 기술적 현실성
    • 우선, 기술적으로 가능한지 알아보기 위해 AI 전문가에게 물어본다.
    • 구체적으로, 필요한 데이터양과 구현하는데 걸리는 시간을 파악한다.
    • 비즈니스적 현실성
    • 그 다음으로, 구현하려는 기능이 비즈니스적으로 유용한지 생각해본다.
    • 드는 비용을 파악하고, 그로 인한 수익이 증가할지 예측해본디.
    • 그리고 직접 구현할건지, 아니면 기술을 구입해서 사용할지도 결정해야 한다.

AI 팀과 작업하기

  • AI 팀이 별도로 없더라도, 요즘은 온라인 강의를 통해 지식을 얻을 수 있다.
  • AI 팀과 작업할때는 팀에게 세부적인 요구사항을 제시하면 조금 더 편하게 작업할 수 있다.

관련 글