블로그

인공지능과 추천 시스템 강의 노트 - 2025. 9. 13. (2/16)

들어가며타이트해진 출석 체크와 작년 대비 추가된 중간과제와 기말과제 조건들 덕인지 꽤 많은 학생들이 다른 선택들을 하였고, 인원은 58명으로 정해졌다. 이제 조금 기대치가 조절되고 있는 셈이니 내년에도 이 과목을 내가 하고 있을 지는 모르지만, 학과를 위해서는 강의 평가도 좋은 점수가 나와야 할텐데 하는 걱정도 적지 않게 든다.공개된 데이터를 가지고, EDA 를 자유 형식으로 하라는 중간 과제가 서로 낯설어서 질문들이 많다. Kaggle , Dacon 등에서 보이는 ‘내가 봐도 문제 없는 데이터’를 가지고 직장 상사에게 보고하는 형태의 보고서를 쓴다는 생각으로 과제를 정의하고 있다. 데이터의 형식, 문제 정의 등에 대해 피드백을 주고 받을 생각으로, 각자 도메인에서 의미있는 해석들이 있으리라 기대가 된다.구름이 잔뜩 낀, 하지만 매력적인 서울 하늘 준비한 내용들2주) 강의 updateAI 강의 - 1강추천시스템 - 1Google(Playstore)에서 과제 런칭하기 - 1 이번 주에 있었던 일들로는 굵직굵직한 OpenAI 의 한국 행보와 구글 검색의 AI 모드 전면 배치 등이 있었다. 사상 최고를 경신하고 있는 코스피 자체도 관심 있게 챙겨야 하겠다. 나눈 이야기들약간의 역사적인 이야기가 들어 있는 인공지능 이야기와 추천 시스템의 입문에 대해 다루었다. 추천 시스템이라는 단어들도 오해가 많은 영역이라, 이 강의에서는 완성된 사용자 위주의 제품의 시각에서 접근과 그걸 가능하게 하는 방법론에 대해 이야기를 많이 하게 된다. 다음 시간부터는 각 내용들에 대해 요즘 시각에서 익숙한 이야기들을 담게 되겠다.유사 쇼핑몰의 개념으로 구글 플레이스토어 이야기를, 완제품의 시각에서 구글 검색 이야기를 내부자의 관점에서 많이 하게 될 것이라 ice-breaking 으로 구글 플레이스토어 이야기를 꽤 일찍부터 시간을 많이 할애하기로 했다. 지표들에 대해서까지 대략적으로 이야기를 하였는데, 아무래도 바깥에서 이야기하기에 한계들이 있는 영역이라 여러 번 감정 이입을 해 가며 정리를 해야 하겠다. ps.인프런에 올라가 있는 유료 강의들을 원하는 학생들에게는 무료로 제공하자 싶어 본의 아니게 인프런 광고를 조금 하게 되었다. 도움이 필요한 분들께 조금이라도 도움이 되면 하는 바램이다.

대학 교육 기타･인공지능･금융･추천

인공지능과 추천 시스템 강의 노트 - (6/16) - 2024. 10. 11.

들어가며노벨상으로 주변이 시끌벅적한 가운데, 가을의 여의도는 이제 단풍도 보이기 시작하고, 이맘때만 느낄 수 있는 아름다움이 시작된 듯하다. 지난 주의 건담과 뉴진스에 이어 오늘은 열기구가 보였다.  분당에서 여의도를 가는 길에 AI 강의 2025 책을 구입하러 책과 얽힘 에 들러 아래 이벤트를 참석해서 사인도 받았고, 브로마이드도 구할 수 있었다. 그리고 이는 오늘 퀴즈를 맞춘 학생에게 선물로 책과 함께 주었다. https://www.facebook.com/events/1614464549496226/?ref=newsfeed박태웅의 AI 강의 2025 싸인회 기말 과제는 아직 절반 정도만 셋팅이 되었다. 몇몇 메일들에 대해서는 주제를 명확하게 해 달라는 피드백을 주기도 하고, 논문 정리의 경우 미리 같이 훑어 보며 궁금한 점들을 미리 이야기하기도 하는데, 조금 더 이야기들을 들을 수 있으면 하는 바램이다. 그리고, 간담회를 8주 차에 운영하기로 허락을 받았고, 한두시간 이야기를 자유로이 나누기로 했는데, 이 때에도 다양한 이야기를 들을 수 있으면 하는 바램이다. 한 주간 서울의 가을 날씨를 제대로 대비하지 못해 감기를 꽤 앓았었는데, 수업 시간에 쉬어가는 목소리로 이야기를 하게 되어 학생들에게 미안하게 되었다...  준비한 내용들6주) 강의 update현재까지 노벨상 수상한 모든 사람이 내가 아는 사람이 되는 신기한 상황에 그 중 절반은 근무 기간이 겹치는 전 직장 동료라는 게 여전히 믿기지는 않는다. 저 상의 무게, 업적의 깊이, 살아온 이력 등이 어땠을까 가늠이 가지 않으면서도 여러 가지 생각이 들게 되는 한 주였다. 아울러 stateof ai 2024 년 내용이 release 되었다. ( https://www.stateof.ai/ ) 이후 수업에서 몇 번 다룰 내용들이라 여러 번 인용이 되겠지만, 작년의 예측들에 대해서는 일단 아래의 내용으로. 참고로 AI 가 만든 음악이 메이저에 올라올 거라는 9번째 예언의 해석에 대해서는 개인적으로 동의가 되진 않는다.  추천시스템 - 7. 평가추천시스템 - 5Google(Playstore)에서 과제 런칭하기.pptx 추천 시스템 순서 상으로는 5. 알고리즘이 먼저이지만, 이는 책 절반을 할애하게 되고, 7. 평가 부분은 이론적으로 먼저 훑고 가야 할 내용이라 이야기를 꽤 해야 했다. 아래는 대략적인 설명. 결국 셋 다 해야 한다는 이야기.. 교재는 무비렌즈 데이터들을 가지고 해 보는 것으로 이 중 오프라인 평가에 해당하고, 안에서도 아이템을 예측한 후에 판단을 어떻게 내릴 것인지에 따라 f2 score 혹은 RMSE 비교 등으로 여러 이야기를 하게 될 것이다.그리고, 추천 시스템 알고리즘 맨 앞 부분은 랜덤과 popular. 개인화든 아니든 어떤 로직이든 싸워서 우열을 가려야 하는 상대가 있다면 이 둘인데, 이들에 대해 코드로 EDA 하는 부분이 포함되어 있다. 이후 조금 복잡한 알고리즘의 경우는 각각 별도의 시간을 가지고 하나씩 해야 할 거 같은데, 수업 시간에 하나씩 30분씩 해서 진행해 보려 한다. 아무래도 노트북 코드를 가지고 훑는 모습이라 한계가 있을 거 같기도 한데, 지표들이 공감과 설명이 잘 되면 하는 바램이다. 구글 플레이스토어 - part 1이 발표 자료는 작년 강의 이후 조금 정리해서 구글 플레이스토어 한국 현지화 과제를 2년간 책임자로 있으면서 다루었던 내용들이 정리된 내용들로, 이제 거의 10년이 다 되어가는 기억과 기록들이지만, 두어번 시간에 나누어서 나누고 싶었던 내용이다. 실제 B2C 제품 팀을 운영하는 분들에게 해 줄 수 있는 이야기들이기에 최대한 감정 이입을 부탁하기는 했다.오늘은 첫 시간으로 내용들 중에서 개요와 당시의 제품이 지니고 있던 챌린지들, 그리고 평가들을 하기 위한지표들에 대한 이야기들을 나누었다. 쇼핑몰의 성격과 닮아 있지만, 1인당 1개의 구매 제한, preinstall 등의 사연들이 있는 제품에서 여러 이야기들을 나누기 위해 지표 이야기까지는 같이 다루고 싶었다.  아래는 학생들에게 낸 오늘의 퀴즈. Q) 당시 구글 플레이스토어에서는 Good Acquisition 을 정의했는데, 인스톨 후 Y일 이내에 X번 실행을 한 경우 이를 True 로 놓았었다. X 와 Y 를 구하시오.힌트 : Y 는 7의 배수 Q&AQ. 모델 밸리데이션 시 Train:Valid:Test 비율을 8:1:1을 사용하는 경우와 6:2:2로 나누는 경우는 어떤 차이가 있나요? 예를들어 8:1:1이 6:2:2 보다 과적합 문제가 더 커지는 건 아닌가요?A. 일반적으로 그 이슈가 맞습니다. 일반론적으로 많은 경우 training 수가 적으면 학습이 덜 되고, 과하게 많으면 overfitting 이슈가 생깁니다. 대개 training 이 안 되는 문제가 먼저 오게 되고, overfitting 이 뒤에 오는데요. Overfitting 의 경우 전체 데이터 수를 늘리면서 많이들 해결합니다. 20%를 테스트로 놓는 경우는 대개 샘플 수가 적을 때 많이들 그리 합니다. Q. 질문은 강력한 시그널이라는 말씀을 들으니 십여년 쯤 전 구글 직원분의 세미나가 생각납니다. 그분도 질문은 거짓말을 하지 않는다고 말씀하시면서 자신은 질문 쿼리 데이터를 바탕으로 투자시스템을 만들 계획이라는 이야기를 했었습니다. 구글이나 다른 기업들이 질문 데이터를 활용하는 방법들을 소개해주시면 감사하겠습니다.A. 정확하게는 질문 후의 반응의 행동까지가 한 셋트입니다. 질문이 연속될 경우 그것도 강한 연관 시그널이겠구요. 특히 통계로 접근할 때 쿼리창에 나오는 suggest 쿼리들은 통계적으로 안 쓸 이유가 없는 훌륭한 소스지요. 많은 경우 통계 혹은 로직이 random 과의 싸움이라 했을 때 같은 쿼리를 다른 사용짜가 우연히 같이 넣는다고 하면 아주 큰 일이 벌어지고 있는 것입니다. 네이버 검색도 마찬가지고 각종 쇼핑몰도 마찬가지이겠습니다. 구글 플레이스토어만 하더라도 모든 쿼리에 대해 거대한 표를 만들어 놓는다 치면 어떤 쿼리가 와도 정답을 줄 수 있겠습니다. 시스템 복잡도 이런 건 대개 뒤에 고민해도 늦지 않습니다. :) 출처 : 브런치 매거진 KAIST DFMBA 2024https://brunch.co.kr/@chaesang/83 ( 2024. 10. 11. )

대학 교육 기타･인공지능･추천･금융

인공지능과 추천 시스템 강의 노트 — 2025. 9. 20. (3/16)

들어가며오늘도 이슬비가 내리는 흐린 가을날이었지만, 여의도에서는 아침부터 핑크빛 달리기 이벤트로 매우 많은 사람들이 북적이고 있었다. 한국에서는 여러 모로 달리기가 유행이라는데, 이제라도 한 수 배워 보아야 겠다는 생각이 드는 토요일 아침 출근길이었다.몇몇 학생들이 중간 과제용 데이터들을 제안하기도 했고, 나도 시간을 들여서 몇몇 데이터들을 같이 들여다 보았다. Kaggle 이 상대적으로 자유롭게 쓰이고 있는 반면 dacon 은 대회에 참여하는 사람들이 아니면 보기 힘든 벽들이 있어서 이전 자료들로 공부하기에 제약이 꽤 있어 보인다. 그리고 분석할 데이터들 자체로는 공통적으로는 필드의 수가 이정도면 충분할까 싶은 데이터들이 상당수여서 의외의 발견을 하기가 꽤 어렵겠다는 생각이다.다만, 다른 한편으로는 밑도 끝도 없는 EDA 이기에, 분석을 실제로 해 보기 전에는 충분한지 부족한지는 실제 리포트를 써 보기 전에 미리 결론내릴 정도는 아니겠어서, 결과가 마음에 들지 않더라도 채점에 나쁜 영향을 주지 않도록 해야 겠다는 생각이다. 과제로서 가이드를 주기로는 회사에서 상사에게 혹은 조직장에게 어떤 결정을 하기에 도움이 될만한 자료를 만드는 것을 목표로 해 달라고 하고 있고, 데이터에서 끄집어 낼 내용들이 없으면 없다고 이야기를 해 달라고 했는데, 이건 다른 면에서 리포트를 만드는 사람들의 시각에서는 쉽지 않은 판단이겠다 싶다. 준비한 내용들3주) 강의 updateAI 강의 — 2강AI 강의 — 3강추천시스템 — 2추천시스템 — 3 나눈 이야기들지난 주에 나온 페이스북의 스마트안경에 대해, 그리고 살짝 실패한 데모 시연에 대해 이야기를 나누었다. 안경 자체는 꽤 잘 나왔는데, 유독 갈은 배를 찾는 AI 서비스와 이를 wifi 탓으로 돌린 시연자, 이후 유사 DDOS 라고 이야기한 CTO 까지.. 기술 회사가 맞나 싶은 우려와 걱정이 들게 한 내용들이었다. 데모장 환경에서 테스트해보고 하는 건 10년전이나 지금이나 다 진지하게 해야 하는 거 아닌가 ? 안 되면 녹화를 하든지…AI 강의 교재에서는 이 책에서 전하고자 하는 지식 혹은 뉴스들이 커버되었다. ChatGPT 즈음부터 시작된 여러 플레이어들의 등장에 관련된 이야기들을 독서 모임 하듯 같이 읽었고, 여기에 2024–2025년에 새로이 추가되는 내용들도 같이 이야기 나누었다. 지금 기준으로는 벌써 충분히 오래 전의 이야기들을 나누는 셈이어서 어떤 주제들을 얼마나 깊이들 다루고 있어야 하는가 등이 챌린지로 남게 되는 거 같다.추천 시스템 교재에서는 프로젝트로서 추천시스템을 만들거나 개선하고 싶을 때 고려할 내용들을 아우르며 이야기 나누었다. 교재에서는 넓은 의미의 추천으로 과제를 구현해 가는 일반적인 방법이 소개되었고, UI/UX를 이야기하면서는 그 안에서 다양한 주제들 — 사용자 중심의 프로젝트 vs 서비스 제공자 중심의 프로젝트 이야기들과 AARRR 이야기들까자 대략적으로 다루었다. 아래는 이 책에서 제일 좋아하는 요약인 “사용자의 목적에 적합한 UI/UX 사례”.이번 주부터 각종 AI 서비스들에게 여러 질문들을 하면서 얼마나 대답들을 잘 하고 있는지 혹은 잘 하게 하기 위해서 어떻게 질문해야 하는지를 양념처럼 해 보고 있는데, 먼저 “달리기 뻐꾸기” 같은 키워드스러운 단어들의 설명은 전통적인 검색 엔진들이 더 잘 하고 있고, 한글 검색 커버리지가 적어 보이는 몇몇 서비스들은 뻐꾸기에 대한 일반적인 설명들을 하곤 한다.수업 내용 중에 25마리 말 문제가 나온다. 25마리 말 중 가장 빠른 3마리를 찾는데 몇 번의 경주가 필요한가? 말들은 매 경주마다 체력의 저하 없이 같은 속도를 내고, 오직 상대적인 순위들만 가지고 가장 빠른 말들을 찾으라.. 는 꽤 유명한 문제인데, 모든 AI 들이 이 문제는 마치 정답을 본 듯이 잘 풀지만, 문제를 7마리로 바꾸었을 경우 여전히 서로 다른 답들을 보여 주고 있다. 참고로 여기서 정답은 한 경주당 2마리를 제외하는 방식으로 하면 2번의 경주면 되는데, 고쳐 주려 해도 몇몇은 매우 대드는 모습을 보여 주곤 한다. 어려운 일을 시킬 때 교차 검증이 필요하거나 뭘 시켜야 할 지 말아야 할 지 고민하는 등 AI 와 더불어 살기에 더 어려운 일들도 분명 생긴다.7마리 말 경주에 대해 잘못 대답한 AI 서비스들. 질문들Q. 작은 서비스를 만들어 운영할 때에도 이미지의 소유와 관련된 저작권 문제가 신경이 쓰이는데, AI 서비스들은 이들 저작권 문제들은 어떻게 해결하려고들 할까 ?A. 이 문제는 양상도 다양하고 해법들도 여럿이라 법정에서 많은 해결과 조정을 비롯해서 다양한 접근이 이루어지고 있다. 미국은 변호사가 엔지니어보다 역시 나은 직업인 듯… 아래는 예제들.구글 검색으로 대변되는 웹의 세상에는 구글이 site 나 contents 의 authority를 존중하는 형태와, 뉴스 사이트들과의 협업 프로그램들로 진행해 왔음.서비스 제공 회사는 어떻게든 출처를 제품 상으로는 표시하려 함.OpenAI 와 Reddit 은 2024년 5월부터 partnership을 맺고 있음. 하지만, 제휴가 되었지만, 이는 Reddit 사용자들의 동의가 있던 게 아니어서 또다른 논란이 되고 있음.뉴욕타임즈는 Anthropic 과 소송에서 1.5B USD 배상을 받았고, OpenAI 와는 진행 중.

대학 교육 기타･인공지능･추천･금융

2025년 2학기-인공지능과 추천 시스템 강의 준비

KAIST 경영대학원 Digital Finance MBA 들어가며 2023, 2024년에 이어 올해에도 KAIST 경영대학원의 Digital Finance MBA 과정에 같은 과목의 강의를 하게 되었다. 같은 과목을 세번째 하면 익숙해 질만도 한데, 주제가 주제인지라 여전히 어떤 시간을 어떤 내용을 이야기하면서 지내야 할 지 어렵다. 반 년 사이에 수많은 일들이 있었고, 각종 새로운 정보들이 뉴스, 블로그, 유튜브의 형태로 넘쳐나고, 해 봐서 아는 것보다 들어 봐서 알 거 같은 이야기들이 훨씬 많은 세상이 되어 가고 있다.이번은 재임용의 수속을 밟는 거라 지난 학기의 강의 평가 점수가 변수로 작용했다. 전문적인 교수님들보다 낮은 평가 점수는 한편으로는 당연한데, 학과의 평균을 깎고 있는 상황이라 이에 대한 보완책을 심사 때 요청을 받았고, 그 방안으로 1) 수업은 토요일 낮에 , 2) 온라인 수업 최소화 , 3) 더 많은 숙제, 4) 출석 체크의 강화 등을 action item 으로 제안하게 되었다.먼저, 장소는 작년과 같이 여의도 IFC 빌딩 17층. 작년까지 KAIST 가 전체 층을 썼지만, 이번 학기부터는 서울 국제 금융 오피스 내에 강의실을 대여해서 쓰는 형태이고, 공용 대기실 등으로 작년 대비 살짝 불편해진 상황이 되었다. 여기가 여의치 않으면 홍릉으로 다시 간다고 하는데, 그래도 지하철에서 가까운 여기가 나은 게 아닌가 싶고, 여러 새로운 일들이 벌어질 내년은 어떨까 싶긴 하다.시간은 토요일 오후 1시-4시, 16주 수업에 추석 연휴 2주, 2번의 금요일 수업 등의 난이도가 있게 될 거 같다. 임용은 2025년 8월 말부터 1년간. 매번 마지막이 될 지 모른다는 생각이지만, 1주일에 반나절을 선생님으로 지내 보겠다고 하는 개인적인 목표를 유지하며 달성하고 싶고, 나머지 주중의 일상 시간을 같이 보내고 있는 회사 관계자 분들께 폐가 가지 않도록 하면서 한국과 미국을 오가려면 긴장을 더 하고 열심히 살아야 겠다는 다짐을 해 본다.그 사이에 지난 졸업생들 중 일부가 취직 후 감사 인사를 건네 주기도 했고, 교수 자격으로 써 준 유학용 추천서가 도움이 되기도 하는 등의 기쁜 일들도 있었더랬다. 매번 좋은 인연들만 만날 수야 있겠냐마는, 직장인들의 업무 바깥 시간 내어 하는 도전에 조그마한 도움이 되면 하고, 다른 한편으로는 새로운 걸 거꾸로 배우고 싶은 개인적인 욕심이 살짝 채워지면 한다. 아울러 어려운 만남에 좋은 인연이 만들어 지면 하는 행운도 바래 본다. 토요일을 거의 풀로 할애를 하게 될 거 같아서 가을에 당일 등산 일정들에는 영향을 줄 수 있을 거 같은 건 아쉽다 하겠다. 작년과 달라지는 올해 계획들중간 과제로 Kaggle / Dacon 을 이용한 EDA 리포트를 제출하게 할 예정이다.기말 과제 발표는 최종적으로 10-15분 정도의 녹화 영상을 제출하고 그걸 수업 시간에 틀어 발표하도록 한다.출석 체크를 수업 중과 수업 끝의 두 번을 하도록 하고, 그에 맞는 점수 배점을 적용한다.모두 작년 학생들 피드백으로 받은 내용들에 대한 보완 제안이고, 학생들이 조금 더 진지하게 받아 주면 하는 바램이다. 정원 60명에 일단 디지털 금융 MBA 학생들이 36명이 지원했지만, 이후에 변경 기간에 아주 많은 학생들이 조인해서 첫 수업 전에는 90명 정도의 인원이 신청하는 것으로 안내가 되었다. 지난 학기에 학생들 사이에 만만하다고 소문이 난 것인지… 작년 대비해서 빡빡해진 내용들로 첫 수업 때 바뀌는 내용들을 듣고 몇 명이 빠져 나가지 않을까 하는 바램도 있는데, 왠지 그건 그것대로 서운할 수도 있겠다..새로 나올 state-of AI 등을 위한 시간, 구글과 플레이스토어 제품의 심화 설명 등을 위한 특강을 위한 시간 등으로 제품과 사용자 이야기들을 조금 더 알차게 채워 보리라는 생각이다. 올해도 이 매거진을 이용해서 자료들을 모을 계획이고, 기록으로 남아 필요한 분들께 도움이 되면 한다.

대학 교육 기타･강의･금융

인공지능과 추천 시스템 강의 노트 - (8/16) - 2024. 10. 25.

들어가며이번 주는 학생들과 간담회가 있어서 단축 수업이 예정되어 있었다. 작년의 경험으로 학기 앞부분에 하면 좋았던 기억들이어서 조금 서둘렀고, 조교들이 일정 조절에 많은 노력들을 해 주었어서 꽤 많은 이야기들을 한 거 같기도 하고, 한편으로는 모든 학생들을 더 말을 섞어 보지 못한 게 미안한 생각도 들게 된다. 명함들을 나누고, Linkedin 에 scan도 하지만, 아무래도 내가 먼저 말을 붙이며 돌아다니기에는 좀 부담스러운 상황이긴 하다. calendly 를 이용한 커피챗을 조금이라도 더 이용하고 권해야 하겠다.이번 주부터 학기말 발표들을 시작하게 되었고, 이번 주와 다음 주는 한 주제씩, 그 이후는 수업의 절반 이상이 과제에 할당되는 일정이 되겠다. 준비한 내용들8주) 강의 update앤트로픽의 컴퓨터 위에서 동작하는 Agent 가 신기했고, nature 지에 소개된 구글의 Synth ID 도 구글스러운 접근이라 생각이었다. 어떻게 접근해야 할 지 아직은 막막한 AI 각서까지..  Statse of AI - part 2https://www.stateof.ai/ 지난 수업에 이어 Nvidia 를 제외한 업계의 이야기들과 지난 1년간 연구소들의 이야기들을 같이 훑었다. 현재를 설명해 주는 요약된 보고서이기에 같이 잠깐씩 훑어 보는 것만으로도 지난 1년의 격변을 이해할 수 있고, 학생들도 그리 받아 주면 하는 바램이다. 아래는 총평.프론티어 연구소의 성과가 점차 수렴되며, 독점 모델의 우위가 줄어들고 있다. GPT-4와 다른 모델 간의 격차가 좁혀지고 있으며, OpenAI의 o1 모델이 선두를 다시 차지했으나, 그 위치가 얼마나 오래 지속될지는 미지수이다.  LLM 연구에서는 계획과 추론이 중요해지며, 기업들은 강화 학습, 진화 알고리즘, 자기 개선과의 결합을 통해 미래 지향적인 에이전트 응용 프로그램 개발을 모색하고 있다.  파운데이션 모델은 언어를 넘어 수학, 생물학, 유전체학, 물리학, 신경과학 등 다분야 연구에서 잠재력을 보여주고 있다.  미국의 제재는 중국 연구소의 모델 개발 능력에 큰 영향을 주지 못했다. 중국의 연구소들은 재고 비축, 승인된 하드웨어, 밀수, 클라우드 접근 등의 방법으로 고성능 모델을 개발하고 있다. 한편, 중국의 반도체 산업 구축 노력은 여전히 혼란스러운 상태이다.  AI 기업들의 기업 가치는 9조 달러에 도달했으며, 상장 기업들은 AI 성장에 따른 강세장을 경험하고 있다. 민간 AI 기업들에 대한 투자도 증가했으나, 미국의 생성형 AI 거대 유치들에도 불구하고 규모는 훨씬 적었다.  파운데이션 모델 개발자와 영상 및 음성 생성 스타트업을 포함한 몇몇 AI 기업들이 본격적인 수익을 창출하기 시작했다. 그러나 모델이 저렴해지면서 장기적인 지속 가능성에 대한 의문은 여전히 남아 있다.  일부 AI 기업들은 수익 모델을 찾지 못해 '의사 인수(pseudo-acquisition)'를 선택하는 사례가 증가하고 있으며, 선도적인 위치를 유지하는 것이 부담스러운 상황이다.  OpenAI에서의 실패한 쿠데타 이후 특히 존재적 위험에 대한 논의는 줄어들었다. 그러나 연구자들은 잠재적인 모델 취약성과 오용에 대한 지식을 계속 심화시키면서 잠재적인 수정 및 보호 조치를 제안하고 있다. 기말 과제 발표 Reducing AI Footprint: Multimodality for TikTok Viral Prediction - 김가온.pdf첫 주제는 논문 분석 + 구현 및 테스트. 작년에 조교로 수고해 주었던 학생이 처음 해 주어서 과정을 smooth 하게 만들어 주었다. 몇몇 comment 들과 질문들.viral 을 예측하는 비용을 적은 footprint 로 구현하고자 하는 노력들. viral 이 매우 중요한 도메인에서 문제를 잘 정의하고 있고, 이를 예측하기 위한 비용을 줄이는 것의 접근. Audio + Video를 이용한 간단한 CNN 접근. 더 나은 것들을 예상할 수 있을까..? maximum 1분의 contents 에서 5초면 충분할까..? 비슷한 성능을 보인다면 더 작게는 ? 꼭 video를 봐야 할까 ?  마치며다음 주는 라이브 코딩들과 작년에 하지 않았던 새로운 것들을 담아야 겠다는 생각을 하고 있다. OpenAI API 로 RAG 만드는 예제를 시연해서 해 볼 수 있을까 싶은 생각과 걱정이 있는데, 주중에 잡힌 부산/광주 출장 일정 사이에 자료들을 더 준비해야 할 거 같다. 출처 : 브런치 매거진 KAIST DFMBA 2024https://brunch.co.kr/@chaesang/86 ( 2024. 10. 25. )

대학 교육 기타･인공지능･추천･금융

인공지능과 추천 시스템 강의 노트 - (7/16) - 2024. 10. 18.

들어가며지난 주의 감기는 나은 거 같지만, 비가 쏟아지며 날씨가 많이 추워져서 여러 신경 쓰이는 상황들이 생긴다. 얼마전까지만 해도 너무 더웠더랬는데, 서울 날씨가 적응이 꽤 어려워 졌다.. 준비한 내용들7주) 강의 update지난 주의 노벨상들의 임팩트가 너무 커서 다른 뉴스들이 초라하게 느껴지게 되었다. 제프리 힌턴과 얀르쿤은 여전히 서로 다른 시각에서 인공지능의 현재와 미래를 이야기하고 있고, 앤트로픽도 나를 잊지 말아 달라는 메시지로 읽히는 글들을 올리며 주목을 끌려 하는 상황인 거로 보인다. 구글 플레이스토어 - part 2Google(Playstore)에서 과제 런칭하기.pptx유사 쇼핑몰이지만 잘 정의된 추천을 가지고 있는 구글 플레이스토어를 완제품으로써 리뷰하는 것의 뒷부분을 진행했다. 지난 주의 제품으로서의 챌린지와 지표들에 이어 이번 시간에는 각 제품들의 구성과 역사 약간과 함께 실제로 진행했던 과제 몇 개를 선택해서 이야기를 나누었다. 아래 케이스 스터디로 뽑은 세 과제들은 오래 된 기억이지만, 당시 한국의 상황에서 각각 잘 정의된 문제를 풀어 나가는 과정을 이야기한 내용들이라 많이 나누고 싶은 이야기들이긴 한데, 추상적으로 다루게 되니 어떻게 전해졌을까 하는 생각도 있다. Statse of AI - part 1https://www.stateof.ai/ 200 페이지가 넘아가는 리포트이지만 1년을 돌아보는 의미로 같이 한 번은 훑어 보았으면 하는 내용들이 모여 있는데, 수업 시간에는 맨 앞의 2023년 예측에 대한 결과와 Industry 섹션의 Nvidia 이야기들을 같이 읽어 보았다. 1년 사이에 더 많이 멀어져 버린 회사이지만, 앞으로도 여러 이유로 경쟁자를 찾기 힘들 것이라는 전망이 대부분이었다. 아래는 이 리포트에서 이야기하는2024년의 예측마치며3시간 연속되는 강의를 촘촘하게 시간 배분을 해 오는 게 난이도가 있고, 여러 내용들을 전하고 이야기 나누려 하다보니 미리 어떤 어떤 것들을 하겠노라 라는 이야기들을 전하기 힘들었다. 특히 플레이스토어 특강 같은 건 이야기가 길어지다 보니 30분 정도 준비했던 추천 시스템 코딩 부분은 둘러 보지 못하게 되었다.다음 주는 간담회와 병행해서 수업이 짧아 지는 시간이고, 기말 과제 발표를 시작한다. 첫 주는 하나의 논문 분석 발표만 있지만, 앞으로 더 많은 일들이 벌어질텐데.. GPT 실습과 finance + AI 일반론까지 너무 늘어지지 않게 정신 바짝 차려야 겠다는 생각이 든다.정부 과제와 엮이며 갑자기 12 월 초에 reinvent 출장이 잡혀 버렸다. 구체적인 일정들을 함부로 할 수 없는 상황에 라스베가스에서 원격으로 수업을 새벽에 해야 하는 상황이 최소 한 번은 생기게 될 거 같다. Q&AQ. 구글 앱스토어가 스팸 필터링에 진심이라고 설명해주셨는데요, 직접적으로 연관된건 아니지만 항상 궁금했던 것이 있습니다. 심사가 엄하기로 소문난(?) 애플 앱스토어와 다르게 구글 플레이스토어는 개인이 장난으로 만드는 앱(?) 들도 필터링 없이 등록 허가를 내주는 것같습니다.(예“ 고상혁에게 스위치 사주기“ 앱) 플레이스토어 내부에서는 이런 개인들이 만드는 앱에 대해 어떻게 생각하시는지 궁금합니다. 또 생태계 지향성 이런 거대한 이념(?)은 자치하더라도 위와 같은 앱들이 많아지면 플레이스토어에 대한 신뢰도가 많이 떨어질텐데 내부적으로 스토어 등록 기준 허들이 높아져야한다는 의견은 없었는지 궁금합니다.A. “스팸"의 정의가 여러 개 있겠습니다. 플레이스토어의 정책은 마치 웹과 닮아 있는데요, 임의의 사용자가 임의의 앱을 만들어 배포하는 것에 대한 기준은 낮고, 그 내용이 나쁘거나 혹은 그것을 이용해서 나쁜 짓을 하려는 것을 잡아 내는데 많은 노력들을 하고 있습니다. API 레벨에서 검사를 하는 등의 노력과 앱 자체의 성격에 대한 것은 하나의 기준이고, 바깥에서 click farm 등의 비정상적인 install behavior 등을 체크하는 데는 많은 노력을 하고 있습니다.출처 : 브런치 매거진 KAIST DFMBA 2024https://brunch.co.kr/@chaesang/84 ( 2024. 10. 18. ) 

대학 교육 기타･인공지능･추천･금융

인공지능과 추천 시스템 강의 노트 - (4/16) - 2024. 9. 27.

들어가며개인적인 사정으로 원격 수업을 해야 하는 상황에서의 화상 수업. 유튜버나 스트리머의 경험은 아니지만, zoom chatting 으로 질문을 하는 건 수업 전후에 손을 들어 질문하는 것보다는 장벽이 낮았는지 몇몇 질문들이 있었고, 아래에 첨부금요일 새벽 3시부터 시작하는 건 확실히 부담이 있고, 미국에서 전후 일정이 많이 틀어지는 부작용이 있게 되어 가급적 피할 수 있으면 그리해야 할 거 같다.  준비한 내용들4주) 강의 updateAI 강의 - 4강, 5강 추천시스템 - 1 추천시스템 - 2 바람 잘 날 없는 OpenAI먼저 때마침 국가 주도의 몇몇 기사들이 있어 인용할 수 있었다. 비록 국적은 다른 상황이지만, 좋은 의지의 따뜻한 마음들이 모여 미래에 도움이 되었으면 하는 바램과 함께 너무나 많은 바람들로 인한 걱정도 많다 하겠다. 글로벌 인덱스에서는 생각 이상으로 싱가폴의 영향력이 이미 커 있다는 사실에 적잖이 놀랬고, 다시 여러 자료들을 들여다 보게 되었다.기존의 상도덕을 새로 정의하게 만드는 요즘 AI 관련된 유명인들의 움직임은 여전히 감을 못 잡겠고, 내가 저런 것까지 알아야 하나 싶은 일들이 여전히 벌어지고들 있는 거 같다. 마지막 기사는 구글과 character.ai 사이의 딜을 자극적인 제목으로 만든 기사인데... 수익화에 실패한 기업의 새로운 출발이라는 면, 그게 구글의 주식으로 풀려 나가야 하는가에 대한 개인적인 불만 정도의 의견이다. AI 강의 2부새로운 교재로 어차피 이야기를 다시 해야 할 거 같기에 지난 주에 하던 이야기를 마무리하였다. stateofai 2024도 곧 나올 것이고, 어차피 새로운 이야기들로 한 학기 내내 이야기하게 될 것이라는 생각이고, 정책적인 담론, 의견 수립 등은 개인적으로 박태웅 선배님의 의견과 방향을 동의하고 존중하고 도울 수 있는 부분에 대해 최선을 다하겠지만, 이 수업에서 다룰 수 있는 성질의 것은 아니어서 약간은 열린 토론 정도로 놓자 싶다. 추천 시스템 강의 1, 2장추천, 혹은 추천 시스템이라는 말이 워낙 일반적인 이야기가 되어 버려서 그 단어들을 정의하려는 노력을 교재에서 꽤 많이 하고 있다. 지금 시대에 서비스나 제품이 어디 한두개의 요소로 결정이 되겠냐마는 고전적인 의미에서 시작하는 게 일단 맞겠고, 고전적인 질문으로 검색과 추천의 차이는 무엇인가 라는 것도 좋은 시작이라 하겠다.추천 시스템이라는 섹션에서는 하나의 end-to-end cycle 로 과제를 정의한다. 회사에서 과제로 알게 모르게 진해하는 것들이 다 이 사이클을 수행하는 것일테고 문제를 어떻게 정의하고 어떤 걸 비교할 지 등을 이야기하려 한다. 말로만 하는 이야기들일 수밖에 없고, 이 부분에 대해서는 계속 어떤 문제를 정의했는지, 어떤 방법으로 평가를 하는지, 어떻게 deploy 를 하는지 등의 이야기들을 계속 할 수밖에 없겠다 싶다.  라이브 코딍교재로 쓰고 있는 추천 시스템 책의 절반 이상은 다양한 추천 알고리즘을 코드로 구현해 보면서 비교해 보는 것의 연속이다. 과제를 내야 하나 라이브 코딩으로 가볍게 가야 하나 등에 대해 고민이 있었던 부분언데, 이번 학기에는 매 시간마다 최대 30분의 라이브 코딩 / 입코딩 / 따라해 보는 코딩(?) 시간을 마련해 보려 한다.수업 시간 기준으로 2시간이 지난 9시 정각을 시작으로 해서 그 시기가 되면 준비했던 코드를 colab 에서 혹은 VsCode 에서 실행시켜 보면서 이런 저런 것들을 챙겨 보자 싶다. 이걸 직접 다룰 줄 아는 절반 정도의 학생에게는 평범한 일이겠지만, 이 기회를 통해 프로그래밍으로 입문하는 학생들이 생긴다면 그것만으로도 나름 수확이라 할 수 있겠다.첫 시간으로는 MovieLens 에 대한 이야기들을 했다. 실제로 10'년 전에 구글에서 별점 과제를 할 때 참조했던 데이터, 참조했던 방법론들이었고, 각종 과제와 교재에서 인용이 되고 있는 내용이다. 오늘은 첫 시간에 기초적인 EDA를 하는 코드를 했다. 실제 회사에서는 이정도만 잘 해도 여러 사람들이 행복하고, 요즘에는 개인적으로는 ChatGPT 에게 일 시키는 재미가 꽤나 쏠쏠하지만, 생각해 보면 prompt 를 "### 필드 중에서 outlier 를 빼 주고, 왜 뺐는지 알려 줄래?" 등의 말을 건네며 가끔씩은 '이럴 거면 그냥 내가 하고 만다' 라는 생각이 들기도 한다.이후에 세션들은 몇몇 방법들에 대한 이론적 혹은 실험적 접근이 될 수 있겠고, 이번 강의의 3번째 교재인 ChatGPT API 를 이용하는 제품 개발 등으로 여러 가지 일들을 해 볼 수도 있겠다 싶다. 바라건데 매 수업시간 동안 30분의 라이브 세션은 잡아 보자 싶다. Q&AQ. 검색 시스템이 '사용자가 미리 마음에 드는 아이템을 파악'하는 경우가 많고, 추천 시스템이 오히려 파악하지 않는 경우가 많다고 하셨는데요,  사용자가 검색을 많이 하다보면 추천시스템에서 마음에 드는 아이템을 파악하게 되지 않나요?A. 검색을 많이 하는 건 개인화를 포함해서 서비스 업체에게 중요한 정보로 사용됩니다.검색 쿼리 - 검색 결과 - 클릭 여부 - ( 구매 여부 ) 는 해당 사용자를 이해하는 가장 강력한 시그널입니다.여럿을 모아 통계적인 정답, popularity를 이용하는 데 쓰기도, collaborative filtering 으로 쓰기도 합니다. Q. 서비스를 기획하면서 대부분의 유저는 잘 모르지만 공급자 입장에서 팔고 싶은(?) 상품을 추천할 구석을 자꾸만 찾게 되는데요, 결국 mass 유저가 원하는 제품은 어느 정도 정해져있는 상황에서 상대적으로 매력이 떨어지는 상품 (하지만 팔고 싶은..)에 대한 추천 시나리오를 기획할 때는 어떻게 접근하는 것이 좋을까요?A. 교재에도 언급이 되어 있는 내용이긴 한데요. 친절한 설명 등의 UI 로 접근하는 경우 호응이 좋았던 사례들이 몇 있습니다. 구차하다 싶을 정도로 설명을 하거나 아니면 아무 설명 없이 (쿨하게) 널 위해 준비했어. 두 사례들로 귀결이 되는데, 사용자들은 다짜고짜 널 위해서.. 라고 하면 거부감을 많이 가지는 거 같았습니다. curation / editor’s choice 등의 형태로 풀어 내는데, 사용자들이 알고도 한 번 봐 준다 정도로 접근했을 때 얻어 걸리는 경우들이 있었더랬습니다..  Q. 데이터 클린징 시 EDA를 활용하여 오류데이터를 효과적으로 찾아내어 수정하는 대표적인 방법론들이 어떤 것이 있는지요? A. 결국 다 눈으로(?) 혹은 기계로 들여다 보면서 걸러내는 것들인데, 데이터 포맷, 인코딩 등의 기계적인 오류들을 제외한다면 대부분은 outlier 들을 빼 내는 데 중점을 둡니다. 특정 row/column 을 plotting 하면 꽤 보이고, sort by 해서 아래 위 살피면 대개 보입니다. 

대학 교육 기타･인공지능･추천･금융･공학

인공지능과 추천 시스템 강의 노트 - (3/16) - 2024. 9.20

미국에서 원격으로 새벽에 하는 수업이고, 이번 주는 추석 연휴 사이에 있는 주여서 출석 처리를 하지 않고 대신 같이 관련 클립들을 보는 것으로 수업을 대신했다. 두어 개 더 같이 보았으면 하는 내용도 있었지만, 주제를 그룹 짓기에 어색하다 생각했고, AI , Search by Google , AI by Google 의 세 그룹으로 이야기거리를 모았다. 다음 주부터 다시 조금은 딱딱한 강의 내용들로 채워 지겠다.  준비한 자료들3주) 강의 update금융권에서는 금리 인하만큼 큰 일이 드물 듯. 아래는 수업 시간에 같이 훑은 토막 비디오들. 채팅 창에서 소통을 하듯 이야기를 하고 싶었고, 아래는 script를 붙여 놓았다. 채팅을 통해 질문도 하나 들어와서 조금 더 이야기할 수 있었다. 클립 같이 보기Marty McFly & Doc Brown - Visit Jimmy Kimmel Live (2015, 11 min )AITed Talk : How we're teaching computers to understand pictures by Fei-Fei Li ( March 2015 , 18 min )Ted Talk : Why AI is incredibly smart and shockingly stupid by Yejin Choi ( April 2023 , 16 min )트랙터 회사가 보여준 AI 트랜스포메이션의 정석  ( 2023, CES , 13min ) Korean Cipher with OpenAI o1 ( 2023, 4 min )Search by Google  The Evolution of Search ( 2011, 6 min ) How Google makes improvements to its search algorithm   ( 2011, 4 min )Search Quality Meeting: Spelling for Long Queries (Annotated) ( 2012, 8 min )Year in Search 2010: Year in Review ( 2011, 4 min )Google — Year in Search 2022 ( 2023, 4 min )Google — 25 Years in Search: The Most Searched ( 2024, 4 min )AI by Googlebuilding AI for Everyone | Jeff Dean Senior Fellow in Google AI ( 2018, 세바시 강연, 16 min )Google I/O 2024 Keynote: Google DeepMind ( 2024, 17 min ) ---Clip 1. 영화 백 투더 퓨처의 1985년 영화가 처음 나왔을 때의 30년 후 미래, 빽투더퓨쳐 2의 같은 시간대입니다..Clip 2. AI 의 대모 역할을 맡고 있으신 FeiFei Li 의 ImageNet 소개에 대한 Ted Talk 입니다. ( 자막이 아주 작게 나오네요… )10년 전에 한계에 부딪쳤던 AGI, language model 들이 이 시기의 vision recognition 이 물고를 터서 LLM으로 가는 한계를 풀어 나갔습니다.이 이후에 구글 클라우드 팀에도 몇년 계셨지만, 원하시는 만큼의 성과를 서로 만들지 못한 아쉬움들이 있고, 학교로 다시 돌아가신 후에 더 큰 역할을 하고 계십니다.Clip 3: 시기상으로 GPT가 매우 잘 나가고(?) 있을 때 다른 방향에서 논의를 리딩하고 계시는 최예진 교수님의 이야기입니다.워싱턴 대학교에서 교수님으로 계시고, 인공지능 영역에 묵묵히 진행하고 계시고, 어떻게 humanity를 ‘가르칠 수 있을까’를 연구하고 성과로 주도하고 계십니다.작년에 전세계 AI 100인에 선정된 (아마도 유일한) 한국인 혹은 한국계 인재시고, 개인적으로 손자병법으로 대화를 만들어 나간 이 스토리가 주는 감동이 있었습니다. 빌 게이츠와 주고 받는 팟캐스트가 이후에 나왔는데, 아주 훌륭합니다.Clip 4: 2023년 초에 CES 장소를 압도적으로 지배했던 존디어 이야기입니다. 랭기지 모델 같은 것과 별개로 어찌 보면 자율주행이 가장 잘 어울리는 곳에서 입지를 잡고 있습니다.( 미국에서 아주 큰 시골에 가면 이 기계를 가끔 볼 수 있는데, 정말 큽니다.  )Clip 5: OpenAI GPT-4o 로 할 수 있게 된 신기한 기능을 소개해 줍니다.문제를 보고 여러 단계의 전문가들을 동원하는 모습으로 구현해 내고 있습니다. 사람들의 예상대로 knowledge / reasoning / language 를 구분해서 접근하는 방식의 좋은 예제이겠습니다.여기까지 AI 이야기였고, 구글 이야기들 들려 드릴께요.Clip 6: 10년 전 시점으로 세상을 정복하기 직전에 구글 검색의 역사에 대해 이야기해 줍니다.저는 2007년에  조인해서 이 시기에 유니버설 검색을 참여했었습니다. (구글) 검색은 사용자를 극단적으로 만족시켜야 하는 미션을 다루고 있었고, 모바일 세상이 오기 직전까지의 이야기입니다. Clip 7: 이미 15년 전에 어떻게 제품을 ‘개선’시키는가에 대한 이야기를 보여 줍니다. 실제 사용자의 피드백들이 제품을 강하게 만드는 일들을 해 주고 있습니다.제가 개인적으로 돌려 보았던 실험만도 1년에 20개는 되었으니Clip 8: 앞에서 이야기했던 결정 미팅의 실제 소개 영상입니다. 결정권자들이 둘러 있고, 각 과제 제안자들이 하나씩 리뷰를 받습니다.Clip 9-11 : 연말이 되면 그 해의 검색 쿼리들에 대해 소개 영상을 만들어서 진행을 했었습니다. 2010년부터 시작했네요. 기억으로는 그 전에는 구글이 유튜브에 호스팅을 안 했던가 그렇습니다…Clip 10: 2022년 버젼입니다.Clip 11: 작년에는 2023년 걸 보여 주는 게 아니라 25주년 특집을 보여 주었습니다.Clip 12:  구글의 AI 를 이끄는 양웅 중 하나인 제프딘이 한국에 왔을 때 세바시에 강연 영상입니다.구글 초기부터 개발자 연구자로 남아 있는 이제 몇 안 되는 고인물이고, AI 가 뜨기 이전에 지금의 구글에 들어가는 소위 인프라들은 전부 이 분 손에서 시작했다 알려져 있습니다.이 때 이미 ‘검색’의 영역에서는 search by image 가 거의 풀린 문제로 인식되었습니다.Clip 13: 딥마인드를 이끄는 분입니다. 한국에는 알파고 때 방문했었지만, 구글 행사에 좀처럼 안 나오는 분인데, 올해 구글 I/O 행사에 처음 나오셨습니다.지금은 제프딘과 함께 구글의 AI 를 제품 단으로 올리는 역할을 하고 있습니다.참고로 알파벳 지주회사 아래에 구글과 딥마인드는 따로 있었는데, 이 시기부터 구글의 한 영역으로 자리잡고 있습니다.이 날의 하이라이트가 이 Project Astra 인데, 전날 오픈에이아이의 시연과 같은 레벨의 성능을 보여줍니다. 시연 영상이 아마 나오는데, 개인적으로 두가지 무시무시한 포인트가 있습니다. 개인적으로 코드 잘 보는 건 감동이 적습니다만..현재 위치를 보지 않고 어딘지 알아 냈다면 stretview 에서 가지고 온 거라 엄청난 일이구요.본 영상들을 기억하면서 끄집어 낸다는 것도 context size 를 가지고 풀어 나가는 게 구글 스럽긴 합니다. Q&AQ. 최예진 교수님의 강연은 시기가 언제일까요? 최근의 LLM이 보여주는 퍼포먼스를 기준으로는 이제 stupid라는 표현이 어울리지 않는 것 같은데요.A. 작년 GPT4 가 나온 직후였습니다. 문제를 잘 푸는 것들과 함께 ‘common sense를 가르침'을 조화해야 한다는 것에 대한 이야기이구요. ‘잘 하는 것은 잘 하지만, common sense 에 대한 것들을 어떻게 가르칠까 등과 함께 소버린 AI 와도 같이 이야기를 모아 나가고 있습니다. 현업에서는 빼고 싶은 지식 혹은 감추고 싶은 이야기들 등에 대해 어떻게 할 것인지를 고민하는 방향으로 진행하고 있습니다. Language model vs knowledge model 로의 논의에도 의미가 있다 하겠습니다. 출처 : 브런치 매거진 KAIST DFMBA 2024https://brunch.co.kr/@chaesang/78 ( 2024. 9. 20. )

대학 교육 기타･인공지능･추천･금융･공학

인공지능과 추천 시스템 강의 노트 - (2/16)

학생들의 수는 그대로 78명으로 확정되었다. 주입식 혹은 강연 위주의 수업이 예상되는 부분이라 한계도 있겠지만, 기말 과제 혹은 다양한 소통의 방식으로 생각의 폭을 넓히는 데 거들 수 있으면 한다. 준비한 자료들2주) 강의 updateAI 강의 - 1강 AI 강의 - 2강 AI 강의 - 3강 9월 2주에 있었던 이슈들 위 업계 소식에서 하이퍼라이트 인용은 Matt Shumer의 반성문을 이야기하려 했음이다. https://x.com/mattshumer_/status/1833619390098510039 AI 강의 1강 - 3강작년에 발간된 박태웅 선배님의 AI 강의 책의 앞부분 역사적인 순간들에 대해 같이 다루었다. 직간접적인 현업에서 있었던 이야기들이라 덧댈 이야기들이 꽤 있었고, 아무래도 과제의 세 토픽 중에 인공 지능 이야기가 소재도 많고 관심도 많은 게 학생들의 호응에서 차이가 나는 거 같다.이 책 개정판이 2025년판이 출간되었다 하여 학기 중에 다루어 볼 심산이다. 미국 다녀 오면 실물이 가능할테고, 이론적인 부분이 많이 보강되었다 하는데, 기술적 내용에 비해서는 사회적 시각이 아무래도 다양하다 보니 개인적으로는 뒷부분이 더 어려운 주제인 거 같다.https://m.yes24.com/Goods/Detail/133308510 당연하게 중심에는 2022년 말의 ChatGPT 가 있고, 개인적으로 더 큰 변화였다는 Llama 이후 사회적인 이슈들, 따라 가기에만도 벅찬 쏟아지는 뉴스들과 그에 따르는 현업의 복잡한 사정들에 대해 이야기를 나누었다. 25마리 말 경주 문제를 칠판에 놓고 같이 이야기를 했었고, 4종 AI 에게 7마리일 때 어떻게 할 지 물어보았을 때 정답을 다 못 주는 걸 확인할 수 있었다.인공 지능 이야기를 주로 하게 되었고, 추천과 금융 토픽에 대해서 따로 진지하게 다루지는 못했다. 다음 강 시간에는 세간의 '추천' 제품, '추천 시스템'에 대해 주로 이야기를 시작하기로 했다. 쉬어가는 퀴즈Q. 챗지피티가 2023년 1월에 2달 걸려 MAU 기준 1억명을 최초로 모았다고 했는데, 2024년 9월 현재 기준으로 1억명 사용자를 모으는 데 더 짧은 시간이 걸린 서비스들은 ?힌트 1) 하나는 이전, 하나는 이후힌트 2) 하나는 게임. 그래도 퀴즈인데 싶어 inflearn 에 올려 놓은 내가 만들어 놓은 강의 수강권을 상품으로 놓았고, 수많은 오답들 끝에 두 학생이 맞추어 주어 부끄럽지만 상품을 전해 줄 수 있었다. 맺으며이번 수업을 끝으로 추석 연휴가 시작이 되었다. 나도 미국으로 건너 가서 다음 2주는 미국에서 온라인으로 진행해야 하는 추가 난이도가 생겼고, 연휴 사이에 있는 다음 주는 출석 검사를 따로 하지 않고, 비디오 클립들을 같이 보는 시간으로 따로 할애하기로 했다. 출처 : 브런치 매거진 KAIST DFMBA 2024https://brunch.co.kr/@chaesang/77 ( 2024. 9. 13. )

대학 교육 기타･인공지능･추천･금융･경영

인공지능과 추천 시스템 강의 노트 - (1/16)

들어가며아직 더위가 한창인 여의도 강의장을 9개월만에 다시 방문하였다. 전임교수 등록이 말소되었다가 다시 신청하는 등 사소한 해프닝이 있었지만, 위치도 그대로고 강의장도 여전했다. 이번 학기의 회사, 숙소인 분당 정자역에서 여의도까지 금요일 오후의 출퇴근 길은 꽤 어려운 일이 되었지만, 작년에 한 번 해 봤다고 금방 익숙해 지는 느낌도 있고, 지원팀 분들의 친절함마저도 익숙하게 느껴졌다. 흐리지만 탁 트인 여의도 강의장과 넙죽이 원래 이 강의는 정원 60명인 DFMBA 과정에서 개설된 것이지만, 일단 그 과정의 학생들이 수강하고 남는 자리는 다른 대학원에도 오픈이 되어 총 78명이 수강하게 되었다. 정보경영 등 다른 과정에서 신청하는 학생들이 절반에 가깝게 되었다. 금요일 오후에 다른 과목이 없어서 대형 강의동을 비롯한 한 층 전체를 쓰는 셈이 되었고, 과목 조교 두 명이 수고가 많겠다는 생각이 든다.아직 전업 교수가 아니라 과목에 대한 어떤 기대치를 놓아야 하는지 걱정도 있지만, 학생들 사이에 그냥 가서 듣고 조금만 뭐 더 하면 학점 준다더라 같은 평만 아니면 좋겠고, 인연 닿는 친구들에게 도움이 되는 부분이 있으면 하는 마음이 끝까지 가면 한다. 준비한 자료들1주) 강의 소개 - 인공지능과 추천시스템  2024년 2학기 1주) 금융 - 시작하며1주) 인공 지능 - 시작하며1주) 추천 시스템 - 시작하며한 학기 동안 다루게 될 내용들 나눈 이야기들일단 첫번째 주에는 내 이야기를 하는 것으로 시작하게 되었다. 오랜 기간, 90% 이상 현업에서의 일들에서의 이야기들을 전하는 게 이 과목의 목표이기에 변경을 해야 하겠다는 학생들이 있으면 그 기회를 주는 게 맞다고도 생각해서 첫 시간은 내가 했던 역할들, 맡았던 과제들, 풀었던 문제들에 대해 큰 틀에서 이야기를 했다.한 학기 내내 힘 닿는 대로 세 가지 키워드들 ‘금융', ‘인공 지능', ‘추천 시스템' 에 대해 이야기를 나누는데, 워낙 여러 의미로 쓰이는 단어들인지라 여러 단상들에 대해 먼저 이야기들을 했다. 세 주제에 대한 경험들, 최근의 단상들, 앞으로의 기대들에 대한 이야기들을 나누는 것이었고, 각종 키워드들로 시작했다. 상대적으로 '금융'에 대한 이야기들이 적어질까 걱정이 되지만, 이는 계속 채워 나가야 할 부분으로 생각한다.그리고 각 주별 수업의 구성, 기말 과제 소개, 조교들과 오피스 아워를 통한 조절 등 한 학기를 준비하는 내용들을 나누었다. 소통이 잘 되고 있는 걸까 궁금함이 남아 있지만, 필요로 하는 이들에게 닿기를 바란다.출처 : 브런치 매거진 KAIST DFMBA 2024 https://brunch.co.kr/@chaesang/76 ( 2024. 9. 6. )

대학 교육 기타･인공지능･추천･금융･경영

인공지능과 추천 시스템 강의 노트 - (0/16)

들어가며작년에 이어 올해에도 KAIST 경영대학원의 Digital Finance MBA 과정에 같은 과목의 강의를 의뢰받았다. 작년의 강의는 초보 교수의 어색한 진행, 원격 수업의 빈도가 높을 수밖에 없던 개인적인 사정, 문과와 이과가 모여 있는 수강생 그룹 등의 난이도가 있어 호불호가 꽤 갈렸고, 따라서 강의 평가가 평균보다 낮았었는데, 그래도 다른 과목들에서 채워 주지 못하는 부분을 다시 부탁을 주셔서 한 학기 더 해 보기로 하였다.장소와 조건은 작년과 같이 여의도 IFC 빌딩 17층. 금요일 오후 7시-10시, 16주 수업. 임용은 2024년 8월 말부터 1년간. 1주일에 반나절을 선생님으로 지내 보겠다고 하는 개인적인 목표를 유지하며 달성하고 싶고, 일상 시간을 같이 보내고 있는 회사 관계자들께 폐가 가지 않도록 하면서 한국과 미국을 오가려면 긴장을 더 하고 열심히 살아야 겠다는 다짐을 해 본다.올해는 현재 연구소장을 맡고 있는 인이지(https://www.ineeji.com/ )에서 서류 지원을 해 주셨고, 역시 여러 마음이 들지만 작년과 같이 거창한 생각보다는 직장인들이 업무 후 시간 내서 도전하는 그 노력들에 조그만 도움이라도 되면 싶었고, 여러 이야기들을 나누며 들을 수 있으면 하는 생각을 한다. 다만 불금 오후에 분당에서 여의도로 출퇴근은 꽤 난이도가 있어 보인다. 작년 강의에서 괜찮았던 점들기말 프로젝트를 발표함에 있어 가제출 - 피드백 - 발표의 사이클이 내용들을 풍부하게 하는 데 도움을 주었다. 출장 등의 공결을 고려한 자유로운 시간 배치도 그 자체로는 좋았다는 생각이다.인공 지능 부분과 추천 시스템 부분을 나누어 두 개의 다른 이야기를 한 시간씩 풀어 나갔는데, 학기 초에 소재가 충분했을 때는 도움이 많이 되었다. 특히 인공 지능 쪽은 북클럽의 책 같이 읽기와 같은 기대를 했었는데, 갓 출간된 교재 덕을 본 거 같다.기술과 거리가 있는 절반의 학생들을 바라 보느라 라이브 코딩을 몇 번 못 했는데, 의외로(?) 반응들이 괜찮았었다.매 주 15분 앞에 그 주에 있었던 AI 관련 뉴스 읽기를 했는데, 좋은 평가들을 받았었다. 작년 강의에서 아쉬웠던 점들학기말 프로젝트들을 운영했는데, 각 과제들마다 시간 제한을 제대로 하지 못해서 몇몇 과제들에 대해서는 아무말 대잔치처럼 흘러 가는 것에 대한 불만이 있었다. 이 부분은 강제 리모트 상황도 같이 겹쳐서 아쉬움이 많이 남는 부분이다.수업 중간에 비디오클립을 공유했었는데, 절반 정도는 반응이 좋았지만, 가끔 뜬금 없는 내용들이 15분씩 차지하게 되는 것에 대해서는 불만들이 있었다. 처음 몇 번에 만족했었어야 하는 생각이고, 하반기에는 억지로 비디오 클립을 찾는 노력이 불필요했던 거 같다.금융회사의 경영 혹은 기획 부서들과 전산쪽의 기술자들이 한 자리에 모여 있는 상황이어서 양쪽을 동시에 만족시키지 못하는 상황이 되기도 했었다. 코딩 관련해서 준비한 내용들도 있었지만, 선을 넘지 못한 느낌이었다.자유로운 간담회를 운영할 수 있었는데 개인 사정으로 학기말에 가까워서 운영하게 되었다. 학기 앞쪽에 시간을 냈었어야 하는 아쉬움이 있다. 올해 계획교재 3권을 골랐고, 이를 최대한 '인공 지능', '추천 시스템'의 두 토픽으로 나누어서 진행하려 한다.추천 시스템 입문 (Recommender System ) - 한빛 미디어 GPT-4를 활용한 인공지능 앱 개발 - 한빛 미디어 금융 전문가를 위한 머신러닝 알고리즘 - 위키북스 이 교과서에 있는 내용들은 GPT 이전 시대의 논의 거리들을 모으고 있어 책 내용을 훑는 것들 심지어 GPT4 조차도 옛날 이야기가 되어 버리게 되어 잘 섞어서 써야 겠다는 생각이다. state-of AI 등을 위한 공간, 특강을 위한 공간 등을 채워 보리라는 생각이다. 이 매거진을 이용해서 자료들을 모을 생각이고, 기록으로 남아 필요한 분들께 도움이 되면 하다.출처 : 브런치 매거진 KAIST DFMBA 2024 https://brunch.co.kr/@chaesang/74 ( Aug 22. 2024 )

대학 교육 기타･인공지능･추천･금융･경영

dop

[무료 세미나] 한국경제TV 2021 글로벌 파이낸셜 엑스포

안녕하세요! 한국경제TV가 주최하는 '2021 글로벌 파이낸셜 엑스포'가 오는 11월 24일(수)-25일(목) 양일간 코엑스 오디토리움에서 진행됩니다.   최고의 전문가들을 통해 투자 전략 노하우를 공유 하는 글로벌 투자전략 세미나와 글로벌 금융 시상식이 함께 진행될 예정이오니, 많은 관심과 참여 부탁드립니다.   - 행사명: 2021 글로벌 파이낸셜 엑스포 - 행사일시: 2021년 11월 24일(수)-25(목) 10:00 - 18:00 - 행사장소: 코엑스 3층 오디토리움 - 주최: 한국경제TV - 동시 개최: 2021 글로벌 금융대상 시상식 - 등록 신청: www.gfex.co.kr 접속 후 [등록 신청>사전 등록]  

경영 · 전략･세미나･무료･재테크･투자전략･금융

dop 2021.11.16
채널톡 아이콘