본문 바로가기

TroubleShooting/Etc

AIDE 인공지능 (학습) 데이터 전문가 2급 시험 후기

728x90

 한국인공지능협회에서 주최하는 AIDE 인공지 학습 데이터 전문가 2급 시험을 보고 후기를 남기고자 한다.

당연히 시험 문제는 남길 수는 없지만  시험 보기 전에 그래도 알아야하는 내용들을 정리해본다.

 

 문제는 총 50문항이고 20개는 이론, 30개는 실기 문제로 다 객관식이다.

 

 실기 문제는 크라우드웍스 - 데이터 라벨링 기초 과정중에 실습했던거 처럼 직접 작업하는 거는 아니고 객관식으로 답을 결정하는 방식이다. 예를 들어 지도 위에 도로가 잘 표현되어 있는지, 옷의 종류를 선택한다거나, 상의 색깔, 장식물 유무을 보기에서 찾고, 또 바운딩된 예시 사진에서 작업 결과를 보고 어떤 작업이 틀렸는지 보기에서 선택하는 방식이다. 그런데, 어떤 문제는 사진이 너무 작아서 잘 안 보이는 경우가 있는데 모니터가 작은 노트북에서 테스트 보는 경우에는 "컨트롤 키 + 마우스 휠" 로 브라우저 사이즈를 늘려서 보자. 어쨌든 실기문제는 크라우드 웍스 강의에서 실습했던 내용들이 골고루 나오고, 또 시험문제에도 설명이 자세히 나오기 때문에 할만하다.

 

 문제는 이론 시험인데, 20 문항에 1문제당 배점이 2점이다. 총 40 점을 차지하는데, 솔직히 아무 준비없이 시험 문제보면 많이 당황스러울 거다. 인공지능, 머신러닝, 딥러닝, 빅데이터 관련한 내용들인데, 크라우드웍스에서 실습한 내용하고는 거의 관계가 없었다. 왜 이론 교육은 안하고 시험을 보게 하는건지 이해가 안간다. (나중에 교육 커리큘럼을 보니 이론 교육은 크라우드웍스에 따로 금액을 지불하고 수강 신청을 해야하더군요. 실습하는 거만 국민내일배움 교육으로 공짜로 지원한거 였습니다. 마케팅에 당한건가...) 그러고보니 강의 중간에 실습중간평가에서도 강의에서는 나온적도 없는 내용이 나와서 당황했었던거 같다.

 

 내가 봤던 시험에서는 인공지능, 머신러닝, 딥러닝, 빅데이터 에서 골고루 나왔는데 아래에 도움이 될만한 영상들을 정리해보았다. 영어로된 용어들의 개념을 잘 기억하자. 딥러닝 같은 거는 깊게 들어가면 복잡해서 핵심적인 용어만 잘 정리해서 기억해두면 모르는 문제가 나와도 보기에서 하나씩 소거해 가는 방식으로 풀 수 있다.

 

  • 데이터 라벨링 입문
    • NIA AI Hub : https://www.youtube.com/watch?v=iNFR7tUDj6c
      • 한국지능정보사진흥원(NIA) 에서 운영하는 데이터 라벨러 입문자를 위한 교육 자료
      • 키워드 : 이미지 데이터 식별 방식(분류(Classification), 객체 인식(Object Recognition), 영역 구분(Segmentation), 의미 분할(Semantic Segmentation) : 용어 구분 필요함), 데이터 라벨링 기법(바운딩, 키포인트, 폴리곤, 폴리라인, 시멘틱 세그테이션, OCR : 의미 파익 필요)
  • 인공지능
    • 에이프리카 : https://www.youtube.com/watch?v=r7gWQicV-Yw 
      • AI, 클라우드를 서비스하는 기업에서 제공하는 영상인데, 대학교 강좌를 보는 듯히다.
      • 키워드 : ANN, DNN, CNN, RNN, GAN (용어 개념)
  • 머신러닝
    • 생활코딩 : https://www.youtube.com/watch?v=Z8tZjIOptZI
      • 머신러닝 관련한 영상들 여러개 찾아봤지만 정말 쉽게 개념을 전달해준다. 편당 3~5분 정도라서 다 볼 수 있으면 좋겠지만 바쁜 사람은 15장부터 보면 될거 같음
      • 키워드 : 강화학습 / 기계 학습 / 지도 학습 / 비지도 학습 / 분류 / 회귀 / 군집화 / 변환 / 연관
  • 빅데이터
    • 십분AI : https://www.youtube.com/watch?v=Jd_fK-6dfcI
      • 짧게 빅데이터 관련 용어 정리를 할 수 있다.
      • 키워드 : 빅데이터 특징(3V, 5V 영어로 시작하는 V 단어 확인), 빅데이터 수집 기술(로그 수집기, 센싱, 크롤링, ETL, RSS 리더, API), 수집되는 데이터 유형(정형 데이터, 반정형 데이터, 비정형 데이터 : 데이터 형식 구분 필요)
  • 정리

 이론 문제를 며칠동안 공부해야할 만큼 문제수가 많은 것도 아니기 때문에 용어 개념만 잡는 방식으로 공부를 하는 방향으로 하자.

 시험 중간에 헷갈리는 문제는 빨리 체크하고 넘어가도록 하자. 다 풀고 나서 다시 선택해서 풀 수 있다.

 실기 문제의 배점이 60 점인 것을 활용해서 이론에서 20 문항에서 10문제만 맞춰도 된다고 생각하고 실기에서 다 맞추겠다는 생각으로 편하게 준비하도록 하자.