논문 교류회

이번 시간에는 논문교류회를 통해, 여러 논문을 소개 받았다. 논문들에서 다루고 있는 내용들에 대해 여기에 적어보고자 한다.

논문의 제목은 아래와 같다.

1. Transformer Attention Is All You Need
2. VIT An Image is Worth 16x16 Words: Transformers for Image Recognition at Scale
3. CLIP Learning Transferable Visual Models From Natural Language Supervision
4. SAM Segment Anything

Attention Is All You Need - Transformer 모델: 딥러닝에서의 어텐션의 중요성

https://arxiv.org/abs/1706.03762

Transformer 모델은 "Attention is All You Need"라는 제목의 논문에서 소개된 아키텍처이다. 자연어 처리(NLP)분야에 큰변화를 가져온 모델이고, 이 모델은 순환 신경망(RNN)이나 합성곱 신경망(CNN)에 의존하지 않고, 전적으로 어텐션 메커니즘을 사용하여 시퀀스를 처리한다.

Scaled Dot-Product Attention

Scaled Dot-Product Attention은 쿼리(Q), 키(K), 밸류(V) 세 가지 요소로 구성된다. 이 메커니즘은 입력된 쿼리와 모든 키의 dot-product를 계산한 뒤, 이를 스케일링하여 소프트맥스 함수를 적용함으로써 어텐션 가중치를 얻는다. 이 가중치는 밸류 값에 적용되어, 각 쿼리에 대한 출력 결과를 생성합니다. 스케일링은 dot-product 값이 커질 때 그에 따른 분산 증가를 조절하기 위해 사용된다.

Multi-Head Attention

Multi-Head Attention은 어텐션 함수를 동시에 여러 번 병렬로 수행하는 것을 말한다. 이것을 이용해서 모델은 다양한 표현(subspace)에서 정보를 동시에 캡처할 수 있습니다. 각 "헤드"는 독립적인 어텐션 계산을 하고, 결과는 연결(concatenated)되어 최종적으로 출력된다. 이 방식은 모델이 여러 공간에서 정보를 학습할 수 있게 하고, 성능을 향상시킨다.

Positional Encoding

Transformer 모델은 시퀀스의 순서 정보를 모델에 넣기 위해 Positional Encoding을 사용한다. 이것은 모델이 단어의 순서를 고려할 수 있도록 하고, 특히 시퀀스의 위치에 따라 각 단어에 고유한 벡터를 추가해서 구현이 된다. Transformer 모델이 순서에 민감한 정보를 처리할 수 있게 해주며, 시퀀스 내의 단어 간 관계를 더 잘 이해할 수 있게 합니다.

RNN에서의 정보 병목 현상 해결

기존 RNN 모델은 시퀀스를 순차적으로 처리하면서 각 시점에서의 컨텍스트 정보를 단일 벡터(컨텍스트 벡터)에 압축한다. 이 과정에서 소스 문장의 정보가 해당 벡터에만 의존하게 되고, 정보의 손실과 함께 성능 저하의 원인인 병목 현상이 발생된다.

Transformer 모델은 이러한 병목 현상을 멀티 헤드 어텐션을 통해 해결한다. 전체 시퀀스를 한 번에 모델에 제공하고,각 단어 간의 관계를 직접 모델링함으로써 정보의 흐름을 최적화하고, 정보 손실을 최소화한다.

Transformer 모델은 어텐션 메커니즘이 전체 모델의 핵심으로 자리 잡으면서, NLP 분야에서 다양한 혁신적인 응용을 가능하게 했다. 이 특징덕에 Transformer는 번역, 요약, 질문 응답 등 다양한 작업에서 뛰어난 성능을 보여주고 있다.

VIT Vision Transformer - 이미지 인식을 위한 새로운 접근 방법

https://arxiv.org/abs/2010.11929 Vision Transformer (ViT) ViT는 이미지를 16x16 크기의 패치로 분할하여 처리하는 방식을 도입했다. 각 패치는 하나의 '단어'처럼 처리되고, 전체 이미지는 이러한 '단어들'의 시퀀스로 변환된다. Transformer 구조를 사용하여 각 패치 간의 관계를 학습하고, 이미지 전체의 컨텍스트를 이해하는 데 도움을 줍니다.

ViT의 구조 및 특징 ViT는 패치로 분할된 이미지에 포지셔널 인코딩을 추가하여 Transformer에 입력한다. 이 구조는 멀티헤드 셀프 어텐션(MSA) 메커니즘을 사용해서 각 패치가 이미지의 다른 부분과 어떻게 관련되는지를 파악한다. 배치 노멀리제이션과 GELU 활성화 함수를 통해, ViT는 이미지 내의 복잡한 패턴과 관계를 효과적으로 모델링할 수 있다.

실험 결과 및 평가 다양한 벤치마크 데이터셋에서 뛰어난 성능을 보였다. 특히나 대규모 데이터셋에서의 효율성과 성능이 기존의 CNN 모델들을 상당히 능가하는 것으로 나타났다. 이 모델은 또한 다양한 시각적 작업으로 잘 전이되고, 사전 훈련된 모델은 적은 데이터로도 높은 정확도를 달성할 수 있음을 보여준다.

결론 및 향후 연구 방향 이 논문에서는 ViT를 통해 향후 연구에서 구조와 학습 방법을 더욱 최적화하여, 더 다양한 시각적 태스크에서의 적용 가능성을 탐구할 것이라 말하고 있다.

CLIP: 자연어 감독 하에 전이 가능한 시각적 모델 학습

https://arxiv.org/abs/2103.00020 CLIP 자연어 설명을 통해 시각적 개념을 학습하고, 이미지와 텍스트 간의 관계를 이해해서, 시각과 언어의 간극을 좁히는 혁신적인 접근 방식을 제시한다. 이 모델은 대규모 이미지-텍스트 쌍을 사용하여 학습되고, 전통적인 이미지 인식 방식을 넘어서는 새로운 경로를 제시했다.

분포 이동(Distribution Shift) 대처 방법 및 유형 분포 이동은 학습 시점과 실제 모델 사용 시점 사이 데이터 분포의 변화를 의미한다. CLIP은 이러한 분포 이동에 강건하고, 아래와 같은 유형의 분포 이동을 다룬다:

• Covariate Shift: 입력 데이터 분포가 변할 때 다룸
• Label Shift: 출력 레이블의 분포가 변할 때 다룸
• Concept Shift: 입력과 출력 사이의 관계가 변할 때 다룸
• Domain Shift: 학습 데이터와 실제 사용 데이터가 서로 다른 소스에서 올 때 다룸

제로샷 트랜스퍼(Zero-shot transfer) CLIP은 제로샷 학습 능력을 통해 학습 중에 본 적 없는 새로운 작업에도 적용할 수 있다. 이것은 CLIP이 일반화된 이미지 인식과 분류 작업에서 뛰어난 성능을 보이고, 실제 세계의 다양한 이미지에 대해 우수한 이해력을 가진다.

결론 및 미래 전망 CLIP은 시각적 정보와 자연어 간의 강력한 상호 작용을 통해 이미지 인식 및 분류 작업에 새로운 방향을 제한다. 분포 이동에 대한 강건함과 제로샷 학습 능력은 이 모델이 시장에서 응용 프로그램에서 중요한 역할을 할 것임을 암시한다. CLIP은 cv과 nlp를 결합한 다양한 응용 분야에서 전망이 좋은 모델이다.

SAM: 모든 것을 분할하는 모델

https://arxiv.org/abs/2304.02643 SAM: Segment Anything SAM 모델은 이미지 내 다양한 객체를 정밀하게 식별하고 구분하는 고급 이미지 분할 기법을 제공한다. 의료 영상부터 자율 주행까지 다양한 분야에 걸쳐 범용적으로 적용 가능한 이 모델은 대규모 이미지-텍스트 쌍을 활용해 훈련된다.

주요 구조 및 시각적 분석 SAM 모델은 마스크 디코더와 같은 혁신적인 구조를 통해 복잡한 장면을 효과적으로 분할한다. 문서에 포함된 여러 그림은 모델이 이미지를 어떻게 처리하고 분석하는지, 그리고 다양한 분할 과제에서 어떻게 좋은 성능을 발휘할 수 있는지를 시각적으로 보여줄 수 있다.

성능 및 적용 사례 SAM 모델은 이미지 분할 분야의 최신 벤치마크를 상회하는 성능을 보여준다. 모델이 실세계의 다양하고 복잡한 이미지에 대해 높은 일반화 능력과 분할 정확도를 가지고 있음을 의미한다.

결론 및 미래 전망 "SAM: Segment Anything" 모델은 이미지 분할을 위한 강력하고 유연한 솔루션을 제공하고, 이는 학술 연구와 실제 응용 모두에 귀중한 통찰력을 제공한다. 이 모델이 발전하게되면 이미지 인식 및 분석 분야의 미래 연구 방향에 중요한 기여를 할 것이라는 전망이 있다.

온라인 7기 아이펠톤 준비 커리어 세미나 그리고 회고

아이펠톤이라는 협업능력을 기르는 프로젝트를 앞두고, 아이펠에서 이 것을 위한 세미나를 준비해주었다.

여기에서 맨 처음 던진 질문은 이것이다.

**"취업 역량이 높다는 것은 어떤 의미일까" ** 이부분의 답은 아래와 같다.

직무 + 적응 능력이라고 볼 수 있다.

여기에서 취업 역량이란?

취업 역량은 개인이 직장에서 성공적으로 근무하기 위해 필요한 다양한 능력, 지식, 기술, 태도를 포괄하는 개념이다. 이는 구직 활동에서 경쟁력을 갖추고, 일자리를 얻은 후에도 직무를 효율적으로 수행하고 직장 내에서 성장할 수 있는 기반을 마련하는 데 중요한 역할을 합니다. 취업 역량은 단순히 전문적인 기술이나 지식에 국한되지 않고, 다음과 같은 여러 측면을 포함한다.

회고 이외에 다른 여러가지 좋은 준비할 수 있는 포트폴리오 예시와 자기소개서 예시등을 보여주셨고 어떻게 준비하면 되는지 설명해주셨다.

이 주신 자료들을 통해서 좋은 프로젝트를 만들 수 있을 것 같았고, 우리 그루들과 함께 협업 능력 또한 늘릴 수 있을 것 같다.

AI 중심의 IT 변화

현재 전 세계적으로 IT 지출이 AI 관련 이니셔티브에 집중되고 있다. 2025년까지 Global 2000 기업들은 핵심 IT 지출의 40% 이상을 AI 관련 이니셔티브에 할당할 것으로 예상이 된다.

https://blogs.idc.com/2023/11/01/top-10-worldwide-it-industry-2024-predictions-mastering-ai-everywhere/

데이터 중심의 기업 환경

데이터는 디지털 비즈니스를 형성하는 핵심 요소로 불리우며, AI를 통한 데이터 접근 방식의 변화가 기업 전략에 중요한 영향을 미칠 것이라고 이야기가 되고 있다.

https://www.accenture.com/us-en/insights/technology/technology-trends-2024

지속적인 학습과 기술 개발

기술 능력과 지속적인 학습 문화가 모든 역할의 핵심이 되면서, 개인 기술 수준에서 필요한 지식을 제공하는 방식으로 진화할 것이라는 전망도 보여지고 있다.

https://www.mckinsey.com/capabilities/mckinsey-digital/our-insights/tech-at-the-edge-trends-reshaping-the-future-of-it-and-business

음악계와의 융합

지금은 음악 추천 시스템, 사용자 맞춤형 음악 생성, 음악 트렌드 분석 등에서 AI가 큰 역할을 하고 있다.

예를 들자면, Spotify와 같은 회사들은 청취자들이 어떤 종류의 음악을 주로 듣는지 그 데이터 분석을 이용해 사용자 선호도를 파악해 새로운 트렌드를 예측하고 있다.

AI를 활용해 새로운 음악 경험을 제공하는 것이 현재와 미래 음악 산업의 중요한 트렌드가 될 것 같다.

하지만 이러한 데이터 분석은 개인정보 보호 및 알고리즘 편향과 같은 윤리적 고려 사항을 제기되고 있다. AI와 데이터 분석의 발전은 음악 산업에 새로운 기회를 제공하며 이것은 예술과 비즈니스의 경계를 더욱 미묘하게 만들고 있다.

https://us.sganalytics.com/blog/the-science-of-music-how-big-data-is-transforming-the-music-industry/

경쟁 분석 및 기회

AI와 데이터 기술의 발전은 기업들에게 새로운 경쟁 기회를 제공한다.

예를 들어, IBM Consulting, Capgemini와 같은 글로벌 컨설팅 회사들은 AI 기술에 대한 대규모 교육을 계획하고 있으며, 이는 IT 서비스 산업의 변화를 예고하고 있다.

https://www.techtarget.com/searchitchannel/feature/IT-services-industry-trends-on-tap

중요하게 챙길 점

공통된 경험(필요한 자격)

• BENinc.ai
  • 대규모 언어 모델을 배포, 미세 조정 및 최적화한 경험.
  • 오픈 소스 NLP 파이썬 및 C++ 라이브러리를 사용한 프로젝트 경험.
  • 버전 관리 시스템(가급적 Git) 사용 경험.

• Aniai
  • C와 Python에 대한 개발 경험
  • Git, GitHub을 활영하여 협업한 경험
  • EE 또는 CS 분야의 학사 학위 이상 또는 그에 준하는 경력

• Canonical

  • Experience with public clouds or OpenStack
  • Experience with Debian/Ubuntu packaging
  • Experience with systems programming or scalable web services
  • Performance engineering and security experience

• Zalando

  • Research and develop machine learning solutions to solve business problems such as payment risk assessment and forecasting of various KPIs.
  • Make sense of the messy patterns within data. You thrive on using analytics approaches to understand the problem you’re working on, and being a data detective.
  • Collaborate with engineers to put machine learning algorithms into production.
  • Learn and develop, and share your knowledge with your colleagues. We are excited to teach you new technologies and approaches, and to learn from you.

• Continental

  • Students enrolled in a Master's program with a focus on computer science, mechatronics, electronics or related field
  • Basic understanding of machine learning and/or artificial intelligence topics
  • Familiarity with machine learning libraries, such as PyTorch/ Keras 3, is advantageous
  • Experience with ROS/ Carla is desirable
  • Very good handling of MS Office programs

기술

• BENinc.ai
  • Python, C++ 등 AI 개발 언어에 대한 숙련도.

• Aniai
  • C, Python, Git, GitHub,Linux

• Canonical

  • Debian, Flutter, Front-end 개발, Rust (Programming Language), Systems Programming, gRPC, 리눅스, 오픈스택, 우분투
  • Experience with container technologies such as LXD, Docker and Kubernetes
  • Understanding of build systems and toolchains, including for cross-compilation
  • Additional languages, particularly Golang or Rust, C or C++
  • Deep quality and test engineering
  • Web or Flutter front-end experience
  • REST and gRPC API experience
  • SQL and NoSQL data store expertise

• Zalando

  • You have experience and understanding of basic machine learning algorithms. You have an interest in learning how to improve/perfect and generally build more performant machine learning products.
  • We are working in a big and complex environment, and with many stakeholders. We expect you to be able to translate business needs into machine learning concepts. Great communication skills are needed to help non-technical colleagues understand applied science concepts.

• Continental

  • AI, Networking Events, 고성능 컴퓨팅(HPC), 분석능력(Analysis), 영어, 조직화 기술, 컴퓨터공학, 팀워크
  • Literature overview of SoTA models in trajectory forecasting.
  • Preprocessing public motion datasets.

도구

• BENinc.ai
  • RESTful API 설계, 개발 및 유지 관리에 대한 입증된 경험.

• Aniai

  • 주방 자동화 로봇, 테스트 장비의 펌웨어 개발
  • 사내 로봇 OS의 커널 개발 참여
  • 주방 자동화의 각종 프로토콜 (통신, 로그 등) 유지보수
  • 로봇 GUI 소프트웨어 개발
  • 펌웨어 배포 파이프라인 구축

• Canonical

• Zalando

  • You have a degree in statistics, physics, biology, machine learning, data science, economics or another relevant field.

• Continental

지식

• BENinc.ai
  • Linux와 같은 AI 개발 환경에 대한 경험.

• Aniai

  • MCU 개발 경험 또는 지식

• Canonical

  • An exceptional academic track record from both high school and university
  • Undergraduate degree in Computer Science or STEM, or a compelling narrative about your alternative path
  • Drive and a track record of going above-and-beyond expectations
  • Well-organised, self-starting and able to deliver to schedule
  • Professional manner interacting with colleagues, partners, and community
  • Experience writing thoroughly designed, modern, maintainable Python
  • Conscientiousness and detail orientation, with a focus on performance
  • Professional written and spoken English

• Zalando

  • You have a solid foundation of knowledge in mathematics and statistical methods. You can easily explain the importance of a p-value, and what are its pitfalls.

• Continental

  • Implementation of a baseline model.
  • Integrate prior knowledge into the baseline model.
  • Evaluation of the baseline model in the Continental simulation stack.
  • Good knowledge of Python

태도

• BENinc.ai

• Aniai

  • Technical Presentation에 능숙하며 뛰어난 의사 소통 역량

• Canonical

  • Experience with Linux (Debian or Ubuntu preferred)
  • Excellent interpersonal skills, curiosity, flexibility, and accountability
  • Passion, thoughtfulness, and self-motivation
  • Excellent communication and presentation skills
  • Result-oriented, with a personal drive to meet commitments
  • Ability to travel twice a year, for company events up to two weeks each

• Zalando

  • You bring excellent problem-solving skills, with a logical and pragmatic attitude.
  • Ideally, you are familiar with the python best practices. You also know how to make sense of data using SQL and relevant python packages (pandas, spark).

• Continental

  • Fluent English language skills, written and spoken
  • Demonstrated ability to learn and be creative, with a strong sense of independence and teamwork

AI 분야에 뛰어들게 된 계기

나에게 AI란 나의 일상에 나도 모르게 숨어든 것이였다. 넷플릭스의 추천 시스템, 유튜브의 알고리즘에 따른 추천 시스템, 아마존에서 쇼핑할 때 연관 제품 소개등. 너무나 편리하게 쓰는 것들이 다 AI모델들이라는 사실을 알게되고나서 내가 이런 모델들을 만들 수 있으면 얼마나 좋을까 하는 새로운 꿈을 꾸게 되었다.

사실 나는 그동안 전혀 다른 분야인 음악을 하는 사람이었기에 그저 다른 사람들이 만들어둔 모델을 쓰는 소비자의 입장이었다.

오래된 음악을 하는 사람이었기에 그 분야에서 발을 돌려 이쪽 분야를 시작하게 되는 것 자체가 매우 생소할 수 있다고 생각한다. 하지만 앞으로 다가올 세상은 모든 분야에 AI 모델이 존재할 수 밖에 없다고 생각했다. 왜냐하면 코로나 팬데믹 이후 여러 음악회도 취소가 되는 사건이 있었고, 개인적으로 몸도 아프게 되면서 바이오와 음성쪽에 관심이 가게 되었다.

내가 추구하는 바와 목표

서두에 이야기한 것처럼 AI 모델들에 대한 꿈이 생기면서 여러 가지 일상속 숨어있던 AI들을 알게되면서, 앞으로의 AI는 바이오와 클래식 음악 시장도 마찬가지로 적용이 될 수 밖에 없다는 인식이 생기면서 이 분야에 발을 들여야겠다고 생각했다.

내가 추구하는 바는 음성을 가지고 여러가지 cv와 nlp 모델들을 이용해 재미있는 프로젝트를 진행해보고싶다.

자세히 이야기하자면, 메디컬 이미지 클래시피케이션과 음성추출을 통해 음성연구를 진행해 바이오쪽으로 연구해하는 것과 음성 데이터들을 가지고 메타버스에서 콘서트를 진행하는 일 또한 진행해보고싶다.

남은 아이펠 수료하는 기간동안에 더 많은 cv와 nlp 프로젝트 진행으로 여러 데이터를 다루는 방법과 평가지표를 익혀서 더 좋은 모델과 여러 패키지를 다루는 법을 체득하고 싶다. 이런 일들이 체득이 된다고 가정한다면 앞으로 좋은 AI 모델 Engineer가 될 수 있지 않을까.

명언

요슈아 벤지오라는 딥러닝 창립자 중에 한 분이자 세계적인 권위자께서 하신 말씀이 있다. "The goal of AI is to build machines that can learn and reason, rather than just do what they are told."

이말의 뜻은

"인공지능의 목표는 기계가 단순히 지시를 따르는 것이 아니라 학습하고 추론할 수 있는 기계를 만드는 것입니다."

라는 내용이다.

인공지능 모델들은 벌써 내가 넣은 자료들과 여러 다른 사람들이 준 자료를 가지고 스스로 학습하여 추론할 수 있다. 고로 우리 인간은 AI에게 짧은 지식으로 빈틈을 주면 안된다. 그리고 인간 고유의 인권을 주장하면서 AI를 다룰 수 있는 능력치를 어떤 분야 종사자이든 그 소양을 갖추어야하는 시대라고 생각한다.

" Maybe already the next generation [of tools] that is coming in 2024 could be very dangerous. Governments need to start preparing for this. "

"2024년에 출시될 다음 세대의 인공지능 도구가 매우 위험할 수 있다는 경고입니다. 정부들은 이에 대비하기 위해 준비해야 합니다."

저장소 관리의 중요성

수업이 시작이 되고 나는 헤매기 시작했다. 말그대로 맨땅에 헤딩! 쿵🤪

그래서 GitHub가 뭔데? 라는 물음이 머리에 백만개가 둥둥 떠다녔다. 개발자들이 열심히 사용한다는 이야기는 알았지만 문외한인 나는…하핳 정말 부끄럽게도 뭔지 몰랐기에 개념잡기부터 시작했다.

그러면 나와 같이 GitHub의 1도 모르는 사람들을 위해 내가 깨달은 개념을 이곳에 정리해보려 한다.

버전관리

GitHub에서는 버전 관리라는 개념이 존재한다.

버전관리란 왜 필요할까?

이 질문에 답을 하기 위해서는 버전관리란 무엇인지에 대한 설명이 필요할 것이다.

버전관리란?

프로그램의 소스 코드, 문서, 그래픽 및 관련 파일들을 대단위 소프트웨어로 묶어서 개발 시점으로 표기하여 관리하는 것.

이라고 네이버 국어사전에서는 이야기하고 있다.

조금 더 쉽게 설명하자면, 프로그램의 코드, 문서, 그래픽 파일들을 어떤 시점을 정해서 저장하고 관리하는 것을 이야기한다.

앵그리버드 스테이지

음.. 앵그리버드 같은 게임을 하다보면,

Stage(단계)별로 Clear를 한 것 그리고 안된 것들을 상황별로 저장이 되어진다.

그래서 Clear 한 것은 빼고 못한 것을 열심히 내가 오늘은 깬다라면서 들어가서 도전을 해보지 않는가?

만약 그 상황이 저장이 안되어 있다고 하면 이루어진것, 아닌것을 구별하는 것에 우리는 어려움을 겪게 되고 마는 것이다.

이런 상황을 겪지 않으려면 우리는 버전관리를 하게될 수 밖에 없다.

Github에서도 마찬가지로 버전관리가 중요하다.

코드가 길어지고 파일이 많아지면 위에서 얘기한 것 처럼 버전 관리가 매우 중요한 이슈가 된다.

그렇다면 코드의 버전 관리를 어떻게 하면 편하게 할 수 있을까?

Git 과 GitHub

Git and GitHub 를 통해 우리는 쉽게 버전 관리를 할 수 있다!

그렇다면 어떻게 그게 이루어 질 수 있을까? 궁금증이 일어나기 마련이다.

Git 과 GitHub를 사용하면 코드의 버전 관리와 협업을 동시에 할 수 있다!

그래서 많은 개발자들이 Git 과 GitHub를 열심히 활용하고 있다.

그렇다면 Git 과 GitHub의 차이는 무엇일까?

하는 궁금증이 생기죠! ㅎㅎㅎ 한번 알아볼까요?

Git과 GitHub

Git 이란?

: 오픈 소스 버전 관리 시스템이라고 할 수 있다.

VCS - Version Control System

주로 로컬에서 버전 관리를 하고, 소프트웨어 개발 및 소스 코드 관리에 사용된다고 할 수 있다.

그렇다면 Github는 무엇일까요?

: Git Repository(저장소)를 위한 웹 기반 호스팅 서비스라고 할 수 있다.

클라우드 서버를 사용해서 로컬에서 버전 관리한 소스 코드를 업로드하여 공유가 가능하다.

즉, 분산 버전 제어, 액세스 제어, 소스 코드 관리, 버그 추적, 기능 요청 및 작업 관리를 제공한다고 볼 수 있다.

자, Git 와 GitHub는 무엇이 다를까요?

• Git은 소스코드의 버전을 관리해주는 시스템이라고 볼 수 있다.

  로컬(Local : 개인 컴퓨터)에서 작업한 내용 저장한다.

• GitHub은 Git의 프로젝트를 온라인에 호스팅(Hosting : 공유)하는 역할을 한다. 리모트(Remote : 원격)로 다른 사람과 협업할 수 있게 해주는 서비스를 한다.

즉, GitHub가 Git을 더 사용하기 쉽게 만들어주는 서비스라고 말할 수 있는것이다.

끝맺음

오늘은 Git 과 GitHub의 개념에 대해서 자세히 다루어 보았다. 곧 명령어를 정리해서 올릴 예정이니 편안하게 구경와주면 좋겠다.

그럼 오늘의 블로그 안뇽~🥰

아이펠을 시작하게 된 계기

독일에서 한국으로 귀국을 결정한 후 "나는 이제 무엇을 하는 것이 좋을까" 같은 많은 고민을 하였다.

새로운 것을 좋아하고 도전하기를 즐기는 나를 생각하며 항상 새로운 개념이 쏟아지는 AI는 어떤 것일까 하는 궁금함에 AI 관련 대학원에 합격해 시기에 맞춰 한국에 들어오게 되었다.

학교 개강 후 수업을 따라가면서 느낀건 사전으로 혼자 파이썬, 빅데이터 관련 공부를 했지만 그동안의 내 환경은 대략적으로 음악인 한정이 되어있기에 어려움을 많이 느꼈다. 그러면서 같이 수업을 들으며 친해진 언니가 모두의연구소에서 진행되는 모두LAB을 추천해주어 아이펠을 발견하게 되고, 지원하게 되었다.

Onboarding

10월의 끝, 아이펠 학교가 개강했다. 모든 것이 낯설고 어색한데 운영매니저님과 퍼실레이터님들의 노력으로 조금씩 적응할 수 있었다. 아이펠은 gathertown 라는 메타버스안에서 아침부터 저녁까지 전체적인 행정을 담당해주시는 운영매니저님과 수업진행을 맡아주시는 퍼실레이터(회의나 교육이 원활하게 돌아갈 수 있도록 도와주는 역할)를 통해 진행이 된다.

과연 온라인으로 진행이 되는 수업에 내가 적응을 잘할 수 있을까 고민했지만, 그 고민은 한순간 휙 날아갈만큼 수업의 구성은 알찼다.

현재는 아이펠 8기를 모집중인듯 하다

리눅스 첫걸음

아이펠 수업은 커뮤니티 기반이다. 이 수업 진행방식이 아이펠에서 강조하는 것인데, 노드를 함께 배정된 조원들과 함께 진행한다.

진행하는 가운데에 조원들과 토론하고, 함께 서로를 도우며 노드를 풀때 중요한 부분들을 정리해가며 공부한다. 서로 커뮤니케이션을 하지 않으면 다음 노드 그리고 퀘스트를 진행하는데에 어려움이 생기기때문에 무조건 서로 어떤 부분이 어렵고 어떤 부분이 해결이 되지 않았는지 이야기해야한다.

수업이 시작되고 나는 리눅스를 처음 접하게 되었다. 파이썬을 공부해보았지만 아니.. 리눅스 명령어 너 왜 어색하니...? 정말이지.. 혼자 끙끙 거리며 노드를 진행하는데 다른 조원들은 너무 잘 진행하는 것 같았다. 알고보니 다들 어려움을 느끼는 부분이 있었고 서로 공유하며 그 부분을 조금씩 이야기를 해보니 천천히 해결하고 넘어갈 수 있었다.

GitHub 안녕?

GitHub 옥토켓

*리눅스 명령어를 배운 이유는! *

바로 GitHub를 Shell의 Markdown을 작성하고 그걸로 협업하기 위함이였다.
개발자에게는 데이터가 생명인데 많은 데이터를 위해서는 커뮤니케이션이 중요하다. 그렇기에 이런 협업 툴에 익숙해지는 것이 개발자에게는 필수라고 생각한다.

그렇다면

GitHub의 용도는?

많은 개발자들이 코드를 오픈소스로 공유하고, 여럿이서 하나의 팀을 만들어 개발을 진행할 때 복잡한 코드 버전을 효율적으로 관리하기 위해 쓰인다.

GitHub 에서는 커밋(commit)이라는 것이 존재하는데, 이것은 어떤 식으로든 코드를 다루었거나 개발과 관련된 문서 작업 등을 했다는 뜻이다.

개발자 사이에서는 "1일 1커밋하기" 같은 운동 또한 있다. :)

첫째 주 소감

아이펠은 1-2주 Onoarding시간에

GitHub를 통해 또 여러가지 개발자 소양을 위해 이런 아이펠에서 강조하는 것이 무엇인지, 커뮤니티 기반 수업이 왜 중요한지 알 수 있었다.

P.S. 으아 열공 안하면 안된다! 천천히 조금씩 매일매일 개발자의 길로 한걸음 🥾..🥾..🥾..