좋아요 한번씩만 눌러주시면 영상 제작에 정말 큰 힘이 됩니다! ChatGPT API로 수익형 운세보는 챗도지 만들기 ruclips.net/video/SIRMboPpHo8/видео.html 6살도 할 수 있는 인공지능 강의 (Teachable Machine) ruclips.net/video/USQGTW34lO8/видео.html 실전 동물상 테스트 웹, 앱 만들기 강의 ruclips.net/p/PLU9-uwewPMe2-vtJAgWB6SNhHcTjJDgEO 최신 이미지 생성 인공지능 사용법 강의 (Stable Diffusion) ruclips.net/video/vVdNmnEb--E/видео.html [웹 개발 풀스택 5주 완성 강의] 📖수업페이지: www.notion.so/5-LIVE-76171e66dbb54420b37f7890702ce6c3 💬디스코드: discord.gg/zny87VeSaX [라이브 풀버전] 조코딩의 웹 개발 5주 완성 ruclips.net/p/PLU9-uwewPMe0hiCRaWjRHd-TTNJYu9N6w [편집본] 2022 코딩 기초와 웹 프로그래밍 ruclips.net/p/PLU9-uwewPMe2-R9-taf4oIjwrEZDgE-q2 📖『Do it! 조코딩의 프로그래밍 입문』 - 예스24: vo.la/SbhB7F - 교보문고: vo.la/6XXfEL - 알라딘: vo.la/OXqNP1 VVIP 멤버십 후원 강경헌님, SOOJIN BANG님, THE MOTOR CITY님, CURIOUS_CuringE님, 김우종님, 동대문아들들님, 그림자그림자님, 마비님 후원 감사드립니다. 멤버십 가입하기: ruclips.net/channel/UCQNE2JmbasNYbjGAcuBiRRgjoin 00:00 미리보기 00:10 인공지능이란? 00:22 인공지능, 머신러닝, 딥러닝 간략한 개념 00:53 한장으로 요약하는 머신러닝/딥러닝 01:28 컴퓨터의 학습 - 초창기 심심이 사례 01:47 머신러닝에서의 학습 - 레모네이드 판매량 예측 03:37 요약 - 머신러닝은 모델(함수)을 만드는 것 04:16 새로운 데이터의 판단 과정 04:45 조금 더 복잡하지만 원리는 같은 현실 세계의 사례 05:43 딥러닝의 개념 06:34 딥러닝 도입 전과 후 비교 07:14 높이뛰기와의 비교 08:05 누구나 쉽게 딥러닝 적용하는 방법 - 프레임워크, 라이브러리 09:09 6살도 할 수 있는 인공지능 - Teachable Machine 12:28 이미지 인식의 원리와 발전 과정 14:23 모델 가져다 쓰는 방법 - Transfer Learning(전이학습) 16:01 인공지능 응용 사례 20:06 점점 발전하는 인공지능의 사례 24:50 인공지능이 블루오션인 이유 25:27 VVIP 멤버십 후원 감사 인사 #인공지능 #AI #코딩 #머신러닝 #딥러닝 #텐서플로우 #파이토치 #teachablemachine
누구나 다해서 나는 안한다는 이런 생각 때문에 자신의 길을 못가는 사람들이 많죠. 큰 기업들이 수익성이 없다고 판단하고 안가져 가는 자잘한 공간을 기발한 아이디어와 추진력으로 잘 파고들면 한 두사람 지나갈 길은 충분히 있습니다. 결국은 가느냐 마느냐가 중요한건데 가기 위해서는 어떻게 접근해야 하는지 알아야 하고 이 강의는 그것을 잘 알려주고 있다고 생각합니다. 말 그대로 입문자를 위한 강의라는 거죠. 그런데 이건 겉핥기라고 어쩌고 저쩌고 하시는 분들은 포인트를 잘못잡은거고 강의 대상자가 이닌거죠. 이분이 젊고 야망이 커서 자본주의를 추구하지만 이분의 강의는 저같은 사람에게 보물과 같습니다.
조코딩님은 인공지능을 완전 처음 접한 사람들을 위해서 흥미 위주인 가벼운 영상을 만드셨는데 댓글들 대부분은 어떻게든 자기 지식 꺼내서 까려고밖에 안 보이네요 초등학생한테 미적분 어려우니까 배우지 말라는 것과 뭐가 다르나요, 코딩 자체가 늘 인터넷과 접해야 하므로 성격이 날카로워지신 분들이 다른 분야보다 많아 보이네요.
@@람쥐쳇바퀴 당연히 동의하는 말이지만 이것 또한 너무 깊게 들어가지 않았나 싶어요. 사람에 따라 받아들이는 깊이가 다를텐데 밑에 분 댓글처럼 하나의 교양수업이라고 봐요. 모든 내용을 깊게만 본다면 차이나는 클라스같은 어려운 지식을 쉽게 받아들이는 강연 프로그램은 사라져야하죠.
@@람쥐쳇바퀴만약 누구나 미적분만 사용할줄 알면 수익화를 할 수 있는 방법이 무궁무진한데, 이 시대에 사칙연산부터 하나하나 밟고 올라와라는 말은 말이 안되죠. 더군다나 오픈소스들과 API들이 넘쳐나는 이런 시대처럼 미적분 계산기만 있다면 미적분을 이용하여 서비스를 만들 수 있다는데 무슨 사칙연산부터 차근차근 배워오라고 하나요 ㅎㅎ.. 조코딩님은 AI에 대해서 단순 취업 및 연구 분야에 국한하여 이야기한게 아니라, 프로그래밍의 대중화를 위하여 실제로 여러분들도 AI를 통하여 간단한 것들을 구현하고 이것으로 수익화도 할 수 있다고 알려주는 것 입니다. 깊게 파면 진입장벽이 높으니 레드오션이라고 떠벌리고 다니는건 그만큼 대한민국 IT 성장에 크나큰 방해입니다. 그것이 실제로는 어렵든 쉽든 많은 사람이 접근하기 쉬워야하고 진입장벽을 낮춰야겠죠. 챗지피티 하나와 유튜브 강의만으로도 웹을 만들 수 있는 이 세상에 무슨 AI가 블루오션이 아니면 뭔가요
선배님 우선 좋은 영상 감사합니다. 컴퓨터학과에 재학중이며 AI를 공부하고있는 후배입니다. 몇몇 분들이 무지성 비판을 하시는데, 저의 사견을 몇자 적어보자면 AI가 컴포넌트처럼 향해가고있는 것도 맞고 선배님이 말씀하신 내용들이 굉장히 중요한 것도 사실입니다. 모델 튜닝해서 기존 SOTA논문보다 퍼포먼스를 올리는 이런 작업은 분명 어렵고 석박급의 지식들이 필요하지만, 오픈소스로 공개된 AI를 가져다 유의미한 개발하는 것도 분명 충분히 가능한 일입니다. 당장 저만해도 랩실에서는 논문 재구현을, 동아리에서는 stable diffusion을 이용한 프로젝트를 진행중에 있습니다. 그런 측면에서 비전공자 입장에서 인공지능에 대한 이해를 높이고 장벽을 낮출수있는 좋은 영상이라고 생각합니다. 생각보다 많은 분들이 이러한 내용을 구분하지않으시는 것 같고 선배님께서도 이후 영상에 이런 내용을 담을 수 있다면 더 좋을 것 같습니다 :) 영상 항상 잘보고 있습니다 감사합니다!
@@Birewall 동의하기 정말 어려운 주장이네요. 한달에도 몇개씩 정말 새로운 유의미한 논문과 오픈소스 모델이 나와서 그걸 활용할 실력만 있으면 주어다가 프로덕트를 만들거나 이를 도울 수 있는 다양한 도구들을 만들어 볼 수 있는데 여기서 기회가 안나오는 것이 더 이상한 상황이라고 생각됩니다. 최근 Stable Diffusion만 봐도 novel ai나 promptbase 등 새로운 성공적인 관련 서비스들이 대거 등장하였죠. 앞으로는 이런 것이 더 많아질 것이 분명하고요.
이분 말씀에 공감.. 사업화로 가기는 인공지능 학습 파이프라인 익히는거랑은 완전히 별개죠... 세상에 모이는 데이터.. 진짜 중구난방입니다. 더군다나 한 개인이 아이디어를 갖고 수집한 데이터? 데이터 처리 지식 없이는 모집단 대표성 근처에도 가기 어려울 뿐더러 포맷도 다 달라요. 뭐든 사업화를 하기 위해선 프로덕트에 대한 검증이 필요해요. 검증이 명확하지 않은 프로덕트들은 아이디어가 정말 좋지 않은 이상 투자받기도 불가능에 가깝고.. 아직 인공지능 분야는 설명이 명확하지 않기때문에 모델의 성능, 데이터로 검증하는 방법외엔 없습니다. 성능 평가야 베이스라인 모델 잡고 비교하면 plot 코드 몇 줄로도 눈에 띄지만, 데이터 검증하는 단계는.. 전문지식이 필요할 수 밖에 없어요. 개인적으로 생각하는 난이도 : 학습 파이프라인(TF, torch 등)
@@김현수-v7k5u 사업화라는게 굳이 투자 받고 직원 고용하는 거창한 것만 사업이 아닙니다. 그냥 투자 비용 0원으로 개인이 소소하게 앱 내서 수천만원씩 버는 것도 좋은 사업이죠! 16:03부터 나오는 이런 AI가 붙은 단순한 어플리케이션은 정말 간단하게 만들 수 있고요! 이런 소소한 어플리케이션은 정확한 기술에 초점을 맞추지 않고 사용자가 즐겁거나 유용하게 이용할 수 있는 것이면 충분한 것 같습니다.
저는 딥러닝으로 먹고사는 10년차 개발자입니다. 강의 내용은 초심자들에게 훌륭한 내용입니다. 5년 전 쯤에는 비슷한 내용으로 회사 경영진들한테 나아갈 비전을 제시하고 뭐 그랬지요. 인공지능 뭔지는 모르겠는데 알파고 뒤로 뭐 어마어마하게 대세가 되니까.. 이해 안되는 부분을 이해하느라 고생들 하셨지요. 현직자들이 놀란 이유는.. 블루오션이라는 말 때문일겁니다. 실제로는 시장이 고도화되며 빠르게 닫혀가고 있거든요. 회사에서 AI관련하여 신입들은 뭐 거의 채용하지 않아요. 경력자 또는 석박사들 위주로 채용되고 있습니다. 사례에 나온 케이스들은 정말 그냥 재밌는 사례들이지 실제로 적용하고 서비스를 하려면 많은 기술력과 비용을 필요로 합니다. 취직을 준비하는 사람이 무턱대고 AI하느라 기본적인 프로그래밍 실력을 키우지 못한채 시장에 나올까봐 걱정 되는게 첫번째 이유입니다. 두번째.... 우리회사 사장님이 이런 영상보고 어설프게 무리한 사업을 시도할까봐 걱정이죠..ㅋㅋ 그냥 블루오션이라는 말만 듣고와서는 뭐 말도안되는 이야기 하면서 그냥 해보라고.. 제대로 된 투자도 없이.. 유튜브가 블루오션이라더라면서 "김대리~ 영상만들어서 우리회사 구독자 만명만 만들어와봐~ 요즘 그게 블루오션이래. 보니까 한두명이서 그만큼 만들더만~ 김대리 센스 좋잖아?영상장비랑 편집장비는 김대리꺼로 우선 쓰고..."이러는거랑 똑같거든요..ㅋㅋ 인공지능으로 뭘 해보고싶다 이런 방향도 없이 그냥 인공지능으로 돈버는 서비스 만들어오라고..... 17~20년까지 실제로 흔했던 일입니다...ㅠㅠ 그렇다고 AI공부하지마라? 그건 아니예요. 공부 하셔야 합니다... 개발하진 않아도 이해는 하셔야 해요. 그래야 서비스 기획을 하고, 아이템 발굴을 하고, 데이터는 어떻게 모을건지, 개발은 어디에 맡길건지, 수익은 어떻게 낼 건지 알죠. 앞으로 이런 지식은 걍 필수라고 생각하셔야 합니다. 시대가 변했으니.
@@애플민트-d2q 제가 사회를 꽤뚫어보는 통찰력이 있는 그런 사람이 아니고 그냥 흐름 따라가기 바쁜 개발자에 불과해서 뭐 대단한 조언은 어렵지만.. 이미 세상은 변하고 있으니 왜 어떻게 변하고 있는지를 알아야겠죠. 인공지능이 어떤 흐름으로 동작하고 서비스되는지를 큰 틀에서 이해하면 거기서 사람이 해야 할 일, 할 수 있는 일을 찾아낼 수 있지 않을까요. 모르면 그냥 모른채로 흐름에서 뒤쳐지는 거니까요.
AI는 잘 모르지만 AI가 블루오션이라는 말이 맞지 않을까요? 예를 들어 지금 유튜브가 블루오션 일까요? 아니라고 하는 분들이 많을 거에요. 저는 20년차 온라인 마케터이고 주로 해외 위주로 업무를 하다보니 2006년 유튜브가 구글에 인수 되기 전부터 사용했고 지켜보던 사람이에요. 저도 2010년대 초반 강의때 유튜브에 기회가 많이 사라졌다고 말하기도 했지만 지금 와서 보면 잘못된 판단이라 생각해요. 심지어 작년에도 유튜브 계정파고 몇 달만에 직원 몇 명 쓸 정도가 되더군요. 그런 의미에서 도구로서의 AI는 앞으로 다양한 사용자들에 의해 다양한 형태로 쓰이고 기회를 만들지 않을까요? 다만, 지적하신 기회가 닫힌 부분은 대기업들이 자리 잡은 영역 아닌가요? 유튜브를 예를 들면 유튜브 그 자체 플렛폼과 경쟁하는 경쟁 스트리밍 플렛폼이 자리 잡기 힘들다 던지. 한국에서도 꾸준히 유튜브 대항마를 만들려 하지만 거의 힘들다고 봅니다. 그냥 제가 보는 세상 관점인데, 오류가 있다면 지적 부탁 드려요.
조코딩님 영상을 몇년째 꾸준히 보다가 처음 댓글다네요.. 먼저 항상 좋은 영상 감사합니다. 초보자 수준에서 쉽고 재밌게 따라할 수 있어서 흥미붙이기에는 참 좋았습니다. 본 영상의 취지는 AI 개발자가 아니라 차라리 AI 기획자에게 더 적합해 보입니다. 인공지능의 기술과 특징 및 "도메인"지식을 가지고 있다면 블루오션이라고 볼 수 있겠죠.. 하지만 영상속에서 나오는 수준으로는 회사에서 만드는 아이템이나 공모전 입상 수준도 되기 힘듭니다. 왜냐하면 누구나 다하니까... 동일한 AI 모델을 쓴다해도.. 가지고 있는 지식 수준에 따라서 천차만별의 결과물이 나오니까요... 예를 들어, 챗봇을 만든다고 했을 때, 누구는 룰베이스, 누구는 seq2seq 누구는 bert, 누구는 bert를 자기꺼에 맞춰서 아키텍쳐 재설계 후 사전학습을 다시하는.. 수준이 너무 다양합니다. AI가 쉬운거는 아닙니다. 기획 부분도 박사급은 아니더라도 석사급 정도 되는 도메인 지식과 기술력이 있어야 경쟁력이 있고 블루오션입니다(개발은 더 높은 수준). 단순히 영상 보고 쉽다 생각하시는 분 생길까봐 제 의견 적어둡니다.
좋게 봐주시고 댓글 처음 남겨주셔서 정말 감사합니다! 아시겠지만 이 영상은 특별히 직업적인 직책을 구분지어서 만든 영상이 아닙니다. 그냥 AI를 활용한 프로덕트를 만들기 쉬운 좋은 시대라는 것이 주된 내용입니다. 그러한 예시로 16:03부터 나오는 것들이 나오고요! 이런 것들은 별다른 전문 지식이 필요하지 않습니다. 성공하는 AI 들어간 서비스를 만드는 것과 AI에 깊은 전문성이 있는 것은 완전 다른 이야기니까요!
@@jocoding chat gpt 붐이 와야 다들 ai시대라는걸 느끼네요 Pytorch pretrained model이 위와 비교해서 얼마나 구식인지 알려주시면 정말 도움될것 같고 컨텐츠로도 쓰이기 좋을거 같아요 물론 일반인이 이 model까지 관심이 있을진 모르겠지만ㅠ
인공지능 개발 분야는 일단 어렵기도 어렵고, 중국과 미국에 해당 분야에서 활동하는 천재들이 너무 많아서 확실히 쉽게 도전할 분야는 아니긴 합니다만, 영상은 인공지능 개발을 업으로 뛰어들라는 것이 아니라 개발된 인공지능의 활용에 대해 배워 보고 본인의 전문 분야와 새롭게 등장하는 인공지능이라는 기술을 접목하여 새로운 인사이트를 얻고 나아가 여건과 운이 좋다면 더 높은 가치를 창출 할 수 있기에 블루오션이라 말씀을 하신 것 같습니다. 뭐든지 정말로 이해하고 마스터해야만 의미가 있다면 지금 당장 대부분 사람들은 하고있는 투자부터 손을 놓아야 할 것 같네요 :D 다만 책을 내고 강연을 하시면서 몇년간 쉽지 않은 공부를 거치고 AI 개발에 대해 공부한 현업자의 프라이드를 건드리는 제목과 말씀을 하시고 계시기에 어느정도 날 선 비판들은 겸허히 수용하셔야 할 것 같습니다.
여러분 마크주커버그가 프로그래밍 언어를 직접개발해서 페이스북을 만들었나요? 아니죠... 기존에 만들어져있던 웹툴들을 조합하고 사용하여 페이스북을 만든겁니다. 이처럼 AI 모델을 직접 만들지 않아도 잘만 '활용' 한다면 어떤 멋진 아이템과 사업이 탄생할수 도 있겠지요. 블루오션이라고 말한 부분은 시도해볼 아이디어가 많고 쉽게 접할수 있는 모델 툴들이 많기 때문에 말하신거지, 무조건 성공한다고 보장하는 취지로 영상을 만들진 않았습니다. 다들 컴다운 하시고 좋은 아이디어가 있다고 적절한 AI 모델을 찾아보시고 도전해보세요^^ 결국 블루오션에서도 성공하려면 누가 먼저 얼만큼 빠르게 잘 활용할줄 아느냐 이니까요
Ai 분야 가 무조건 고학력에 어려운 사람만 접할수 있는 분야인가요? 실질적으로 그쪽으로 근무를 하고 계신분들이 이렇게 버럭 하시는건지 모르겠는데, 클럽 하우스도 간단한 api로 엄청난 이슈가 된것처럼 조코딩님은 요즘 이슈가 많이 되는 ai 를 이렇게 쉽게 접근이 가능하다를 알려주고 있습니다. 공학박사 수준으로 가서 논문 발표 하고 심도있게 파고드는 ai 분야와 가볍게 내서 동물상 테스트등으로 활용 하는 분야와는 당연히 다르겠지요.. 마치 너희들이 함부로 이걸 쉽게 배울만큼 쉬운게 아니다 라면서 선을 긋는것 처럼 보여요 . 잼있네요
너도 나도 뛰어들 수록 관련 학위 가진 사람한텐 유리하죠 ㅋㅋㅋㅋ. 스타트업을 해서 어떤 아이템이 대박이 났다? 그러면 전공자로 이루어진 스타트업에서는 밑에 프론트만 뽑아놓으면(관련 학원이 우후죽순 생겨서 그 어느때보다 일손이 많음) 손가락 까닥하면서 한달 만에 서비스 따라잡고 그 이상도 구현할 수 있으니까요. 지금 눈에보이는 상용서비스 대다수가 대기업이나 대기업 소속 스타트업에서 이런식으로 꺼억한 겁니다. 취업관점에서도 스타트업 팀에 거길 왜 가냐며 바보 소릴 들을 지언정 전공자는 그냥 뽑힙니다. 주변에 자기 하는일을 모르는 사람 뿐이니 설렁설렁 웹서핑하다가 돌아다니는 네트워크모델 받아서 학습돌려놓고 카페가서 수다떨다가 돌아와서 토마토/사과 이미지 몇장만 보여주면 대단하다고 주변에서 칭찬까지 해주죠. 그외에는 네트워크 구현하는척하면서 코딩테스트 문제 풀면 딴거 하는거 티나지도 않고 시간 잘 감. 정부지원 측면에서도 이득이죠. 인공지능지원사업이라는 명목으로 눈먼돈을 지금 딥러닝이라는 수식어만 달면 돈을 천문학적으로 뿌리고 있으니까요. 오히려 빡세게 일하기 싫어하는 전공자들이 좀비기업과 국비지원 학원들에 붙어먹어 그 어느때보다 덜 일하고 먹고살 거리가 넘치는 시기입니다. 개인적으로 이런 불편한 진실이 널리퍼지지 않았으면 좋겠어요. 이 부분 지적하는 전공자들은 전부 바보같네요. 자기 꿀단지를 걷어차다니. 그 알량한 전공자로써의 자존심만 굽히면 인생최후의 보루로 취업 안하고 학원 강사로 전전해도 먹고살 수 있는데 말이죠.
일반인도 인공지능을 만드는 세상 = X, 세계 유수의 석박들이 만든 인공지능을 프레임워크, 라이브러리 처럼 누구나 가져다 쓸 수 있는 세상 = O. 이걸 가져다 써서 조그만 사이드 프로젝트 같은 웹앱 만드는 걸 오픈소스 기여도 아니고 일반인도 누구나 인공지능을 개발한다는 건 이상한 말 아닐까요.. 물론 섬네일 및 과장 표현은 쉴드 못쳐주겠지만
조코딩님이 소개해주신 티처블머신 등을 통해 머신러닝 딥러닝을 직접 배워보고 실습해볼 수 있어서 너무 즐겁습니다. 학생이라 머신러닝이 다가가기 어렵고 그저 전문가들만이 다룰 수 있는 분야라 생각하였는데, 쉬운 방법을 통해 직접 높은 퀄리티를 구현할 수 있으니 뿌듯하네요. 항상 감사합니다.
가끔씩 조코딩님 영상 즐겨보는 전공자이지만 지금은 다른분야의 회사를 하고있는 1인입니다.. 유튜브 초반과는다르시게 요즘에는 너무 프레임워크에 의존해서 본질적인 작업은 무시한채 흉내만 내는 작업들을 어그로성으로 많이올리시네요... 앞으로 이쪽전공에서 일을하고싶으신 어린학생분들이 계시다면.. 조코딩님영상은 재미나 그냥 아 이런게 있구나 라는 정도로만 보셔야할것같아요.. 이번영상보고 더 크게 느끼네요..
어디까지나 취미로 하는건 말리지 않음. 근데 전공으로 밥벌어먹고 살 사람이면 본인 전공공부 특히 수학과목 피하지 말고 성실히 수강하길 바랄뿐임. 수학 요리조리 피하면 결국 자기가 갈 수 있는 쪽은 웹 프론트 밖에 안 남음. 웹이 나쁘단게 아니라 전공자로써의 가지는 메리트 전부 날리는거. 미적분은 기본이고 선형대수, 확률론, 신호처리, 수치해석, 본인 학부에서 안 열리면 타과 수업 찾아서라도 들어라. 이걸 들어야 취급할 수 있는 데이터(영상, 음성, 3d그래픽모델 등등) 도메인이 넓어진다. 그리고 프레임워크 파고, 라이브러리 가져다 쓰는거에 밤새면서 건강/시간 허비하지 말고 전공심화 과목(멀티코어 프로그래밍, 멀티미디어압축, 컴퓨터비전, 그래픽스, 데이터사이언스, 인공지능(단, 딥러닝 위주 수업은 대게 시간강사 쓰고 알맹이도 없고 거르는거 추천))이나 더 담아 듣자. 전공필수만 듣고 전부 다 아는냥 컴공뽕 차가지고 창업한답시고 이거저거 쑤시기엔 시간과 등록금이 아깝다. 진짜 창업할거면 차라리 경영학 전과를 하던가 퇴학해라 cs전공으로 시간 버리지 말고.
초기부터 보셨다먼 더 잘아실텐데요. 조코딩 채널은 깊이있는 지식을 추구하는 목적은 아닙니다. 누구나 쉽게 실용적으로 활용할 수 있는 코딩 지식들을 교육합니다. 즉, 전공 유무나 사전 지식 전혀 상관 없이 초등학생부터 노인분들까지 누구나 할 수 있는 코딩을 추구합니다. 그리고 그런 지식이 단순 예제가 아니라 그걸로 돈을 벌거나 일상에 효율을 높이는 등 큰 도움을 주는 방향으로 쓸 수 있도록 합니다. 본질은 "실용성"이지 "전문성"이 아닙니다. 전문성 높고 심도있는 기술을 추구한다고 돈을 많이 벌거나 일상이 편리해지 않습니다. 가장 적게 배우고 많은 것을 이룰 수 있도록 돕는게 이 채널인데 전혀 다르게 보고 계신 것 같네요.
영상 잘봐왔습니다. 딴지는 아니지만 이런 블루오션 분명 현재 가능성이 오고 있는데요. 금방 얕은 서비스는 고도화된 서비스에 대체 됩니다. 즉 조코딩님이 말씀하시는건 이해가나 지금 ai가 고도화로 가고 있어요… 간단한 학습으로 프로덕트를 만들면 뭐해요 당장 몇천 만원 번다고 다음달에 비슷하고 고도화된 서비스 몇백개가 생기는데 .. 제발 근시안적으로 보지마시고 조회수용 약간 어그로다 보는게 맞는거 같습니다.
제목이야 어그로지만 "ai가 고도화로 가고 있다"는 얕은 서비스와는 큰 상관이 없습니다. "동물상 테스트"의 성공이 AI의 엄청난 기술력 때문이라고 생각하시나요? 전혀 아닙니다. AI 판단 결과 멘트가 재미있어서 SNS 바이럴이 되고 코로나 시기에 적절한 놀이 문화가 되어 전세계에 유행하였습니다. 지금 당장 대기업이 엄청난 성능의 AI를 붙여서 이 서비스를 만들어도 아무도 관심 갖지 않을 것 입니다. 정확한 판단이란게 이 서비스에서 중요한 요소가 아니니까요. 그냥 적당히만 판단하고 멘트가 재미있어서 SNS 공유를 하고 싶게 만드는게 이런 테스트류의 성공에서 중요합니다. 이거는 고도의 기술과 아무런 관련이 없습니다. 삼룽이님도 근시안적으로 보지마시고 왜 특정 서비스가 성공하였는지 본질을 보시기 바랍니다. 기술은 그냥 하나의 요소에 지나지 않습니다.
녕안하세요. 인공지능 박사 이루기 위해 인공지능을 공부하고 있는 고3 입니다. 초보자들이 입문하기엔 가장 좋은 강의라고 봅니다. 여러 강의들을 보았지만, 전부 미분을 사용하여 최솟값 찾아서 찾은 최솟값으로 어떤 식으로 작용하는지, 경사하강법을 사용해서 최솟값을 찾는 방법, learing_rate가 모델 학습에 어떤 작용을 하는지 전부 인공지능에 대한 개념과, 고2 정도의 수학 수준이 되야 이해하는 강의들이 대부분 이었습니다. 인공지능을 단순히 접해보고 싶다면 티쳐블 머신 강력히 추천 드리지만, 인공지능에 대해 전문적으로 공부하고 싶다면, 텐서플로우, 케라스 등 패키지로 하나하나 프로젝트를 해보는 것을 추천 해봅니다. 인공지능 개발자 수요를 보시면, 대부분 석사 학위(연구원) 이상입니다. 인공지능 툴이 쉬운거지 인공지능 개발이 쉽다고 생각한다면, 큰 오산입니다. 이건 저의 생각일 뿐입니다. 참고만 하셨으면 해요. .ㅋㅋㅋ
인공지능을 필드에 적용한다. 이건 대기업에서나 해볼수 있는 시도입니다. 기업이 리스크를 감수한다는게 쉬운일이 아닙니다. 막말로 기존 방법으로도 잘 굴러가던 시스템을 인공지능으로 바꾸었을때 문제가 생기면 누가 책임을 집니까? 스타트업이 아닌 이상 정상적인 사고를 가진 대표님들은 절대 도입할 생각을 안해요. ㅋㅋㅋ 그냥 신기한 기술 정도로만 받아들이시고 넘어가셔야지 취준한다고 인공지능 공부하는 일은 없으셔야 합니다.
17:09 여기 사례 보시면 꼭 그렇지는 않습니다. 그냥 가볍게만 배워도 충분히 활용하기 좋은 세상입니다. "취준한다고 인공지능 공부"이거는 "직장인 AI 전문가"가 되기 위한 것이라면 이 영상과는 다른 영역입니다. 그건 아래 영상을 참고해주세요! 빅데이터 마이닝 최고 전문가 조성준 교수님과의 커리어 인터뷰입니다. ruclips.net/video/nPjsKGi1EIQ/видео.html
@@jocoding그걸 근거로 들기에는 조금 빈약한 사례인거 같고요. 제가 이야기하고자 했던 부분은 단순히 적용했더니 잘된 사례도 있더라가 아니라 얼마나 믿을수 있느냐에 관한 리스크 관리 측면의 이야기입니다. 사업을 할때 가장 중요한 부분이 바로 이 리스크 관리가 되느냐이고 인공지능은 그부분에 있어 아직 취약하다는 것은 너무나도 명백한 사실이거든요. 이것은 2017년 ICML에 게재된 "on calibration of modern neural networks"라는 논문에서도 확인하실수 있습니다. 현대 모델들은 과거에 비해 정확도(accuracy) 성능자체는 향상되었을지 몰라도 조정(calibration) 성능은 오히려 떨어져 현장 적용이 힘들다는 문제를 지적하고 있습니다. 이것은 아직도 해결되지 못한 문제이고 현재 활발하게 연구되고 있는 부분입니다. 그런데 아직 개선할 여지가 많은 기술을 현장에 적용한다라... 저는 쉽지 않다고 봅니다.
@@강제욱-s1b ruclips.net/video/4xU0mGr4gvM/видео.html 오랜만에 댓글 보다가 남깁니다. 위 링크에 나온 인공지능을 필드에 적용한 Lensa AI와 같은 서비스, 스노우 같은 서비스 및 어마어마한 작은 앱들이 많이 나왔는데 "리스크를 감수한다"는 측면이 어떤 것이 있나요? LensaAI가 본인과 닮지 않은 사진이 나오는 거? 그게 도전을 멈출 정도로 큰 리스크라고 볼 수 있나요? 개선할 여지가 많은 기술도 당연히 써먹을 곳이 있죠. 고객이 실제로 돈을 지불하고 만족할 수만 있다면요.
초기의 자동차는 몇몇 전문가나 소수가 사용할 수 있었지만, 지금은 누구나 몰수 있도록 점점 간단해지고 오토파일럿까지 발전되고 있지요. 세상의 모든 것이 마찬가지인 거 같습니다. 세상에 나오기 시작하고 많이 필요해지면 그것이 다루기 쉬워지는 건 당연해지겠죠. AI도 마찬가지 일 거라 생각합니다. 예전보다 훨씬 다루기 쉬워진 만큼 자신만의 아이디어로 쉽게 앱을 만들 순 있고 돈도 벌수 있지만, 그 아이디어에도 한계가 있지요. AI가 어렵다고 이야기하는게 아닙니다. 희소성에 대해 이야기 하는것이지요. 그리고 이 희소성은 누구나 할 수 있는 만큼 빠르게 소진됩니다. AI로 할 수 있는 단순 일이 있다면 일시적으로는 할수 있겠지만, 결국 이 단순한 것도 금세 AI에 의해 대체됩니다. 다시말해 장기적인 발전과 커리어를 위해 다가간다면 분명 더 깊은 공부를 해야 할 것입니다. 또한 언제까지 구글이나 대기업에서 제공하는 툴에만 의존하여 개발할 수는 없습니다. 물론 이런 영상의 목적이 일단 쉽게 접해보고 재미를 가지게 하는 좋은 취지는 있지만, 무턱대고 시작해 보라는 자칫하면 무책임해 보이는 느낌도 있어 보입니다. 블루오션이니 얼른 시작해봐라 라는 느낌보단(이런 부분에서 부정적인 의견들이 많은것 같네요), 현재의 AI의 발전과 상황을 소개해주고 다양한 툴과 기술들에 대한 설명만으로도 저같은 사람들한테 매우 잼있고 좋은 정보들이 많아보입니다. Two Minute Papers 채널이나, 노마드 코더 채널처럼말이죠. 결국 스스로 실행에 옴기고 고민하고 발전하는 사람들만이 끝까지 살아남을수 밖에 없을 것 같습니다.
모든 상황에서 얕은 지식으로 적용은 어려울 수 있지만 도메인에 따라서 충분히 단순한 상황에서 적용할 것도 많은 것은 사실인 것 같습니다. 17:06에 나온 것이 그 사례입니다! 저만 주장하는 것은 아니고 빅데이터 최고 전문가 조성준 교수님도 전문가가 아닌 "시티즌 데이터 사이언티스트"로서 도메인 지식과 결합할 수 있는 것이 중요하다고 강조하셨는데 그러한 영역으로서 활용할 사례가 충분히 많을 것 같습니다. ruclips.net/video/nPjsKGi1EIQ/видео.html
난 이사람 인공지능 한번이라도 제대로 개발/연구해본 사람인지 궁금하다. 업계 6년차인데 transfer learning만 하면 쉽게 뚝닥 다 만들어지는것 처럼 말하는데 절대 결코 그렇지 않다. 정말 반박할 포인트가 너무 많지만, 다른걸 다 떠나서 transfer learning 했는데 원하는 결과가 안나오면 어떡할것인가?. 학습이 잘 안될 요소는 너무 많은데 원하는 결과가 안나오면 나만 수준 이하의 사람이 되는것이다. 또 그대 말대로 좋은 모델을 잘 가져와서 앱을 만들던 서비스를 한다고 해보자, gpu 환경조성부터 효율적으로 멀티 gpu를 사용하여 서빙하는것까지 사용자가 원하는 수준의 inference를 제공하기까지 난 아직도 배울게 너무 많다고 생각하는데, 이걸 이렇게 쉽다고 치부해버리는게 정말 받아들이기 힘들다(남이 다 만들어 놓은 api call은 제외(이건 서비스라고 보기도 힘들고 추후에 문제가 생김). 일반 개발자들은 gpu를 사용해볼 경험이 적다. 그리고 환경이 세팅된 클라우드를 쓴다고 하더라도 inference모듈을 서빙까지 개발하기 위해 torch나 tf레벨의 코드를 자세히 이해하지 못하면 절대 서빙 불가능하다. 서로 바라보는 입장차이가 분명 있겠으나 내가 그 차이를 이해하려고 노력해도 어그로라고 밖에 안보인다. 동의한다면 시청자를 기만하는 콘텐츠를 스스로 삭제해야된다고 생각한다.
실전 인공지능 동물상 테스트 웹, 앱 만들기 강의 ruclips.net/p/PLU9-uwewPMe2-vtJAgWB6SNhHcTjJDgEO 제대로 개발/연구해본 사람 아니여도 위와 같은 프로덕트를 만들고 앱스토어 2위 찍고 수천만원 수익 낼 수 있었습니다. 그대로 따라서 만든 구독자분들도 계시고 저보다 더 성공하시기도 하셨고요. "직업적인 직장인 AI 전문가"가 되는 것이 이 영상의 목적이 아닙니다. 그런 말은 일체 한마디도 나오지 않았고요. 그냥 AI 활용해서 프로덕트를 만들기 좋은 세상인 것 입니다. "남이 다 만들어 놓은 api call"로 쉽게 모델을 서빙할 수 있는 서비스들도 계속 나오고 점점 쉬워지고 있습니다. "직장인"으로 성공이 아니라 AI 프로덕트로 성공하는 것은 기술적인 것과 큰 연관이 있지는 않습니다.
음... 영상에 공부, 코딩 못하는 사람도 AI할수 있다..! 라는 식으로 말하는것부터 좀 실망스러워요... 감기라는 증상을 아셨다구요? 여러분들은 이미 의사입니다! 라고 말하는 느낌...? 이번영상은 너무 책임감 없는 말이 가득한 영상같아서 좀 실망스러워요...ㅠ 애초에 영상처럼 단순히 유명한 모델을 이용하는걸로는 ai쪽으로 취업 못합니다...ㅠ
@@justcodeit. snow는 네이버 자회사 아닌가요? snow앱이 괜찮은 서비스인건 맞지만 snow가 이 정도 성공을 거둔 게 정말 기술때문만이라고 생각하세요? 아닐텐데요 .. 그리고 애초에 일개 개인이나 작은 팀이 어떻게 그 정도의 서비스를 개발하겠습니까. 당연히 말도 안되죠. 애초에 예시가 잘못된 거 같아요
깊게 파면 어느 분야나 어렵겠지만 굳이 모든 사람이 그럴 필요는 없다고 생각하며 AI 모델 받아다가 활용할 정도로만 얕게 공부해도 엄청난 것들 만들 수 있고, 간단히 기존 모델에 Transfer Learning하는 방법만 알아도 그 응용 분야가 더 어마어마해 질 수 있습니다!
@I AM Carrrot 맞습니다. "직장인 AI 전문가"가 되는 것은 경쟁이 심하고 배워야하는 지식도 많고 어려운 일이죠. 그런데 요즘은 굳이 직업적인 전문가가 아닌 일반 사람들도 간단히 모델 받아서 본인에 맞게 쓸 수 있는 AI 지식만 알아도 자기 도메인 지식과 융합하여 만들 수 있는 결과물들이 엄청난 세상입니다. 이번 영상은 그러한 주제에 대해서 말한 영상이고요!
음... Ai는 블루오션이라는 말이 어울리는 분야는 아닌거같아요ㅎㅎㅎ AI는 다들 하고싶어도 그 깊이와 지식의 양이 방대해서 전문가로 성장하기에 매우 큰노력과 어려움이 있는 분야...죠...ㅎ 마치 지방에 의사 수가 부족하니 학생들에게 지방에서 의사를 하는건 블루오션이니 여러분들도 손쉽게 한번 도전해보세요! 라고 말하지는 않는것처럼 말이에요...ㅎ 특히 코딩, 공부 모르겠어라고 말하는 분들한테도 기회라는 말은... 음 모르겠네요 그냥 그런분들이 ai는 물론이고 개발을 하는건 그냥 시간을 버리는거라 생각해요.. 좀... 잘못된 정보를 공유하는 책임감 없는 영상같아서 살짝 실망스럽네요
"전문가로 성장하기"가 주제가 아니라 "전문 지식 없이도 AI를 활용하기 좋으니 프로덕트를 만들기 좋은 세상이다"가 핵심입니다! 얕은 지식만 배우면 본인 도메인과 결합하여 어마어마한 응용이 가능하니 시간 버리는 것이라고 전혀 생각되지 않습니다. 저만의 생각이 아니라 빅데이터 마이닝 최고 전문가 조성준 교수님도 "시티즌 데이터 사이언티스트"의 중요성을 강조하셨고요. ruclips.net/video/nPjsKGi1EIQ/видео.html
@@hyungjoon-lee 일단 저부터 있고요. 관상테스트, 첫인상 테스트 만든 구독자 분들도 계십니다. ruclips.net/video/gHQvJKJWazA/видео.html 최근에는 lensa ai가 하루 $1M 수익으로 유명하죠. ruclips.net/user/shortsBz4UukP4ruM?feature=share 여기 사용된 Dreambooth 기술은 오픈소스로 널려있는 상황이라 딱히 깊은 지식이 필요하지 않습니다.
@justcodeit 전혀 다른 핀트로 그냥 화가나신 것 같네요. 채널 주인된 입장으로 댓글창은 영상과 관련된 이야기를 하면 좋겠습니다. "사업모델이 맞아서 저 모델링과 비슷하다면" => 본인도 말씀해주셨는데 이런 경우만 쓰면 되지 무슨 일반 사람들이 굳이 모델링을 다 일일히 맞춰서 합니까 새로운 모델과 솔루션이 쏟아지는 세상에 자기 도메인에 딱 맞는 필요한거 나올때 집어서 활용하면 되는거지요. 그게 블루오션인 것이고요.
저도 이런 기술 배워서 다른 사람들에게도 이러한 기회를 저도 주고싶은데 이런 기술은 어디서 배울 수 있을까요... 우연히 저는 공군 근무 중 순직하신분 ai 기술로 대화할 수 있게 해주는 영상보고 나도 저런 기술 가져서 다른 사람한테 해주고싶다 라고 생각이 들었는데 어디서 어떻게 공부해야할지... 뭐부터 해야할지... 아무것도 몰라서 계속 찾아보고 있는데 정말 꿈이 돼버렸어요.. ㅠㅠ 혹시나 이 글이 관련 직종에서 근무하시는 분께서 보시게되면 도움 좀 주시면 안될까요 정말 배우고싶습니다
🎯 Key Takeaways for quick navigation: 00:00 🤖 *Introduction to Artificial Intelligence* - Artificial Intelligence (AI) is a broad concept, including rule-based systems and machine learning. - Machine learning involves learning from data to create models, while deep learning is based on artificial neural networks. - The speaker introduces the three main categories of AI: rule-based, machine learning, and deep learning. 01:12 🧠 *Basics of Machine Learning* - Data is essential for machine learning, and it involves converting information into numerical form for algorithmic learning. - The process includes training a model on existing data and using it to predict or analyze new, unseen data. - An example with predicting lemonade sales based on temperature illustrates the concept of machine learning. 02:47 📈 *Model Evaluation in Machine Learning* - Model evaluation involves assessing the accuracy of predictions by comparing them to actual data. - The speaker explains how different models may fit the data, and machine learning aims to minimize prediction errors. - The example of choosing the best-fit line for predicting lemonade sales illustrates model evaluation in machine learning. 03:43 🎯 *Refining Machine Learning Models* - Machine learning involves finding the ideal model by drawing multiple lines and minimizing prediction errors. - As more data is available, the model becomes more accurate, but unusual data can introduce inaccuracies. - The process includes adjusting weights (w) and bias (b) in the model to minimize errors and improve accuracy. 04:12 🔢 *Creating Models and Making Predictions* - Generating a model involves creating a mathematical equation (e.g., y = wx + b) based on training data. - Once the model is established, it can predict outcomes for new data, allowing for informed decision-making. - The example of predicting lemonade sales at 22.5 degrees demonstrates the application of the created model. 05:09 📊 *Multivariate Models in Real-world Data* - Real-world predictions often require considering multiple variables influencing the outcome. - The speaker introduces a more complex model for predicting house prices, incorporating multiple independent variables. - Despite increased complexity, the fundamental principle of minimizing errors to find the optimal model remains consistent. 06:05 🧠 *Introduction to Deep Learning* - Deep learning is a subset of machine learning focusing on algorithms based on artificial neural networks. - Neural networks are inspired by the structure of the brain, consisting of interconnected neurons. - The speaker explains the concept of perceptrons, building blocks of neural networks, and their role in calculations. 06:47 🚀 *Impact of Deep Learning on Performance* - Deep learning significantly improved performance, as demonstrated by the increase in accuracy in image recognition contests. - The graph shows a notable improvement in accuracy after the adoption of deep learning techniques in 2012. - Deep learning's superior performance has led to its widespread use in various artificial intelligence applications. 07:15 🏋️ *Transition from Machine Learning to Deep Learning* - Introduction to different jumping techniques in high jump as a metaphor for the evolution from traditional machine learning to deep learning. - Initially, models were created using conventional machine learning methods, but the introduction of deep learning significantly improved performance. - Deep learning, represented as a backward jump in the analogy, has become the preferred approach for creating advanced models. 08:10 🛠️ *Simplifying AI Implementation with Tools* - Despite the perception of AI coding being challenging, various user-friendly tools have emerged to simplify the implementation process. - Frameworks like TensorFlow and PyTorch offer pre-implemented libraries, making it easier for individuals to apply AI without extensive coding knowledge. - Introduction of Keras as a high-level neural networks API, showcasing how complex structures can be implemented with minimal coding. 09:20 🤖 *Google's Teachable Machine and Accessibility of AI* - The release of Google's Teachable Machine in 2019 marked a significant milestone in making AI accessible to everyone. - Teachable Machine allows users, including young children, to apply AI without intricate coding, fostering creativity and innovation. - Highlighting the case of a 6-year-old creating an AI model for distinguishing between dogs and cats, emphasizing the tool's simplicity. 10:13 🚀 *Empowering Young Minds with AI* - Illustration of how a 2nd-grade student used Teachable Machine to create an AI model for distinguishing between dogs and cats. - The example showcases the unprecedented ease with which even young learners can engage with and apply deep learning. - Emphasizing the shift towards a world where creating AI products is feasible for individuals, regardless of age or coding expertise. 11:00 🍎 *Teachable Machine for Image Recognition* - Demonstration of using Teachable Machine for image recognition by collecting data for apples and tomatoes. - The tool simplifies the process, allowing users to train models without extensive coding, using a webcam to gather image data. - Showcase of the model accurately distinguishing between apples and tomatoes, even in situations where human differentiation might be challenging. 12:12 🧠 *Simplification of AI Model Implementation* - Introduction of Teachable Machine as a user-friendly tool that simplifies the creation of AI models without the need for in-depth coding. - Availability of pre-trained models for download, enabling users to easily incorporate AI models into their projects. 12:54 🖼️ *Understanding Image Recognition and Datasets* - Explanation of image recognition principles, specifically using Convolutional Neural Networks (CNN) to analyze image features. - Reference to datasets like ImageNet, emphasizing the importance of labeled datasets for training AI models. 13:49 🏆 *Evolution of AI in Image Recognition* - Comparison of AI and human performance in image recognition, with AI models surpassing human error rates. - Highlight of the historical moment in 2015 when AI, represented by ResNet, exceeded human performance in image recognition. 14:31 🔄 *Transfer Learning and Pre-trained Models* - Introduction to transfer learning as a concept leveraging pre-trained models developed by experts in the field. - Emphasis on the vast amount of data and research behind these models, making them valuable resources. 15:44 🤖 *Application of Transfer Learning* - Showcase of practical applications using transfer learning, specifically creating a custom model for image recognition. - Explanation of how adding a custom layer to a pre-trained model allows the creation of specialized models for unique tasks. 16:54 🌐 *Impact on AI Development and Accessibility* - Discussion on thedemocratization of AI development, thanks to pre-existing models that eliminate the need for specialized knowledge. - Illustration of subscribers developing AI applications after learning from the Teachable Machine 2.0 video. 17:51 🌐 *Success Stories and Impact of AI Applications* - Examples of successful AI applications, such as the Animal Face Test app, gaining over 30 million views. - The app surpassing popular social media platforms in rankings, highlighting the immense popularity of AI-driven products. 18:48 🚀 *Accessibility of AI Development* - Discussion on democratizing AI development, enabling non-experts to create AI projects through events and community involvement. - Presentation of non-experts, including university students, successfully creating viral AI applications. 20:11 🚀 *Advancements in AI: GPT-3 and Future Possibilities* - Introduction to GPT-3, OpenAI's powerful language model, and its groundbreaking capabilities. - Examples of GPT-3 generating React code and SQL queries with natural language input. 21:35 🤖 *Advancements in AI: AI Coding Assistants* - Introduction to AI coding assistants like "Copilot" on GitHub. - Showcase of AI-generated code completion, demonstrating automatic code generation based on natural language comments. 22:45 🌐 *Multilingual AI Capabilities* - Discussion on AI's proficiency in multiple languages, highlighting the development of KO GPT for the Korean language. - Demonstration of AI understanding and generating code in Korean, debunking the misconception that AI is limited to English. 23:58 🎨 *Creative AI Applications* - Exploration of AI's creative applications, showcasing AI-generated images based on textual prompts. - Examples of AI creating surreal and realistic images, including scenarios like solving a trolley problem. 24:12 🌍 *AI Accessibility and Industry Impact* - Quoting statements from experts like Kim Sung-hoon and industry leaders emphasizing the accessibility of AI even for non-programmers. Made with HARPA AI
현직자들이 어해하지 않게 설명할때 첨언이나 미리 오해를 하지 않도록 고려해서 영상을 만들기 바랍니다. 그냥 좋다고만 칭찬을 하면 당연히 우려할수 밖에 없죠 정확히 어떤 관점에서 어떤 분야에서는 가능성이 높다라고 논리 전개를 하야 납득을 하지 그냥 좋다 블루오션이다! 라고 반복만 한다면 이상과 꿈을 파는것으로만 보입니다. 좋은 영상와 인사이트를 주시는것에 항상 감사드립니다. 앞으로의 영상엔 이런 고민들이 담겨서 이런 말이 안나왔으면 하네요 영상의 본질이 흐려지네요
영상에서 웬종일 "이미 만들어진 모델 활용", "teachable machine같은 툴 활용" 처럼 전문지식 없이 누구나 활용하는 사례들 보여주고 새로운 모델들 쏟아지니 블루오션이고 활용해보세요!인 내용에 "그냥 좋다"라는 느낌이 어디서 드셨나요? 구체적인 사례와 활용한 프로덕트들 다 보여드렸는데 부족했나요? 대부분 "영상을 안봐서" 문제이지 영상을 보면 뭐가 블루오션인지 다 나와있습니다.
@@jocoding 제가 말하는 건 썸네일의 블루오션을 말씀드리는 겁니다. "인공지능 미친 블루오션"이라고 하면 보통 사람들이라면 취업을 생각하기 쉽습니다. 그리고 저 몇 줄의 코딩, 전이학습 만으로 인공지능 프로덕트 절대 못만듭니다. 프로덕트를 만들면 일단 배포를 할 줄 알아야 하는데, 배포를 하는 것에도 장고나 fast api, AWS 등 알아야 할게 한둘이 아닙니다. 거기에 전이학습으로 된 걸 그대로 가지 와서 프로덕트를 만든다? 학습 데이터에 대한 이해도 없이 어떤 하나의 서비스를 만드는 건 매우 위험한 생각이라고 안하시는지요? 실제로 아마존에서 학습데이터를 가지고 인공지능 면접을 실시했을 때, 남성들에게 가산점을 주어지는 등 성차별적 요소가 등장하기도 하였으며, 영국의 아마 축구에서 인공지능 카메라 심판을 도입했는데, 민머리인 심판의 머리를 공으로 착각해 그것만 따라다닌 실제 사례가 존재합니다. 원리, 학습데이터의 이해가 없는 인공지능은 정말 위험한 일인데 이를 25분만에 ㄹㅇ 블루오션 이라고 말하시는 것은 어그로 그 이상 그 이하도 아닙니다. 조코딩님이 코딩에 대해서 쉽게 알려주려는 건 감사하게 생각하지만, 도가 지나친 어그로는 삼가해주셨으면 좋겠습니다. 괜히 "나도 개발자나 해볼까?"라고 시작해서 인생의 중요한 시간을 소비하는 사람들이 많아질까 두렵습니다.(잘된다면 다행이지만...) 만약 그 사람들이 코더로 전락하게 된다면 조코딩님이 "25분 만에 설명하신 ㄹㅇ 블루오션"인 인공지능에 대체될 1순위의 사람들이 될테니깐요 전공자도 어려운 이 부분을 심한 어그로로 "이거 진짜 쉬워요!!"라고 치부하지 말아주셨으면 좋겠습니다.
@@하쿠나마타타-h1w "저 몇 줄의 코딩, 전이학습 만으로 인공지능 프로덕트 절대 못만듭니다." => 만들 수 있습니다. 아래 영상을 참고해주세요! 6살도 할 수 있는 인공지능 강의 (Teachable Machine) ruclips.net/video/USQGTW34lO8/видео.html (1편-이미지) ruclips.net/video/9SwdGFzFb5Y/видео.html (2편-포즈) 실전 인공지능 동물상 테스트 웹, 앱 만들기 강의 ruclips.net/p/PLU9-uwewPMe2-vtJAgWB6SNhHcTjJDgEO 구독자 인공지능 작품들 youtubejocodingeventsite.netlify.app/ 이렇게 사례가 많은데 절대 못만들지 않습니다. Teachable Machine 뿐만 아니라 Streamlit 같은 서비스도 있고 streamlit.io/cloud 앞으로도 더 좋은 솔루션이 나오면 더 만들기 쉬워질 것은 자명하고요. 제시해주신 사례 "원리", "학습데이터의 이해" 이건 어려운 것이 아니라 오히려 "도메인 전문가"면 더 잘하는 영역입니다. AI에 대한 심도있는 수학적 지식이 있어야 알 수 있는 내용이 아니라 도메인에서 풀 수 있는 문제인 것이죠. "인생의 중요한 시간을 소비" => 코딩 공부가 절대 낭비가 아닌데 이렇게 말씀하시는 것은 정말 이해가 안갑니다. 그냥 일주일만 코딩 공부해도 본인 적성에 맞는지 알 수 있습니다. 그 시간이 절대 낭비도 아니고 안맞더라도 요즘 시대에 업무 자동화든 솔루션 활용이든 그 일주일이 일생을 살아가는데 큰 도움이 될 것이고요. 그냥 게임하거나 노느라 일주일 보낼 수도 있는데 코딩하는 영상에 다른 취미 생활보다 인상 낭비라는 말이 많이 달리는 건 진짜 이해가 안되네요. 전공자도 어려운 이 부분을 어렵다고 안했고 누구나 AI를 활용하는 것을 어렵다고 아무도 생각 안합니다. 그 부분만 말씀드린 것이고요. 어려운 부분은 언급도 안했습니다.
@@jocoding 예전에 조코딩님은 진짜 비전공자로써 현실을 자각하실줄 알았는데 그게 아니었나보네요 "인생의 중요한 시간을 소비"라는게 단순히 일주일 만을 가지고 제가 말씀드리는게 아니라는 걸 잘 아실텐데요?? 개발자 급구! 라는 언론의 과대포장과 학원들의 달콤한 거짓말에 빠져 부트캠프에서 6개월을 의미없이 지내고 취직도 못하는 사람들을 말하는 겁니다. 조코딩님 말씀대로 일주일만 공부해서 코딩이 내 적성인지 아닌지 판단할 수 있는 사람이 몇인지 궁금하군요. 나는 이미 학원에 등록해 있고 내 옆에선 모두가 문제를 풀고 있는데, 나는 아무것도 못하고 있고. 왠지 내가 좀만 더 열심히 하면 될 것 같고. 부트캠프에 등록하는 사람들의 대부분은 코딩을 단 한번이라도 해보지 않은 사람들입니다. 대부분 저런 달콤한 말에 속아서 등록하고 내 자신이 적성이 있는지 없는지를 알지 못하는 사람들입니다. 웹드라마 만드시니깐 알고 계시지 않습니까? 그리고 지금 조코딩님이 만들어 내시는 콘텐츠들이 학원들과 다를게 없어서 하는 말입니다. "일단 일주일만 해봐! 그럼 넌 개발자! 하루에 5천만원도 벌 수 있어!"라는 말은 진짜 그만 보고 싶습니다. 조코딩님..... teachablemachine 이걸로 프로젝트 내면 취직 가능할 것 같나요? 그걸로 프로젝트 만들면 소비자들이 찾아올 것 같나요? teachablemachine으로 조코딩님이 하셨던 전이학습이 가능한가요? streamlit은 저도 이번에 처음 알았는데 이건 저한테는 도움이 되겠네요 :) "파이썬을 일단 할 줄 아는 분"정도의 수준에서는 쉽겠네요. 네 맞아요 앞으로는 더 쉬운 AI 배포가 오겠죠. 그럴 때도 과연 이 시장이 블루오션일까요? 그리고 제가 제시한 사례인 "원리", "학습데이터의 이해"는 도메인의 영역이 아닌 model의 원리(쉽게 생각하면 RNN이 왜 장기 기억에 안좋은지, LSTM보다 Transformer가 더 활성화되어 있는지)를 말하는 겁니다. 학습데이터의 이해는 몇 천건 , 몇 만건에 달하는 데이터를 잘 거르고 데이터들이 편향되지 않은지를 알수 있는 "데이터 전문가"가 필요합니다. 조코딩님이 단 한번이라도 깊이를 채우시려고 노력했는지 궁금하군요. 조코딩님이 확실히 넓게 아시는 것에 대해서는 인정하오나 지금 말씀하시는 것으로 깊이에 대한 이해가 얼마나 되는지는 개인적으로 의문이 갑니다. 다시금 말씀드리지만 제가 조코딩님께 지적하는 건 "어그로성 짙은 썸네일과 제목"입니다. 자꾸 제 논점을 흐리지 말아주세요. 일단 제 자신이 비전공자에 국비지원 출신이라서 코딩이 얼마나 힘든건지 알고 있습니다. 진짜 피나는 노력을 해서 취직에 겨우 성공을 했습니다. 그리고 취직하고서도 끊임없는 공부를 해야만이 업무에 들어설 수 있습니다. 인공지능의 무한한 가능성을 보여주는 것은 좋습니다. 그러나 무한한 가능성"만" 보여주지 마시고 때로는 그 이면에 가려진 개발자들의 땀, 눈물을 비춰주시는 게 어떨지? 때로는 어려운 것을 말하지 말지 말고, 어려운 것을 말해보는 건 어떨지요?
선생님 질문있어요. 저는 현재 워드프레스나 윅스를 이용하여 사이트를 최적화 하는데있어서 공부중인데요 달리2를 이용하여 이미지 생성 및 수정을 조코딩님 동영상를보고 새롭게 알게되었어요 너무 감사하구요 제가 솔직히 이쪽분야에는 문외한데 만약 조코딩님이 말씀하신것들을 활용하여 ai를 통한 사이트 구축 및 최적화 광고활용에 용이한 기술을 가지려면 처음부터 어떠한것들을 공부해나가야할지 감이 안잡혀요 코딩도 할줄몰라요 길잡이가 되어주실수있나요? 예를들어 어떠어떠한것을 공부해라 이런거요!
조코딩님 채널 잘 보고 있습니다. 감사 꾸벅^^. 인공지능 서비스를 잘 활용할 수 있는 방법들만 모아서 컨텐츠를 제공해주셔도 재밌을 것 같습니다. 그동안 조코팅님 채널을 통해 알게 된 것은 teachable machine, copilot, stable diffusion 등등이 있었던 것 같은데,, 혹시 더 있다면 그런 콘텐츠만 추려서 다시 정리하여 알려주셔도 좋을 것 같아요~
상관은 크게 없습니다. 인공지능 과목이 학부수준으로 내려온지는 10년도 더 넘었고 딥러닝이 내려온지도 벌써 몇 년 째입니다. 학사 출신으로도 대기업 rnd 들어가는 사람들도 없지 않습니다. 하지만 개인적으로는 대학원 나오시길 권해드립니다. 전문가급 취업시장은 어쨋든 네임밸류가 중요해요.
댓글 반응이 안좋네여 ... 영상 후반에 나온 말 처럼 초기에 스마트폰 출시 때 앱스토어에서 엄청난 기회들이 있었고 , 현재 상황이 그때와 비슷하다 -> 블루오션이다 이 말인건데.. 심지어 잘 활용한 사례들도 보여주셨고 ㅋㅋ 왜 핀트를 인공지능 연구원 쪽으로 가서 욕을 하는 건지 모르겠네요. 인공지능 기술들을 활용해라 활용하는게 쉽다 이거지 만드는게 쉽다고 한게 아닌데 ㅋㅋ ( 심지어 이 말은 영상에서도 함. )
높은 지능을 요구하는 분야가 아닙니다. 단지, 필요한 공부량이 짓눌릴 정도로 많은 분야입니다. 잘 정제된 예제 데이터로 이렇게 쉽게 된다! 라고 말하는건 사기에 가깝습니다. 시작부분에 나온 선형회귀를 진행하기 위해서는 여러 통계적 가정들이 필요한데, 그런 부분들은 쏙 빼놓으셨네요. 당연히 통계적 가정을 검증하지 않고 진행하는 모형도 많지만, 그런 모형들은 더 엄밀한 검증이 필요합니다. 최종적으로 ROI등의 비즈니스 효과까지 계산해야 현업에서 사용하기 위한 설득의 과정에 올라 설 수 있습니다. "ml의 활용 자체는 쉽다" 라는 취지에는 동의 합니다만, 이런식의 제목어그로는 너무한것 같네요. 이미지 모델을 만들기 위해서 100장 정도로 테스트 해보고 "잘 되더라" 는 근거를 만들었다 칩시다. 그러면 이제 더 규모가 큰 모델로, 더 많은 사진을 모아서 태스크를 수행했을때, 그게 잘 된다는 보장이 없습니다. 더 큰 모델을 만들기 위해 수집한 사진이 3만장이고, 이 사진들에 비용이 들어갔다면, 이 비용에 대해서 책임질 수 있는 상황이 아닌 것이죠. 본인 사업이라면 모를까.... 딥러닝에 들어가면 더 상상도 못할 비용이 들어갑니다. 트랜스퍼러닝을 언급하셨는데, 단순히 트랜스퍼러닝을 돌리는데에도 엄청나게 많은 자원이 들어갑니다. 지식과 경험이 있는 사람이라면, 모델 학습이 잘 안된 경우, 어디서 문제가 있는지, 어떤 개선 방향을 잡아야 하는지 쉽게 알 수 있습니다만, 그렇지 않다면 들어간 비용을 날리게 되겠죠. 세상 거의 대부분의 일은 쉽지만, 배워야할게 정말 많습니다. ml도 비슷합니다. 대학원 나온 전문가만 모델을 잘 만드는 시대가 아니라고 하시면서, automl은 언급조차 안하시는걸 보면, 정말.... 유튜브에 올릴 정도만 학습하시고 영상을 찍으신게 아닌가 생각되네요. 3줄 요약. 1. 천재만 하는거 아닌거 맞습니다만, 학습량 미쳐돌아갑니다. 2. 겉핥기로 사용법만 대충 배우면 대처를 못합니다. 3. 현업이면 비용문제까지 겹칩니다.
전반적으로 영상 주제와 전혀 관련 없는 것으로 비난을 하시네요. 영상 주제를 "현업에서 AI 전문가로 일하는 법"이라는 것으로 보셨나요? 영상 좀 다시 보시기를 바랄게요. "automl은 언급조차 안하시는걸 보면, 정말.... 유튜브에 올릴 정도만 학습하시고 영상을 찍으신게 아닌가" 이런 부분은 automl이 무슨 어렵고 전문성 있어야 할 수 있는 것도 아니고 아무나 할 수 있는 건데 그걸 해야지만 전문가인가요? 그냥 automl은 하이퍼파라미터 이야기를 안 했으니 상황상 난이도 조절로 할 수도 있고 안 할 수도 있는 말인데 작성 목적이 그냥 어떻게든 트집을 잡아서 까내리겠다는 목적만 있는 것으로 보이네요. 3줄 요약으로 반박해보면 1. 천재만 하는거 아닌거 맞습니다만, 학습량 미쳐돌아갑니다. => 필요에 맞는 공부를 하면 학습량이 많지는 않습니다. AI 프로덕트를 만들겠다, AI 모델을 활용해서 비즈니스를 하겠다, AI를 내 도메인과 결합하여 실용적으로 써보겠다 정도면 미쳐돌아가는 학습량은 절대 아니라고 생각합니다. 빅데이터분야 최고 전문가 조성준 교수님께서 말씀하신 "시티즌 데이터 사이언티스트"를 참고해주시기 바랍니다. ruclips.net/video/nPjsKGi1EIQ/видео.html 2. 겉핥기로 사용법만 대충 배우면 대처를 못합니다. => 이건 당연하죠. 다른 댓글에 wix 사례와 같은데 wix로 만들 수 있는 범위까지는 당연히 만들 수 있고 추가적인 것을 하려면 학습이 필요합니다. 목적에 따라서 대처가 필요 없을 수 있습니다. 3. 현업이면 비용문제까지 겹칩니다. => 비용 문제가 안겹치는 분야가 있나요? 인건비야 계속 들텐데 "시티즌 데이터 사이언티스트"로 AI 전문가가 없이도 잘되어있는 모델이나 솔루션으로 도메인의 문제를 해결하는 것은 오히려 비용 효율적입니다.
@@jocoding 이런 어그로성 글에 답글을 달아주시다니....... 감사합니다...... 그리고, 비난하려는 의도는 없었습니다. 죄송합니다. 조금 변명을 해보자면... "AI 프로덕트를 만들겠다, AI 모델을 활용해서 비즈니스를 하겠다, AI를 내 도메인과 결합하여 실용적으로 써보겠다" 요런 부분이, 현업에서 AI 전문가로 일하겠다 랑 어떤 차이가 있는지 잘 모르겠습니다. 영상 주제는 잘 이해한것 같은데......... 그 주제에 동의를 못하겠다... 뭐 이런거죠. 1. 필요에 맞는 공부만 해서 무언가를 얻어내기에, 이 바닥은 그렇게 얕지 않습니다. 이미 좋은 서비스들이 많아서 영상으로 올리신 예시 말고도, dataiku, akkio 등 정말 이것저것 많습니다만, 최소한의 기초지식없이, 대처능력 없이 이런 서비스들을 바로 적용할 수 있을 만큼 만만한 바닥이 아닙니다. teachable machine 은 저도 사용해봤습니다만, 저것만으로 바로 적용할 수 있을 만큼 만만한 사례는 그다지 많지 않습니다. 최소한 도메인 별로, 어떤 종류의 태스크를 수행해야 하는지 설계하고, 그 설계에 맞는 모델을 제공할만한 서비스를 찾고, 그리고 그걸 본인 도메인 분야에 맞게 포팅하는 일은 "넓게" 학습한 이후가 아니라면 상당히 힘든 일입니다. 2. 정말, 끔찍한 말입니다만, "대처가 필요없을 수 있다"의 이면에는 수집한 데이터가 있다면 반드시 좋은 성능의 모델이 나온다는 가정이 깔려 있는 것 같습니다. 그럴리가 없는데 말입니다. 잘 정제된 좋은 데이터를 가지고 좋은 결과만을 보여주는 건 정말 말도안됩니다. 데이터는 어떻게 관리하는지, 어떻게 정제하는지, 모델의 평가는 어떻게 하는지, 모델의 지속적인 관리를 위해 어떤 노력이 필요한지 이러한 아픈 부분들은 도려내고 장미빛 미래만 보여주셔선 안됩니다. 3. 비용문제에서 말씀하신 "어차피 똑같다"는 취지는 이해합니다만........ 저런 automl 서비스들을 사용하는 것으로 끝날 정도 규모의 문제라면 그게 더 경제적일 수 있겠죠. 사업의 코어에 한번 적용된 빅데이터, ml 기술들이 한번 삐그덕 거리기 시작할 때의 비용은 DS 한두명 연봉은 우습지 않을까 싶은데, 어떻게 생각하시는지는 잘 모르겠습니다., 추가. automl은 하이퍼 파라미터만을 다루는 분야가 아닙니다. 2가지 관점에서 볼 수 있는데, 하나는 옵스의 관점이고, 하나는 말씀하신 HPO 를 포함하는 모델 내부적인 관점입니다. 옵스의 관점이 필요한 이유는 한 번 만든 모델의 성능이 지속될 것임을 보장할 수 없기 때문입니다. CI/CD 는 익숙하실 테니, 같은 맥락에서의 CT continous training 이 필요한거죠. 거기에 모델 서빙과 관련된 내용도 포함되어 있으니, 한번 찾아보세요. "누구나 쉽게 배우는 인공지능" 이라고 하신 강의에 그 "누구나" 에 현업의 도메인 전문가가 포함이 된 내용이 맞나요? azure의 ml studio 나, 마키나락스 정도 되는 유명한 서비스를 사용하기 위해서도 제법 공부가 많이 필요합니다. "이게 왜 안되지?" 라는 상황은 코딩을 할때만 발생하는게 아닙니다. 도메인 스페시픽 하게 해결하려면 방대한 내용 중에서 일부만 알아도 되겠죠. 그 일부가 어떤 것인지는 도메인 전문가만 아는 영역이고, 그 도메인 전문가는 어떤 일부가 필요한지 알기 위해서 결국 한번은 전체 내용을 훑고 넘어가야 합니다. 목적이 AI 를 "잘" 하는게 아니라, 일단 시도해 보는 것이라면 괜찮습니다만, 그걸 "블루오션" 이라고 부를 영역인가는 조금 의문이 드네요.
@@jocoding 하나만 하세요. 어느 댓글에서는 남들 다 하는 토마토 구분 하는거로 뭐가 블루오션이냐 반박하니까 stable diffusion이니 뭐니 최신 연구 가져다 쓸 수 있으니 블루오션이라고 하고. ai 연구자들이 그건 비연구원들이 가져다 쓰기엔 절대 무리라고 하면 그놈의 '동물상 테스트' 가져오면서 전혀 어려운거 안 써도 된다 그러고. 자기 순환에 빠져버린것 같네요. 그리고 불량검출 -> 머신러닝을 쓰지 디버그 안 되는 딥러닝 쓰지 않습니다. 딥러닝도 결국 마찬가지지만 머신러닝은 데이터만 던져준다고 학습되는거 아닌거 아시죠? 앱스토어 2등 -> 그냥 로또입니다. 초등학생도 이걸 해서 수익이 클 수 있다? -> 마찬가지로 어느 누구는 로또 맞고 돈 더 많을 수 있죠. 로또 맞을 확률에 기대서 수학기반도 없는 사람들이 무슨무슨 학원 ai 6주 완성 이런 코스 들었다가 시간 낭비 돈 낭비 하지 않았으면 좋겠네요. 마치 위상수학이 갑자기 확 뜨니 위상수학 6주완성 현업적용! 내용 까보니 컵은 도넛이랑 위상 동형이다 쉽다쉬워 내 코스 들으면 이렇게 쉽게 설명해줄게 끝! 이런식으로 보입니다.
사과와 토마토를 구분하는 AI에 뭐 제품의 규격과 관련해서 오차의 범위라던지 이런 개념이 정의 되어있나요? 무슨 불량을 검출해요 ㅋㅋ 제말은 그냥 기본 모델 돌리는게 중요한게 아니고 진짜 실용적으로 써먹을려면 기능과 관련한 상세한 개념 정의가 들어가야되고 그게 훨씬 더 중요하고 어려운것인데 그런건 아무나 뚝딱뚝딱 할수 없는것이죠 근데 그런 얘기는 안하고 맨날 아무것도 모르는데 그냥 모델만 돌리면 장땡인것처럼 말하니 문제
금융 AI에서 시도 되는것으로 예를들어 보죠. 중소기업 대출은 주로 Relationship Management 라고 하여 은행 지점장 분들이 사장님들이랑 밥도먹고 술도먹고 관계를 가지면서 오가는 대화에서 파악할수있는 정보(Soft information)에 기반하여 이루어지는데, 금융기관이 거대해지면 이런 소프트 인포메이션은 정형화된 데이터가 아니다보니 조직의 하부인 지점으로부터 전체 대출포지션을 관리하는 조직의 상부로 전해지기 어렵고 관리가 어렵다보니 이것이 중소기업대출이 원활하게 이루어지는데 어려움으로 작용합니다, 반면에 작은 금융기관을 여러개 두는것은 자본은 뭉쳐야 효율적이기때문에 비효율적입니다. 이런 딜레마 상황에서 AI를 이용해 소프트 인포메이션을 조직의 상부에서 운영하는 시스템에서 활용할수있도록 만들어 중소기업에 금융혜택을 확대 해보겠다는것이죠. 그럼 이런 AI를 만들고 써먹는데 있어서, 소프트 인포메이션 이란 정보를 어떻게 연산이 가능한 실수 공간으로 옮길것이며 어떤 계산을 해낼것이냐가 제일 중요하지 않을까요? 근데 그냥 인터넷에 널린 모델 하나 돌려 봤다는 사람이 이걸 알고 금융 AI 만드는데 얼마나 기여할수 있을까요?
@@람쥐쳇바퀴 사람들이 핀트를 못잡고 영상과 전혀 다른 딴소리를 하니 답답해서 여러개 쓰는 것이죠. 먼저 이미지 관련이면 무조건 딥러닝 쓰는데 디버그며 머신러닝 이야기가 도대체 왜 나오나요? 인공지능 전혀 잘못알고 계신 것 같네요. 그리고 앱이 무슨 그냥 로또인가요? 네카라쿠배당토 등 대한민국 IT 기업 대부분 앱 운영하는데 다 로또 회사인가요? 서비스 성공이야 운이 어느정도 작용하지만 그게 아닌 다양한 요인이 있고 "기술의 서비스 적용" 과정에 대해서 배우면 그걸 응용하여 기존 기술로는 안되었던 어떤 니즈를 충족할 수 있는지를 각자가 생각해볼 수 있는거지 "무조건" 성공하는건 아니죠. 그게 중요한 것도 아닌거고요. 동물상 테스트는 자기순환이 아닌 사람들이 빠진 오류입니다. ai 연구자들은 직업적으로 다양한 회사 업무 니즈를 맞춰야하는 의무가 있지만 일반인들은 전혀 그럴 필요 없고 오히려 역으로 기술에 딱 맞는 아이디어가 있을때만 선택적으로 만들 수 있습니다. 신기술이 쏟아지는 요즘 그런 아이디어와 일치하는 것도 많을 것이고요. 무슨 "어디든 적용 가능한 만능 공식"을 알려주는게 아니라 "쉬운 것도 많으니 일반인이 그 기술에 맞게 필요한 곳에 적용가능할때 적용 가능하다"이고 그러한 사례를 보여주는 것인데 어디는 안되지 않냐 라는게 전혀 주제와 다른 소리를 하는 이야기죠.
댓글이 공격적인게 많은데 개발자랑 연구자랑 구분은 좀 하시는게;; 우리가 볼트하나 조일라고 스패너까지 만듬;;? 해당 영상 소프트웨어 개발자들이 AI 사용할때 기초적으로 적용할 수 있는 가이드 소개로 보이는데 뭘 굳이 와서 아 이 분야 개어렵습니다 영상 어그로에요 라고 까지 다나요;; 그럴 시간에 그 어려운 분야 연구시간을 늘리시는게 맞지싶습니다;;
ruclips.net/video/4xU0mGr4gvM/видео.html 이 영상은 4개월 전 영상인데 요즘 AI 버블 시작되었습니다. 심지어 저 강의할때는 stable diffusion도 안나왔던 ㄹㅇ 아무것도 없었던 블루오션 시장이였는데 지금도 새로운 오픈소스 모델들 쏟아지고 있습니다. 이걸 아무도 안하니 이해가 안되는군요.
레드 오션, 블루 오션이란 말은 시장이란 뜻이고 시장은 자본주의 사회에서 돈의 규모로 따지는게 가장 적합함. 자 따라와보세요. AI에 지금 들어온 자본=자본의 통계는 현재도 통계로 추적이 가능함. 예시로 현재 핫한 GPT3를 만들때 지금 투입한 자금의 규모가 50억정도라고 하는데 앞으로 GPT4에 들어가야할 자금의 규모가 조단위라고 함. 억X10000이 조임. ㅋ 즉 지금 들어온 규모보다 “미래” 자본 규모가 비교불가하게 크다=>레드 오션 아니다. 아직 블루도 아닌 검정색에 가까운 공백의 바다이고 아직 갈길이 멀다~임
실제 실행가능하고 학습가능한 파이프라인을 익히는 것이 쉽다는 점은 동의하지만, 그게 사업화로 가기 쉽다고 이야기하시는 점엔 동의할 수 없네요… 실제로 현업 데이터를 적용해보셨는지 모르지만, 인공지능을 현업 데이터에 적용해보면 개판입니다. 이를 개판이 되지 않게 파이프라인을 다듬고, 모델을 선택하고 관리하는 건 사실상 석박사급 인재가 아니면 거의 불가능한 수준이구요… 너무 비약하신다 아니신가 싶네요
말씀처럼 모든 상황에서 얕은 지식으로 적용은 어려울 수 있지만 도메인에 따라서 충분히 단순한 상황에서 적용할 것도 많은 것은 사실인 것 같습니다. 17:06에 나온 것이 그 사례입니다! 저만 주장하는 것은 아니고 빅데이터 최고 전문가 조성준 교수님도 전문가가 아닌 "시티즌 데이터 사이언티스트"로서 도메인 지식과 결합할 수 있는 것이 중요하다고 강조하셨는데 그러한 영역으로서 활용할 사례가 충분히 많을 것 같습니다. ruclips.net/video/nPjsKGi1EIQ/видео.html
![[딥러닝 기술 적용사례] 이 영상 하나로 끝내드립니다 | 네이버 AI 부트캠프 멘토출신 이종혁 - 메타코드M](http://i.ytimg.com/vi/D7640nlNjZQ/mqdefault.jpg)
![지금까지 AI 안 쓰셨다면, 이 영상으로 시작하세요 [AX College 1화] f. 정지훈 DGIST 전기전자컴퓨터공학과 겸직교수](http://i.ytimg.com/vi/avIMoutTYko/mqdefault.jpg)
좋아요 한번씩만 눌러주시면 영상 제작에 정말 큰 힘이 됩니다!
ChatGPT API로 수익형 운세보는 챗도지 만들기
ruclips.net/video/SIRMboPpHo8/видео.html
6살도 할 수 있는 인공지능 강의 (Teachable Machine)
ruclips.net/video/USQGTW34lO8/видео.html
실전 동물상 테스트 웹, 앱 만들기 강의
ruclips.net/p/PLU9-uwewPMe2-vtJAgWB6SNhHcTjJDgEO
최신 이미지 생성 인공지능 사용법 강의 (Stable Diffusion)
ruclips.net/video/vVdNmnEb--E/видео.html
[웹 개발 풀스택 5주 완성 강의]
📖수업페이지: www.notion.so/5-LIVE-76171e66dbb54420b37f7890702ce6c3
💬디스코드: discord.gg/zny87VeSaX
[라이브 풀버전] 조코딩의 웹 개발 5주 완성
ruclips.net/p/PLU9-uwewPMe0hiCRaWjRHd-TTNJYu9N6w
[편집본] 2022 코딩 기초와 웹 프로그래밍
ruclips.net/p/PLU9-uwewPMe2-R9-taf4oIjwrEZDgE-q2
📖『Do it! 조코딩의 프로그래밍 입문』
- 예스24: vo.la/SbhB7F
- 교보문고: vo.la/6XXfEL
- 알라딘: vo.la/OXqNP1
VVIP 멤버십 후원
강경헌님, SOOJIN BANG님, THE MOTOR CITY님, CURIOUS_CuringE님, 김우종님, 동대문아들들님, 그림자그림자님, 마비님 후원 감사드립니다.
멤버십 가입하기: ruclips.net/channel/UCQNE2JmbasNYbjGAcuBiRRgjoin
00:00 미리보기
00:10 인공지능이란?
00:22 인공지능, 머신러닝, 딥러닝 간략한 개념
00:53 한장으로 요약하는 머신러닝/딥러닝
01:28 컴퓨터의 학습 - 초창기 심심이 사례
01:47 머신러닝에서의 학습 - 레모네이드 판매량 예측
03:37 요약 - 머신러닝은 모델(함수)을 만드는 것
04:16 새로운 데이터의 판단 과정
04:45 조금 더 복잡하지만 원리는 같은 현실 세계의 사례
05:43 딥러닝의 개념
06:34 딥러닝 도입 전과 후 비교
07:14 높이뛰기와의 비교
08:05 누구나 쉽게 딥러닝 적용하는 방법 - 프레임워크, 라이브러리
09:09 6살도 할 수 있는 인공지능 - Teachable Machine
12:28 이미지 인식의 원리와 발전 과정
14:23 모델 가져다 쓰는 방법 - Transfer Learning(전이학습)
16:01 인공지능 응용 사례
20:06 점점 발전하는 인공지능의 사례
24:50 인공지능이 블루오션인 이유
25:27 VVIP 멤버십 후원 감사 인사
#인공지능 #AI #코딩 #머신러닝 #딥러닝 #텐서플로우 #파이토치 #teachablemachine
29세 ㅈㅈㅈㅈㅈㅈㅈㅈㅈㅈㅈㅈㅈㅈㅈㅈㅈㅈㅈㅈㅈㅈㅈ
인공지능을 도구로 사용할 줄 알아야한다는 메세지를 이해하지 못하는 사람들이 이렇게 많다니. 이렇게 좋은 강의에 물흐리는 댓글이 많은게 안타깝네요. 저는 잘 이용해서 흐름 타보겠습니다. 항상 좋은 소식 감사합니다
누구나 다해서 나는 안한다는 이런 생각 때문에 자신의 길을 못가는 사람들이 많죠. 큰 기업들이 수익성이 없다고 판단하고 안가져 가는 자잘한 공간을 기발한 아이디어와 추진력으로 잘 파고들면 한 두사람 지나갈 길은 충분히 있습니다. 결국은 가느냐 마느냐가 중요한건데 가기 위해서는 어떻게 접근해야 하는지 알아야 하고 이 강의는 그것을 잘 알려주고 있다고 생각합니다. 말 그대로 입문자를 위한 강의라는 거죠. 그런데 이건 겉핥기라고 어쩌고 저쩌고 하시는 분들은 포인트를 잘못잡은거고 강의 대상자가 이닌거죠. 이분이 젊고 야망이 커서 자본주의를 추구하지만 이분의 강의는 저같은 사람에게 보물과 같습니다.
조코딩님은 인공지능을 완전 처음 접한 사람들을 위해서 흥미 위주인 가벼운 영상을 만드셨는데 댓글들 대부분은 어떻게든 자기 지식 꺼내서 까려고밖에 안 보이네요 초등학생한테 미적분 어려우니까 배우지 말라는 것과 뭐가 다르나요, 코딩 자체가 늘 인터넷과 접해야 하므로 성격이 날카로워지신 분들이 다른 분야보다 많아 보이네요.
초등학생은 미적분을 배우지말고 사칙연산부터 배워야합니다 ㅎㅎㅎ. 이 경우는 진짜 그 초등학생 인생 망칠 수 있어요. 다른거 배울 시간도 없는데 이해도 안되는 미적분이나 판다고 생각해보세요. 끔직하네요. 시간과 노력이라는 자원은 무한하지도 고무줄처럼 늘어나지도 않습니다.
딱 교양수업 정도로 듣기에 좋은 영상
@@람쥐쳇바퀴 당연히 동의하는 말이지만 이것 또한 너무 깊게 들어가지 않았나 싶어요. 사람에 따라 받아들이는 깊이가 다를텐데 밑에 분 댓글처럼 하나의 교양수업이라고 봐요. 모든 내용을 깊게만 본다면 차이나는 클라스같은 어려운 지식을 쉽게 받아들이는 강연 프로그램은 사라져야하죠.
Ai때문에 대체될까봐 불안해지신듯 ㅠㅠ
@@람쥐쳇바퀴만약 누구나 미적분만 사용할줄 알면 수익화를 할 수 있는 방법이 무궁무진한데, 이 시대에 사칙연산부터 하나하나 밟고 올라와라는 말은 말이 안되죠. 더군다나 오픈소스들과 API들이 넘쳐나는 이런 시대처럼 미적분 계산기만 있다면 미적분을 이용하여 서비스를 만들 수 있다는데 무슨 사칙연산부터 차근차근 배워오라고 하나요 ㅎㅎ.. 조코딩님은 AI에 대해서 단순 취업 및 연구 분야에 국한하여 이야기한게 아니라, 프로그래밍의 대중화를 위하여 실제로 여러분들도 AI를 통하여 간단한 것들을 구현하고 이것으로 수익화도 할 수 있다고 알려주는 것 입니다. 깊게 파면 진입장벽이 높으니 레드오션이라고 떠벌리고 다니는건 그만큼 대한민국 IT 성장에 크나큰 방해입니다. 그것이 실제로는 어렵든 쉽든 많은 사람이 접근하기 쉬워야하고 진입장벽을 낮춰야겠죠. 챗지피티 하나와 유튜브 강의만으로도 웹을 만들 수 있는 이 세상에 무슨 AI가 블루오션이 아니면 뭔가요
선배님 우선 좋은 영상 감사합니다. 컴퓨터학과에 재학중이며 AI를 공부하고있는 후배입니다. 몇몇 분들이 무지성 비판을 하시는데, 저의 사견을 몇자 적어보자면 AI가 컴포넌트처럼 향해가고있는 것도 맞고 선배님이 말씀하신 내용들이 굉장히 중요한 것도 사실입니다. 모델 튜닝해서 기존 SOTA논문보다 퍼포먼스를 올리는 이런 작업은 분명 어렵고 석박급의 지식들이 필요하지만, 오픈소스로 공개된 AI를 가져다 유의미한 개발하는 것도 분명 충분히 가능한 일입니다. 당장 저만해도 랩실에서는 논문 재구현을, 동아리에서는 stable diffusion을 이용한 프로젝트를 진행중에 있습니다. 그런 측면에서 비전공자 입장에서 인공지능에 대한 이해를 높이고 장벽을 낮출수있는 좋은 영상이라고 생각합니다. 생각보다 많은 분들이 이러한 내용을 구분하지않으시는 것 같고 선배님께서도 이후 영상에 이런 내용을 담을 수 있다면 더 좋을 것 같습니다 :)
영상 항상 잘보고 있습니다 감사합니다!
아직도 그 프로젝트 하고있는 중이신가요?
레드오션이란 얘기를 몇 년 동안 쭉 들어왔는데 블루오션은 처음 들어보네요...
저는 지금도 AI쪽으로 진로 상담해오면 굳이 레드오션 들어오지 말라고 앞서 말리는 편입니다.
영상 보시면 아시겠지만 AI로 진로를 잡으라는 이야기는 전혀 아닙니다.
레드오션으로 수억대 연봉 받는 천재들이 모여서 만들어 놓은 AI가 넘쳐나니 가져다가 활용하라는 이야기입니다!
@@jocoding 같은 이야기입니다. 활용 범위 또한 레드오션이라는 의미로 말씀드린거였습니다.
단순한 주관적인 견해뿐이라면 그냥 지나갔겠지만 주관적인 견해를 바탕으로 불특정다수에게 권유하시기에 저도 굳이 주관적인 생각을 남겨봤습니다.
@@Birewall 동의하기 정말 어려운 주장이네요. 한달에도 몇개씩 정말 새로운 유의미한 논문과 오픈소스 모델이 나와서 그걸 활용할 실력만 있으면 주어다가 프로덕트를 만들거나 이를 도울 수 있는 다양한 도구들을 만들어 볼 수 있는데 여기서 기회가 안나오는 것이 더 이상한 상황이라고 생각됩니다.
최근 Stable Diffusion만 봐도 novel ai나 promptbase 등 새로운 성공적인 관련 서비스들이 대거 등장하였죠. 앞으로는 이런 것이 더 많아질 것이 분명하고요.
@@Birewall 제가 겨우 10만, 20만 유튜버일때 이벤트에 제출된 100~200개 정도 작품 중에서도 수천만원 버는 AI 서비스가 3개 이상 나왔습니다.
@@jocoding 지금 말씀하신데에서 이상한 점 못느끼고 계신가요? 그게 블루오션이라구요?
좋은 영상 감사합니다
인공지능 분야가 블루오션인건 인정하지만 쉽다는건 인정하기 어렵네요... 공부 해보신 분들은 아시겠지만 저걸 상업용으로 쓸 수준으로 갈려면 수준이 어마어마 해지니까요
16:03부터 나오는 실전에 사용되는 사례들은 정말 얕은 지식으로도 충분히 가능합니다.
어렵게 만드려면 당연히 어렵겠지만 상업용이라고 반드시 어렵지는 않습니다!
이분 말씀에 공감.. 사업화로 가기는 인공지능 학습 파이프라인 익히는거랑은 완전히 별개죠... 세상에 모이는 데이터.. 진짜 중구난방입니다. 더군다나 한 개인이 아이디어를 갖고 수집한 데이터? 데이터 처리 지식 없이는 모집단 대표성 근처에도 가기 어려울 뿐더러 포맷도 다 달라요. 뭐든 사업화를 하기 위해선 프로덕트에 대한 검증이 필요해요. 검증이 명확하지 않은 프로덕트들은 아이디어가 정말 좋지 않은 이상 투자받기도 불가능에 가깝고.. 아직 인공지능 분야는 설명이 명확하지 않기때문에 모델의 성능, 데이터로 검증하는 방법외엔 없습니다. 성능 평가야 베이스라인 모델 잡고 비교하면 plot 코드 몇 줄로도 눈에 띄지만, 데이터 검증하는 단계는.. 전문지식이 필요할 수 밖에 없어요. 개인적으로 생각하는 난이도 : 학습 파이프라인(TF, torch 등)
@@김현수-v7k5u 사업화라는게 굳이 투자 받고 직원 고용하는 거창한 것만 사업이 아닙니다. 그냥 투자 비용 0원으로 개인이 소소하게 앱 내서 수천만원씩 버는 것도 좋은 사업이죠! 16:03부터 나오는 이런 AI가 붙은 단순한 어플리케이션은 정말 간단하게 만들 수 있고요! 이런 소소한 어플리케이션은 정확한 기술에 초점을 맞추지 않고 사용자가 즐겁거나 유용하게 이용할 수 있는 것이면 충분한 것 같습니다.
인공지능을 개발하라는 게 아닌데.. 이미 만들어진 인공지능에 겉포장만 하나 하면 상업용이지. 수준이 어마어마할 게 어디 있나요
@@김현수-v7k5u응 아니야 넌 주식 하지마라
지레겁먹고 시작도 못하는 분들이 많은거 보니 블루오션 맞네요 ㅋㅋㅋㅋㅋㅋ
저는 딥러닝으로 먹고사는 10년차 개발자입니다.
강의 내용은 초심자들에게 훌륭한 내용입니다. 5년 전 쯤에는 비슷한 내용으로 회사 경영진들한테 나아갈 비전을 제시하고 뭐 그랬지요. 인공지능 뭔지는 모르겠는데 알파고 뒤로 뭐 어마어마하게 대세가 되니까.. 이해 안되는 부분을 이해하느라 고생들 하셨지요.
현직자들이 놀란 이유는.. 블루오션이라는 말 때문일겁니다. 실제로는 시장이 고도화되며 빠르게 닫혀가고 있거든요. 회사에서 AI관련하여 신입들은 뭐 거의 채용하지 않아요. 경력자 또는 석박사들 위주로 채용되고 있습니다. 사례에 나온 케이스들은 정말 그냥 재밌는 사례들이지 실제로 적용하고 서비스를 하려면 많은 기술력과 비용을 필요로 합니다. 취직을 준비하는 사람이 무턱대고 AI하느라 기본적인 프로그래밍 실력을 키우지 못한채 시장에 나올까봐 걱정 되는게 첫번째 이유입니다.
두번째.... 우리회사 사장님이 이런 영상보고 어설프게 무리한 사업을 시도할까봐 걱정이죠..ㅋㅋ 그냥 블루오션이라는 말만 듣고와서는 뭐 말도안되는 이야기 하면서 그냥 해보라고.. 제대로 된 투자도 없이.. 유튜브가 블루오션이라더라면서 "김대리~ 영상만들어서 우리회사 구독자 만명만 만들어와봐~ 요즘 그게 블루오션이래. 보니까 한두명이서 그만큼 만들더만~ 김대리 센스 좋잖아?영상장비랑 편집장비는 김대리꺼로 우선 쓰고..."이러는거랑 똑같거든요..ㅋㅋ 인공지능으로 뭘 해보고싶다 이런 방향도 없이 그냥 인공지능으로 돈버는 서비스 만들어오라고..... 17~20년까지 실제로 흔했던 일입니다...ㅠㅠ
그렇다고 AI공부하지마라? 그건 아니예요. 공부 하셔야 합니다... 개발하진 않아도 이해는 하셔야 해요. 그래야 서비스 기획을 하고, 아이템 발굴을 하고, 데이터는 어떻게 모을건지, 개발은 어디에 맡길건지, 수익은 어떻게 낼 건지 알죠. 앞으로 이런 지식은 걍 필수라고 생각하셔야 합니다. 시대가 변했으니.
저도 블루오션이라는 말에 많이 놀랐네요.
사실 머신러닝/AI 는 일종의 최적화 도구일 뿐인데 말이죠...
현직자이시고 개발자이시라 그런지 논리적이세요 ... IT쪽이 이렇게나 빠르게 변화하는게 적응이 안돼요... 앞으로는 어느 방향으로 준비해야 할지 조언주실수 있을까요? 저는 전혀 문외한이라 감이 잡히지 않아요... 말씀주심 감사하겠습니다
@@애플민트-d2q 제가 사회를 꽤뚫어보는 통찰력이 있는 그런 사람이 아니고 그냥 흐름 따라가기 바쁜 개발자에 불과해서 뭐 대단한 조언은 어렵지만..
이미 세상은 변하고 있으니 왜 어떻게 변하고 있는지를 알아야겠죠. 인공지능이 어떤 흐름으로 동작하고 서비스되는지를 큰 틀에서 이해하면 거기서 사람이 해야 할 일, 할 수 있는 일을 찾아낼 수 있지 않을까요. 모르면 그냥 모른채로 흐름에서 뒤쳐지는 거니까요.
정확한 말씀이십니다. 처음보는 채널이지만 위험한 단어를 이 정도 위치에 있는 사람이 생각 없이 사용하는 것 보고 이 영상과 채널에 대한 신뢰가 많이 떨어졌습니다.
AI는 잘 모르지만 AI가 블루오션이라는 말이 맞지 않을까요?
예를 들어 지금 유튜브가 블루오션 일까요? 아니라고 하는 분들이 많을 거에요. 저는 20년차 온라인 마케터이고 주로 해외 위주로 업무를 하다보니 2006년 유튜브가 구글에 인수 되기 전부터 사용했고 지켜보던 사람이에요. 저도 2010년대 초반 강의때 유튜브에 기회가 많이 사라졌다고 말하기도 했지만 지금 와서 보면 잘못된 판단이라 생각해요. 심지어 작년에도 유튜브 계정파고 몇 달만에 직원 몇 명 쓸 정도가 되더군요.
그런 의미에서 도구로서의 AI는 앞으로 다양한 사용자들에 의해 다양한 형태로 쓰이고 기회를 만들지 않을까요? 다만, 지적하신 기회가 닫힌 부분은 대기업들이 자리 잡은 영역 아닌가요? 유튜브를 예를 들면 유튜브 그 자체 플렛폼과 경쟁하는 경쟁 스트리밍 플렛폼이 자리 잡기 힘들다 던지. 한국에서도 꾸준히 유튜브 대항마를 만들려 하지만 거의 힘들다고 봅니다.
그냥 제가 보는 세상 관점인데, 오류가 있다면 지적 부탁 드려요.
조코딩님 영상을 몇년째 꾸준히 보다가 처음 댓글다네요.. 먼저 항상 좋은 영상 감사합니다. 초보자 수준에서 쉽고 재밌게 따라할 수 있어서 흥미붙이기에는 참 좋았습니다. 본 영상의 취지는 AI 개발자가 아니라 차라리 AI 기획자에게 더 적합해 보입니다. 인공지능의 기술과 특징 및 "도메인"지식을 가지고 있다면 블루오션이라고 볼 수 있겠죠.. 하지만 영상속에서 나오는 수준으로는 회사에서 만드는 아이템이나 공모전 입상 수준도 되기 힘듭니다. 왜냐하면 누구나 다하니까... 동일한 AI 모델을 쓴다해도.. 가지고 있는 지식 수준에 따라서 천차만별의 결과물이 나오니까요... 예를 들어, 챗봇을 만든다고 했을 때, 누구는 룰베이스, 누구는 seq2seq 누구는 bert, 누구는 bert를 자기꺼에 맞춰서 아키텍쳐 재설계 후 사전학습을 다시하는.. 수준이 너무 다양합니다. AI가 쉬운거는 아닙니다. 기획 부분도 박사급은 아니더라도 석사급 정도 되는 도메인 지식과 기술력이 있어야 경쟁력이 있고 블루오션입니다(개발은 더 높은 수준). 단순히 영상 보고 쉽다 생각하시는 분 생길까봐 제 의견 적어둡니다.
좋게 봐주시고 댓글 처음 남겨주셔서 정말 감사합니다! 아시겠지만 이 영상은 특별히 직업적인 직책을 구분지어서 만든 영상이 아닙니다. 그냥 AI를 활용한 프로덕트를 만들기 쉬운 좋은 시대라는 것이 주된 내용입니다. 그러한 예시로 16:03부터 나오는 것들이 나오고요! 이런 것들은 별다른 전문 지식이 필요하지 않습니다. 성공하는 AI 들어간 서비스를 만드는 것과 AI에 깊은 전문성이 있는 것은 완전 다른 이야기니까요!
@@jocoding chat gpt 붐이 와야 다들 ai시대라는걸 느끼네요
Pytorch pretrained model이 위와 비교해서 얼마나 구식인지 알려주시면 정말 도움될것 같고 컨텐츠로도 쓰이기 좋을거 같아요 물론 일반인이 이 model까지 관심이 있을진 모르겠지만ㅠ
감사요
인공지능 개발 분야는 일단 어렵기도 어렵고, 중국과 미국에 해당 분야에서 활동하는 천재들이 너무 많아서 확실히 쉽게 도전할 분야는 아니긴 합니다만, 영상은 인공지능 개발을 업으로 뛰어들라는 것이 아니라 개발된 인공지능의 활용에 대해 배워 보고 본인의 전문 분야와 새롭게 등장하는 인공지능이라는 기술을 접목하여 새로운 인사이트를 얻고 나아가 여건과 운이 좋다면 더 높은 가치를 창출 할 수 있기에 블루오션이라 말씀을 하신 것 같습니다. 뭐든지 정말로 이해하고 마스터해야만 의미가 있다면 지금 당장 대부분 사람들은 하고있는 투자부터 손을 놓아야 할 것 같네요 :D 다만 책을 내고 강연을 하시면서 몇년간 쉽지 않은 공부를 거치고 AI 개발에 대해 공부한 현업자의 프라이드를 건드리는 제목과 말씀을 하시고 계시기에 어느정도 날 선 비판들은 겸허히 수용하셔야 할 것 같습니다.
이거지
동물상 ㅋㅋㅋ 아이디어 좋다 솔직히 기술이 아무리 좋아도 잘 팔리는 아이디어 내는게 훨씬 중요한데 소비자의 심리를 잘 캐치하셨네요
조코딩님! 저도 멋쟁이사자처럼 출신인데, 너무나 공감되는 영상이었습니다. 인사이트 감사드립니다! 항상 응원하고 있겠습니다:)
여러분 마크주커버그가 프로그래밍 언어를 직접개발해서 페이스북을 만들었나요? 아니죠... 기존에 만들어져있던 웹툴들을 조합하고 사용하여 페이스북을 만든겁니다. 이처럼 AI 모델을 직접 만들지 않아도 잘만 '활용' 한다면 어떤 멋진 아이템과 사업이 탄생할수 도 있겠지요. 블루오션이라고 말한 부분은 시도해볼 아이디어가 많고 쉽게 접할수 있는 모델 툴들이 많기 때문에 말하신거지, 무조건 성공한다고 보장하는 취지로 영상을 만들진 않았습니다. 다들 컴다운 하시고 좋은 아이디어가 있다고 적절한 AI 모델을 찾아보시고 도전해보세요^^ 결국 블루오션에서도 성공하려면 누가 먼저 얼만큼 빠르게 잘 활용할줄 아느냐 이니까요
다 배우고 오면 레드오션이 되어 있을 거 같은.. 기분이 있네요..;
수학적인것도 중요하지만 문제 해결력, 비즈니스 분석 부분도 굉장히 중요합니다. 이게 선행이 안되면 오히려 더 무용지물이 될 수 있는데 참 안타깝네요. 고도화에 있어서는 물론 전문적 수학지식이 필요하긴 합니다
전문적 수학지식+비즈니스분석+문제해결력 = 와우 환장의 짬뽕쓰....!!(헤롱헤롱)ㅋㅋㅋㅋㅋ
너무너무 좋은 내용입니다 ~~
늘 좋은 콘텐츠 감사
감사합니다!ㅎㅎ
알고리즘 뜨는 시기가 아주 좋군요!
조코딩 선생님 감사합니다.
Ai 분야 가 무조건 고학력에 어려운 사람만 접할수 있는 분야인가요? 실질적으로 그쪽으로 근무를 하고 계신분들이 이렇게 버럭 하시는건지 모르겠는데, 클럽 하우스도 간단한 api로 엄청난 이슈가 된것처럼 조코딩님은 요즘 이슈가 많이 되는 ai 를 이렇게 쉽게 접근이 가능하다를 알려주고 있습니다. 공학박사 수준으로 가서 논문 발표 하고 심도있게 파고드는 ai 분야와 가볍게 내서 동물상 테스트등으로 활용 하는 분야와는 당연히 다르겠지요.. 마치 너희들이 함부로 이걸 쉽게 배울만큼 쉬운게 아니다 라면서 선을 긋는것 처럼 보여요 . 잼있네요
사람들이 이런 고정관념이 있는 것이 참 안타까운 것 같습니다..
@@jocoding 법에서 지정하고 면허를 만든 분야면 그러려니 하겠습니다만 , 많은 사용자들이 늘고 새로운 아이디어가 창출되어야 하는 세계 인데 갇혀 있으신 분들이 있는것 같습니다. 지식은 공유 되어야 합니다. 조코딩님 응원 합니다
개인적으로 ai이외에서도 비슷한 느낌을 느끼고 있던 중에 댓글 공감하고 가요 ㅎ
너도 나도 뛰어들 수록 관련 학위 가진 사람한텐 유리하죠 ㅋㅋㅋㅋ. 스타트업을 해서 어떤 아이템이 대박이 났다? 그러면 전공자로 이루어진 스타트업에서는 밑에 프론트만 뽑아놓으면(관련 학원이 우후죽순 생겨서 그 어느때보다 일손이 많음) 손가락 까닥하면서 한달 만에 서비스 따라잡고 그 이상도 구현할 수 있으니까요. 지금 눈에보이는 상용서비스 대다수가 대기업이나 대기업 소속 스타트업에서 이런식으로 꺼억한 겁니다. 취업관점에서도 스타트업 팀에 거길 왜 가냐며 바보 소릴 들을 지언정 전공자는 그냥 뽑힙니다. 주변에 자기 하는일을 모르는 사람 뿐이니 설렁설렁 웹서핑하다가 돌아다니는 네트워크모델 받아서 학습돌려놓고 카페가서 수다떨다가 돌아와서 토마토/사과 이미지 몇장만 보여주면 대단하다고 주변에서 칭찬까지 해주죠. 그외에는 네트워크 구현하는척하면서 코딩테스트 문제 풀면 딴거 하는거 티나지도 않고 시간 잘 감. 정부지원 측면에서도 이득이죠. 인공지능지원사업이라는 명목으로 눈먼돈을 지금 딥러닝이라는 수식어만 달면 돈을 천문학적으로 뿌리고 있으니까요. 오히려 빡세게 일하기 싫어하는 전공자들이 좀비기업과 국비지원 학원들에 붙어먹어 그 어느때보다 덜 일하고 먹고살 거리가 넘치는 시기입니다. 개인적으로 이런 불편한 진실이 널리퍼지지 않았으면 좋겠어요. 이 부분 지적하는 전공자들은 전부 바보같네요. 자기 꿀단지를 걷어차다니. 그 알량한 전공자로써의 자존심만 굽히면 인생최후의 보루로 취업 안하고 학원 강사로 전전해도 먹고살 수 있는데 말이죠.
다른 분야에 종사중입니다. 항상 프로그래밍에 관심만 갖다가 최근에 조금 더 적극적으로 대응 중인데,, 느낀점이 이사람들 정말 천재구나,, 하는 생각을 합니다 ㅎㅎㅎㅎㅎㅎ
일반인도 인공지능을 만드는 세상 = X, 세계 유수의 석박들이 만든 인공지능을 프레임워크, 라이브러리 처럼 누구나 가져다 쓸 수 있는 세상 = O. 이걸 가져다 써서 조그만 사이드 프로젝트 같은 웹앱 만드는 걸 오픈소스 기여도 아니고 일반인도 누구나 인공지능을 개발한다는 건 이상한 말 아닐까요.. 물론 섬네일 및 과장 표현은 쉴드 못쳐주겠지만
오 댓글 중 가장 정확한 강의 요약이네요. 인공지능 개발은 아니고 인공지능이 들어간 프로덕트 개발이라고 할 수 있겠습니다!
끝임없이 공부하신다는게 느껴집니다 조코딩님 유익한 정보 알기쉽게 풀어주셔서 너무 감사합니다 책도 너무 좋아요!
감사합니다😄
인공지능은 멀리 있는게 아니고 우리랑 굉장히 가까이 있고 누구나 시도할 수 있다는 점을 알려주신 조코딩님 감사합니다 ~!
쉬운 설명 감사합니다
조코딩님 쵝오!
조코딩님이 소개해주신 티처블머신 등을 통해 머신러닝 딥러닝을 직접 배워보고 실습해볼 수 있어서 너무 즐겁습니다. 학생이라 머신러닝이 다가가기 어렵고 그저 전문가들만이 다룰 수 있는 분야라 생각하였는데, 쉬운 방법을 통해 직접 높은 퀄리티를 구현할 수 있으니 뿌듯하네요. 항상 감사합니다.
머신러닝 딥러닝 처음 접하는데.. 레몬에이드로 예시보고 이해갔어요 🧡🧡 감사합니다 ~~~!!!
일단 제가 조금이나마 배워본 지식으로는 개발
실전 인공지능 동물상 테스트 웹, 앱 만들기 강의
ruclips.net/p/PLU9-uwewPMe2-vtJAgWB6SNhHcTjJDgEO
이거 보시면 생각이 달라지실 것 같습니다.
자동차 유튜브 업계 어그로는 숱하게 봤지만
코딩은 첨보네ㅋㅋㅋㅋ
와! 인공지능! 누구나 다 할 수 있습니다!!
ㄹㅇ 입니다
좋은 영상 감사합니다 형님
가끔씩 조코딩님 영상 즐겨보는 전공자이지만 지금은 다른분야의 회사를 하고있는 1인입니다.. 유튜브 초반과는다르시게 요즘에는 너무 프레임워크에 의존해서 본질적인 작업은 무시한채 흉내만 내는 작업들을 어그로성으로 많이올리시네요... 앞으로 이쪽전공에서 일을하고싶으신 어린학생분들이 계시다면.. 조코딩님영상은 재미나 그냥 아 이런게 있구나 라는 정도로만 보셔야할것같아요.. 이번영상보고 더 크게 느끼네요..
어디까지나 취미로 하는건 말리지 않음. 근데 전공으로 밥벌어먹고 살 사람이면 본인 전공공부 특히 수학과목 피하지 말고 성실히 수강하길 바랄뿐임. 수학 요리조리 피하면 결국 자기가 갈 수 있는 쪽은 웹 프론트 밖에 안 남음. 웹이 나쁘단게 아니라 전공자로써의 가지는 메리트 전부 날리는거. 미적분은 기본이고 선형대수, 확률론, 신호처리, 수치해석, 본인 학부에서 안 열리면 타과 수업 찾아서라도 들어라. 이걸 들어야 취급할 수 있는 데이터(영상, 음성, 3d그래픽모델 등등) 도메인이 넓어진다. 그리고 프레임워크 파고, 라이브러리 가져다 쓰는거에 밤새면서 건강/시간 허비하지 말고 전공심화 과목(멀티코어 프로그래밍, 멀티미디어압축, 컴퓨터비전, 그래픽스, 데이터사이언스, 인공지능(단, 딥러닝 위주 수업은 대게 시간강사 쓰고 알맹이도 없고 거르는거 추천))이나 더 담아 듣자. 전공필수만 듣고 전부 다 아는냥 컴공뽕 차가지고 창업한답시고 이거저거 쑤시기엔 시간과 등록금이 아깝다. 진짜 창업할거면 차라리 경영학 전과를 하던가 퇴학해라 cs전공으로 시간 버리지 말고.
초기부터 보셨다먼 더 잘아실텐데요. 조코딩 채널은 깊이있는 지식을 추구하는 목적은 아닙니다. 누구나 쉽게 실용적으로 활용할 수 있는 코딩 지식들을 교육합니다.
즉, 전공 유무나 사전 지식 전혀 상관 없이 초등학생부터 노인분들까지 누구나 할 수 있는 코딩을 추구합니다. 그리고 그런 지식이 단순 예제가 아니라 그걸로 돈을 벌거나 일상에 효율을 높이는 등 큰 도움을 주는 방향으로 쓸 수 있도록 합니다.
본질은 "실용성"이지 "전문성"이 아닙니다. 전문성 높고 심도있는 기술을 추구한다고 돈을 많이 벌거나 일상이 편리해지 않습니다. 가장 적게 배우고 많은 것을 이룰 수 있도록 돕는게 이 채널인데 전혀 다르게 보고 계신 것 같네요.
@@람쥐쳇바퀴
혹시 물리학은 필요있을까요??../?
영상 잘봐왔습니다.
딴지는 아니지만 이런 블루오션 분명 현재 가능성이 오고 있는데요.
금방 얕은 서비스는 고도화된 서비스에 대체 됩니다.
즉 조코딩님이 말씀하시는건 이해가나
지금 ai가 고도화로 가고 있어요…
간단한 학습으로 프로덕트를 만들면 뭐해요
당장 몇천 만원 번다고 다음달에 비슷하고 고도화된 서비스 몇백개가 생기는데 ..
제발 근시안적으로 보지마시고 조회수용 약간
어그로다 보는게 맞는거 같습니다.
제목이야 어그로지만 "ai가 고도화로 가고 있다"는 얕은 서비스와는 큰 상관이 없습니다.
"동물상 테스트"의 성공이 AI의 엄청난 기술력 때문이라고 생각하시나요? 전혀 아닙니다.
AI 판단 결과 멘트가 재미있어서 SNS 바이럴이 되고 코로나 시기에 적절한 놀이 문화가 되어 전세계에 유행하였습니다.
지금 당장 대기업이 엄청난 성능의 AI를 붙여서 이 서비스를 만들어도 아무도 관심 갖지 않을 것 입니다. 정확한 판단이란게 이 서비스에서 중요한 요소가 아니니까요. 그냥 적당히만 판단하고 멘트가 재미있어서 SNS 공유를 하고 싶게 만드는게 이런 테스트류의 성공에서 중요합니다. 이거는 고도의 기술과 아무런 관련이 없습니다.
삼룽이님도 근시안적으로 보지마시고 왜 특정 서비스가 성공하였는지 본질을 보시기 바랍니다. 기술은 그냥 하나의 요소에 지나지 않습니다.
그냥 제목 어그로 사과하는게 맞아보이는데 ㅋㅋ
좋은 내용 감사드립니다!
사과랑 토마토 구분하는 거 엄청 신기하네요 잘 보고 갑니다~
조코딩님 유익한 영상 감사합니다
감사합니다!ㅎㅎ
녕안하세요.
인공지능 박사 이루기 위해 인공지능을 공부하고 있는 고3 입니다.
초보자들이 입문하기엔 가장 좋은 강의라고 봅니다.
여러 강의들을 보았지만, 전부 미분을 사용하여 최솟값 찾아서 찾은 최솟값으로 어떤 식으로 작용하는지, 경사하강법을 사용해서 최솟값을 찾는 방법,
learing_rate가 모델 학습에 어떤 작용을 하는지 전부 인공지능에 대한 개념과, 고2 정도의 수학 수준이 되야 이해하는 강의들이 대부분 이었습니다.
인공지능을 단순히 접해보고 싶다면 티쳐블 머신 강력히 추천 드리지만, 인공지능에 대해 전문적으로 공부하고 싶다면,
텐서플로우, 케라스 등 패키지로 하나하나 프로젝트를 해보는 것을 추천 해봅니다.
인공지능 개발자 수요를 보시면, 대부분 석사 학위(연구원) 이상입니다.
인공지능 툴이 쉬운거지 인공지능 개발이 쉽다고 생각한다면, 큰 오산입니다.
이건 저의 생각일 뿐입니다. 참고만 하셨으면 해요. .ㅋㅋㅋ
좋은 강의 감사합니다. 책 구입하겠습니다.
감사합니다!
인공지능을 필드에 적용한다. 이건 대기업에서나 해볼수 있는 시도입니다. 기업이 리스크를 감수한다는게 쉬운일이 아닙니다. 막말로 기존 방법으로도 잘 굴러가던 시스템을 인공지능으로 바꾸었을때 문제가 생기면 누가 책임을 집니까? 스타트업이 아닌 이상 정상적인 사고를 가진 대표님들은 절대 도입할 생각을 안해요. ㅋㅋㅋ 그냥 신기한 기술 정도로만 받아들이시고 넘어가셔야지 취준한다고 인공지능 공부하는 일은 없으셔야 합니다.
17:09 여기 사례 보시면 꼭 그렇지는 않습니다. 그냥 가볍게만 배워도 충분히 활용하기 좋은 세상입니다.
"취준한다고 인공지능 공부"이거는 "직장인 AI 전문가"가 되기 위한 것이라면 이 영상과는 다른 영역입니다. 그건 아래 영상을 참고해주세요! 빅데이터 마이닝 최고 전문가 조성준 교수님과의 커리어 인터뷰입니다.
ruclips.net/video/nPjsKGi1EIQ/видео.html
@@jocoding그걸 근거로 들기에는 조금 빈약한 사례인거 같고요. 제가 이야기하고자 했던 부분은 단순히 적용했더니 잘된 사례도 있더라가 아니라 얼마나 믿을수 있느냐에 관한 리스크 관리 측면의 이야기입니다. 사업을 할때 가장 중요한 부분이 바로 이 리스크 관리가 되느냐이고 인공지능은 그부분에 있어 아직 취약하다는 것은 너무나도 명백한 사실이거든요. 이것은 2017년 ICML에 게재된 "on calibration of modern neural networks"라는 논문에서도 확인하실수 있습니다. 현대 모델들은 과거에 비해 정확도(accuracy) 성능자체는 향상되었을지 몰라도 조정(calibration) 성능은 오히려 떨어져 현장 적용이 힘들다는 문제를 지적하고 있습니다. 이것은 아직도 해결되지 못한 문제이고 현재 활발하게 연구되고 있는 부분입니다. 그런데 아직 개선할 여지가 많은 기술을 현장에 적용한다라... 저는 쉽지 않다고 봅니다.
@@강제욱-s1b
ruclips.net/video/4xU0mGr4gvM/видео.html
오랜만에 댓글 보다가 남깁니다. 위 링크에 나온 인공지능을 필드에 적용한 Lensa AI와 같은 서비스, 스노우 같은 서비스 및 어마어마한 작은 앱들이 많이 나왔는데 "리스크를 감수한다"는 측면이 어떤 것이 있나요? LensaAI가 본인과 닮지 않은 사진이 나오는 거? 그게 도전을 멈출 정도로 큰 리스크라고 볼 수 있나요? 개선할 여지가 많은 기술도 당연히 써먹을 곳이 있죠. 고객이 실제로 돈을 지불하고 만족할 수만 있다면요.
으응 니가 틀렸어 망상수쥰~ㅋㅋ
초기의 자동차는 몇몇 전문가나 소수가 사용할 수 있었지만, 지금은 누구나 몰수 있도록 점점 간단해지고 오토파일럿까지 발전되고 있지요. 세상의 모든 것이 마찬가지인 거 같습니다. 세상에 나오기 시작하고 많이 필요해지면 그것이 다루기 쉬워지는 건 당연해지겠죠. AI도 마찬가지 일 거라 생각합니다. 예전보다 훨씬 다루기 쉬워진 만큼 자신만의 아이디어로 쉽게 앱을 만들 순 있고 돈도 벌수 있지만, 그 아이디어에도 한계가 있지요. AI가 어렵다고 이야기하는게 아닙니다. 희소성에 대해 이야기 하는것이지요. 그리고 이 희소성은 누구나 할 수 있는 만큼 빠르게 소진됩니다. AI로 할 수 있는 단순 일이 있다면 일시적으로는 할수 있겠지만, 결국 이 단순한 것도 금세 AI에 의해 대체됩니다. 다시말해 장기적인 발전과 커리어를 위해 다가간다면 분명 더 깊은 공부를 해야 할 것입니다. 또한 언제까지 구글이나 대기업에서 제공하는 툴에만 의존하여 개발할 수는 없습니다. 물론 이런 영상의 목적이 일단 쉽게 접해보고 재미를 가지게 하는 좋은 취지는 있지만, 무턱대고 시작해 보라는 자칫하면 무책임해 보이는 느낌도 있어 보입니다. 블루오션이니 얼른 시작해봐라 라는 느낌보단(이런 부분에서 부정적인 의견들이 많은것 같네요), 현재의 AI의 발전과 상황을 소개해주고 다양한 툴과 기술들에 대한 설명만으로도 저같은 사람들한테 매우 잼있고 좋은 정보들이 많아보입니다. Two Minute Papers 채널이나, 노마드 코더 채널처럼말이죠. 결국 스스로 실행에 옴기고 고민하고 발전하는 사람들만이 끝까지 살아남을수 밖에 없을 것 같습니다.
블루오션인데는 다 이유가 있다............
조회수 급한건 알겠는데 이렇게 어그로 끌면 안되는거 아닌가요 ㅎㅎ...
어그로였다니
좋은 내용 감사합니다
시청해 주셔서 감사드립니다!
늦게 봤다는게 손해ㅋㅋㅜ
일찍볼걸,
인공지능이란 임의의 데이터들이 가진 특징들의 확율적 관계
ㅋㅋㅋ너프한 수준의 작업은 여기서 말하는 수준으로 가능합니다만…실제로 제품같은데 적용되는 인공지능 모델을 개발하능 것은 쉽지 않죠,,
모든 상황에서 얕은 지식으로 적용은 어려울 수 있지만 도메인에 따라서 충분히 단순한 상황에서 적용할 것도 많은 것은 사실인 것 같습니다. 17:06에 나온 것이 그 사례입니다!
저만 주장하는 것은 아니고 빅데이터 최고 전문가 조성준 교수님도 전문가가 아닌 "시티즌 데이터 사이언티스트"로서 도메인 지식과 결합할 수 있는 것이 중요하다고 강조하셨는데 그러한 영역으로서 활용할 사례가 충분히 많을 것 같습니다.
ruclips.net/video/nPjsKGi1EIQ/видео.html
조코딩님 영상만 보다가 이렇게 답글 남기게됬습니다.
되게 간단히 입문자용 영상으로는 되게 잘 설명하신 것 같아요.
개발쪽으로 가지만 않은다면 그렇게 어렵지도 않으니까 괜찮구요
영상 감사합니다.
저도 매번 빠르게 댓글 남겨주셔서 항상 감사드립니다! :)
난 이사람 인공지능 한번이라도 제대로 개발/연구해본 사람인지 궁금하다. 업계 6년차인데 transfer learning만 하면 쉽게 뚝닥 다 만들어지는것 처럼 말하는데 절대 결코 그렇지 않다. 정말 반박할 포인트가 너무 많지만, 다른걸 다 떠나서 transfer learning 했는데 원하는 결과가 안나오면 어떡할것인가?. 학습이 잘 안될 요소는 너무 많은데 원하는 결과가 안나오면 나만 수준 이하의 사람이 되는것이다. 또 그대 말대로 좋은 모델을 잘 가져와서 앱을 만들던 서비스를 한다고 해보자, gpu 환경조성부터 효율적으로 멀티 gpu를 사용하여 서빙하는것까지 사용자가 원하는 수준의 inference를 제공하기까지 난 아직도 배울게 너무 많다고 생각하는데, 이걸 이렇게 쉽다고 치부해버리는게 정말 받아들이기 힘들다(남이 다 만들어 놓은 api call은 제외(이건 서비스라고 보기도 힘들고 추후에 문제가 생김). 일반 개발자들은 gpu를 사용해볼 경험이 적다. 그리고 환경이 세팅된 클라우드를 쓴다고 하더라도 inference모듈을 서빙까지 개발하기 위해 torch나 tf레벨의 코드를 자세히 이해하지 못하면 절대 서빙 불가능하다. 서로 바라보는 입장차이가 분명 있겠으나 내가 그 차이를 이해하려고 노력해도 어그로라고 밖에 안보인다. 동의한다면 시청자를 기만하는 콘텐츠를 스스로 삭제해야된다고 생각한다.
그쵸 transfer learning만 믿고 했는데 기초도 모르는 사람이 그것을 과연 디버깅이 가능할까요? 자료구조 알고리즘도 못한 사람이 과연 코드분석 자체를 할 수 있을까요? 많은 의구심이 드는 영상이네요,,
@@pg_a-d3e 그렇죠. 코드단(네트워크 구성) 뿐만 아니라 데이터에 대한 이해 도메인에 대한 이해가 없으면 해결할 방법이 없죠. 모든걸 다 잘 알아도 안되고 그걸 분석하기 어려운 분야가 인공지능인데. 참쉽죠~식의 영상 협오스럽네요
그냥 라이브러리를 활용하는 수준으로 설명한듯합니다.
인공지는이 정말 어렵고 힘든 분야인데 마치 누구도 전문가가 될 수 있을것 처럼 설명하는게 문제입니다.
갖다 쓰는건 누구나 할 수 있지만, 가져다 쓴 알고리즘 분석을 할 수 있는 사람들이 몇이나 될까요..
그쵸 진짜 인공지능에대해 쉽다고 말할 자걱도 안되는 사람이 어디서 대충 말장난식으로 그럴싸하게 사람들 속여먹는게 진짜 너무 역겹네요
실전 인공지능 동물상 테스트 웹, 앱 만들기 강의
ruclips.net/p/PLU9-uwewPMe2-vtJAgWB6SNhHcTjJDgEO
제대로 개발/연구해본 사람 아니여도 위와 같은 프로덕트를 만들고 앱스토어 2위 찍고 수천만원 수익 낼 수 있었습니다. 그대로 따라서 만든 구독자분들도 계시고 저보다 더 성공하시기도 하셨고요.
"직업적인 직장인 AI 전문가"가 되는 것이 이 영상의 목적이 아닙니다. 그런 말은 일체 한마디도 나오지 않았고요. 그냥 AI 활용해서 프로덕트를 만들기 좋은 세상인 것 입니다. "남이 다 만들어 놓은 api call"로 쉽게 모델을 서빙할 수 있는 서비스들도 계속 나오고 점점 쉬워지고 있습니다.
"직장인"으로 성공이 아니라 AI 프로덕트로 성공하는 것은 기술적인 것과 큰 연관이 있지는 않습니다.
인공지능 쪽은 생각보다.. ’쉽다‘라는 말에 민감하신 분들이 많네요..😢
’수학, 물리‘와 같은 학문 입문서에 ’쉽다‘라는 말이 있다고 해서 화를 내시는 전문가 분들은 별로 안계셨던것 같은데..
1. 본인들이 하고 있는 것이 '쉽다'고 표현한 것에 대한 반발심
2. 이러한 영상으로 더욱 많은 인재들이 인공지능 분야에 진출할수록 본인들 밥그릇이 위태로워짐
국비지원에 네카라쿠배 초봉 6000만원이라고 박아놓은거랑 비슷한겁니다
@@justcodeit. 인공지능으로 취업하기 쉽다는 거 아니래는데 왜 자꾸 .. 그냥 서비스에 적용하기 쉽다는 취지로 말한 거 아닌가요 물론 제목 썸네일 어그로는 좀 거부감 들긴 합니다만
음... 영상에 공부, 코딩 못하는 사람도 AI할수 있다..! 라는 식으로 말하는것부터 좀 실망스러워요... 감기라는 증상을 아셨다구요? 여러분들은 이미 의사입니다! 라고 말하는 느낌...? 이번영상은 너무 책임감 없는 말이 가득한 영상같아서 좀 실망스러워요...ㅠ 애초에 영상처럼 단순히 유명한 모델을 이용하는걸로는 ai쪽으로 취업 못합니다...ㅠ
@@justcodeit. snow는 네이버 자회사 아닌가요? snow앱이 괜찮은 서비스인건 맞지만 snow가 이 정도 성공을 거둔 게 정말 기술때문만이라고 생각하세요? 아닐텐데요 .. 그리고 애초에 일개 개인이나 작은 팀이 어떻게 그 정도의 서비스를 개발하겠습니까. 당연히 말도 안되죠. 애초에 예시가 잘못된 거 같아요
이미지 검색 관련 쎔플 코드도 부탁 드립니다. 조코딩님 화이팅~!
인공지능은 어렵습니다 파면팔수록
깊게 파면 어느 분야나 어렵겠지만 굳이 모든 사람이 그럴 필요는 없다고 생각하며 AI 모델 받아다가 활용할 정도로만 얕게 공부해도 엄청난 것들 만들 수 있고, 간단히 기존 모델에 Transfer Learning하는 방법만 알아도 그 응용 분야가 더 어마어마해 질 수 있습니다!
@@jocoding 그거는 개발자 아니고 다른 분야 사람들도 배우면 할 수 있는거 아닌가요
저 분이 말하는 건 인공지능에서 경쟁력을 갖춘 사람이 되려면 어렵다고 말하는거같네요
@I AM Carrrot
맞습니다. "직장인 AI 전문가"가 되는 것은 경쟁이 심하고 배워야하는 지식도 많고 어려운 일이죠. 그런데 요즘은 굳이 직업적인 전문가가 아닌 일반 사람들도 간단히 모델 받아서 본인에 맞게 쓸 수 있는 AI 지식만 알아도 자기 도메인 지식과 융합하여 만들 수 있는 결과물들이 엄청난 세상입니다. 이번 영상은 그러한 주제에 대해서 말한 영상이고요!
음... Ai는 블루오션이라는 말이 어울리는 분야는 아닌거같아요ㅎㅎㅎ AI는 다들 하고싶어도 그 깊이와 지식의 양이 방대해서 전문가로 성장하기에 매우 큰노력과 어려움이 있는 분야...죠...ㅎ 마치 지방에 의사 수가 부족하니 학생들에게 지방에서 의사를 하는건 블루오션이니 여러분들도 손쉽게 한번 도전해보세요! 라고 말하지는 않는것처럼 말이에요...ㅎ 특히 코딩, 공부 모르겠어라고 말하는 분들한테도 기회라는 말은... 음 모르겠네요 그냥 그런분들이 ai는 물론이고 개발을 하는건 그냥 시간을 버리는거라 생각해요.. 좀... 잘못된 정보를 공유하는 책임감 없는 영상같아서 살짝 실망스럽네요
동감합니다. 배워야하는 양이 매우 많다보니 수학적 논리도 없이 적당적당하게 배우는 것은 시간을 버리는 것이라고 생각합니다,,
"전문가로 성장하기"가 주제가 아니라 "전문 지식 없이도 AI를 활용하기 좋으니 프로덕트를 만들기 좋은 세상이다"가 핵심입니다! 얕은 지식만 배우면 본인 도메인과 결합하여 어마어마한 응용이 가능하니 시간 버리는 것이라고 전혀 생각되지 않습니다.
저만의 생각이 아니라 빅데이터 마이닝 최고 전문가 조성준 교수님도 "시티즌 데이터 사이언티스트"의 중요성을 강조하셨고요.
ruclips.net/video/nPjsKGi1EIQ/видео.html
조코딩 님의 말에 매우 동감합니다🎉
@@jocoding 본인 도메인에 끌고 왔을때 많은 이점이 있다는 것에는 동의합니다 다만 요즘 정보공유방에서 파이썬 문법도 모르고 다짜고짜 질문하면서 프로덕트 개발하려는 분들 보면 저게 과연 돌아갈까 의구심이 많이 듭니다
일단 머신러닝 및 데이터 분석을 먼저 배우고 인공지능을 하시던가 꼭 데이터 분석을 나중에라도 배우시기 바랍니다. 통계도 마찬가지요. 데이터 분석 및 통계 배경지식이 있으면 과거 실패한 딥러닝 프로젝트가 왜 실패했는지 설명해줄 겁니다.
거대한 특이점에 시작점이다
고맙습니다
인공지능 매력적인 분야고
dall-e-2 이미지 제작에 필요한 학습 데이터 제작이나
Gpt-3
행동 추정 머신러닝하는... 뭐더라.. 아무튼 등등 다 배우고 싶은데 ... 몸이 하나네요 ㅠ
wix 같은 툴을 다룬다고 누구나 프론트엔드 개발에 뛰어들 수 있는게 아닌것을 조코딩님이야말로 잘 아실겁니다.
핀트가 전혀 다른 것 같네요. 제가 말하고자 하는 건 그런 wix로 웹 기반 사업에 성공할 수 있다는 겁니다. AI도 좋은 모델과 솔루션이 계속 나오니 간단히만 알아도 실용적으로 활용할 수 있게 많다는 것이고요. 이 영상은 "직업 AI 전문가"가 목표가 아닙니다.
@@hyungjoon-lee
일단 저부터 있고요. 관상테스트, 첫인상 테스트 만든 구독자 분들도 계십니다.
ruclips.net/video/gHQvJKJWazA/видео.html
최근에는 lensa ai가 하루 $1M 수익으로 유명하죠.
ruclips.net/user/shortsBz4UukP4ruM?feature=share
여기 사용된 Dreambooth 기술은 오픈소스로 널려있는 상황이라 딱히 깊은 지식이 필요하지 않습니다.
@@hyungjoon-lee 연구자들이 대박친 케이스가 더 적을 것 같네요. 그들이 만든 것을 활용한 제품이 대박을 쳤으면 쳤지요
좋은 영상 감사합니다. 실제로 프로덕트를 만들어보고 싶은데 저 책에 관련 정보나 강의가 나와있나요?
네 맞습니다! 책이 아니더라도 아래 영상을 통해 직접 만드실 수 있습니다.
실전 인공지능 동물상 테스트 웹, 앱 만들기 강의
ruclips.net/p/PLU9-uwewPMe2-vtJAgWB6SNhHcTjJDgEO
영상 안보고 댓글을 보면 AI쉬운거니 빨리 배워서 스타트업을 시작해라!!! 인줄 알겠어요...
영상내용은 대충 요약하면 기업들이 AI 분야 석박사들을 고문해서 AI를 쉽게 쓸수 있게 만들어놨으니 한번 찍먹 ㄱㄱ 인거 같은데요...
정확히 요약해주셨네요.. 영상에서도 계속 고액 연봉 똑똑하신 분들이 만든 것을 쓰는 것에 대한 이야기를 했는데 대부분 영상을 안보시는 것 같습니다.
@@justcodeit. 그니까 영상에 요지는 님 말처럼 광대한 량에 데이터를 여러 성능을 고려해서 양질의 자료를 만들수도 있지만 촬영되고 있는 과일이 토마토인지 사과인지 분간하거나 내가 닮은 동물찾기 같은 단순한 거는 쉽게 만들어볼수 있다는거 아닌가요?
@justcodeit 전혀 다른 핀트로 그냥 화가나신 것 같네요. 채널 주인된 입장으로 댓글창은 영상과 관련된 이야기를 하면 좋겠습니다.
"사업모델이 맞아서 저 모델링과 비슷하다면"
=> 본인도 말씀해주셨는데 이런 경우만 쓰면 되지 무슨 일반 사람들이 굳이 모델링을 다 일일히 맞춰서 합니까 새로운 모델과 솔루션이 쏟아지는 세상에 자기 도메인에 딱 맞는 필요한거 나올때 집어서 활용하면 되는거지요. 그게 블루오션인 것이고요.
중요한건 "찍먹"만 가능하다는 점..
저도 이런 기술 배워서 다른 사람들에게도 이러한 기회를 저도 주고싶은데 이런 기술은 어디서 배울 수 있을까요...
우연히 저는 공군 근무 중 순직하신분 ai 기술로 대화할 수 있게 해주는 영상보고 나도 저런 기술 가져서 다른 사람한테 해주고싶다
라고 생각이 들었는데 어디서 어떻게 공부해야할지... 뭐부터 해야할지... 아무것도 몰라서 계속 찾아보고 있는데 정말 꿈이 돼버렸어요.. ㅠㅠ
혹시나 이 글이 관련 직종에서 근무하시는 분께서 보시게되면 도움 좀 주시면 안될까요 정말 배우고싶습니다
@16:12 '하락장 어떻게 대응해햐하나.....'에 정신이팔려서 내용이 잘 않들어와요... ㅜㅜ
잘 보겠습니다!
봐주셔서 감사합니다! :)
이 영상만 보고서 우리회사 개발자들은 왜 이런것도 못하는거지? 라는 오해가 안생겼으몀 좋겟네요😂
그건 영상을 재대로 보셨다면 그렇게 오해하는 사람이 이상한겁니다ㅋㅋ
계산은 기계가 하지 않나요 ? 아니면 사람이 계산과정을 만들어 식으로 넣어주나요?
계산은 기계가 하지만 어떤 프레임워크로 계산해야 할지는 인간이 정해줍니다!
조코딩님 썸네일 로봇 쫌 무섭잖아요((((👀)))) 🤭😁😆 데이터가 진짜 중요한것 같아요. 그걸 잘 활용하는게 기회인데 이게 참 쉽지가 않네요😅 지난 영상들도 다시 봐야겠어요!
감사합니다!ㅎㅎ
저는 최근에 회사에 자료만들어서 내야될 문서가 있었는데 첨부 사진중에 도통 구할수 없는게 있어서 미드저니에 오더넣어만든 그림으로 첨부했어요 진짜 영감을 주는 에이아이라고 해야되나 ㅋㅋ 잘 안풀릴때도 너무 유용하더군용
저도 이 썸네일 stable diffusion으로 웃는 로봇 만들어냈습니다ㅋㅋ 일상에서 활용할 것이 무궁무진합니다.
👍
🎯 Key Takeaways for quick navigation:
00:00 🤖 *Introduction to Artificial Intelligence*
- Artificial Intelligence (AI) is a broad concept, including rule-based systems and machine learning.
- Machine learning involves learning from data to create models, while deep learning is based on artificial neural networks.
- The speaker introduces the three main categories of AI: rule-based, machine learning, and deep learning.
01:12 🧠 *Basics of Machine Learning*
- Data is essential for machine learning, and it involves converting information into numerical form for algorithmic learning.
- The process includes training a model on existing data and using it to predict or analyze new, unseen data.
- An example with predicting lemonade sales based on temperature illustrates the concept of machine learning.
02:47 📈 *Model Evaluation in Machine Learning*
- Model evaluation involves assessing the accuracy of predictions by comparing them to actual data.
- The speaker explains how different models may fit the data, and machine learning aims to minimize prediction errors.
- The example of choosing the best-fit line for predicting lemonade sales illustrates model evaluation in machine learning.
03:43 🎯 *Refining Machine Learning Models*
- Machine learning involves finding the ideal model by drawing multiple lines and minimizing prediction errors.
- As more data is available, the model becomes more accurate, but unusual data can introduce inaccuracies.
- The process includes adjusting weights (w) and bias (b) in the model to minimize errors and improve accuracy.
04:12 🔢 *Creating Models and Making Predictions*
- Generating a model involves creating a mathematical equation (e.g., y = wx + b) based on training data.
- Once the model is established, it can predict outcomes for new data, allowing for informed decision-making.
- The example of predicting lemonade sales at 22.5 degrees demonstrates the application of the created model.
05:09 📊 *Multivariate Models in Real-world Data*
- Real-world predictions often require considering multiple variables influencing the outcome.
- The speaker introduces a more complex model for predicting house prices, incorporating multiple independent variables.
- Despite increased complexity, the fundamental principle of minimizing errors to find the optimal model remains consistent.
06:05 🧠 *Introduction to Deep Learning*
- Deep learning is a subset of machine learning focusing on algorithms based on artificial neural networks.
- Neural networks are inspired by the structure of the brain, consisting of interconnected neurons.
- The speaker explains the concept of perceptrons, building blocks of neural networks, and their role in calculations.
06:47 🚀 *Impact of Deep Learning on Performance*
- Deep learning significantly improved performance, as demonstrated by the increase in accuracy in image recognition contests.
- The graph shows a notable improvement in accuracy after the adoption of deep learning techniques in 2012.
- Deep learning's superior performance has led to its widespread use in various artificial intelligence applications.
07:15 🏋️ *Transition from Machine Learning to Deep Learning*
- Introduction to different jumping techniques in high jump as a metaphor for the evolution from traditional machine learning to deep learning.
- Initially, models were created using conventional machine learning methods, but the introduction of deep learning significantly improved performance.
- Deep learning, represented as a backward jump in the analogy, has become the preferred approach for creating advanced models.
08:10 🛠️ *Simplifying AI Implementation with Tools*
- Despite the perception of AI coding being challenging, various user-friendly tools have emerged to simplify the implementation process.
- Frameworks like TensorFlow and PyTorch offer pre-implemented libraries, making it easier for individuals to apply AI without extensive coding knowledge.
- Introduction of Keras as a high-level neural networks API, showcasing how complex structures can be implemented with minimal coding.
09:20 🤖 *Google's Teachable Machine and Accessibility of AI*
- The release of Google's Teachable Machine in 2019 marked a significant milestone in making AI accessible to everyone.
- Teachable Machine allows users, including young children, to apply AI without intricate coding, fostering creativity and innovation.
- Highlighting the case of a 6-year-old creating an AI model for distinguishing between dogs and cats, emphasizing the tool's simplicity.
10:13 🚀 *Empowering Young Minds with AI*
- Illustration of how a 2nd-grade student used Teachable Machine to create an AI model for distinguishing between dogs and cats.
- The example showcases the unprecedented ease with which even young learners can engage with and apply deep learning.
- Emphasizing the shift towards a world where creating AI products is feasible for individuals, regardless of age or coding expertise.
11:00 🍎 *Teachable Machine for Image Recognition*
- Demonstration of using Teachable Machine for image recognition by collecting data for apples and tomatoes.
- The tool simplifies the process, allowing users to train models without extensive coding, using a webcam to gather image data.
- Showcase of the model accurately distinguishing between apples and tomatoes, even in situations where human differentiation might be challenging.
12:12 🧠 *Simplification of AI Model Implementation*
- Introduction of Teachable Machine as a user-friendly tool that simplifies the creation of AI models without the need for in-depth coding.
- Availability of pre-trained models for download, enabling users to easily incorporate AI models into their projects.
12:54 🖼️ *Understanding Image Recognition and Datasets*
- Explanation of image recognition principles, specifically using Convolutional Neural Networks (CNN) to analyze image features.
- Reference to datasets like ImageNet, emphasizing the importance of labeled datasets for training AI models.
13:49 🏆 *Evolution of AI in Image Recognition*
- Comparison of AI and human performance in image recognition, with AI models surpassing human error rates.
- Highlight of the historical moment in 2015 when AI, represented by ResNet, exceeded human performance in image recognition.
14:31 🔄 *Transfer Learning and Pre-trained Models*
- Introduction to transfer learning as a concept leveraging pre-trained models developed by experts in the field.
- Emphasis on the vast amount of data and research behind these models, making them valuable resources.
15:44 🤖 *Application of Transfer Learning*
- Showcase of practical applications using transfer learning, specifically creating a custom model for image recognition.
- Explanation of how adding a custom layer to a pre-trained model allows the creation of specialized models for unique tasks.
16:54 🌐 *Impact on AI Development and Accessibility*
- Discussion on thedemocratization of AI development, thanks to pre-existing models that eliminate the need for specialized knowledge.
- Illustration of subscribers developing AI applications after learning from the Teachable Machine 2.0 video.
17:51 🌐 *Success Stories and Impact of AI Applications*
- Examples of successful AI applications, such as the Animal Face Test app, gaining over 30 million views.
- The app surpassing popular social media platforms in rankings, highlighting the immense popularity of AI-driven products.
18:48 🚀 *Accessibility of AI Development*
- Discussion on democratizing AI development, enabling non-experts to create AI projects through events and community involvement.
- Presentation of non-experts, including university students, successfully creating viral AI applications.
20:11 🚀 *Advancements in AI: GPT-3 and Future Possibilities*
- Introduction to GPT-3, OpenAI's powerful language model, and its groundbreaking capabilities.
- Examples of GPT-3 generating React code and SQL queries with natural language input.
21:35 🤖 *Advancements in AI: AI Coding Assistants*
- Introduction to AI coding assistants like "Copilot" on GitHub.
- Showcase of AI-generated code completion, demonstrating automatic code generation based on natural language comments.
22:45 🌐 *Multilingual AI Capabilities*
- Discussion on AI's proficiency in multiple languages, highlighting the development of KO GPT for the Korean language.
- Demonstration of AI understanding and generating code in Korean, debunking the misconception that AI is limited to English.
23:58 🎨 *Creative AI Applications*
- Exploration of AI's creative applications, showcasing AI-generated images based on textual prompts.
- Examples of AI creating surreal and realistic images, including scenarios like solving a trolley problem.
24:12 🌍 *AI Accessibility and Industry Impact*
- Quoting statements from experts like Kim Sung-hoon and industry leaders emphasizing the accessibility of AI even for non-programmers.
Made with HARPA AI
인공지능쪽 일하고 싶은 고딩인데 석박사까지 따고 인공지능쪽 일해야하는줄 몰랐네요 ... 벌써부터 힘들어보입니다............................ai 에 대해 관심 있어서 그런데 ai쪽에서 일할때 필요한 것들이 뭐가 있을까요?
너무 재밌게 봤습니다. 근데 영상에나온 KOGPT는 한글로 치면서 코딩하는 방식인건가요? 그럼 한글로 앱도 만들수 있는 프로그램인건가용?
KOGPT는 GPT-3와 유사하게 한글로 입력과 출력이 잘 나오도록 한글 데이터로 학습시킨 것 입니다!
특별히 코드를 짤 수 있도록 만든 것은 아니여서 추가적인 변형이 필요합니다.
인공지능 쪽이 블루오션인건 맞다만 앞으로의 기술들은 더 발전된 형태이기에 결국 석박 정도는 돼야 경쟁력이 있을 거에요.
응 아니야
일단 지금 배우면. 모셔 간대요 ㅎㅎ 초봉이 5천에서 1억 까지 라고 하니 빨리 배우세요 서버도 함께 배우면 됨. ㅎ 클라우드 넘어 가니.
음... 지나가던 컴공과 학생입니다. AI가 블루오션이라는 말은 진짜 한평생 살면서 처음 들어봤습니다. 뭐 그냥 그렇다고요. 마저 지나가겠습니다.
현직자들이 어해하지 않게 설명할때 첨언이나 미리 오해를 하지 않도록 고려해서 영상을 만들기 바랍니다. 그냥 좋다고만 칭찬을 하면 당연히 우려할수 밖에 없죠 정확히 어떤 관점에서 어떤 분야에서는 가능성이 높다라고 논리 전개를 하야 납득을 하지 그냥 좋다 블루오션이다! 라고 반복만 한다면 이상과 꿈을 파는것으로만 보입니다.
좋은 영상와 인사이트를 주시는것에 항상 감사드립니다.
앞으로의 영상엔 이런 고민들이 담겨서 이런 말이 안나왔으면 하네요 영상의 본질이 흐려지네요
영상에서 웬종일 "이미 만들어진 모델 활용", "teachable machine같은 툴 활용" 처럼 전문지식 없이 누구나 활용하는 사례들 보여주고 새로운 모델들 쏟아지니 블루오션이고 활용해보세요!인 내용에 "그냥 좋다"라는 느낌이 어디서 드셨나요? 구체적인 사례와 활용한 프로덕트들 다 보여드렸는데 부족했나요?
대부분 "영상을 안봐서" 문제이지 영상을 보면 뭐가 블루오션인지 다 나와있습니다.
와.. 놀랍네요
코딩은 잘 모르지만 개발자는 일자리를 잃고 기획자가 귀해지려나요..
저런툴만드는게개발자인데뭔소리세요
개발자의 개발 효율이 높아지는거지 개발자 자체가 대체되진 않을 겁니다.
안그래도 학교에서 삼성아카데미? 해서 브라이스 틱스인가 ai활용한 수업 듣고있는데 생각보다 어렵지 않아요
약간 오해가 있는거 같은 분들이 있으신거 같은데 인공지능을 이용하여 블로그 운영 이런식의 돈벌이인거지 머신러닝 직장 카카오 구글 갈수 있다!!! 이런것이 아니네요 ㅋㅋㅋㅋ 그런거였음 진작 조코딩님이 이런 영상을 안올렸죠
맞아요
근데 섬네일에서 블루오션이네 하는 말은 이미 취업을 염두해두고 말하는게 아닐까 싶어요
AI는 오차역전파라는 개념(수학에서 1+1과 같은 기초 개념)도 이해하기 어려워요
이런거 보고 쉽사리 도전하는 친구들이 있을까 걱정되서 하는말입니다
@@하쿠나마타타-h1w 블루오션의 의미는 영상을 보시면 아시겠지만 "취업"과는 전혀 관련이 없습니다. 프로덕트를 만들기 좋은 세상이라는거죠!
@@jocoding 제가 말하는 건 썸네일의 블루오션을 말씀드리는 겁니다.
"인공지능 미친 블루오션"이라고 하면 보통 사람들이라면 취업을 생각하기 쉽습니다.
그리고 저 몇 줄의 코딩, 전이학습 만으로 인공지능 프로덕트 절대 못만듭니다.
프로덕트를 만들면 일단 배포를 할 줄 알아야 하는데, 배포를 하는 것에도 장고나 fast api, AWS 등 알아야 할게 한둘이 아닙니다.
거기에 전이학습으로 된 걸 그대로 가지 와서 프로덕트를 만든다?
학습 데이터에 대한 이해도 없이 어떤 하나의 서비스를 만드는 건 매우 위험한 생각이라고 안하시는지요?
실제로 아마존에서 학습데이터를 가지고 인공지능 면접을 실시했을 때, 남성들에게 가산점을 주어지는 등 성차별적 요소가 등장하기도 하였으며,
영국의 아마 축구에서 인공지능 카메라 심판을 도입했는데, 민머리인 심판의 머리를 공으로 착각해 그것만 따라다닌 실제 사례가 존재합니다.
원리, 학습데이터의 이해가 없는 인공지능은 정말 위험한 일인데 이를 25분만에 ㄹㅇ 블루오션 이라고 말하시는 것은 어그로 그 이상 그 이하도 아닙니다.
조코딩님이 코딩에 대해서 쉽게 알려주려는 건 감사하게 생각하지만,
도가 지나친 어그로는 삼가해주셨으면 좋겠습니다.
괜히 "나도 개발자나 해볼까?"라고 시작해서 인생의 중요한 시간을 소비하는 사람들이 많아질까 두렵습니다.(잘된다면 다행이지만...)
만약 그 사람들이 코더로 전락하게 된다면 조코딩님이 "25분 만에 설명하신 ㄹㅇ 블루오션"인 인공지능에 대체될 1순위의 사람들이 될테니깐요
전공자도 어려운 이 부분을 심한 어그로로 "이거 진짜 쉬워요!!"라고 치부하지 말아주셨으면 좋겠습니다.
@@하쿠나마타타-h1w "저 몇 줄의 코딩, 전이학습 만으로 인공지능 프로덕트 절대 못만듭니다." => 만들 수 있습니다. 아래 영상을 참고해주세요!
6살도 할 수 있는 인공지능 강의 (Teachable Machine)
ruclips.net/video/USQGTW34lO8/видео.html (1편-이미지)
ruclips.net/video/9SwdGFzFb5Y/видео.html (2편-포즈)
실전 인공지능 동물상 테스트 웹, 앱 만들기 강의
ruclips.net/p/PLU9-uwewPMe2-vtJAgWB6SNhHcTjJDgEO
구독자 인공지능 작품들
youtubejocodingeventsite.netlify.app/
이렇게 사례가 많은데 절대 못만들지 않습니다. Teachable Machine 뿐만 아니라 Streamlit 같은 서비스도 있고 streamlit.io/cloud 앞으로도 더 좋은 솔루션이 나오면 더 만들기 쉬워질 것은 자명하고요.
제시해주신 사례 "원리", "학습데이터의 이해" 이건 어려운 것이 아니라 오히려 "도메인 전문가"면 더 잘하는 영역입니다. AI에 대한 심도있는 수학적 지식이 있어야 알 수 있는 내용이 아니라 도메인에서 풀 수 있는 문제인 것이죠.
"인생의 중요한 시간을 소비"
=> 코딩 공부가 절대 낭비가 아닌데 이렇게 말씀하시는 것은 정말 이해가 안갑니다. 그냥 일주일만 코딩 공부해도 본인 적성에 맞는지 알 수 있습니다. 그 시간이 절대 낭비도 아니고 안맞더라도 요즘 시대에 업무 자동화든 솔루션 활용이든 그 일주일이 일생을 살아가는데 큰 도움이 될 것이고요. 그냥 게임하거나 노느라 일주일 보낼 수도 있는데 코딩하는 영상에 다른 취미 생활보다 인상 낭비라는 말이 많이 달리는 건 진짜 이해가 안되네요.
전공자도 어려운 이 부분을 어렵다고 안했고 누구나 AI를 활용하는 것을 어렵다고 아무도 생각 안합니다. 그 부분만 말씀드린 것이고요. 어려운 부분은 언급도 안했습니다.
@@jocoding 예전에 조코딩님은 진짜 비전공자로써 현실을 자각하실줄 알았는데 그게 아니었나보네요
"인생의 중요한 시간을 소비"라는게 단순히 일주일 만을 가지고 제가 말씀드리는게 아니라는 걸 잘 아실텐데요??
개발자 급구! 라는 언론의 과대포장과 학원들의 달콤한 거짓말에 빠져 부트캠프에서 6개월을 의미없이 지내고 취직도 못하는 사람들을 말하는 겁니다. 조코딩님 말씀대로 일주일만 공부해서 코딩이 내 적성인지 아닌지 판단할 수 있는 사람이 몇인지 궁금하군요. 나는 이미 학원에 등록해 있고 내 옆에선 모두가 문제를 풀고 있는데, 나는 아무것도 못하고 있고. 왠지 내가 좀만 더 열심히 하면 될 것 같고. 부트캠프에 등록하는 사람들의 대부분은 코딩을 단 한번이라도 해보지 않은 사람들입니다. 대부분 저런 달콤한 말에 속아서 등록하고 내 자신이 적성이 있는지 없는지를 알지 못하는 사람들입니다. 웹드라마 만드시니깐 알고 계시지 않습니까? 그리고 지금 조코딩님이 만들어 내시는 콘텐츠들이 학원들과 다를게 없어서 하는 말입니다. "일단 일주일만 해봐! 그럼 넌 개발자! 하루에 5천만원도 벌 수 있어!"라는 말은 진짜 그만 보고 싶습니다.
조코딩님..... teachablemachine 이걸로 프로젝트 내면 취직 가능할 것 같나요? 그걸로 프로젝트 만들면 소비자들이 찾아올 것 같나요? teachablemachine으로 조코딩님이 하셨던 전이학습이 가능한가요? streamlit은 저도 이번에 처음 알았는데 이건 저한테는 도움이 되겠네요 :) "파이썬을 일단 할 줄 아는 분"정도의 수준에서는 쉽겠네요. 네 맞아요 앞으로는 더 쉬운 AI 배포가 오겠죠. 그럴 때도 과연 이 시장이 블루오션일까요?
그리고 제가 제시한 사례인 "원리", "학습데이터의 이해"는 도메인의 영역이 아닌 model의 원리(쉽게 생각하면 RNN이 왜 장기 기억에 안좋은지, LSTM보다 Transformer가 더 활성화되어 있는지)를 말하는 겁니다. 학습데이터의 이해는 몇 천건 , 몇 만건에 달하는 데이터를 잘 거르고 데이터들이 편향되지 않은지를 알수 있는 "데이터 전문가"가 필요합니다. 조코딩님이 단 한번이라도 깊이를 채우시려고 노력했는지 궁금하군요. 조코딩님이 확실히 넓게 아시는 것에 대해서는 인정하오나 지금 말씀하시는 것으로 깊이에 대한 이해가 얼마나 되는지는 개인적으로 의문이 갑니다.
다시금 말씀드리지만 제가 조코딩님께 지적하는 건 "어그로성 짙은 썸네일과 제목"입니다. 자꾸 제 논점을 흐리지 말아주세요. 일단 제 자신이 비전공자에 국비지원 출신이라서 코딩이 얼마나 힘든건지 알고 있습니다. 진짜 피나는 노력을 해서 취직에 겨우 성공을 했습니다. 그리고 취직하고서도 끊임없는 공부를 해야만이 업무에 들어설 수 있습니다. 인공지능의 무한한 가능성을 보여주는 것은 좋습니다. 그러나 무한한 가능성"만" 보여주지 마시고 때로는 그 이면에 가려진 개발자들의 땀, 눈물을 비춰주시는 게 어떨지? 때로는 어려운 것을 말하지 말지 말고, 어려운 것을 말해보는 건 어떨지요?
선생님 질문있어요. 저는 현재 워드프레스나 윅스를 이용하여 사이트를 최적화 하는데있어서 공부중인데요
달리2를 이용하여 이미지 생성 및 수정을 조코딩님 동영상를보고 새롭게 알게되었어요 너무 감사하구요
제가 솔직히 이쪽분야에는 문외한데 만약 조코딩님이 말씀하신것들을 활용하여 ai를 통한 사이트 구축 및 최적화 광고활용에 용이한 기술을 가지려면
처음부터 어떠한것들을 공부해나가야할지 감이 안잡혀요 코딩도 할줄몰라요 길잡이가 되어주실수있나요? 예를들어 어떠어떠한것을 공부해라 이런거요!
조코딩님 채널 잘 보고 있습니다. 감사 꾸벅^^.
인공지능 서비스를 잘 활용할 수 있는 방법들만 모아서
컨텐츠를 제공해주셔도 재밌을 것 같습니다.
그동안 조코팅님 채널을 통해 알게 된 것은 teachable machine, copilot, stable diffusion 등등이 있었던 것 같은데,,
혹시 더 있다면 그런 콘텐츠만 추려서 다시 정리하여 알려주셔도 좋을 것 같아요~
ruclips.net/p/PLU9-uwewPMe1AsOwlodmuaap99KH_483a
여기 재생목록으로 모아두었습니다!ㅎㅎ
조코딩님 영상 잘보구갑니다! 막연하게 인공지능 AI에 대해서 정확하게 지식이없었는데 이번 영상으로 그 부족한 부분이 채워지는 느낌이 들었습니다!
감사해요😃
좋은 댓글 감사합니다!ㅎㅎ
사랑해요
대학원을 안가도 인공지능을 공부해도될까요? 대학원은 필수라고 들어서 컴공 2학년입니다...
진로를 인공지능 연구 쪽으로 가면 풀 자체가 이미 석박사를 요구합니다. 학사로는 어렵습니다.
애초에 채용공고를 보시면 석박을 기준으로 합니다 왜냐하면 상위 학회에 승인될 논문을 집필할 정도의 연구와 공부가 선행되기 때문이에요
인공지능은 박사로 가시는걸 추천드립니다
다들 불가능한 걸 추천 허네 ㄷㄷ
상관은 크게 없습니다. 인공지능 과목이 학부수준으로 내려온지는 10년도 더 넘었고 딥러닝이 내려온지도 벌써 몇 년 째입니다. 학사 출신으로도 대기업 rnd 들어가는 사람들도 없지 않습니다. 하지만 개인적으로는 대학원 나오시길 권해드립니다. 전문가급 취업시장은 어쨋든 네임밸류가 중요해요.
댓글 반응이 안좋네여 ... 영상 후반에 나온 말 처럼 초기에 스마트폰 출시 때 앱스토어에서 엄청난 기회들이 있었고 , 현재 상황이 그때와 비슷하다 -> 블루오션이다 이 말인건데..
심지어 잘 활용한 사례들도 보여주셨고 ㅋㅋ 왜 핀트를 인공지능 연구원 쪽으로 가서 욕을 하는 건지 모르겠네요. 인공지능 기술들을 활용해라 활용하는게 쉽다 이거지 만드는게 쉽다고 한게 아닌데 ㅋㅋ ( 심지어 이 말은 영상에서도 함. )
항상 다들 직업적으로만 생각하시네요ㅠ 굳이 직업 전문가가 될 필요가 없는 세상인데
@@jocoding 주체가 될수 있는 세상에서 사람들 인식은 아직도 어디에 속해야 성공의 기준이 되는것 같습니다
전공자인데 조코딩님 말 틀린거 하나 없습니다.. 다들 너무 예민하시네..
@@jocoding 자세하게
부정적인 댓글 단 바보들 보고 아직 기회가 많다고 느낍니다 ㅎㅎ
본인들이 쌓아놓은 업적이 쉽게 활용되는것 같아서 화가 머리끝까지 나지만 영상으론 깔게 없으니 확대 해석해서라도 분풀이 하고 싶어하는것처럼 보여요 ㅋㅋ
또..또또.. 제목어그로
투기장열렸네
높은 지능을 요구하는 분야가 아닙니다. 단지, 필요한 공부량이 짓눌릴 정도로 많은 분야입니다.
잘 정제된 예제 데이터로 이렇게 쉽게 된다! 라고 말하는건 사기에 가깝습니다.
시작부분에 나온 선형회귀를 진행하기 위해서는 여러 통계적 가정들이 필요한데, 그런 부분들은 쏙 빼놓으셨네요.
당연히 통계적 가정을 검증하지 않고 진행하는 모형도 많지만, 그런 모형들은 더 엄밀한 검증이 필요합니다.
최종적으로 ROI등의 비즈니스 효과까지 계산해야 현업에서 사용하기 위한 설득의 과정에 올라 설 수 있습니다.
"ml의 활용 자체는 쉽다" 라는 취지에는 동의 합니다만, 이런식의 제목어그로는 너무한것 같네요.
이미지 모델을 만들기 위해서 100장 정도로 테스트 해보고 "잘 되더라" 는 근거를 만들었다 칩시다.
그러면 이제 더 규모가 큰 모델로, 더 많은 사진을 모아서 태스크를 수행했을때, 그게 잘 된다는 보장이 없습니다.
더 큰 모델을 만들기 위해 수집한 사진이 3만장이고, 이 사진들에 비용이 들어갔다면, 이 비용에 대해서 책임질 수 있는 상황이 아닌 것이죠. 본인 사업이라면 모를까....
딥러닝에 들어가면 더 상상도 못할 비용이 들어갑니다. 트랜스퍼러닝을 언급하셨는데, 단순히 트랜스퍼러닝을 돌리는데에도 엄청나게 많은 자원이 들어갑니다.
지식과 경험이 있는 사람이라면, 모델 학습이 잘 안된 경우, 어디서 문제가 있는지, 어떤 개선 방향을 잡아야 하는지 쉽게 알 수 있습니다만, 그렇지 않다면 들어간 비용을 날리게 되겠죠.
세상 거의 대부분의 일은 쉽지만, 배워야할게 정말 많습니다. ml도 비슷합니다. 대학원 나온 전문가만 모델을 잘 만드는 시대가 아니라고 하시면서, automl은 언급조차 안하시는걸 보면, 정말.... 유튜브에 올릴 정도만 학습하시고 영상을 찍으신게 아닌가 생각되네요.
3줄 요약.
1. 천재만 하는거 아닌거 맞습니다만, 학습량 미쳐돌아갑니다.
2. 겉핥기로 사용법만 대충 배우면 대처를 못합니다.
3. 현업이면 비용문제까지 겹칩니다.
전반적으로 영상 주제와 전혀 관련 없는 것으로 비난을 하시네요. 영상 주제를 "현업에서 AI 전문가로 일하는 법"이라는 것으로 보셨나요? 영상 좀 다시 보시기를 바랄게요.
"automl은 언급조차 안하시는걸 보면, 정말.... 유튜브에 올릴 정도만 학습하시고 영상을 찍으신게 아닌가" 이런 부분은 automl이 무슨 어렵고 전문성 있어야 할 수 있는 것도 아니고 아무나 할 수 있는 건데 그걸 해야지만 전문가인가요? 그냥 automl은 하이퍼파라미터 이야기를 안 했으니 상황상 난이도 조절로 할 수도 있고 안 할 수도 있는 말인데 작성 목적이 그냥 어떻게든 트집을 잡아서 까내리겠다는 목적만 있는 것으로 보이네요.
3줄 요약으로 반박해보면
1. 천재만 하는거 아닌거 맞습니다만, 학습량 미쳐돌아갑니다.
=> 필요에 맞는 공부를 하면 학습량이 많지는 않습니다. AI 프로덕트를 만들겠다, AI 모델을 활용해서 비즈니스를 하겠다, AI를 내 도메인과 결합하여 실용적으로 써보겠다 정도면 미쳐돌아가는 학습량은 절대 아니라고 생각합니다. 빅데이터분야 최고 전문가 조성준 교수님께서 말씀하신 "시티즌 데이터 사이언티스트"를 참고해주시기 바랍니다.
ruclips.net/video/nPjsKGi1EIQ/видео.html
2. 겉핥기로 사용법만 대충 배우면 대처를 못합니다.
=> 이건 당연하죠. 다른 댓글에 wix 사례와 같은데 wix로 만들 수 있는 범위까지는 당연히 만들 수 있고 추가적인 것을 하려면 학습이 필요합니다. 목적에 따라서 대처가 필요 없을 수 있습니다.
3. 현업이면 비용문제까지 겹칩니다.
=> 비용 문제가 안겹치는 분야가 있나요? 인건비야 계속 들텐데 "시티즌 데이터 사이언티스트"로 AI 전문가가 없이도 잘되어있는 모델이나 솔루션으로 도메인의 문제를 해결하는 것은 오히려 비용 효율적입니다.
@@jocoding
이런 어그로성 글에 답글을 달아주시다니....... 감사합니다...... 그리고, 비난하려는 의도는 없었습니다. 죄송합니다.
조금 변명을 해보자면...
"AI 프로덕트를 만들겠다, AI 모델을 활용해서 비즈니스를 하겠다, AI를 내 도메인과 결합하여 실용적으로 써보겠다" 요런 부분이, 현업에서 AI 전문가로 일하겠다 랑 어떤 차이가 있는지 잘 모르겠습니다. 영상 주제는 잘 이해한것 같은데......... 그 주제에 동의를 못하겠다... 뭐 이런거죠.
1. 필요에 맞는 공부만 해서 무언가를 얻어내기에, 이 바닥은 그렇게 얕지 않습니다. 이미 좋은 서비스들이 많아서 영상으로 올리신 예시 말고도, dataiku, akkio 등 정말 이것저것 많습니다만, 최소한의 기초지식없이, 대처능력 없이 이런 서비스들을 바로 적용할 수 있을 만큼 만만한 바닥이 아닙니다.
teachable machine 은 저도 사용해봤습니다만, 저것만으로 바로 적용할 수 있을 만큼 만만한 사례는 그다지 많지 않습니다.
최소한 도메인 별로, 어떤 종류의 태스크를 수행해야 하는지 설계하고, 그 설계에 맞는 모델을 제공할만한 서비스를 찾고, 그리고 그걸 본인 도메인 분야에 맞게 포팅하는 일은 "넓게" 학습한 이후가 아니라면 상당히 힘든 일입니다.
2. 정말, 끔찍한 말입니다만, "대처가 필요없을 수 있다"의 이면에는 수집한 데이터가 있다면 반드시 좋은 성능의 모델이 나온다는 가정이 깔려 있는 것 같습니다.
그럴리가 없는데 말입니다.
잘 정제된 좋은 데이터를 가지고 좋은 결과만을 보여주는 건 정말 말도안됩니다. 데이터는 어떻게 관리하는지, 어떻게 정제하는지, 모델의 평가는 어떻게 하는지, 모델의 지속적인 관리를 위해 어떤 노력이 필요한지 이러한 아픈 부분들은 도려내고 장미빛 미래만 보여주셔선 안됩니다.
3. 비용문제에서 말씀하신 "어차피 똑같다"는 취지는 이해합니다만........ 저런 automl 서비스들을 사용하는 것으로 끝날 정도 규모의 문제라면 그게 더 경제적일 수 있겠죠. 사업의 코어에 한번 적용된 빅데이터, ml 기술들이 한번 삐그덕 거리기 시작할 때의 비용은 DS 한두명 연봉은 우습지 않을까 싶은데, 어떻게 생각하시는지는 잘 모르겠습니다.,
추가. automl은 하이퍼 파라미터만을 다루는 분야가 아닙니다. 2가지 관점에서 볼 수 있는데, 하나는 옵스의 관점이고, 하나는 말씀하신 HPO 를 포함하는 모델 내부적인 관점입니다.
옵스의 관점이 필요한 이유는 한 번 만든 모델의 성능이 지속될 것임을 보장할 수 없기 때문입니다. CI/CD 는 익숙하실 테니, 같은 맥락에서의 CT continous training 이 필요한거죠.
거기에 모델 서빙과 관련된 내용도 포함되어 있으니, 한번 찾아보세요.
"누구나 쉽게 배우는 인공지능" 이라고 하신 강의에 그 "누구나" 에 현업의 도메인 전문가가 포함이 된 내용이 맞나요?
azure의 ml studio 나, 마키나락스 정도 되는 유명한 서비스를 사용하기 위해서도 제법 공부가 많이 필요합니다.
"이게 왜 안되지?" 라는 상황은 코딩을 할때만 발생하는게 아닙니다. 도메인 스페시픽 하게 해결하려면 방대한 내용 중에서 일부만 알아도 되겠죠. 그 일부가 어떤 것인지는 도메인 전문가만 아는 영역이고, 그 도메인 전문가는 어떤 일부가 필요한지 알기 위해서 결국 한번은 전체 내용을 훑고 넘어가야 합니다.
목적이 AI 를 "잘" 하는게 아니라, 일단 시도해 보는 것이라면 괜찮습니다만, 그걸 "블루오션" 이라고 부를 영역인가는 조금 의문이 드네요.
@@전현구-o9h 항상 애매한 부분을 파고들면 '이런 의도가 아니었다' 이런 변명은 무슨 말을 하더라도 할 수 있죠.
사과와 토마토 구분해서 뭐할거야... 상업적으로 쓸만한수준 까지 끌어올려야 AI라고 불러줄수있지 않을까? 어디서 장난감 같은거 가져와서 맨날 AI 쉽습니다 이러니까 욕먹져
AI라고 부르는건 정의상 맞고 그 "장난감 수준" AI로 17:08 실제 공장에서도 불량 검출에 활용할 수 있고 17:42 수천만원씩 벌거나 앱스토어 전체 2등 찍을 수도 있는거고 18:43 초등학생도 만들고 대학생도 만들어서 저보다 수익이 더 클 수 있습니다.
@@jocoding 하나만 하세요. 어느 댓글에서는 남들 다 하는 토마토 구분 하는거로 뭐가 블루오션이냐 반박하니까 stable diffusion이니 뭐니 최신 연구 가져다 쓸 수 있으니 블루오션이라고 하고. ai 연구자들이 그건 비연구원들이 가져다 쓰기엔 절대 무리라고 하면 그놈의 '동물상 테스트' 가져오면서 전혀 어려운거 안 써도 된다 그러고. 자기 순환에 빠져버린것 같네요. 그리고 불량검출 -> 머신러닝을 쓰지 디버그 안 되는 딥러닝 쓰지 않습니다. 딥러닝도 결국 마찬가지지만 머신러닝은 데이터만 던져준다고 학습되는거 아닌거 아시죠? 앱스토어 2등 -> 그냥 로또입니다. 초등학생도 이걸 해서 수익이 클 수 있다? -> 마찬가지로 어느 누구는 로또 맞고 돈 더 많을 수 있죠. 로또 맞을 확률에 기대서 수학기반도 없는 사람들이 무슨무슨 학원 ai 6주 완성 이런 코스 들었다가 시간 낭비 돈 낭비 하지 않았으면 좋겠네요. 마치 위상수학이 갑자기 확 뜨니 위상수학 6주완성 현업적용! 내용 까보니 컵은 도넛이랑 위상 동형이다 쉽다쉬워 내 코스 들으면 이렇게 쉽게 설명해줄게 끝! 이런식으로 보입니다.
사과와 토마토를 구분하는 AI에 뭐 제품의 규격과 관련해서 오차의 범위라던지 이런 개념이 정의 되어있나요? 무슨 불량을 검출해요 ㅋㅋ 제말은 그냥 기본 모델 돌리는게 중요한게 아니고 진짜 실용적으로 써먹을려면 기능과 관련한 상세한 개념 정의가 들어가야되고 그게 훨씬 더 중요하고 어려운것인데 그런건 아무나 뚝딱뚝딱 할수 없는것이죠 근데 그런 얘기는 안하고 맨날 아무것도 모르는데 그냥 모델만 돌리면 장땡인것처럼 말하니 문제
금융 AI에서 시도 되는것으로 예를들어 보죠. 중소기업 대출은 주로 Relationship Management 라고 하여 은행 지점장 분들이 사장님들이랑 밥도먹고 술도먹고 관계를 가지면서 오가는 대화에서 파악할수있는 정보(Soft information)에 기반하여 이루어지는데, 금융기관이 거대해지면 이런 소프트 인포메이션은 정형화된 데이터가 아니다보니 조직의 하부인 지점으로부터 전체 대출포지션을 관리하는 조직의 상부로 전해지기 어렵고 관리가 어렵다보니 이것이 중소기업대출이 원활하게 이루어지는데 어려움으로 작용합니다, 반면에 작은 금융기관을 여러개 두는것은 자본은 뭉쳐야 효율적이기때문에 비효율적입니다. 이런 딜레마 상황에서 AI를 이용해 소프트 인포메이션을 조직의 상부에서 운영하는 시스템에서 활용할수있도록 만들어 중소기업에 금융혜택을 확대 해보겠다는것이죠. 그럼 이런 AI를 만들고 써먹는데 있어서, 소프트 인포메이션 이란 정보를 어떻게 연산이 가능한 실수 공간으로 옮길것이며 어떤 계산을 해낼것이냐가 제일 중요하지 않을까요?
근데 그냥 인터넷에 널린 모델 하나 돌려 봤다는 사람이 이걸 알고 금융 AI 만드는데 얼마나 기여할수 있을까요?
@@람쥐쳇바퀴 사람들이 핀트를 못잡고 영상과 전혀 다른 딴소리를 하니 답답해서 여러개 쓰는 것이죠. 먼저 이미지 관련이면 무조건 딥러닝 쓰는데 디버그며 머신러닝 이야기가 도대체 왜 나오나요? 인공지능 전혀 잘못알고 계신 것 같네요.
그리고 앱이 무슨 그냥 로또인가요? 네카라쿠배당토 등 대한민국 IT 기업 대부분 앱 운영하는데 다 로또 회사인가요? 서비스 성공이야 운이 어느정도 작용하지만 그게 아닌 다양한 요인이 있고 "기술의 서비스 적용" 과정에 대해서 배우면 그걸 응용하여 기존 기술로는 안되었던 어떤 니즈를 충족할 수 있는지를 각자가 생각해볼 수 있는거지 "무조건" 성공하는건 아니죠. 그게 중요한 것도 아닌거고요.
동물상 테스트는 자기순환이 아닌 사람들이 빠진 오류입니다. ai 연구자들은 직업적으로 다양한 회사 업무 니즈를 맞춰야하는 의무가 있지만 일반인들은 전혀 그럴 필요 없고 오히려 역으로 기술에 딱 맞는 아이디어가 있을때만 선택적으로 만들 수 있습니다. 신기술이 쏟아지는 요즘 그런 아이디어와 일치하는 것도 많을 것이고요.
무슨 "어디든 적용 가능한 만능 공식"을 알려주는게 아니라 "쉬운 것도 많으니 일반인이 그 기술에 맞게 필요한 곳에 적용가능할때 적용 가능하다"이고 그러한 사례를 보여주는 것인데 어디는 안되지 않냐 라는게 전혀 주제와 다른 소리를 하는 이야기죠.
왜이리 다들 ㅂㄷㅂㄷ..ㅋㅋ
이 영상 내용은 AI전문가가 되는게 쉽다가 아니라 AI로 할수 있는 수억가지중에 쉽게 해볼수 있는 것도 많다. 인거 같은데 AI가 쉽다라는 말에 분노하시는 분들이 많은거 같네요...
'남녀소노 쉽게 코딩을 접하게 해주겠다'는게 방장님 취지인데..유독 이 채널만 요지 못잡고 뭔 사명감으로 똘똘 뭉쳐서 화가 꼭지까지 난 분들이 많은건지 ㅋㅋㅋㅋㅋ 매번 걍 웃김 개발자분들에게 선입견 생길정도 ㅋㅋ
오늘도 유익한 영상 재밌게 보고 갑니다!! 수고스러움 늘 감사합니다~
ai 6주 완성 이런거 수강하는 순간 시간버리고 돈 날리는 거거든요... 다분히 그렇게 해석할 여지도 충분하고요.
아니 ㅋㅋ 그건 본인 판단력들의 문제지 방장님 문제는 아니잖아요??
영상 취지는 '코딩 어렵지 않아요'지 '코딩 꼭하세요'인가요?? 누가 하라고 협박했나요??ㅋㅋ
@@열심히살아보자-p7m 누칼협 나왔누 ㄷ
쉽지않고... 가르칠 교수도 부족하고.. 대기업도 인력난입니다.... 하지만 블루오션은 트루
댓글이 공격적인게 많은데 개발자랑 연구자랑 구분은 좀 하시는게;;
우리가 볼트하나 조일라고 스패너까지 만듬;;?
해당 영상 소프트웨어 개발자들이 AI 사용할때 기초적으로 적용할 수 있는 가이드 소개로 보이는데
뭘 굳이 와서 아 이 분야 개어렵습니다 영상 어그로에요 라고 까지 다나요;;
그럴 시간에 그 어려운 분야 연구시간을 늘리시는게 맞지싶습니다;;
이 분야는 개발도 연구자들이 합니다. ㅎㅎㅎ 님이 말하는 개발자는 딥러닝기능 붙일때 인풋 아웃풋 정제된 거만 받아서 인티그리션만 해요. 프로젝트마다 전용 볼트를 따로 만들어야되죠.
@@람쥐쳇바퀴 볼트 조일라고 스패너 만드냐는 말이 뭔 뜻인지 이해를 못하신듯;;
자칭 AI 박사님들 자부심에 지리고 갑니다잉..
누가 봐도 비전공자들도 간단하게 주변 문제를 개선시킬 수 있는 인공지능 개발할 수 있다는 내용이지.. 누가 ai 논문이 쉽다고 했나? ㅋㅋㅋ
알음알음 영상 추천 올라올때는 유익하게 보기도 했는데 좀 급하신가보네요. 참 실망스럽습니다. 관련 종사자로써는 보기 정말 안좋고 불쾌하네요.
구체적으로 어떤 부분에서 불쾌함을 느끼셨나요?
인공지능은 너~~~~~무 레드오션입니다. ㅠㅠ 마음 가볍게 도전할 수준은 이미 지났어요
ruclips.net/video/4xU0mGr4gvM/видео.html
이 영상은 4개월 전 영상인데 요즘 AI 버블 시작되었습니다.
심지어 저 강의할때는 stable diffusion도 안나왔던 ㄹㅇ 아무것도 없었던 블루오션 시장이였는데 지금도 새로운 오픈소스 모델들 쏟아지고 있습니다. 이걸 아무도 안하니 이해가 안되는군요.
레드 오션, 블루 오션이란 말은 시장이란 뜻이고 시장은 자본주의 사회에서 돈의 규모로 따지는게 가장 적합함. 자 따라와보세요.
AI에 지금 들어온 자본=자본의 통계는 현재도 통계로 추적이 가능함. 예시로 현재 핫한 GPT3를 만들때 지금 투입한 자금의 규모가 50억정도라고 하는데 앞으로 GPT4에 들어가야할 자금의 규모가 조단위라고 함. 억X10000이 조임. ㅋ
즉 지금 들어온 규모보다 “미래” 자본 규모가 비교불가하게 크다=>레드 오션 아니다. 아직 블루도 아닌 검정색에 가까운 공백의 바다이고 아직 갈길이 멀다~임
실제 실행가능하고 학습가능한 파이프라인을 익히는 것이 쉽다는 점은 동의하지만, 그게 사업화로 가기 쉽다고 이야기하시는 점엔 동의할 수 없네요… 실제로 현업 데이터를 적용해보셨는지 모르지만, 인공지능을 현업 데이터에 적용해보면 개판입니다. 이를 개판이 되지 않게 파이프라인을 다듬고, 모델을 선택하고 관리하는 건 사실상 석박사급 인재가 아니면 거의 불가능한 수준이구요… 너무 비약하신다 아니신가 싶네요
말씀처럼 모든 상황에서 얕은 지식으로 적용은 어려울 수 있지만 도메인에 따라서 충분히 단순한 상황에서 적용할 것도 많은 것은 사실인 것 같습니다. 17:06에 나온 것이 그 사례입니다!
저만 주장하는 것은 아니고 빅데이터 최고 전문가 조성준 교수님도 전문가가 아닌 "시티즌 데이터 사이언티스트"로서 도메인 지식과 결합할 수 있는 것이 중요하다고 강조하셨는데 그러한 영역으로서 활용할 사례가 충분히 많을 것 같습니다.
ruclips.net/video/nPjsKGi1EIQ/видео.html
개발자는 블루오션 맞긴함 근데ai엔지니어는 과포화상태지 ai를 도메인으로 삼는것은 블루오션 ㅇㅈ
악플은 왜다는건지..