이어드림 스쿨 3기 후기 (1탄)

과정 진행중에 주간 회고를 블로그에 몇번 적긴 했지만
계속 여러가지 새로운 것들을 배우고, 매일 배운 것을 정리하고, 회고 스터디를 별도로 진행하다보니
긴 글 보다는 짧은 글 위주로 개인 노션과 슬랙을 활용하여 회고를 진행하여 블로그에 계속 게시하진 못한것 같다.
회고를 남김으로써 지난 한주를 요약하고 복기하며, 다음 한주를 정돈된 마음으로 임할 수 있었다. 
 
2기 선배분들의 이어드림 스쿨에 관한 글을 보고 도움을 받은 것 처럼
나 역시도, 어떻게든 과정을 잘 마치고 꼭 후기를 적어보리라 내심 속으로 다짐을 했었는데
과정이 끝나고 부족한 점을 스스로 느끼기에 보충하고, 취업을 위한 자기소개서와 면접 준비등으로 지내다 보니
9 to 6, 그리고 밤늦게까지 공부하며 통학했던 때보다는 시간적 여유는 전보다 조금 생겼지만, 정신적 여유는 오히려 전보다 없어진 느낌? 그래서 후기가 조금 늦었다고 변명을 해본다...
(사실 일찍 적었어야 이어드림 과정을 준비하시거나, 정보를 찾는분들에게 도움이 되지 않을까 하지만, 제가 그랬던 것처럼 필요할때마다 두고두고 꺼내 보시라는 마음에서...)
 

1. 이어드림 스쿨 입학 과정(?)

 
3월 6일 - 인공지능 적성검사
3월 8일 - 1차 합격 통보
3월 15일 - 대면 면접
3월 17일 - 최종 합격 통보
3월 23,24일 - OT
3월 27일 (월) - 첫주차 시작
 
과정이 끝난 지금도 여전히 '이어드림 스쿨'을 말 그대로 다른 여타 부트캠프와 학원과 다르게 '학교'라고 부르고 싶은데, 시간은 9개월 가량이지만, 일반적인 인공지능 학과의 커리큘럼에 비추어 봤을때 대략 농도가 짙은 3~4학기의 과정, 혹은 그이상을 진행 했다고 생각한다. 그래서 처음 등록과정은 입학 과정인 셈이다.
 
현재 4기가 어느 진행 상황에 와있는지는 잘 모르겠다. 3기 모집의 경우 모집 일정은 위와 같았고, 서류 제출이 끝나고 인공지능 적성검사와 대면 면접을 진행하였다. (희망자에 한해서 화상 면접으로도 진행한 것으로 알고 있다.)
 
인공지능 적성검사의 경우, 3기 때는 인공지능 상식평가, 역량검사, AI 면접으로 이루어져 있었다.
자세한 내용은 기억나지 않지만 상식평가에서는 개론적인 수준을 물어봤던 것으로 기억나며, 관련 내용의 유튜브를 통해 얻을 수 있는 정보면 충분했던 것 같다.
 
역량검사 같은 경우에는 문제를 아예 완전 반대로 해석하여 풀었던 유형도 있었는데 탈락하진 않은것을 보면... 허들이 그렇게 높진 않은 것 같다.
IQ테스트와 같은 느낌으로 구성되어 있어서 사실 딱히 무얼 준비한다기 보다는 여유가 된다면 당황하지 않게, 동일한 테스트를 한번 정도만 미리 풀어보는 것을 추천한다. (관련 테스트는 잡다- 역랑검사에서 미리 풀어볼 수 있다.)
 
대면 면접같은 경우에는 비교적 자신감 있게 임한편이었는데, 아마도 자기소개서에 적혀 있던 내용들을 위주로 물어봤던 것 같고, 대게는 '1년에 가까운 시간, 어쩌면 고통을 감내해야 될 수도 있는 시간을 잘 견딜 수 있는가?' 에 대한 대답을 잘 어필해야되는 것 같았다. 제일 중요한 것은 의지! 
 
무료로 진행되는 교육이고 1년이란 오랜시간 진행되는 교육이기 때문에 가장 중요한 것은 의지이다. 그래서 지원자가 의지를 보이는게 어쩌면 가장 중요하지 않나, 대면 면접이 가장 중요하지 않나 생각한다.
 
다른 교육생분들은 어떤 질문을 받았는지 잘 모르지만, 나 같은 경우 대면 면접에서 과거 조별과제나 프로젝트에서 발생했던 이슈를 물어보고 리더 혹은, 팔로워로서의 입장과 태도 등에 대해서 물어보았다. 그리고 간단한게 파이썬 역량과 선형대수를 아는지 정도를 물어봤던 것 같다. 
 
3기의 경우 추가 합격 인원이 합격자 명단에 열댓명 배정 되어 있었던 것을 생각하면, 경쟁률이 2대1은 웃돌지 않았을까 조심스럽게 추측해본다. 
 
그리고 합격하시면  꼭, 양일간의 OT를 꼭 참석하시는걸 권하고 싶다.  아마 진행되는 특강의 내용이 최신의 트렌드를 다룰 것이고 인공지능을 학습하려는 초심자의 입장에서는 크게 와 닿지 않는 내용들 일수도 있고 나같은 경우 우와 신기하다 싶은, 흥미로운 외계어로 들렸던 기억이 있는데, 졸업 이후에 흔치않는 재밌는 추억거리가 되고 네트워킹 기회 그리고 개인적으로 1년의 과정에 의지를 되새기는데 큰 도움이 되었던 것 같다.
 
 

2. 커리 큘럼

찾아보신분들은 아시겠지만 이어드림 스쿨은 말그대로 학교의 컨셉으로 전공수준 1학년부터 4학년 내용을 정말 모조리 빠짐없이 다룬다. 돌이켜 보면, 컴퓨터 공학 입문인 CS지식부터, 파이썬 코딩, 넘파이와 판다스와 같은 데이터과학 핵심 라이브러리, 개발자라면 꼭 알아야 할 git과 github, 리눅스, AWS 및 클라우드, 머신러닝 딥러닝의 이론들...선형회귀 분석, 머신러닝, 딥러닝, 컴퓨터비전, 자연어 처리, 시계열, 생성형 모델, 그리고 nerf 와virtual try-on과 같은 최신 연구적인 주제들, out of distribution, domain adaptation , generalizaiton과 같은 도전적인 주제들도 배운다.
 
이론을 배우는것 뿐만아니라, 중간 중간 미니프로젝트와 경진대회, 기업연계 프로젝트 등 프로젝트의 구성도 매우 알차다.
DE과정은 잘 모르지만 DS과정을 기준으로는, 전반기 인공지능 기초 과정은 패스트캠퍼스에서 담당하여 진행하였고 후반기 DS 특화과정에서는 마인즈앤컴퍼니에서 담당하여 카이스트 대학원 소속 박사생 분들이 와서 수업을 진행하였다.
 
3기때는 강의력도 좋고 수강생들을 엄청 챙기시는 강사님이 거의 '담임 선생님' 급으로 활약하셨는데, 쉽게 쉽게 정말 많은 분량의 내용을 정말 잘 배웠다. 그리고 중간 중간 대학원 교수님 몇분도 와서 수업을 진행하셨는데 내가 아는 대학교수님들과는 달리 강의력이 엄청 좋으셔서 당시 수강 후기가 엄청 좋았다. 
DS 특화과정 강의들도 특히나 마음에 드는데, 대부분 좋은 material이 영어로 되어있는 데이터 사이언스 특성상 한글로 제대로된 심도 있는 강의를 무료로 들을 수 있는 건 지금 생각해도 감사한 일인 것 같다.
 
정말 많은 강사님들이 들어오시다보니, 중간 중간 몇몇 강사님들의 스타일이 나와 안맞는 경우도 있었지만, 대부분의 강의가 강의력과 강의자료, 강의 구성등이 인터넷에 공개 되어있는 강의들보다도 매우 훌륭하고 수강생들을 세삼하게 신경써주써주는 부분들이 많았다. 이럴땐 또, 학교 공부를 위한 치트키, 전문"학원"에 다니는 것 같았다.
 
대게 과목별로, 분야별로 전문적으로 담당하시는 강사님이 들어오시니 본인이 자신이 없거나 헷갈리는 부분이 있을때마다 꼭 잘 배우고, 적극적으로 질문 하는걸 추천한다. 정말 정말 잘 알려주신다. 일부 강사님들은 우문에도 불구하고, 정확하게 핵심을 재빠르게 짚고 알려주신다, 참 신기하다.
인터넷 후기에서 내가 본 부트캠프의 질의응답 시간은, 대게는 자습시간, 혹은 구글에 검색하세요~로 되돌아오는 시간이라는데, 그런 일이 내게는 상상이 안된다.
 

3. 좋았던 점

3-1. 이어드림 스쿨에 만약 합격하지 못한다면? 어떻게 할것인가?

그럼 다른 부트캠프? 아예 다른 웹개발, 백엔드 개발?
 
나는 이어드림 스쿨이 아니더라도 어디든, 혼자라도 공부해서 데이터 사이언스 분야로 커리어를 시작하기로 마음을 먹었다.  그래서 어떻게 공부해야할지 과목별로 대략적인 가이드라인을 세우고 들어갔다. (물론 실행을 안해서 파이썬 for문도 제대로 모르고 들어간 것은 비밀이다.)
그래서 이어드림 과정동안 이거 해야되나, 저거 해야되나 휘둘일 일은 크게 없었다. 나에겐 당연하게 진행되는 수순이었다.
과정이 진행되면 공부해야 할 것도 만고 그에 따른 공부 소재도 정말 많은데,  공부 소재를 정하는 것도 결국 본인 몫이다.
 
파이썬 코딩.. 넘파이 판다스.. 머신러닝 딥러닝 이론.. 수학... 수학도 미적분, 선형대수,통계.. 다양할 것이고, 데이터 분석 역량, 엔지니어링 역량, 리눅스, 클라우드, ... 가장 핵심적인 부분에서 자신이 어떻게 공부해야할지 구체적으로 과목별 가이드라인을 정하고 갔던게 나는 큰 도움이 되었다.
 

3-2. 엉덩이가 무거운 놈을 이길 수 없다.

이 분야에 재능이 뛰어난 분들의 성과를 보면 정말 대단하다는 생각이 든다. 그러나 다른 모든 분야가 그렇듯 뛰어난 사람은 뛰어난 사람이고... 이 분야 역시 평범한 일반인도 할 수 있는 것이 여전히 있다. 그렇다면 결국 투자하는 '시간' 내지는 '열정'을 절대 이길 수 없다. 아마도 3기 과정동안 앉아있던 시간이 다섯 손가락안에 들지 않을까 자신한다. 
 

3-3. 수업에 열심히 참여했다.

기본적으로 줌으로 진행되는 강의동안 수동적으로 강의를 들은 것만 아니라, 채팅을 굉장히 열심히 쳤다. 
코로나 학번이었던 분들은 줌 강의 경험이 있으시겠지만, 대학교 강의에서 채팅을 열심히 치기란 정말 쉽지 않다.
그러나 나는 부담감 없이 적극적인 자세로 수업을 듣고 열심히 임했던게 기억에 많이 남고 많은 도움이 되었던 것 같다.
 

3-4.  공부 환경

강의장 환경과 강사님과 LM님들의 열정, 다양한 행사와 네트워킹 기회, 현직자 특강, 온라인 강의 제공 등 공부하기에 너무 좋은 환경이고 정말 정말 좋은 작용을 많이 하였다. 공부에 지칠때 그들의 열정이 많은 자극이 되었다.
초반에 불타는 동료들의 그 열기를 다시 한번 느껴보고 싶다.(개인적으로 강의장이 아직도 그립다()...) 
 

4. ,아쉬운 점

교육생의 역량 부족이라기 보다는 명백히 강의 진행에 문제가 있던 적이 있다.
4기에는 부디 그런 일이 없길 바라지만, 파이썬과 넘파이 판다스의 기초적인 내용을 배제한 체, 대체 강의 교안도 없이
어젯밤 준비한 것 같은 인터넷에서 긁어온 자료로 강의하는 것은 좀 별로 였다.
이 부분은 중요한 초반 시기를 아쉽게 보낸 것 같아 아직도 아쉬움이 많이 남는다.
 
경진대회의 구성이 딥러닝 이론의 진도와 상이했던 점도 조금 아쉬웠었다. 프로젝트와 경진대회는 무척이나 실력 배양에 무척이나 중요한 기회인데, 아무래도 진도와 상이하다보니 관심이 들 갔던 적이 몇번 있었던 것 같다. 4기때는 이러한 부분들이 개선되길 바란다.
 
그러나 그럼에도 불구하고 아는 선에서, 모르는 것은 찾아서라도 하는 것이 곧 실력이 되는 것 같다. 성격상 어느정도 지식을 쌓고 실천에 옮기는 편인데, 지식은 공부로 쌓고 실력은 프로젝트나 경진대회를 진행하면서 발현되는 것을 계속 느끼는 중이다. 이런 부분은 개인적인 아쉬움으로 남는다.
 
돌이켜 보면 커리큘럼이 매우 훌륭하다고 생각하고, 전부 필요하고 꼭 알아야 하는 것들이지만, 처음 학습하는 입장에서는 '도대체 왜?' 라는 질문을 하게 되는 순간들이 있던 것 같다. 과목마다 매번 강사님들이 바뀌다 보니 구체적으로 어떻게 어디에 쓰이는지 감을 잡을 수 있는 보조적인 역할 혹은 가이드 라인이 부족했던 것이 아쉬웠던 것 같다.
 

5. 개인적인 추천

나는 처음에 온라인 과정으로 신청했다가 오프라인으로 변경되는 해프닝이 있었는데 돌이켜 보면 잘한 선택인 것 같다.
아시다시피 사람의 의지는 오래가기 힘들어서 결국 의지보다는 나를 시스템속에 집어 던져야한다.
혼자 공부를 지속해서 한 경험이 없으신 분들이라면 일반적으로는 온라인 과정보다는 오프라인 과정을 추천 드린다.
 
게을러서 지금까지 제대로 된 공부를한 적이 없던터라, 오프라인 과정을 시작하면서 강의장에 9시전에 출석하는 것을 시작으로 그 외에도 흐트러지지 않게 여러 겹의 울타리를 치려고 부단히 노력했다.
 

5-1.마음속에 분야를 반드시 미리 그려야 한다.

4기의 경우 DS와 DE를 이전보다 더 일찍 나누기에 어느정도 마음 속에 분야를 정한 분들에게는 학습하기 더 좋은 기회가 될 수 있지만, DS와 DE중 어느 진로를 택할지 고민중이신 분들에게는 혼란이 가중될 것으로 보인다.
 
자신이 어느 분야를 갈 것인지 빨리 정해질 수록 학습에 매우 매우 유리하다.
여기서 말하는 분야는 DE와 DS로 나뉘어지는 트랙뿐만이 아니다.
DA면 DA, DE면 DE, DS라고하면 컴퓨터 비전이나 자연어처리, 시계열 분석, 추천시스템, 데이터 마이닝, AI 개발자, 머신러닝 엔지니어, LLM 엔지니어, 프롬프트 엔지니어 ...
DA와 DE같은 경우는 잘 모르지만 DS의 경우, 같은 데이터 사이언티스트, 혹은 AI 개발자라고 해도 핏이 조금 조금씩 다 다르다. 결국 최종적으로 어떻게 나아가야할지 알면, 이러한 핏을 맞추는 것이 비교적 더 수월하다. 
나 같은 경우, DE와 DS중에 처음부터 DS를 하기로 마음을 먹고 있었지만, 그 이후에 DS의 다양한 분야중 어느 카테고리에 집중할지 과정 끝날때까지 고민 시간이 길어졌던게 큰 아쉬움으로 남는다. 
 
 

5-2. 파이썬 및 코딩테스트, 수학(선형대수, 통계학)은 따로 잡아야 한다.

파이썬

   파이썬 및 코딩이 개인적으로 취약해서 별도로 공부를 하였다.
어느정도 개발이나 코딩에 익숙하신분들, 혹은 전공자분들은 큰 무리가 없을 수도 있지만 파이썬 설치를 처음해보는 나같은 사람은 3기의 파이썬 기초 시간만으로는 기초를 다지기에 부족했다고 생각한다. 지금 생각하면 어이 없을 기초적인 실수에 헤맸던 나날들이 떠오르곤 한다...
    그러나 파이썬은 기본적인 문법 외에도 제너레이터, 데코레이터, 캡슐화 등 알아야 할 것들이 많다.  다 다루긴 하지만 반드시 혼자 다시 가늠해볼 시간이 필요하다. 또한 개발 경험을 쌓을 기회가 많이 없다보니 이 부분이 많이 부족하다. 과정 외에도 별도로 공부하길 추천한다.
 

알고리즘, 코테

  기분 문법 외에 알고리즘 공부도 해야한다. 코딩 테스트 특강도 열리고 실제로 코딩 테스트도 여러 차례 진행되어 감을 익히는데 큰 도움을 주지만, 결국 이에 대한 대비는 별도로 필요하다. 코딩 테스트는 절대 단기간에 잡히지 않는 녀석이니 시간을 잡고 꼭 공부해야 하는 것 같다. (나는 그러지 못했다...)
 

통계, 선형대수

   통계는 개인적인 흥미와 관심도 커서 여러 강의도 많이 찾아보고 그랬지만  '통계101'이라는 책에서 많은 도움을 받은 것 같다. 선형대수는 유튜브에 업로드 되어있는 길버트 스트랭의 선형대수 강좌, Gilbert Strang lectures on Linear Algebra (MIT) 를 듣고 블로그에 정리된 강의록을 참고하며 공부하였다.
 
   통계와 선형대수를 한번 때고나면 머신러닝과 딥러닝에서 활용되는 개념은 대게 사용되는 것만 사용되고, 거기서 거기다.
직접적으로 새로운 모델이나 아키텍쳐를 제안하는 포지션이 아닌 이상, 일반적인 DA나 DS가 통계나 선형대수의 이론을 사실 그렇게 많이 쓰지는 않는 것 같다. 심지어 통계와 선형대수를 모른다고 해도 코딩이나 데이터분석, 모델 베이스라인을 짜는데는 큰 무리가 없을 수도 있다. 
 
   그러나 별도로 공부를 하지 않는다면 베이스라인 작성에서 그칠 뿐이다.
또한, 과정이 끝날때에도 핵심적인 개념의 부분들을 아예 모르고 있거나, 헷갈려 하는 부분들이 많을 것이다.
한번 제대로 공부하면 어떤 새로운 이론이나 아키텍쳐에 대해서도 큰 무리없이 받아드릴 수 있고, 데이터를 보는 감이 달라다고 생각한다. 데이터를 바라보는 도구로서  기초적이고 매번 등장하는 부분에 대해서 반드시 "정확하게" 짚고 넘어가길 추천한다. (응용통계까지 공부한다거나.. 너무 매몰될 필요는 없는 것 같다.나는 이러한데서 시간을 너무 허비했다.)
 
 
  코드와 수학은 결국 데이터 사이언스에서 통용되는 의사소통의 도구다.
아! 영어도 추가해서 ! 대부분의 좋은 material은 모두 영어로 되어 있음을 부인할 수 없다.
 
   다시, 영어, 코드, 수학은 데이터 사이언티스트끼리 소통하는 세가지 언어인 셈이다.
 
개발자는 아닌데.. 코딩을 어디까지 공부해야되나?
수학자가 아닌데 수학을 어디까지 해야되나?
 
의사소통을 위한 도구로서 남들과 대화하고 의견을 주고 받는데 큰 무리가 없을 정도로 공부하면 되는 것이다.
구체적인 정도는 공부하시면서 혹은 현직자 특강 등을 통해서 감을 잡으실 수 있을 것 같다.
 
 

5-3. 채용 공고, 이른바 JD(Jop Description)를 꼭 보시라.

나는 실력이 부족하단 핑계로, 아직 본격적인 구직 활동은 멀었다는 핑계로, JD보는 것을 소홀히 하였다. 그래서 구체적인 분야를 결정하는 것이 느려졌던 것 같다.
하루 주말을 날잡고 50개,혹은 100개의 JD를 보며 자신이 가장 원하는 핏의 회사의 공고를 3개만 정해라.
그리고 방향이 헷갈릴때마다 거기에 맞춰서 공부 방향을 조율하면 된다.
 

5-4. 현직자 특강 , 캐글을 적극 이용하라. (DS 한정)

이 분야는 결국 전통적인 분야가 아니라 신생분야이고 매우 빠르게 성장하고 변화하고 있는 분야이다. 주기적으로 현직자를 통해 듣는 간접 정보는 매우 도움이 된다.
 
캐글은 공부 material로서도 매우 매우 훌륭한 참고서와도 같지만, 진로와 방향을 정할때도 훌륭한 참고서가 된다. 데이터와 라이브러리의 면면들을 배우면서 분야에 대한 감을 잡는데 도움이 된다.
현직자 특강은 실제 현업에서 겪고 있는 문제와 본인의 커리어 과정을 자세히 소개해주시는데, 자신의 정한 방향과 fit을 계속 맞추며 강의를 듣고나서 "취사선택"하면 된다. 
 
여기서 최초에 정했던 마음속에 그렸던 분야와, JD를 통해 알음알음 맞추고있던 fit이 중요하다. 실제로 어느 현직자는 어떠한 문제에 대해 "A"를 하라고 추천하지만, 또 다른 현직자 분께서는 "B"를 하라고 추천하기도 한다. 결국 선택은 본인의 몫이다. 
 
데이터 사이언스에는 내부적으로 다양한 분야가 있고, 현직자 특강과 캐글등의 간접 경험은 이러한 선택에 큰 도움이 된다.
 

5-5.  회고 스터디 추천

4기는 어떨지 모르겠는데 2기는 별도로 스터디를 구성해주셨다고 들었는데 3기는 그런게 없었다. 그래서 별도로 회고 스터디를 운영하여 진행했다. 어차피 공부는 혼자하는 것이나, 같은 수업 내용을 듣고 서로 다르게 느낀 바를 보고 신기해 하면서 복습 효과를 단단히 누렸던 것 같다. 이후에 여러 스터디도 같이 진행하면서 과정을 끝까지 완주하는데 큰 도움이 되었다.
 

6. 끝으로...

물론 위에 상기한 내용들을 본인도 전부 지키지는 못하였고 지금도 여전히 실천중인 부분이 있다.  그리고 제공 되는 커리큘럼과 인터넷 강의, 특강 등은 정말 유용하고 풍족하다. 하지만 모든 것을 소화하기는 여간 힘든 것이 아니다, 취사선택은 본인이 해야한다.
 
계속 구직활동과 면접을 진행하고 있지만 확실히 1년의 공부만으로 요새 좁아진 취업시장이 쉽지는 않음을 느끼고 있다.
아직 취업 전의 단계라 단언하지 못한 부분들도 있지만, 부디 불타는 1년을 보내시길 바라며 그간의 느꼈던 점들을 정리해 본다.
이후에 생각나는 내용이 있다면 2탄이나 추가적인 업데이트를 통해 보충하도록 하겠다.