728x90

이전 리뷰 : https://shsong.tistory.com/31?category=778413

이 글을 정리하는 목적은 내가 6개월뒤에 얼마나 잘 따라하고 있는지를 확인하기 위함 입니다. 이 책은 경제적 자유를 얻기 위한 방법을 구체적으로 설명하고 있습니다.

돈을 버는 모든 활동은 두가지로 수렴한다고 합니다. 첫째는 상대를 편하게 해주기 이고, 둘째는 상대를 행복하게 해주기 입니다. 이 두 가지를 만족하지 못한 사업이나 투자는 오래 지속될 수 없다고 말합니다.

이를 정리하면 문제 해결력 이 핵심 이라고 합니다. 사람들이 어떤 것을 불편하게 생각하는지, 어떤것에 행복을 느끼는지를 알고 이를 해결해 낼 수만 있으면 사업은 성공할 수 있다고 합니다. 많은 사람들이 공통적으로 느끼는 불편함이 무엇일까? 를 알면 더 좋은 사업성과를 낼 수 있다는 말인데 이는 처음부터 알 기 힘들 것이라 생각합니다. 천리길도 한걸음부터 라는 말이 있듯이 내가 불편한 것이 무엇일까 부터 생각해 봅니다.

  • 6개월동안 책 100권 읽기를 목표로 하는데, 매번 살 수는 없으니 → 내 주변 공공도서관에서 책을 대여할 수 있는지 알려주기 → 더 나아가서 유사 카테고리의 인기있는 도서 추천해 주기
  • 지금같이 고물가 시기에 냉장고에 유통기한이 완료된 제품 알려주기 → 해당 제품의 온라인 시세 알려주고 주문 링크 전달해 주기→ 더 나아가서 해당 자료들로 조합해서 만들 수 있는 음식 레시피 제공해 주기

언젠가 시간이 될 때, 구체화 하여 앱으로 만들어 보면 상대를 편하게 해주기에 일부라도 기여할 수 있지 않을까 생각해 봅니다.

경제저 자유라는 성을 함락시켜야 자유라는 천하 (인간관계, 가족, 사랑, 시간에 대한 자유도 포함된다.) 를 평정할 수 있는 기틀을 마련한다. … ‘성을 함락하기 위해 절대적으로 싸워주는 병사'를 갖고 있는 사람을 부대지휘자라고 부른다. 기업의 사장, 책 저자, 유투버, 온라인 강의 판매자, 주식 투자자, 부동산 투자자, 건물주 등이다.

자청님은 경제적 자유를 위한 5가지 공부방법으로 정체성 변화, 20권의 법칙(책 20권 읽기), 유튜브 시청, 글쓰기 통한 초사고 세팅 를 설명하고 있습니다. 그리고 공부가 어느 수준에 도달했다 생각되면, 오프라인 모임에 참가하여 동일한 목적을 가진 사람들과 소통 하기를 권장합니다. 정체성 형성에 도움이 되어 진행하고 있는 일에 몰입할 수 있기 때문입니다.

역행자의 쳇바퀴

인간은 목표를 설정하고 이를 이루는 과정에서 스트레스와 쾌락을 얻도록 구조화되어 있다고 합니다. 이 책에서 말하는 각각의 단계에 대한 내공을 쌓으면 목표 달성에 실패할 수 없을 것이라고 생각합니다.

내가 이책을 읽으면서 진심으로 반성한 부분은 나의 성장이 멈췄을 때 옆 사람을 끌어내기 했다는 것입니다. “잘하지도 않으면서 몰 할 수 있다는 거야..”, “기한내에 하지도 못하면서 할 수 있다고 말하고 있네..” 회사 생활하면서 이런 말들을 자주 했었는데 너무나 후회가 됩니다. 그 당시에는 몰랐지만 지금 생각해보면 아마 열등감 때문 이었을 겁니다. 결국 내 성장도 멈춰버린 것이지요. 지금이라도 깨달은 것에 대해 진심으로 감사하게 생각합니다.

목표를 설정하고 달성하면, 나의 현재 수준보다 더 높은 목표를 세우게 됩니다. 즉, 실패와 시행착오는 필연적 이라는 말입니다. 회피나 합리화보다는 “레벨업 순간이 왔구나!” 라고 즐거워하라고 강조합니다.

이 책은 저에게 삶의 방식을 변화 시킴으로 돈보다 값진 경험을 해주었습니다. 그 증거가 이 글을 쓰고 있다는 사실입니다. 또한 역행자 리뷰 1 과 비교해 봤을 때, 글쓰는 방식이 갑자기 변했음을 느낄텐데 이 책에 너무 감동한 나머지 무려 29만원짜리 자청의 “초사고 글쓰기" 를 읽고 실천하였기 때문입니다. 이 책 역시 너무 좋았으며, 다음리뷰를 진행할 예정입니다.

728x90
728x90

책 표지만 보면 경제서적 처럼 느껴지지만 삶의 변화를 만들어 낼 수 있는 힘이 있는 책이라고 생각합니다. 먼저 역행자에 대해 이해해야 하는데 첫 장에서 아래와 같이 정의하고 있습니다.

95퍼센트의 인간은 타고난 운명 그대로 평범하게 살아간다. 이들을 순리자라 하자. 5 퍼센트의 인간은 정해진 운명을 거스르는 능력을 갖고 있다. 이 능력으로 인생의 자유를 얻고 경제적 자유를 누린다. 정해진 운명을 거역하는 자, 나는 이들을 역행자라 부른다.

책을 읽으면서 중요하게 생각하는 용어를 먼저 정리하는 버릇이 있는데, 이는 책을 이해하는데 도움이 된다고 생각합니다.

주요 용어

  • 정체성: 정체성이란 단순히 외모나 이름 만으로 다른 사람과 구별되는 것을 의미하는 것은 아님. 당신만의 가치관,신념,특성이 포함하여 당신의 내면과 외면을 모두 가리키는 말로, 당신이 어떤 사람인지 알려 주는 모든 것이라고 할 수 있음
  • 메타인지: 자신의 현재 상황을 객관적으로 아는 능력. 메타인지를 획은하기 어려운 이유는 높은 지능, 자의식 해체, 유전자 오작동 피하기, 실행을 통한 시행착오, 분석력 등 종합적인 능력이 필요하기 때문 → “나는 이미 다 알아", “난 해도 안 돼" .. 는 메타 인지를 방해하는 행동들로 정확한 현실 파악을 방해해서 의사 결정을 실패하게 만듬
    • 메타 인지를 높이는 방법은 독서와 실행력임을 강조. 책을 읽게 되면 저절로 겸손해지고 내 수준을 잘 알게 만들어 주기 때문이며, 실행을 통해서 책을 통해서 쌓인 근거없는 자신감을 한번 더 꺾고 자신의 판단이 맞는지 가설 검증을 할 수 있기 때문
  • 자의식:
  • 유전자의

역행자가 되기 위해서는 7단계만 성실하게 수행하면 된다고 합니다. 많은 내용들이 마음속에 자리 잡았는데 저는 특히 “자의식 과잉" 에서 오는 현실 회피가 나의 가장 큰 문제점 임을 깨달았습니다.

저는 자청님의 글처럼 역행자 7단계를 성실이 수행할 예정이며, 반년뒤에 얼마나 이행하고 있는지 자신에게 물어볼 계획입니다. 아래는 반년뒤의 내가 다시 읽어보기 위해 정리 합니다.

1단계 : 자의식 해체

많은 자기 개발서가 그러하듯 자의식을 개발해야 한다고 말하고 있는데, 이 책의 조금 특이한 점은 “스스로 멍청하다는 걸 인정하자. 스스로 못났다는 걸 인정하자. 질투하는 대상보다 못하다는 걸 인정하자" 와 같이 자의식 과잉을 더 경계한다는 점 입니다 [자의식 해체].

특히 내가 자의식 과잉에 사로 잡혀 있고, 이로인해 얼마나 많은 의사결정 실패 속에 살아 왔는지를 뼈저리게 느끼게 하는 부분이 있었는데, 아래와 같이 3단계 자의식 해체 과정을 읽으면서 입니다.

  • 1단계 탐색: 어떤 사람을 만났는데 괜히 불편한 감정을 느끼게 되면 → 이감정은 어디서부터 온 것인지, 어떤 열등감이 자극됐는지 생각한다.
  • 2단계 인정: “왜 그 사람을 보면 기분이 나쁘지? 내가 질투하는 것일 수도 있겠구나..” 라는 나와의 대화에서 시작하는 것. 그리고 더 나아가서 “질투는 오히려 내 학습을 방해하니까, 질투라 인정하고 일단 상대방이 어떤 포인트에서 인기가 있는지 흡수해야 겠어" 라고 발전시키는 것이다.
  • 3단계 전환 : 내가 발끈하거나 열등감에 사로잡히는 그 순간을 거꾸로 이용하는 스킬로 열등감을 없애기 위한 액션 플랜을 세우는 것이다.

2단계 : 정체성 만들기

정체성이라 내가 어떤 사람이다 라고 정의하는 것으로 그 정의가 주는 힘은 인생에 큰 영향을 준다고 합니다.

이렇게 중요한 정체성은 행동을 통해서도 만들어 갈 수 있다고 하는데, 즉 일단 저질르고 보기 입니다.

“뭔가를 더 잘하고 싶으면 결심을 할 게 아니라 환경부터 만드는 것이다. 자동으로 움직일 수밖에 없도록 세팅을 하면 나는 저절로 열심히 살게 된다. 자유의지니 노력이니 진정성이니 따위의 듣기 좋고 허망한 것들을 믿는 대신, 나를 훈련시킬 운동장을 만들어 스스로를 밀어 넣어라"

3단계 : 유전자 오작동

조금만 냉정하게 생각해보면 말도 안되는 행동을 사람들은 행동하고 반복하는데, 똑똑한 사람도 예외일 수는 없습니다. 이는 뇌인지의 오류에서 오는 것이고, 이를 이해하기 위해서 자청님은 “클루지" 라는 책을 추천합니다.

인간의 뇌는 생존 본능에 의해 새로운 무엇 인가를 실행하는 것을 망설이도록 진화 했다고 하며, 순행자 (대부분의 사람) 들이 현실의 벽을 깰 수 없는 이유라고 합니다. 나 역시 이런저런 구상만 하고 실천하지 못하는 순행자 였다는 후회가 생기면서 지금이라도 작은것 하나부터 현실로 실천해야 겠다고 다짐합니다. 만약 이 글처럼 뇌의 진화가 맞다면 일단 저지르고 또는 저지를수밖에 없도록 상황을 만들었어도 자연스럽게 수습되리라 생각되니 (그렇게 진화 했으니깐..) 마음속에 잠겨있던 자물쇠가 하나 풀어진 느낌입니다.

4단계 : 뇌 자동화

뇌를 발전 시킬 수 있도록 연습을 해야 한다고 하며, 해당 단계는 다른 단계보다 과정이 명확합니다. 결론은 독서와 글쓰기 입니다. 저는 이를 실천하기 위해 일주일에 최소 1권의 글을 읽고 1번의 블로그를 작성할 계획을 세웠습니다. (유전자 오작동 이 일어나기 전에 지르고 보기 ..)

또 하나 저의 사고를 바꾼 글귀 입니다

당신은 지금 눈앞에 과제를 해결하는데 급급하며 살고 있지 않은가? 장기적인 수를 두기 위해 무엇을 하면 좋을지 생각해보고 한번 작성해보자…. 야근이 있는 회사보다는 100만원 덜 벌더라도 쉬운 직장으로 이직하라. 남은 시간에 운동을 하여 뇌를 최적화 하고, 하루 1시간 책을 읽어라 …

5단계 : 역행자의 지식

게임에서 강력한 보스를 물리치기 위해서는 강력한 무기가 필요하듯이 성공할 수 있는 (경제적 자유를 누리고 이를 기반으로 원하는 삶을 살기 위해서는) 나만의 무기를 만들어야 한다고 합니다. 강력한 무기라고 하면 유니크 하면서 구하기 힘든 (습득하는데 오래 거리는 기술) 것을 생각할 수 있는데, 이는 효율성이 떨어지니 (인생의 준비가 길어지니) 오히려 어느정도 성능의 무기들을 잘 조합하는 것이 더 강력한 능력을 발휘할 수 있다고 합니다.

온라인 마케팅 (블로그 마케팅, 유튜브, 네이버 스마트스토어) + 동영상 편집기술 + PDF 책 제작과 판매 등이 그것이며, 이를 잘 조합하면 엄청난 경쟁력을 가질수 있다고 합니다. 특히 이중에 가장 강력한 무기는 프로그래밍이라고 하는데, 그런면에서 저는 하나의 무기를 획든한 셈입니다.

6 & 7 단계에 대한 리뷰 : https://shsong.tistory.com/32

728x90
728x90
📉

OREILLY Introducing MLOps 도입가이드 를 공부하면서 정리 내용입니다.

현재 모든 기업이 AI 프로젝트를 결쟁적으로 도입 하고 있으나 이중 50 ~85% 가 실패 (격하게 공감…) 한다고 합니다. 주요 실패 원인은 아래와 같다고 저역시 비슷한 느낌을 경험하였습니다.

  • 불명확한 비즈니스 목표 : 단지 유행이기 때문에, 혹은 뒤쳐지면 안되다는 조급함 때문에 뛰어들어 비즈니스 목표를 설정하지 않고 단순 평가를 수행 함
  • 부실한 데이터 품질 : IT 혹은 데이터에 투자하지 않고 단지 AI 머신러닝만 도입 하려고 함
  • 조직 간 협력 부족 (제일 공감) : 데이터 과학자가 모든 것을 해결할 수 있다고 포장하거나 비즈니스 담당자가 명확한 커뮤니케이션 없이 수의 계약 형태로 일을 진행 하도록 함
  • 뛰어난 인력 부족 : AI 프로젝트가 운영화에 도달하고 지속적으로 운영을 수행할 수 있으려면 비즈니스 담당자가 데이터 분석과 AI를 이해할 수 있도록 지원 해야 함. 그러러면 다양한 실험을 수행하고 방향을 제시할 수 있는 뛰어난 데이터 과학자를 고용해야 하는데, 이러한 인력이 없는 경우 허술한 결과를 내고 조직에 불신만 심어주어 다시는 AI 프로젝트를 시도할 수 없게 됨

MLOps 는 이를 해결할 수 있는 방안이 된다고 합니다. (MLOps 를 만병통치약처럼 과장할 필요도 없지만 마케팅 차원의 일시적 유행으로 치부해서도 안됨)

Part1. MLOps 개념과 필요성

조직 내 머신러닝 모델 생애주기에 대한 도식화 입니다.

MLOps 와 DevOps 공통점이 많은데, 그렇다고 DevOps 담당자를 데이터 사이언스 팀으로 즉시 전환 배치할 수는 없습니다. 그리고 소프트웨어 코드를 상용 배포하는 것과 머신러닝 모델을 사용 배포하는 것은 근본적인 부분에서 차이가 있습니다. - 소프트웨어 코드는 비교적 정적이지만, 데이터는 항상 변함 ( 모델애 대한 CI / CD 가 필요함). 이처럼 머신러닝 모델이 코드와 데이터를 모두 포함한다는 점을 비롯한 여러 환경적 복잡성으로 인해 MLOps 는 새롭고 독특한 원칙이 되었습니다.

책임 있는 AI

모델을 상용 환경에 배포하는 작업은 머신러닝 모델 생애주기의 최종 단계는 아닙니다. 단지 성능과 정상 작동 여부를 확인하는 시작점이 될 뿐입니다. 더 많은 데이터 과학자가 더 많은 머신러닝 모델을 사용ㅇ 환경에 배포할수록, MLOps 는 비즈니스에 치명적일 수 있는 잠재적 리스크를 줄이는 데 필수적인 요소가 됩니다. 모델이 조직 내에서 얼마나 광범위하게 사용되는지 정확하게 확인하기 위해서는 MLOps 를 기반으로 한 모니터링이 필수적입니다.

머신러닝의 책임 있는 Responsible 사용에는 두 가지 영역이 존재합니다.

  • 의도 (Intentionality)
    • 모델이 목적에 맞게 설계되고 작동하도록 보장하는 것을 의미 함
    • 설명 가능성 Explainability 이란 속성을 포함함으로 AI 시스템의 결과물을 인간이 설명할 수 있도록 해야 함. 이상적으로는 시스템을 제작한 사람뿐 아니라 그 외의 사람들도 설명할 수 있어야 함 (현재 가장 절실하게 느끼는 부분 + 가장 업무 난이도가 높은 부분)
  • 책무 (Accountability)
    • 기업 내 모든 AI 업무에 대한 중앙 통제 및 관리, 감사를 의미
    • 어느 팀이 어떤 데이터를 어떻게 어느 모델에서 사용하는지를 전반적으로 파악 (어느 모델이 어떤 비즈니스 프로세스에서 사용되는가를 중앙 집중식으로 이해 → 추적성 Traceability 와 밀접한 연관 )
    • 무언가 잘못되었을 때, 파이프라인의 어느 지점에서 어떤 이슈가 발생하는지 쉽게 찾을 수 있어야 함

머신러닝 모델은 전통적인 명령형 코드에 비해서는 투명성이 부족하난 점을 감안해야 합니다. 즉, 예측 결과를 결정하는데 사용하는 특성들 Features 이 무엇인지 파악히가가 어렸기 때문에 모델이 준수해야 하는 규제나 내부 규정에 적합하다고 입증하기도 대단히 어렵습니다.

이러한 이유로 머신러닝 모델에 대한 자동화를실제로 도입할 때 책무 Accountability 를 지는 역할은 조직의 하위에서 상위로 이동합니다. 즉, 과거에는 각각의 업무 담당자가 내리던 결정 (예를 들면, 상품 가격을 결정한다든가 누군가에게 대출을 진행해도 될지 결정하는 것)을 모델이 내리고, 이 결정에 대한 책임은 데이터 팀의 관리자 혹은 임원이 져야 합니다. 이 때문에 책임 있는 AI 의 개념은 더욱 전면으로 부각됩니다.

MLOps 이해관계자들

역할머신러닝 모델 생애주기 내의 역할MLOps 요구사항
직무 전문가 SME (Subject Matter Expert)- 머신러닝 모델이 다뤄야 하는 비즈니스 질의, 목표 혹은 KPI 제안 - 모델 성능이 요구사항에 적합하도록 혹은 요구사항을 해결하도록 지속적으로 평가 및 검증- 비즈니스 측면에서 모델 성능을 쉽게 이해 할 수 있는 방법 ( Explainability 에 대한 기능 제공 - 모델별 다른 방법) - 비즈니스 요구사항에 맞지 않는 모델의 결과를 표시하기 위한 도구 혹은 피드백 루프 (Feedback Loop)
데이터 과학자- 직무 전문가가 제기한 비즈니스 질의 혹은 요구사항을 해결하는 모델 구출 - 상용 환경에서 상용 데이터로 작동할 수 있게 운영 가능한 모델 제공 - 직무 전문가와 협력하여, 최초의 모델 및 이후의 테스트 모델들 품질이 최초의 비즈니스 요구사항에 적합한지 평가- 상용 배포를 빠르고 쉽게 안전하게 수행할 수 있는 자동화된 패키징 및 상용 배포 기능 (모델 배포 과정 process화) - 배포한 모델의 품질을 판단하고 지속적으로 개선하기 위한 테스트를 개발하는 기능 (모델 테스트 방법론) - 하나의 중앙 집중화된 위치에서 배포된 모든 모델의 성능을 확인할 수 있는 가시성 (모델 성능 확인 & 모델간 결과 비교) - 모델의 최초 구축자가 누구든 상관없이 빠르게 측정하고 조정할 수 있는, 각 모델의 데이터 파이프라인 조사 가능 (모델링 파이프라인 모니터링)
데이터 엔지니어- 머신러닝 모델에 공급하는 데이터의 취합 (Retrieval) 및 사용 (Use) 최적화- 배포된 모든 모델의 성능을 확인할 수 있는 가시성 - 데이터 파이프라인의 이슈를 해결하기 위해 개별 파이프라인에 대한 세부 사항을 확인 할 수 있는 기능
소프트웨어 엔지니어- 머신러닝 모델을 회사의 애플리케이션 및 시스템에 통합 - 머신러닝 모델이 비머신러닝 기발 애플리케이션과 원활히 작동하도록 보장 - 버전 관리 및 자동화된 테스트 (버저닝 관리 프로세스, Regression 테스트 방법화) - 동일 애플리케이션에 대한 동시 작업 지원
DevOps- 운영체제를 관리하고 개발하며, 보안/성능/가용성 관련 테스트 수행 - 지속적 통합 (Continuous Integration, CI) / 지속적 전달 (Continuous Delivery, CD) 파이프라인 관리 - 기업에서 더 높은 단계의 DevOps 전략에 원활히 통합할 수 있는 MLOps (DevOps 방법 또는 플랫폼이 변경되어도 대응 가능하도록 파이프라인 구조화) - 끊김 없는 배포 파이프라인
모델 리스크 관리자 / 감리인- 상용 배포한 머신러닝 모델들에 의한 전체 리스크 최소화 - 머신러닝 모델을 상용 배포하기 전에 내/외부 요구사항을 준수했는지 검증 - 현재 혹은 지금까지 상용 배포된 모든 모델과 데이터 출처까지 포함하는 데이터 파이프라인 전체에 대한 견고하고 자동화된 리포팅 도구
머신러닝 아키텍트- 설계부터 개발 및 모니터링까지 포함하는 확장 가능하고 유연한 머신러닝 모델 파이프라인 환경 확보 - 상용 환경에서 머신러닝 모델의 성능을 개선할 수 있는 새로운 기술 도입- 모델들과 모델들의 자원 소모에 대한 고수준의 개괄적인 현황 확인 가능 - 인프라 환경을 검증하고 조정하기 위한 데이터 파이프라인들의 세부 사항 확인 가능


Uploaded by N2T

728x90

+ Recent posts