성장 | 생각 기록

[직무] AI 관련 직무 살펴보기(feat. 데이터 사이언티스트 & AI엔지니어)

DA Damla 2025. 2. 2. 21:37

AI가 중요한 기술 트랜드가 되면서, 나도 AI 대열에 합류하고자 하는 열망이 생겼다.

우선 내 공부의 방향을 설정하기에 앞서 관련 직무를 살펴 보았다.

 

<목차>

1. AI관련 직무 리스트

2. 데이터 사이언티스트와 AI엔지니어 비교해보기

3. 데이터 사이언티스트와 AI엔지니어가 되려면 갖춰야 하는 것

 

1. AI관련 직무 리스트

  • 2개의 직업 모두 AI관련 직업에 포함되며 관련 직무는 아래와 같이 매우 다양하다.
    • 데이터 사이언티스트, 머신러닝 엔지니어, AI 데이터 엔지니어, AI 비즈니스 애널리스트, AI 연구원
    • 위 직무들의 업무 요약
      • 데이터 사이언티스트 : 머신러닝 모델 개발 및 데이터 분석 업무
      • 머신러닝 엔지니어 : 머신러닝 모델 설계, 배포 및 최적화 업무
      • AI 엔지니어 : AI 모델 설계, 개발, 배포 및 유지관리
      • AI 데이터 엔지니어 : AI모델을 위한 데이터 파이프라인 구축 및 관리 업무
      • AI 비즈니스 애널리스트 : AI를 활용한 비스니스 인사이트 도출
      • AI 연구원 : 새로운 AI 알고리즘 및 기술 연구
  • 위 리스트를 보면, 기존의 데이터 사이언티스트의 업무가 좀 더 세분하 되고, AI관련 직무로 파생된 것으로 보인다
    • 예를 들어서, 데이터 엔지니어와 AI 데이터 엔지니어를 비교해보면
      • 기존의 데이터 엔지니어는 광범위한 업무에 필요한 데이터 관리 및 처리를 하는 직무였으나, AI 데이터 엔지니어는 좀 더 AI와 머신러닝 모델 개발에 특화된 데이터 처리와 인프라를 관리하는 직무이다.
  • 위 리스트의 직무 중에 AI관련한 학습 정보를 찾아보다 보니 AI엔지니어와 데이터 사이언티스트로서 배워야 하는 내용이 일부 겹친다는 사실을 알게되었다. 이에 2번에서 해당 2개의 직무를 비교해보려고 한다

2. 데이터 사이언티스트와 AI엔지니어 비교해보기

  • 위 리스트를 보아서 알듯이 데이터 사이언티스트와 AI 엔지니어 외에 다른 직무들은 모두 이름으로 유추 해볼 수 있으며, AI에 좀더 집중된 직무라는 것을 알 수 있다.
    • 그래서 데이터 사이언티스트와 AI 엔지니어를 비교 해보려고 한다
  • 차이점 : 2개의 직무는 어떤 점이 다른가?
    •  데이터 사이언티스트의 주요 업무
      • 데이터 수집, 정제, 분석 및 시각화
      • 머신러닝 모델 개발 및 평가
      • 비즈니스 문제 해결을 위한 데이터 기반 인사이트 도출
      • 주요 스킬 : Python, R, SQL, Tableau, Scikit-learn 과 같은 패키지 사용 & 시각화 도구 활용
    • AI엔지니어의 주요 업무
      • AI모델 설계, 개발, 배포 및 유지 관리
      • 딥러닝 모델 설계 및 최적화
      • AI시스템의 성능 모니터링 및 개설
      • 주요 스킬 : TensorFlow, PyTorch, Keras와 같은 딥러닝 프레임워크 & 클라우드 플랫폼(AWS, GCP)
    • 즉, 데이터 사이언티스트는 데이터를 활용해서 비즈니스 의사결정 지원과 통찰을 제공하는 업무를 주로한다. 좀더 데이터에 치중된 직무이다. 데이터를 정제해서 분석하는 일련의 과정을 전문적으로 하는 직무인 것이다. 그런데 AI엔지니어는 AI모델과 시스템을 실제 환경에서 구현하고 운영할 수 있도록 설계 하는 역할을 말한다.
  • 약 2년쯤 전에 데이터 사이언티스트에 대해 알아봤을 때 위 2개의 업무가 합쳐져 있는 형태였던 것으로 기억한다.
    • 데이터 사이언티스트는 분석가와는 달리 머신러닝, 딥러닝을 통한 예측 모델을 만들고
    • 그 모델을 활용해서 비즈니스에 도움이 되는 인사이트를 내는 역할을 했고,
    • 회사에 따라 AI모델을 운영하는 경우도 Job description에서 확인할 수 있었다.
      • 그런데 지금은 AI가 좀 더 각광받으면서 좀 더 날카롭게 AI만을 위한 직무가 분기되어 나온 것 같다.
  • 기술 스텍도 이전엔 데이터 사이언티스트가 Python 부터 Pytorch까지 할 수 있어야 했는데 좀 더 분기된 것으로 보인다.
  • 데이터 사이언티스트에서 좀더 AI쪽으로 깊게 들어가면 AI 데이터 사이언티스트 라는 직무도 있다고 한다

3. 데이터 사이언티스트와 AI엔지니어가 되려면 갖춰야 하는 것

  • 데이터 사이언티스트의 경우,
    • 데이터를 불러오고 정제하는 목적의 기술 : python (pandas, numpy 등), SQL, R
      • R은 이전의 통계학과에서 많이 사용되던 스킬인데 강의도 그렇고 대부분이 python강의들이라서 만약 새로 학습을 원한다면 python을 추천한다
    • 데이터 시각화 처리 : python (matplotlib), Tableau, 엑셀 등
    • 머신러닝 관련 패키지 : python (Scikit-learn 등)
    • 그 외 지식 : 통계 지식, 도메인 지식
      • (인사이트를 도출해 내는 것이 가장 중요함으로 분석하고자 하는 도메인 영역의 지식이 가장 중요하다고 생각함)
  • AI 엔지니어의 경우,
    • 위의 데이터 가공 및 처리에 필요한 모든 스킬과 지식은 동일함
    • AI모델 설계, 개발, 배포 및 유지 관리를 위한 기술
      • AI 모델 개발 및 배포
        • MLOps 도구(CI/CD, MLflow)와 클라우드 플랫폼(AWS, GCP) 활용.
        • 모델 서빙 및 API 통합 기술.
      • 비정형 데이터 처리
        • 자연어 처리(NLP), 컴퓨터 비전(CV) 기술
        • 그래프 신경망(GNN) 과 같은 고급 AI 기술
  • 위 모든 기술을 완벽하게 구사할줄 알아야만 하는 것은 아니다. 이해하고 업무에 적용할 수 있는 수준의 스킬이 필요하다. 모두 완벽히 외우고 있기보단 작동되는 원리를 이해하고 필요할 때 새로 배우거나 배웠던 내용을 찾아서 실무에 쓸 수 있을 정도의 기술이 필요하다.
저작자표시