AI 공부, 왜 이렇게 어려운 걸까?
"AI 배워야지"라고 마음먹고 검색창을 열면 수백 개의 강의, 책, 유튜브 영상이 쏟아집니다. 무엇부터 시작해야 할지 몰라 결국 아무것도 시작하지 못한 경험, 한 번쯤 있으시죠?
AI 입문이 어렵게 느껴지는 이유는 크게 세 가지입니다.
- 수학 지식이 필요하다는 막연한 두려움
- 너무 많은 선택지 (TensorFlow? PyTorch? Keras?)
- 이론만 배우고 실제로 써볼 기회가 없는 환경
하지만 실제로 AI를 업무에 활용하는 직장인들을 보면, 대부분 수학 전공자가 아닙니다. 중요한 것은 올바른 순서로 실습 중심으로 배우는 것입니다.
6개월 로드맵: 이렇게 하면 됩니다
직장을 다니면서 주 10시간을 투자한다는 전제 하에 현실적인 로드맵을 정리했습니다.
1~2개월: 파이썬 기초 + 데이터 다루기
AI의 언어는 파이썬입니다. 문법 전체를 마스터할 필요는 없습니다. 데이터를 읽고, 가공하고, 시각화하는 데 필요한 것들만 익히면 됩니다.
- Pandas: 엑셀처럼 데이터를 다루는 라이브러리
- NumPy: 수치 계산의 기본
- Matplotlib/Seaborn: 데이터 시각화
핵심: 튜토리얼만 따라하지 말고, 본인이 관심 있는 데이터셋(예: 주식, 날씨, 스포츠)으로 직접 실습하세요.
3~4개월: 머신러닝 핵심 개념
수식을 이해할 필요는 없습니다. 각 알고리즘이 어떤 문제를 해결하는지, 언제 쓰는지를 아는 것이 우선입니다.
- 선형 회귀 → 숫자 예측 (집값, 매출)
- 분류 알고리즘 → 예/아니오 판단 (스팸 여부, 이탈 예측)
- 클러스터링 → 비슷한 그룹 묶기 (고객 세분화)
scikit-learn 하나로 이 모든 걸 실습할 수 있습니다.
5~6개월: 딥러닝 입문 + 프로젝트
ChatGPT, 이미지 인식처럼 우리가 'AI'라고 부르는 대부분은 딥러닝 기반입니다. PyTorch를 사용해 간단한 이미지 분류기나 텍스트 분류 모델을 만들어보세요.
이 단계에서 가장 중요한 것은 완성된 프로젝트를 GitHub에 올리는 것입니다. 취업이나 사내 활용을 목표로 한다면, 포트폴리오가 곧 실력입니다.
흔히 하는 실수 3가지
1. 이론만 파다가 지치는 경우 앤드류 응의 강의는 훌륭하지만, 수학 공식만 3시간 보다 보면 의욕이 떨어집니다. 이론 30%, 실습 70% 비율을 유지하세요.
2. 너무 많은 것을 한꺼번에 배우려는 경우 TensorFlow, PyTorch, Keras를 동시에 배울 필요 없습니다. PyTorch 하나를 제대로 배우면 나머지는 자연스럽게 따라옵니다.
3. 혼자 공부하는 경우 AI 공부는 같이 하면 두 배로 빠릅니다. 스터디, 커뮤니티, 강의 플랫폼의 Q&A 기능을 적극 활용하세요.
지금 당장 시작할 수 있는 것
거창하게 계획 세우지 않아도 됩니다. 오늘 할 수 있는 것은 딱 하나입니다.
파이썬을 설치하고, 첫 번째 코드를 실행해보세요.
import pandas as pd
data = pd.read_csv("https://raw.githubusercontent.com/mwaskom/seaborn-data/master/titanic.csv")
print(data.head())
print(f"\n생존율: {data['survived'].mean():.1%}")
단 세 줄이지만, 이것이 AI 여정의 첫 걸음입니다. 시작이 반입니다.