[패스트캠퍼스] 딥러닝을 활용한 AI 의료 진단: 영상 처리부터 모델 개발까지 강의 후기
이 글은 패스트캠퍼스의 국비지원 강의: 딥러닝을 활용한 AI 의료 진단 강의 완강 후 끝까지 열공 챌린지 참여를 위해 작성되었습니다.
석사 졸업을 하고 귀국해 취직을 한지 벌써 1년이 넘어가는 시기가 되었다. 입사 후 대규모 프로젝트도 두 개째 거쳐가 논문 작성의 단계이기도 하고, 회사에서 개발하는 Data processing pipeline도 많이 안정되어서 조금 여유 있게 되었다. 이때를 이용해서 내일 배움 카드를 이용한 AI 국비지원교육을 신청해 볼까 했다. 항상 이론으로만 공부했었던 다양한 AI 테크닉들이 현업에서는 어떻게 쓰이는지, 관련 업무로 이직하려면 어떤 준비를 해야 하는지 궁금했었지만 답답했었는데 인스타그램의 광고를 보고 5만 원이라는 저렴한 가격에 수업을 들을 수 있었다.
퇴근하고 틈틈이 시간을 내어서 공부를 했는데, 러닝 커브가 꽤 공부하기 쉽게 설계되어 큰 어려움 없이 공부했던 것 같다. Obsidian으로 강의 노트를 적으면서 완강까지 5주안에 달성할 수 있었다. 강의를 들으면서 노트했던 내용들은 복습하고 요약해서 추후에 블로그에 올릴 예정이다.
강의는 내 기준 크게 두 파트로 나뉘었는데, 기계학습의 기초과정과, 의료 데이터에 특화된 데이터 처리/ 기계학습 과정이였다. 대학원 시절 Structural bioinformatic와 genomics를 할 때의 베이스로 이미 공부했었던 내용이었지만, 복습도 할 겸 이 과정도 모두 시청하였다.
이 파트는 간략하게 딥러닝 전반에 대해 설명을 해주는 취지였던 것 같다. 각종 수식에 대해 수학적으로 깊게 들어가진 않았지만, 수학적 베이스가 없는 비전공자들이 듣기 쉽게 이해가 되게 설명해주었다. 강의 영상들이 토픽별로 5~20분으로 짧게 끊겨 있어서 쉬엄쉬엄 보기에도 꽤 편했던 것 같다. 그래도 머신러닝부터 딥러닝의 다양한 토픽들까지 놓치지 않고 잘 커버해 주었고, 지루하지 않게 들을 수 있는 파트였던 것 같다.
두 번째 파트가 사실상 이 강의의 메인이다. Medical image processing 위주로 데이터 처리와 다양한 처리 방법에 대한 강의로 구성되어 있다. 개인적으로 실습과 논문 리뷰가 많아서 매우 마음에 들었다. 대학원 시절의 습관으로 논문만 보이면 원문 pdf를 프린트해서 같이 공부했는데, 가끔씩은 논문의 내용이 어려워서 모르는 단어 설명 들으러 다른 논문 다른 논문 찾으면서 다니기도 했다.
생소한 Medical data type들의 소개를 시작으로, 이 데이터를 통상적으로 처리하는 방법들, 그리고 어떤 종류의 데이터들이 있나를 배우고, 이 데이터를 가지고 실습까지 할 수 있었다. 이 때 Kaggle이라는 웹사이트를 자주 사용했는데, 다양한 dataset access가 있고, competition과 관련 코드까지 볼 수 있어서 매우 유용했다.
이 이미지들의 특성과 preprocessing 방법까지 배우고, 비교적 최신 논문까지 리뷰하여 요즘 방법까지 알 수 있었다.
우리가 통상적으로 알 수 있는 기계학습 종류를 한번씩 돌아보았으며, medical field에서는 이 방법들이 어떻게 쓰이나, 그리고 최신 방법은 무엇인가까지 알 수 있었다.
강의 막바지에 되서는 각 모델이나 손실 함수들에 대해 수학적으로 접근하기도 해서 꽤 만족스러웠고, 아마 복습하면서 직접 코드로 구현도 해볼 것 같다.
전반적으로는 매우 유익한 강의였다고 생각한다. 기계학습의 설명이 짧게 훑고만 지나가기 때문에 전반적인 기본지식은 알고 시작하는게 좋을 것 같다는 생각이지만, 기본적인 선수지식이 있다면 매우 추천하는 강의이다.
이 글은 패스트캠퍼스의 국비지원 강의: 딥러닝을 활용한 AI 의료 진단 강의 완강 후 끝까지 열공 챌린지 참여를 위해 작성되었습니다.