Udacity Artificial Intelligence Nanodegree 후기

안녕하세요!
광주과학기술원의 박사과정 재학중인 신동원이라고 합니다.
오늘은 제가 지난 약 8개월동안 수강했던 Udacity의 Artificial Intelligence Nanodegree (AIND)후기를 적어볼까 합니다.


일단 Udacity라는 웹사이트는 computer science에 관련한 온라인 강의를 주로 다루는 곳입니다. MOOC(Massive Open Online Course)과 관련한 사이트 중에 초창기에 시작하여 굉장히 많은 종류의 동영상 강의를 무료로 제공해주고 있는데요. 그 중에 Nanodegree라는 코스는 일정 금액을 내고 양질의 온라인 강좌를 수강하면서 1대1 멘토의 코칭을 받을수 있고 slack을 통해 세계 각국에서 Nanodegree를 수강하는 학생들과 논의를 하며 자료를 주고 받을수 있습니다.

  • 금액 및 기간

여기서 일정 금액이라는 부분이 먼저 궁금하신분이 많으실것 같네요 ㅎ Nanodegree 코스마다 금액이 상이하지만 AIND는 2개의 학기와 1개의 Concentration 코스로 구성되어 있으며 1학기당 800달러 상당의 금액을 지불해야 합니다.  1개의 학기는 3개월 정도의 기간으로 구성되어 있습니다. 여기서 또 한가지 의문이 들수도 있겠습니다. 그만큼 가치가 있는가? 흠.. 글쎄요 ㅋ 약간 생각해봐야 할 부분이 있긴하지만 전반적으로 제 의견은 “만족스럽다” 입니다.ㅎ 강좌의 내용과 제가 생각하는 장점과 단점에 대해서 설명을 해드리도록 하겠습니다.

  • 강좌의 콘텐츠

(1)  AIND Term 1

AIND는 2개의 학기로 구성되어있는데 첫번째 term은 “Foundation of AI”라고 해서 AI의 기본적인 내용에 대해서 설명을 합니다. 주로 알고리즘, 자료구조와 같은 내용을 다루는데요. 이해를 돕기 위한 애니메이션을 통해 쉽게 설명하려고 노력하고 있고 웹상에서 간단한 코드 짜는 퀴즈를 내기도 하고 github을 이용해서 프로그래밍 프로젝트 같은걸 내주기도 하고 제출한 프로젝트는 reviewer가 검토한 후에 코멘트를 적어서 주기도 합니다.  아래는 AIND term 1의 강의 목차입니다.

– Welcome to the AI Nanodegree
– Careers: Orientation
– Setting up with Anaconda
– Solving a Sudoku with AI
– Introduction to AI
– Introduction to Game Playing
– Advanced Game Playing
– Search
– Simulated Annealing
– Constraint Satisfaction
– Logic and Reasoning
– Planning
– Probability
– Bayes Nets
– Inference in Bayes Nets
– Hidden Markov Models

세부적으로 들어가면 아랫 단계에서 목록이 더 있지만 다 적기는 힘들것 같네요 ㅎ. 알파고 이야기도 나오고, 휴리스틱, 몬티홀, minimax problem, DFS, BFS, Iterative deepening, alpha-beta prunning, A* search, simulated annealing, genetic algorithm, Bayes network, hidden markov model 등등 다양한 인공지능 관련 주제에 대해 설명하고 관련된 과제도 하고 토의도 할수 있습니다.

AIND Term 1에서 진행했던 프로그래밍 프로젝트로는 스도쿠 퍼즐 푸는 인공지는 agent 만들기, 보드 게임의 인공지능 agent 만들기, HMM을 활용한 수화 인식 프로그램 등이 있었습니다.

(2) AIND Term 2

두번째 term은 “Deep Learning and Applications”라고 해서 주로  딥러닝과 관련한 내용이 대부분을 차지했습니다. term 1과 마찬가지로 애니메이션을 통해 쉽게 설명하려고 노력하며 과제와 논의, 리뷰어 코멘트로 강좌가 진행됩니다. 아래는 AIND  term 2의 강의 목차입니다.

– Welcome
– Deep Neural Networks
– Convolutional Neural Networks
– CNN Project: Dog Breed Classifier
– Intro to TensorFlow
– Autoencoders
– Recurrent Neural Networks
– Long Short-Term Memory Networks (LSTM)
– Implementing RNNs and LSTMs
– Hyperparameters
– Sentiment Prediction with RNN
– RNN Project: Time Series Prediction and Text Generation
– Generative Adversarial Networks
– Deep Convolutional GANs
– Semisupervised Learning

대부분이 딥러닝과 관련된 내용이고 이를 이용한 응용분야에 대해서도 설명과 실습을 제공해주고 있습니다. 재미있는 것은 Generative Adversarial Networks강좌에서 Ian Goodfellow가 직접 나와서 설명해주는것이 흥미로웠습니다 ㅎ.

저는 개인적으로 term 2가 좀 더 재미있고 유용했다고 생각합니다. 재미있는 딥러닝 응용에 대해서 설명도 해주고 github 저장소를 제공해주며 ipython 노트북을 통해 찬찬히 설명해주고 있습니다.

AIND Term 2에서 진행했던 프로그래밍 프로젝트로는 CNN을 이용한 강아지 품종 분류기, LSTM을 이용한 소설 쓰기 등이 있었습니다. 저는 개인적으로 CNN을 이용한 강아지 품종 분류기가 재미있다고 생각해서 Django를 활용한 웹서비스를 만들어 보기도 했습니다. (관련한 리뷰는 이곳을 클릭해주세요)

(3) Concentration course

AIND term 1과 term 2를 마치면 마지막으로 Concentration 코스를 수강할수 있습니다. Concentration 코스는 Computer vision, Nautral language processing, Voice user Interfaces의 3가지의 코스중에 하나를 선택해서 집중하여 살펴보는 것인데요. 저는 영상처리 전공을 하고 있어서 Computer vision concentration을 선택하여 수강했습니다. 아래는 Computer vision concentration의 강의 목차입니다.

– Intro to Computer Vision
– Mimic Me!
– Image Representation and Analysis
– Image Segmentation
– Features and Object Recognition
– Completing the Program

Computer vision concentration에서 진행했던 프로젝트로는 사람 얼굴 표정 인식 API를 이용한 웹앱 작성, CNN을 이용한 Facial feature 추출 등이 있었습니다.

  • 장점 및 단점

제가 생각하는 장점으로는 slack을 이용해 세계 각국에서 이 강좌를 수강하고 있는 학생들과 자유롭게 논의 할수 있다는 점이 있습니다.

제가 jaunary class에 속해있는데 이 채널에 현재 805명이 속해있네요 ㅎ.

또 다른 장점으로는 애니메이션을 겯들인 쉬운 설명과 github 저장소를 제공하고 다양한 실제 인공지능 응용에 대해서 직접 만들어보고 리뷰어로부터 직접적인 코멘트를 받을수 있다는 점 등이 있습니다 ㅎ.

너무 좋은 소리만 하면 홍보하러 나온 사람처럼 보일수 있으니 ㅎ 제가 생각하는 단점도 적어보도록 하겠습니다. 아무래도 self-motivated course이다 보니.. 미루는 일도 생기고 프로젝트의 마감 기한이 있긴하지만 엄격하게 제제 하지는 않는것 같습니다. 그리고 과제 같은 경우도 github의 특성상 다른 사람이 해놓은 숙제를 볼수 있어서 어떤 면에서는 참고할 수 있어서 좋지만 또 다른 면에서는 답만 보고 베끼는 사태가 발생할수도 있습니다 ㅎㅎ 저는 적절하게(?) 사용한것 같습니다 ㅎㅎ;;

slack과 멘토를 통해 논의를 할수는 있지만 아무래도 세계 각국에 있다보니 시차가 있어서 그런지 응답률이 그렇게 높은 편은 아닙니다. 질문 하나 하면 하루는 지나야 어떤 사람이 답변해주는 정도..?

그리고 수학적인 내용이 깊은 부분까지는 포함하지 않고 개념적인 설명 위주이고 활용하는 부분을 주로 설명합니다. 이 부분은 수강하시는분의 목적에 따라 장점이 될수도 단점이 될수도 있다고 생각합니다.

  • 결론

이리하여 지난 약 8개월 (Term 1 & 2, Concentration과 쉬는 기간 포함) 동안의 대장정을 마치면 Udacity에서는 아래와 같은 수료증을 제공합니다.

nd889

이 수료증은 큰 의미는 없지만 LinkedIn에서 자신의 프로필에 추가할 수 있다고 하네요 ㅎ

제 개인적으로 인공지능에 대한 기대와 호기심으로 시작했던 Udacity AIND는 인공지능의 과거와 현재, 미래에 대해 자세하진 않지만 큰 그림을 그릴수 있도록 도와주었고 그와 동시에 세부적인 방향을 제공해줌으로써 전반적으로는 만족스럽다는 제 개인적인 의견으로 귀결되었습니다.ㅎ

이 이후에는 Udacity Robotics Nanodegree를 들어볼까 합니다ㅎ
두서없는 긴글 끝까지 읽어주셔서 감사합니다.
궁금하신점이 있으시면 댓글을 남겨주시면 답변해드리도록 하겠습니다!ㅎ

1 comment

  • Udacity AIND를 위한 선행 과정들을 듣는 입장에서 큰 도움이 되었습니다. 감사합니다!

최근 댓글