fastai와 파이토치가 만나 꽃피운 딥러닝

146

1



실전 딥러닝

도덕적 책임만이 문제가 아닙니다. 때로 기술자는 자신의 행동에 매우 직접적으로 값을 치릅니

다. 폭스바겐 스캔들을 예로 들어보죠. 폭스바겐의 허위 디젤 차량 배기가스 검사가 밝혀진 후

처음 수감된 사람은 회사의 프로젝트를 지휘한 관리자나 책임자가 아니었습니다. 회사에서 지

시한 대로 일을 처리한 엔지니어인 제임스 리앙

James

Liang

이었죠.

물론 모든 상황이 나쁘게 돌아가지는 않을 겁니다. 참여한 프로젝트가 단 한 사람에게만이라도

큰 긍정적인 영향을 미친다면 매우 기분이 좋을테죠.

여러분도 이런 문제에 경각심을 가져야 한다고 생각하길 바랍니다. 그런데 문제를 인식한 다음

에는 무엇을 해야 할까요? 데이터 과학자인 우리는 일부 평가 지표를 개선하며 모델을 개선하

는 데 집중하는 경향이 있습니다. 그게 자연스러운 행동이죠. 하지만 평가지표의 최적화가 꼭

더 나은 결과를 만들어낸다는 보장은 없으며, 설령 그렇다고 하더라도 다른 중요한 고려사항들

이 있습니다. 연구자 또는 실무자가 모델이나 알고리즘을 개발하는 단계와 실제 만든 결과물을

의사 결정에 사용하는 단계의 처리 공정을 생각해보세요. 원하는 결과를 얻으려면 처리공정의

처음부터 끝까지를



고려해야 합니다.

일반적으로 전체 처리 공정은 매우 긴 일련의 단계로 구성됩니다. 연구가 어떤 용도로 사용될

지 모르는 연구원 또는 처리 공정의 초기 단계인 데이터 수집에 관여한 사람이라면 특히 이 말

이 더 와닿겠지요. 그러나 여러분이야말로 특정 단계의 영향, 제약, 세부 ...