# "GNN(Graph Neural Network) ML Learning " (1) 커리큘럼

AI 종사자에 대한 고객(회사) 의 인식과 기대 변화

AI 에 대한 고객(회사)의 인식과 기대 수준이 변화 하고 있습니다.

지금 까지 기업이 AI 엔지니어와 데이터 사이언티스트를 활용한 사례는 "원천/고급 기술과 프러덕트 개발" 부분을 제외 하면 아래와 같이 정리할 수 있을 것입니다.

1. 이미지의 경우 널리 알려진 CNN 계열의 모델을 활용한 객체의 인식과 비교 (성능 개선) 와 이후 부족한 데이터 한계를 극복하기 위한 'few shot learning' 등 을 모델을 활용하여 제품 검색, 유사 이미지/제품 추천, 디자인 생성 영역에서의 적용 사례 확보

2. 텍스트의 경우 Transformer 에서 파생된 다양한 텍스트 학습 모델 등 에서 고객이 기 보유한 데이터를 원천으로 한 고객 의도, 감정 분석
3. 그리고 기업이 보유 하고 있다고 판단했으나 보유 하지 못한(?) 데이터로 확인된 결과를 가지고 한 가설과 분석 결과를 가지고 기업의 의사 결정에 필요한 근거 자료를 만들고 의사결정자들을 설득 하는 일
4.또한, 항상 부족한 데이터를 확보 하기 위한 모델 학습 용 데이터 셋, 라벨을 확보 하는 업무가 있을 것입니다.

하지만, 이름있는(?) 기업들이 각자의 AI 센터 (또는 AI 혁신 센터) 를 만들기 시작한지 약 2년이 지난 지금 기업의 의사 결정자들은

이미 시장에 잘 알려진 레퍼런스 서비스 모델 또는 쏟아져 나오는 서적의 첨부된 코드만으로 구현 가능한 SOTA 모델 기반 서비스들을 그대로 복사하여 붙여 넣기 하는 것 만으로는

그들이, 시장에서 목표로 하는 서비스 또는 제품을 확보 하지 못할 것이라는 것을 인지 하기 시작했습니다.

이러한 변화는 우리 AI 업계 종사자들에게 위기(?)이자 또 다른 기회를 제공해 줄것이라 생각 합니다.

본인의 경우 이러한 변화에서 도태 되지 않기 위해 새롭게 시작한 패션과 교육 분야에서 Multi modal network, GNN 등을 적용하여 제품을 개발해 보기로 했습니다.

<1. 우선 패션/에듀 시장 트랜드 예측을 위해, GNN 을 구성>

이를 위해

"패션과 에듀테크" 시장에서의 AI 서비스 기획과 활용 가능한 모델의 설계와 구현을 위한 지식과 기술 습득을 위한 커리큘럼을 준비하고자 합니다

<2. Variants of GNN 의 학습>

(대학원 과정에서 관련 수업에 대한 수강 신청에 실패 했네요.. ㅠㅠ 힘든 길을 가게 될듯..)

<주 학습 키워드>

그래프 네트워크를 활용한 기계 학습

그래프 네트워크 설계
수식 연산
모델 설계 및 구현

생성된 그래프 네트워크에서 강화 학습을 활용하여 링크(관계)를 예측 하는 방법

필요한 학습 자료는 무엇이며, 어떤 순서로 접근해야 할까요? 정리해 보겠습니다.

학습 목차

배경 지식 & 강의

<ref>

1) CS224W: Machine Learning with Graphs : http://web.stanford.edu/class/cs224w/

2) 그래프에서 기계 학습을 시작 하는 방법: https://ichi.pro/ko/geulaepeueseo-gigye-hagseub-eul-sijaghaneun-bangbeob-139670554425187

3) Graph Neural Network 설명 : https://www.youtube.com/watch?v=5MHU8U8JWGc

- https://drive.google.com/file/d/1Uo96LPpg4PTsfo5DdSymOHOvz-AGD9oo/view

이 블로그 검색

# "GNN(Graph Neural Network) ML Learning " (1) 커리큘럼 - 접근 방식