거두절미 하고 그냥 결론만

1. Web application server 기반 기술 스택가진 사람들
– 특징: 최근 5년내 유입된 개발자들의 대부분을 차지. SQL, Java or Javascript로 대표되는. node.js는 알아도 웹이 어떻게 동작하는가에 대해 답변 못하는 애들이 태반.
– 비전: 떨어지는 칼날. 개발 방법론이 완벽하게 정립돼서 위와같이 웹을 전혀 몰라도 공장식 찍어내기로 인력 배출이 가능해졌고 업무의 퀄리티가 Engineer보다 점점 테크니션화 되어가고 있음. 한달만에 이력서 2만개 들어왔다고 함. 이미 Software engineer에서 Web developer라는 position 이 분리되고 compensation line도 반토막 이하. 그래도 하겠다는 사람 넘쳐남. 확정적으로 저임금 노동자들의 직업이 될 전망.

2. Data Analyst
– 특징: 본격 비전공자들 놀이터. 머리가 비어있을 수록 sklearn 좀 써보고서 본인이 머신러닝을 할 줄 안다고 말하고 다님. ML scientist뽑을 때 랜덤포레스트란 키워드로 깔끔하게 거를 수 있을 정도로 랜덤포레스트를 좋아함
*랜덤 포레스트는 거의 교육용 알고리즘이고 현업에서는 절대 쓰이지 않는 모델 중 하나.
– 비전: 평타. 비전이 있다기 보다 그냥 일반 BI level 에서의 분석은 테크직무라고 보기 어려울 정도로 일반직무에 빠르게 흡수되고 있고 점점 파이썬 할 줄 모르는 졸업자를 보기가 더 힘들어지는 추세. 결국 일반직무에 흡수되어 사라질 직업. 지금 “엑셀전문가” 같은 걸 뽑지 않듯이..

3. ML DL Scientist
– 특징: 유행을 크게 탐. 3은 2랑 확실하게 선 긋는데, 2는 3이랑 구분을 잘 못하거나 어느정도 호환 가능한 줄 앎.
– 비전: 모아니면 도. 도의 경우 1번보다도 비전 어둡고 가성비 극악의 길. 현재는 Transformer가 주류. 모의 경우 대우가 과하게 좋은데 진입 문턱이 매 우 높음. 애초에 딥러닝 모델이라는 게, 가장 우수한 하나의 모델 이외에 모두 잡것들이 되버리는 속성이 있어서 더 심함.

4. ML DL Engineer
– 특징: 비전공자가 거의 없고 뭐라고 딱히 방법론이 정립된 분야가 아니라 시스템, 하드웨어를 비롯한 폭넓은 전공지식을 요구하며 진입도 배우기도 힘듦. 딥러닝의 backend를 담당하는 파트인데, 1애들이 backend라고 해서 딥러닝 배포해서 http request를 처리하는 일인 줄로 잘못알고 지원하는 경우가 너무 많음.
– 비전: 현재 비전 가장 좋고 현재/미래 수요 매우 뚜렷. NVIDIA cuda 쪽 optimization 엔지니어들 지금 없어서 못구함. 진짜 Engineer적 역량이 뚜렷하게 요구되고 1에 비해선 절대적 수요가 적은 편인데, 그보다 훨씬 적은 공급으로 안정적 균형이 맞춰져있고, 높은 진입 문턱이 적은 공급을 안정적으로 유지시키고있음.

5. 기타소견
요즘 앱, 플랫폼등이 하나의 슈퍼플랫폼, 슈퍼앱으로 흡수 통합되고 있음. 개발자들 연봉 boom(1번)은 그 왕좌를 가리는 과정에서 생긴 버블임. 현재는 선택지들이 빠르게 줄어들고, 양극화되고 있는 상황.

CUDA가 지존 인가 봅니다.
그에 대항할 경쟁사는 없는 거죠?

정답은 “모름” . 현재 확실한 건 cuDNN, 모델경량화 이런쪽은 영어 어버버해도 알아서 모셔감.

2번 분석 정확함 진짜 개나소나 문송이들 다 함.. 엔지니어링 스쿨 빡세게 다닌것도 아니고 부트캠프출신도 엄청 많음. 페이 급격하게떨어질것임.

scikit-learn자체가교육용 프로그램인데, 이걸 머신러닝 프레임워크라고 생각하는거 보고 그냥 할말을 잃음. 머신러닝으로 accuracy 99.9% 이상 달성해보라 라던지(달성 가능한 데이터셋), data analysis시켜보면 그냥 이것저것 해보다가 결국 랜덤 포레스트 돌리고있음. 알고봤더니 linear algebra, norm, half space의 정의도 모름. 근데 머신러닝에 대해 많이 공부했다고 함. 실제로 있었던 일

좋은 글 감사합니다
비전공 부트캠프 출신입니다. 은행 개발자 자바 연봉 200K 정도 받고 있습니다.
뭘해야 빅테크로 넘어가서 연봉을 올릴 수 있을까요?

은행 개발자는 퀀트 엔지니어로 가면 됨. “나 아마존 다녀” 같은 애들보다 돈 수십배는 더 벌텐데. 그거말고 그냥 웹개발이면 들어갈 걱정을 해야할 상황이 아니라 안락사를 피할 생각을 해야됨. 현재 빅테크 웹개발 빈자리들은 다 1에서 4나 다른 쪽으로 옮겨간 현직자들 빈자리임. 계속 썰려나가고 현직자들 layoff 피해 도망가고있는 곳을 왜 못들어가서 안달복달 하는지 솔직히 이해가 안됨. 뭐, “들어가서 잘 하면 살아남을 수 있다” 같은 생각을 하고있는 것 같은데 현실을 너무 모르는 듯.

네.. 웹, java, sql 쪽입니다
석사하면 quant 로 갈 수 있는 방법있을까요?

Quant는 실제 트레이더를 말하는 거고, Quant Engineer는 low latency, HA를 전문적으로 다루는 서버 엔지니어라고 생각하면 됨. 본인 현재역량을 살려서 갈 수 잇는건 quant engineer고 quant가 되려고 하는게 아닌 이상, 석사진학은 비추.

RL 또는 제어공학 기반의 로보틱스는 취업시장이 어떤가요?
3,4의 중간쯤 되는듯 한데 물론 아직 시장이 크지 않아 포지션이 적기는 합니다.

robotics 분야가 유망하다는 걸 모르는 사람은 아무도 없음. 하지만 그 분야가 유망한 거랑, 자신이 그 분야에 뛰어들었을 때의 expected outcome은 완전히 다르게 동작함. 시장이 크지 않은 데에는 이유가 있게 마련이고, 어떤 분야가 유망하다는 것은 그 분야의 스타를 뽑는 거대한 오디션장과 같은 것이지 그 오디션장에 참가한다고 무언가 보장되는 것이 아님.

즉 본인이 그 “유망함”을 실제로 현실화 시켜야 하는 포지션이란 거임. 따라서 자신이 직접 시장을 키우는 프론티어가 되던가, 로보틱스가 본격적으로 뜨기 시작해서 연봉이 고공행진할 때 누구보다 빨리 뛰어들어서 빠른 습득과 경쟁을 통해 기회를 선점하던가, 둘중 하난데, 한국인은 아무래도 후자쪽에 유리한 기질을 가지고있음. 한국인은 유년시절부터 사회적으로 프론티어정신이라는 개념에 노출된 적이 단 한번도 없고, 보고 들은게 없이 자랐기 때문에 이게 어떤 감각을 가지고 해야 되는 건지, 뭘 개척해 나가라 그러면 꿀먹은 벙어리 되기 일쑤고, 목표가 일단 주어지면 무조건 그냥 몸 갈아서 열심히 해서 성취하는 후자쪽에 좀 더 특화되어있음.

로보틱스는 아직 고속도로 자율주행조차 완벽히 못할 정도로 시장 초기 단계이고, 아직 novel method, killer model 같은게 정립된 게 없어서 다른 프론티어에 밀려서 죽도밥도 안될수있음. Chat GPT, Transformer뜰 때 LSTM 가지고 박사 포닥한 사람들 지금 다 한국에서 교수나 강사 하고있듯이 뭐가 유망하다 마다랑 그래서 본인이 잘 먹고 잘 살 수 있느냐는 완전 별개의 문제.

그리고 로보틱스 유망하다는 떡밥은 거의 20년째 듣고있는 것 같음. 인간이 사이보그가 되는 그 날까지 계속 유망한 상태일 거라고 봄. 로보틱스랑 비슷한 위치로 평가받는게 양자컴퓨팅이랑 바이오해킹(인공 신체)쪽인데, 여기도 만년 유망하다고만 알려져있고 실제 아웃풋은 상위 극소수를 제외하면 처참한 수준. 그냥 그런거 모르겠고 자신이 막연하게 로보틱스에 몸을 담궜다 자체로 인정받고 안정적으로 취업하려는 목적이라면 미국보단 한국 SPK를 나와서 삼성을 가면 됨. 한국은 아직까진 그게 통함.

Multi-agent를 이용하는 Gen AI engineer는 전망이 어떤지 궁금합니다.

multi agent이냐 아니냐 이런것 보다 AI engineer 자체가 전망이 좋음. 최정상에 극소수의 modeling scientist가 있고 그 밑은 다 engineer인데, 갑자기 공급난이 생겼을 정도로 지금 활발하게 뽑고 있는데 절대적 채용 공고수가 1에 비해 한참 부족해서 눈에 안 뜨일 뿐이지, 이쪽이야말로 현재 취업이 가장 쉬운 루트임. 아무나 할 수 없어서 그렇지.

열심히들 하는 만큼 잘들 풀리길 바랍니다.

물론 엉뚱한 분야를 파는 것은 문제지만, 코어 분야의 수준 높은 전문가가 되는게 “뭐가 핫한가”하며 이리 저리 쫓아 다니는 것보다 나을 수도 있습니다. 이런 경우 결국 트렌디한 것에 접점이 생기는 경우도 많고요.

진로 선택이란 것도 주식 만큼이나 뭘 하던 이득과 손실에서 벗어날 수 없는 입장인지라, 이리저리 머리아프게 전략적으로 사는 것 보다 그냥 자기가 좋아하는 거 하는게 정답이라고 생각 되긴 합니다.

나는 좋아하는 분야를 학생 때도 이것 저것 해보고 스스로 배우고 했는데, 그게 이후 커리어에 많은 도움이 됐습니다. 나는 가만 있는데 career path가 저절로 풀리고 발전되어, 분에 넘치게 잘 된 케이스입니다. 그래서 결과적으로 그렇게 되긴 했지만 “좋아하는걸 열심히 하면 잘 된다”라고 자신있게 말하기는 힘들군요. 다만, 좋아해서 열심히 하여 얻은 지식과 경험은 나중에 반드시 쓸모가 있다는 정도는 말할 수 있습니다.

“좋아하는 것을 열심히 하면 된다.” 같은 것들은 결코 방법론이 될 수 없습니다. 어떤 수단에 대한 방법론이 완벽하게 정립되었다는 것은 예측가능한 범위안에서 자신의 미래를 리스크없이 실현 가능하게 되었다 말과 같은데, 미래가 예측이 가능해진 만큼 경쟁이 극단적으로 치열해지거나 그 미래의 가치가 기하급수적으로 낮아지기 때문입니다. 방법론적으로 말하면, “좋아하는 것을 열심히 하는 것은 아무런 미래도 보장해주지 못하지만 적어도 본인이 좋아했으니 그걸로 됐다.” 정도려나. 요즘 취업시장은 주식시장을 보는 거 같네요. 빨간불 켜지면 몰리고 더 비싼값에 주고 사고.. 지금 고점이라고 아무리 경고해도 빨간불이 사람을 심리적으로 눈을 멀게만드나봅니다. 그에비해 medical 이나 이런쪽은 고금리 국채를 보는 거 같고. 여기서 뭘 사야 비용대비 가장 이득인가요? 같은 이야기와 똑같다고 봅니다.

데이터엔지니어는 어떤가요?

aa 님,
공감되는 부분들이 많네요. 유용한 정보 공유해주셔서 감사합니다.
질문 드리고 싶은 내용이 있습니다. 이메일 연락처 부탁드리겠습니다. 감사합니다.

인도에서 어중이 떠중이 들어오면서 물 다 흐려놨다..

주둥이만 놀리는 놈들..

1번을 좀 넓게 보자면 빅테크 들어가서 일한 중 시니어급 경력자 vs 어디 후줄근한데서 시간떼우는 애들로 나뉨 전자는 한 5프로 내외 나머지 95프로가 어중이 떠중이들. 빅테크 경력가지고 다른 빅테크 옮겨다닐능력되는사람들은 괜찮은데 안되는애들은 ㅈ됨 어디서 시간떼우는애들은 그나마 나은데 거의 지망생이나 1년 내외 경력들이 대부분. 결국 천하제일 무술대회 판되서 거기서 우승한애들만 빅텍 셀러리 독식하는 요상한 구조로 변함. 내 주변에도 개발자 지망생 하다 집어치운애들만 한트럭임. 왜냐면 취직이 안되서 ㅋㅋㅋ 들어와서 자리잡으면 이보다 좋은건 없는데 못잡으면 다른거 하러 가야지. 내 주변 통계만 봐도 개발자 지망생 한 20 30 명중에 두세명만 꽤 괜찮은회사 들어가서 괜찮은 연봉받고 다님.

현재 computer vision 쪽에서 데이터 사이언티스트 쪽 입니다. 말씀하신 내용들에 강하게 공감되네요.

석사 시절에 뉴립스 논문하나 써서 다행히 대기업에 data scientist로 올 수있었는데요.. 모델링 쪽은 확실히 이제 좀 힘이 부치네요 ㅎㅎ 말씀하신대로 소수의 천재들이 쏟아내는 유의미한 모델들 가지고 domain model optimization 이 중요해지는 것 같네요. 모델 경량화 & 파인튜닝 (제대로된)은 회사내에서도 사실상 제대로 하는 사람을 아직 못 봤네요. 저도 이 쪽으로 나가보려고 열심히 연구중입니다.!