SK네트웍스 Family AI 캠프 30기 8주차 회고

📅 데일리 학습

• 5월 18일 (월)

[34일차] MediaPipe

 

이번에는 MediaPipe를 직접 다뤄볼 수 있는 시간을 가졌다. 그동안은 다른 사람이 만든 결과물만 보면서 신기하다고 생각했는데, 직접 실습해보니 얼굴 인식, 손 추적, 자세 추정 같은 기능들이 어떤 방식으로 동작하는지 조금은 감을 잡을 수 있었다.

안경 씌우기, 그림 그리기, 가상 피아노, 포즈 검출 등 다양한 예제를 따라 해보면서 생각보다 활용 범위가 넓다는 점이 인상적이었다. 단순히 기능을 사용하는 것을 넘어 나중에는 이런 기술들을 활용해서 재미있는 프로젝트를 만들어보고 싶다는 생각도 들었다.

• 5월 19일 (화)

[35일차] YOLO11 파인튜닝

 

Object Detection이 어떻게 동작하는지 항상 궁금했는데 이번에 YOLO11 파인튜닝을 배우면서 조금이나마 과정을 이해할 수 있었다.

특히 Roboflow를 이용해 데이터셋을 만들고 Bounding Box를 직접 지정하는 과정을 보면서 데이터 준비가 얼마나 중요한지 새삼 느꼈다. 모델만 좋으면 되는 줄 알았는데 실제로는 데이터를 만드는 과정에 훨씬 많은 노력이 들어간다는 것을 알게 되었다.

결국 AI도 데이터가 핵심이라는 말이 왜 나오는지 이해할 수 있었다. 단순히 데이터 양만 많은 것이 아니라 양질의 데이터가 중요하다는 점도 함께 느꼈다.

파인튜닝 결과까지는 확인했지만 아직은 코드를 따라가는 수준이라 전체 흐름을 완벽히 이해하지는 못했다. 나중에 다시 복습하면서 학습 과정과 결과가 어떻게 연결되는지 제대로 이해해보고 싶다.

• 5월 20일 (수)

[36일차] YOLO11 세그멘테이션

 

오늘은 YOLO11 세그멘테이션을 학습했다. 기존 Object Detection이 객체를 사각형으로 탐지하는 방식이라면, 세그멘테이션은 객체의 실제 형태를 기준으로 픽셀 단위 영역을 구분하는 방식이라는 것을 알게 되었다. Mask를 활용해 특정 객체만 선택할 수 있었고, 이를 이용해 배경 제거, 컬러팝, 배경 변경, 모자이크 같은 다양한 작업을 수행할 수 있었다.

Object Detection보다 한 단계 더 정교하게 객체를 다룰 수 있다는 점이 인상적이었다. 아직은 예제를 따라가는 수준이지만 여러 실습을 반복하면서 익숙해져야겠다는 생각이 들었다.

• 5월 21일 - 22일 (목, 금)

[37일차 ~ 38일차] 2차 프로젝트

 

이번 2차 프로젝트는 유튜브 크리에이터 분석을 통한 광고 효율 및 지속 가능성 추천 시스템을 주제로 진행했다.

1차 프로젝트에서 아쉬움이 남았던 만큼 이번에는 조금 더 적극적으로 참여해보고 싶었다. 원래는 캐글 데이터를 활용한 고객 이탈 예측을 생각했지만, 이전 기수에서 유튜브 데이터를 활용한 프로젝트 사례를 보고 실제 데이터를 직접 수집해서 분석해보면 더 재미있을 것 같다는 생각이 들었다. 아이디어를 고민하던 중 크리에이터의 활동 지속 여부를 예측해보면 어떨까 하는 생각이 들었고, 이를 바탕으로 프로젝트 주제를 구체화하게 되었다. 프로젝트를 진행하면서 데이터 수집부터 전처리, 분석, 시각화, 서비스 기획까지 동시에 진행해야 했다. 짧은 기간 안에 많은 것을 해내야 하다 보니 시간이 항상 부족하다고 느껴졌다. 미리 모여서 아이디어를 정리하고 역할을 나누며 준비했지만, 프로젝트를 진행할수록 해야 할 일이 계속 늘어나는 느낌이었다. 특히 모델링 부분은 아직 이해가 부족해서 결과가 어떤 과정을 통해 도출되었는지 완벽하게 이해하지 못했다. 예측된 이탈률이 실제로 의미 있는 값인지 판단하기도 어려웠다. 이번 프로젝트를 통해 머신러닝과 딥러닝 개념을 더 깊게 공부해야겠다는 필요성을 크게 느꼈다.

이번에는 PM 역할도 맡아보게 되었다. 단순히 일정을 정리하는 정도일 거라고 생각했는데, 실제로는 프로젝트 전체 흐름을 이해하고 방향을 제시해야 하는 역할에 가까웠다. 기획을 하려면 기술적인 내용도 이해하고 있어야 하고, 팀원들과 소통하면서 의사결정도 해야 한다는 점에서 생각보다 훨씬 어려웠다. 결과적으로 완성도 측면에서는 아쉬움이 남았다. 시간이 조금 더 있었다면 기능이나 분석 결과를 더 보완할 수 있었을 것 같다. 그래도 좋은 팀원들과 함께 프로젝트를 끝까지 마무리했고, 스트림릿을 활용해 실제 서비스 형태로 구현해본 경험은 의미 있었다.

프로젝트 발표 후 진행된 단원평가에서는 예상대로 좋은 결과를 얻지 못했다. 오히려 이번 단원을 제대로 이해하지 못하고 있었다는 사실을 확인할 수 있었던 계기였다. 아쉬움은 남았지만 부족한 부분이 무엇인지 알게 된 만큼, 앞으로 머신러닝과 딥러닝을 꾸준히 복습하면서 기초를 다시 다져야겠다고 느꼈다.

📊 주간 회고

이번 주는 컴퓨터 비전 기술을 배우고 직접 프로젝트까지 진행하면서 기술과 기획의 중요성을 동시에 체감한 한 주였다.

MediaPipe와 YOLO를 학습하면서 AI가 이미지를 이해하는 방식에 대한 흥미가 커졌고, 실제로 데이터가 얼마나 중요한 역할을 하는지도 경험할 수 있었다. 특히 모델보다 데이터가 먼저라는 사실을 여러 실습을 통해 자연스럽게 체감했다.

프로젝트에서는 기술적인 부분뿐 아니라 기획과 협업의 어려움도 경험했다. 처음 PM 역할을 맡으면서 일정 관리와 의사결정을 해봤지만 생각보다 쉽지 않았다. 다만 그 과정에서 내가 어떤 부분이 부족한지 알게 되었고, 앞으로 무엇을 공부해야 할지도 조금 더 명확해졌다.

결국 이번 주의 가장 큰 수확은 결과물보다도 부족한 부분을 발견한 것이었다. 머신러닝 모델링에 대한 이해, 기획 역량, 데이터 분석 능력까지 아직 갈 길이 멀다는 것을 느꼈지만 그만큼 앞으로 성장할 여지도 많다는 생각이 들었다.

 

AI 프로젝트는 모델보다 데이터가 중요했고, 좋은 기획은 기술에 대한 깊은 이해에서 시작된다는 것을 배운 한 주였다.

🔍 KPT 회고

Keep (유지할 점)

• 새로운 기술을 직접 실습하며 원리를 이해하려고 했던 점
• 프로젝트 아이디어를 적극적으로 제안하고 참여했던 점
• 팀원들과 꾸준히 소통하며 끝까지 프로젝트를 완성한 점

Problem (보완할 점)

• 머신러닝과 딥러닝 모델링 과정에 대한 이해가 부족했다
• 프로젝트 기간 대비 해야 할 일의 범위를 넓게 잡았다
• PM 역할 경험 부족으로 일정 관리와 우선순위 설정이 미흡했다

Try (시도할 점)

• 머신러닝·딥러닝 핵심 개념을 주말마다 복습하기
• YOLO 파인튜닝 과정을 처음부터 다시 따라 해보며 정리하기
• 기술 구현뿐 아니라 기획 관점에서도 문제를 바라보는 연습하기