AI/ML 엔지니어가 되기 위해 6개월 동안 내가 할 것들

요약

이 글은 AI/ML 엔지니어가 되기 위한 6개월간의 매우 심화된 학습 로드맵을 제시합니다. PyTorch 내부 구조, LoRA 같은 모델 최적화 기법부터 DPO를 활용한 정렬 기술까지 다룹니다. 마지막으로 vLLM과 MLOps를 통한 실제 프로덕션 배포 과정까지 포괄적으로 안내하는 내용입니다.

핵심 포인트

• PyTorch 내부 구조, CUDA 메모리 계층 등 핵심 원리 이해가 필수적이다.
• LoRA/QLoRA 같은 PEFT 기법과 모델 병합(SLERP) 기술을 습득해야 한다.
• DPO, KTO 등 선호도 기반 정렬(Alignment) 방법론에 대한 깊은 이해가 필요하다.
• DeepSpeed ZeRO-3와 FSDP를 활용한 대규모 분산 학습 능력을 갖춰야 한다.
• vLLM/TensorRT-LLM을 이용해 고성능 추론 및 MLOps 파이프라인 구축이 중요하다.