[캐글 코리아] 제 5회 모각캐 발표 세션 후기

서론

부스트캠프 멘토님이 관계자로 계신 캐글 코리아에서 발표 연사로 참여한 경험을 기록합니다.

 

본론

- 캐글 코리아란?

https://www.facebook.com/groups/KaggleKoreaOpenGroup

로그인 또는 가입하여 보기

우리나라의 캐글러들이 모여 지식을 공유하고 대회와 스터디를 진행하는 대표 Data, ML 분야 커뮤니티입니다.

 

- 발표자로 참여하게된 계기

Naver 부스트캠프 AI Tech에서 인연이 생긴 강천성 멘토님이 캐글 코리아의 관계자로 계시며, 제가 가진 공유하는 마음가짐과 지적 호기심을 발표를 통해 표현해보는 것이 좋겠다고 조언해주셨습니다. 그 덕분에 이러한 기회를 얻게 되었습니다.

 

- 발표 주제

https://drive.google.com/file/d/1LGTgK0JtT4qpqG_ujVVKHvnYO5oLegnK/view?usp=sharing

모각캐 행사 포스터.png

 

저는 분산 환경에서 GPU 스케줄러를 구현한 경험을 통해 모델 학습과 추론 시 GPU 사용률을 높이는 방법을 공유했습니다. 캐글 대회와 같이 여러 사람이 함께 팀을 이루어 다양한 가설과 실험을 수행해야 하는 상황에서, GPU를 효율적으로 활용하여 대기 시간 없이 바로 실험을 시작할 수 있는 것은 큰 이점으로 생각했습니다.

 

- 느낀점

현직자부터 연사님들까지, 저보다 훨씬 더 많은 경력과 실력을 가진 분들 앞에서 발표하는 것은 이번이 처음이었습니다. 그럼에도 불구하고 모든 분들이 저의 발표에 귀 기울여주시고 관심을 가져주셨습니다.

발표가 끝난 후에는 4분이나 저를 찾아주셨습니다.

 

1) 발표해준 구조를 학습 환경 외에 서비스 환경에도 적용할 수 있나요? 있다면 어떻게 적용했나요?
2) 레디스 구조와 원리를 설명해주세요
3) 모델 종류가 여러 개일 경우엔 어떻게 하면되나요?
4) 레디스와 추론 서버 연결은 어떻게 했나요?
5) 레디스는 휘발성 메모리인 RAM에 데이터를 저장하여 한 번 날라가면 복구가 불가능할텐데 괜찮을까요?

위처럼 GPU 스케줄러를 활용하는 것에 대한 질문을 해주셨고 부스트캠프에서 진행중이고 실제 운영중인 프로젝트인 걸 아시고 프로젝트 안정성에 신경을 많이 쓴 것 같다고도 말씀해주셨습니다. 발표 도중에도 여러 질문을 주시고, 좀 더 상세한 설명을 요청하시는 경우도 있었습니다.

 

결론

커뮤니티 활동을 통해 공통의 관심사를 두고 토론하고 지식을 나누는 문화가 정말 마음에 들었습니다. 저도 이 커뮤니티에 가입해 활동하고 싶다는 생각이 들었습니다. 무엇보다 이런 소중한 기회를 제공해주신 강천성 멘토님께 진심으로 감사의 말씀을 드립니다👏