Vicki Boykis가 말하는 2026년 머신러닝 입문 경로: 경제학 학위에서 ML 엔지니어까지
How to Learn ML in 2026 interview
Deep Learning with Yacine과의 인터뷰에서 Vicki Boykis는 경제학을 전공하고 독학으로 ML 엔지니어가 된 자신의 경력 경로를 공유했다. 그녀는 2026년에 ML을 배운다면 어떻게 할지에 대해 실용적인 조언을 전했다. Boykis는 경제학 학사 학위를 받은 뒤 국제 무역 컨설팅에서 Excel 스프레드시트 작업을 하며 커리어를 시작했다. 동료가 R과 SAS로 분석을 자동화하는 것을 보고 같은 방식을 익히려 했고, 이후 데이터 분석, 데이터 사이언스, 머신러닝 엔지니어링으로 단계적으로 옮겨갔다. 각 단계에서 한 걸음 앞선 사람이 하는 일을 스스로 배워 기술로 내재화하는 방식이었다. 그녀는 이 과정이 업계 흐름과 맞닿아 있다고 설명했다. 초기에는 맞춤형 패키지와 모델을 다뤘지만 지금은 LLM을 돌리는 대규모 클러스터와 추론 엔지니어링이 가장 뜨거운 주제라는 것이다. Boykis의 경력은 Comcast의 데이터 분석, Tumblr의 추천 시스템, Duo의 ML 플랫폼, Mozilla.ai의 LLM 작업을 거쳐 현재 뉴욕 스타트업 Malachyte의 이커머스 실시간 검색·개인화 업무로 이어진다. 인터뷰 진행자 Yacine 역시 신경과학 배경에서 데이터 복잡성 때문에 머신러닝을 익혔다고 밝혔다. 본 자료에는 Boykis가 2026년에 권장하는 구체적 학습 자원이나 순서가 상세히 담겨 있지 않아, 이 요약은 그녀의 경력 경로와 업계 변화에 한정한다.
Boykis는 Excel과 R·SAS 분석에서 출발해 추천 시스템, ML 플랫폼, LLM 작업까지 이어지는 경로를 밟았으며, 이는 비전공자가 실무 문제를 계기로 기술을 단계적으로 익힐 수 있음을 보여준다.
원문 출처
Vicki Boykis Tech Blog