AICE Professional 시험 합격 후기 (AI 자격증, 인공지능 자격증)
안녕하세요 수쿠입니다.
오늘은 인공지능 자격증인 AICE Professional 시험을 합격한 과정을 정리해보려고 합니다.
저처럼 AI를 공부하며 관련 자격증을 고민하는 분들에게 도움이 되기를 바라며, 시행착오도 솔직하게 적어보겠습니다.
본 글은 2024년 4회차, 2025년 1회차 시험을 응시한 경험을 바탕으로 작성되었으며, 시험 문제나 방식은 향후 변경될 수 있습니다.
✅1. AICE Professional 개요
✅1-1. AICE Professional 시험이란?
AICE Professional은 AI 실무 능력을 평가하는 시험으로, Jupyter Notebook 환경에서 Python을 활용한
데이터 분석 및 전처리, 머신러닝과 딥러닝을 통한 모델 구축 및 최적화 능력을 테스트합니다.
시험은 180분동안 치뤄지며, 총 3가지 유형의 문제로 구성되어 있는 각각의 데이터셋을 활용하여
데이터 전처리 → 모델 구축 → 성능 최적화 → 테스트 데이터 평가 과정을 수행해야 합니다.
출제 문제 유형
1) Tabular 데이터 기반 회귀 또는 분류 모델
- 데이터 타입: Tabular 데이터 (CSV 파일 기반)
- 예제1 : 교통 내비게이션 시스템에서 차량의 목적지 도착 시간을 예측하는 회귀 모델 구축
- 예제2 : 고객이 서비스를 해지할 확률 예측(분류)
2) 텍스트 분류 - 감정 분석 및 항목 분류
- 데이터 타입: 텍스트 데이터 (CSV 파일 기반)
- 예제: TF-IDF+머신러닝, Tokenizer+딥러닝 방식, BART 같은 사전 훈련 모델을 활용하여 감정 분석 또는 카테고리 분류 수행
3) 이미지 분류 - 개 or 고양이, 꽃 분류
- 데이터 타입: 이미지 데이터 (ImageDataset)
- 예제: ImageDataset, 딥러닝, ImageNet과 같은 사전 훈련 모델을 활용하여 특정 이미지의 분류 작업 수행
시험에서는 주어진 트레이닝 데이터를 기반으로 데이터 전처리 및 최적의 AI 모델을 구축한 후, 테스트 데이터셋에 대한 성능을 평가하게 됩니다. 최종적으로, 시험에서 요구하는 성능 기준을 충족해야 합격할 수 있습니다.
✅1-2 시험의 난이도 및 활용도
- AICE Associate는 AI 분야에서 유일한 국가 공인 자격증으로 인정받고 있습니다.
- AICE Professional은 아직 민간 자격증이지만, Associate 자격증에서 다루는 Tabular 정형 데이터뿐만 아니라, Text와 Image 같은 비정형 데이터까지 다루고, AI 모델링 및 평가를 수행하는 능력을 검증하는 시험입니다. 따라서 AI 실력을 객관적으로 증명할 수 있는 좋은 방법이라고 생각됩니다.
시험 난이도에 대해서
- 다른 데이터 분석이나 인공지능 자격증과 직접 비교하기는 어렵지만, 기본적인 머신러닝과 딥러닝 개념을 이해하고, 데이터 전처리부터 모델 학습 및 평가까지 직접 구현할 수 있어야 합니다.
- 단순히 라이브러리 함수를 호출하는 것이 아니라, 데이터셋을 분석하고 적절한 모델을 선택하여 성능을 최적화하는 과정이 필요하기 때문에, 어느 정도의 실습 경험이 요구됩니다.
- Python을 어느 정도 다룰 줄 알고, 머신러닝과 딥러닝 모델을 직접 구현해본 경험이 있다면 충분히 도전할 수 있는 수준입니다.
- AICE Associate와 AICE Professional은 필기 시험 없이 실기 시험만 존재합니다.
(참고로 AICE 자격증에는 코딩 없이 AutoML 기반으로 데이터 분석/모델링 역량을 확인하는 Basic 자격증도 있습니다.)
- 시험 환경이 제한된 오픈북 형식이므로, Python 문법과 머신러닝/딥러닝 모델링에 대한 숙련도가 중요합니다.
- 문법 레퍼런스는 참조할 수 있지만, 코드 구현을 빠르게 할 수 있도록 기본적인 코드 패턴을 암기하고 숙달하는 것이 필요합니다.
✅1-3 시험 접수 기간 및 응시 조건
- 아래는 2025년 기준 AICE Associate와 Professional의 시험 일정입니다.
- 나이, 학력, 경력과 같은 응시 조건은 없는걸로 알고 있습니다.
✅ 2. 첫번 째 (24년 4회차) 시험과 시행착오
✅ 2-1 첫번 째 공부 방법 & 부족했던 부분
저는 3개월 동안 온/오프라인으로 인공지능(AI)을 배웠고, AICE Professional 첫 번째 시험은 3주 동안 공부하고 응시했습니다.
원래는 AICE Associate 자격증을 목표로 했었는데, 국가공인 자격증으로 변환되면서 시험 응시가 불가능해졌습니다.
그래서 예상과 다르게 AICE Professional 시험을 준비하게 되었습니다.
AICE Associate의 경우, AICE 사이트에서 기출문제를 확인할 수 있어 시험 준비에 도움이 되었는데, Professional 시험은 기출문제가 제공되지 않아서 처음에는 구글링을 하며 정보를 찾았습니다. 몇몇 블로그에서 합격 후기가 있었지만, 실제 데이터나 코드가 없어서 공부 방향을 잡기 조금 어려웠습니다.
그래도 다행히 AICE 사이트의 게시판에서 시험 전에 제공되는 자료를 발견했습니다.
AICE 사이트에 접속하고, 로그인 후 커뮤니티-공지사항-"특강"을 검색하시면,
"[안내] 2024년 제4회 AICE 정기시험 대비 무료 특강 링크" 라는 글에서
AICE Professional 이미지, 텍스트 특강 실습 링크를 통해서 Google Drive로 Jupyter 코드를 받을 수 있었습니다.
AICE 시험 일주일 전에 진행된 유튜브 특강에서는 위의 코드를 기반으로 ‘칸 채우기’라고 되어 있는 공란을 수정하며 어떤 기능인지 설명해주는 시간이 있었습니다. 이 특강과 코드는 꽤 많은 도움이 되었습니다. 시험이 어떤 식으로 나올지 감을 잡고 준비할 수 있었기 때문이죠.
AICE에서 제공한 데이터셋과 코드를 바탕으로 공부하고 자신감을 가지고 시험을 봤습니다.
하지만 24년 4회차 시험에서 아쉽게도 불합격 했습니다.
✅ 2-2 불합격 이후 느낀 점과 개선 방향
시험에서 떨어지고 돌아보니, 공부 방법에서 부족했던 부분과 더 보완해야 할 점들이 보였습니다.
1. 우선 이미지 분류가 0점인 이유가 뭐였을까?
- 시험 당시에는 이미지 데이터셋 분류가 잘 된 것 같았는데, 왜 결과가 0점이었는지 알아내야했습니다.
- 곰곰히 생각해보니 이미지 데이터셋의 순서가 CSV 파일의 순서와 맞지 않았던 것일 수도 있겠다고 생각했습니다.
2. Test Dataset의 Image를 개별적으로 비교할 수 있도록 개선해야 한다
- Test Dataset과 함께 제공된 CSV 파일에서 이미지 데이터의 순서가 랜덤인지, 아니면 일정한 순서로 제공되는지 명확하지 않았습니다.
- 기존 방식으로도 이미지 데이터셋을 분류하고 성능을 평가하는 것은 가능했지만, 개별 이미지가 올바르게 분류되었는지를 직접 확인하는 데는 한계가 있었습니다.
- 따라서, 이미지 데이터셋의 CSV 파일이 제공되지 않거나 순서가 랜덤이어도 문제없이 처리할 수 있도록 개선해야 했습니다.
3. 긴 지문 해석 및 Training/Test Dataset을 별도로 불러오는 연습이 필요하다
- Image뿐만 아니라 Tabular 및 Text 데이터도 Test Dataset을 별도로 불러오는 방식으로 공부해야 한다고 느꼈습니다.
- 기존에는 데이터를 전처리한 후 train_test_split을 사용해 Train과 Test 데이터를 분리했지만, 실제 시험에서는 Train Dataset에 대한 전처리 및 모델 최적화, Test Dataset에 대한 전처리 및 모델 성능 평가를 각각 수행해야 했습니다.
- 따라서, 실전과 유사한 방식으로 데이터를 다루는 연습이 필요하다고 판단했습니다.
4. 모델과 데이터셋의 저장
- 모델은 '01012345678_1.model' 또는 '01012345678_1.pkl' 형식으로 본인의 연락처를 포함해서 저장해야 했습니다.
- csv 파일은 '01012345678_1.csv' 형식으로 저장해야 하며, 각 데이터 타입에 따라 Tabular는 _1, Text는 _2, Image는 _3을 추가해서 저장해야 합니다.
5. MSE와 RMSE의 차이점 알기, 구현 방법 익히기
- Tabular 회귀 데이터를 평가할 때 RMSE를 기준으로 모델을 평가해야 했던 것으로 기억합니다.
- 기존에는 MSE만 사용해 모델을 평가해왔기 때문에 순간적으로 당황했지만, 구글링을 통해 RMSE 계산 방법을 찾아 적용하였고, 성능에 문제가 없음을 확인한 후 제출하였습니다.
✅ 3. 두번 째 (25년 1회차) 시험 준비
- 첫 번째 시험에서 부족했던 부분을 보완하기 위해 Kaggle 코드를 참고하며 수정해보기도 하고, GPT에게 질문하면서 코드를 검토하고 개선하는 과정을 거쳤습니다.
- 또한, Test Dataset이 별도로 제공되는 자료를 찾거나, 직접 임의로 Test Dataset을 만들어 다양한 실습을 진행했습니다.
실습한 데이터 유형별 접근 방식
Tabular: Kaggle에서 회귀 및 분류 데이터를 가리지 않고 다양한 데이터셋을 활용하여 실습.
Text: 영화 리뷰, Twitter 문장과 같은 쉽고 익숙한 데이터를 사용해 연습 (한국어 및 영어 자료).
Image: 동물, 꽃, 과일 등의 직관적으로 분류하기 쉬운 이미지 데이터셋을 참고.
- Text 분류 모델에 Bart 같은 사전학습 모델을 적용해보려 했지만, 코드 구현이 너무 까다로워 시험에서 활용하기 어렵다고 판단했습니다. 대신, TF-IDF + 머신러닝 방식과 Tokenizer + 딥러닝 방식을 유지했습니다.
- 이미지 분류에서는 사전학습 모델을 ImageNet V2에서 V3로 변경하여 더 성능이 좋은 모델을 적용했습니다.
✅ 3-1 두번 째 시험의 특징(출제 유형, 실습 내용 등)
- 시험 문제는 Tabular 회귀 분석, Text 분류, Image 분류로 구성되어 있었습니다. (이전 시험과 동일)
- 최적 모델 기준(만점) 성능은 RMSE가 50정도, Text 분류는 85%, Image는 93% 였던거로 기억합니다.
- 모델 성능 평가에 따라 부분 점수가 부여되는 것으로 보였습니다.
- 2025년에 본 시험은 비교적 덜 긴장한 상태에서 응시해서인지, 지문을 읽고 코드 작성까지 약 1시간 30분 정도 소요되었습니다.
(이전 시험에서는 3시간을 꽉 채웠었음.)
- 시험 결과가 나오기 전까지는 제가 작성한 코드가 적절했는지 확신할 수 없어 불안했지만, 2주 뒤에 합격 결과를 받았습니다! 🎉
✅ 3-2 실전 대비 연습 방법
저의 경우 공부했던 방법과 순서는 아래와 같습니다.
1. Colab을 사용하여 Tabular 데이터, Text 데이터, Image 데이터별로 개별적으로 반복하면서 각 항목별 필요한 코드 숙지 및 암기
- 주로 사용했던 연습 데이터는 Tabular 회귀2개, 분류2개, Text 분류 한국어2개, 영어2개, Image 분류 꽃,과일,동물 5개 였습니다.
2. 이후 코랩에 데이터셋 3개를 모두 올린 후 하나의 코드에서 모든 데이터 분석 및 모델링을 진행하며, 시험 환경과 동일하게 제한된 시간과 환경에서 연습했습니다. 다뤄봤던 데이터셋 기준으로는 1시간 내외로 다 작성할 수 있도록 연습했습니다.
3. Kaggle에서 새로운 데이터셋을 아무거나 받아서 분석해보기
- 테스트 데이터셋이 없는 경우에는 임의로 csv 파일을 만들어 사용했습니다.
✅ 4. 시험 환경
✅ 4-1 시험에서 제공되는 환경
- AICE 사이트에서 제공되는 환경은 Jupyter 환경 으로 Associate 샘플 문항 환경과 동일합니다.
- 시험에서 제공해주는 GPU는 코랩에서 제공하는 T4 무료 GPU에 비해 2배~3배는 빨랐던거로 기억합니다.
- 시험에서 Jupyter를 열면 긴 문항들이 나열되고, 데이터 컬럼이 어떤 기능을 하는지 설명해주었습니다.
훈련 및 테스트 데이터셋도 명확히 알려줍니다. tabular_train_dataset.csv / tabular_test_dataset.csv
- 제출해야하는 파일은 7개입니다.
Jupyter.ipynb / Tabular.model / Tabular.csv / Text.model / Text.csv / Image.model / Image.csv
별도로 업로드 하는건아니고, 코드상에 model(pkl, joblib), csv를 저장하고, ipynb의 경우 제출을 눌러주시면 됩니다.
✅ 4-2 제한된 오픈북 기준(제한 사항)
시험은 제한된 오픈북입니다. 저장된 코드가 있는 블로그나 메모장을 참고하는 것은 허용되지 않습니다.
생성형 AI도(GPT) 당연히 사용할 수 없습니다.
따라서, 코드는 반드시 숙달하고 외워서 시험을 준비해야 되는거 같습니다.
저도 그렇게 준비하고 시험에 갔지만, 문법이 헷갈리거나 생각나지 않을 때 구글링을 통해 필요한 부분을 찾아봤습니다.
2025-03-20 기준 변경사항 (추가로 변경될 수 있으니 AICE 공지사항 게시판을 꼭 봐주세요.)
AICE Associate의 경우 아래와 같이 바뀐 상태입니다. Professional도 유사하게 바뀔거라고 생각됩니다.
시험지 내 주어진 7개 사이트만 활용 가능
1) numpy
2) pandas
3) matplotlib
4) seaborn
5) scikit-learn
6) tensorflow
7) XGBoost (Scikit-learn wrapper)
※해당 사이트는 시험지 내에서 접속이 가능하며, 시험지 밖 링크 접속은 부정행위에 해당됩니다.
※상세 내용은 AICE 시험 오리엔테이션을 참고하시기 바랍니다. [바로가기]
✅ 4-3 시험볼 때 주의할점
- 캠코더 또는 노트북의 카메라가 필요하며, 스마트폰을 통해 좌측이나 우측에서 모니터링 프로그램을 실행해야 합니다.
- 듀얼모니터 사용이 불가능하고, 책상 위의 모니터도 치우거나 가려야 하기 때문에 한 화면에서 코딩하는 연습이 필요합니다.
- 시험 당일에는 신분증이나 학생증이 필요합니다.
- AICE 공지사항에서 시험 유의사항을 꼭 읽어주세요!
✅ 5. 시험을 준비하면서 배운 점
- 예상대로 시험 준비가 완벽하지 않아 당황했지만, 그 과정에서 캐글을 참고하거나 생성형 AI를 활용해 코드를 개선하고, 다양한 데이터셋을 실습하면서 점차 익숙해질 수 있었습니다.
- AI 분야는 변화의 속도가 빠르고, 한 가지 정답만 존재하는 경우가 드물기 때문에, 변화에 적응하며 자발적이고 주도적으로 학습하는 과정이 중요하다는 것을 깨달았습니다.
sukuai_AICE_Pro_0331_comment.ipynb 다운로드
AICE_Professional 시험 공부했었던 코드에 주석을 붙여서 업로드 합니다.
위의 내용들과 업로드한 프로그램을 참고하여
자격증 취득을 목표로 하시는 분들께 조금이나마 도움이 되시기를 바랍니다.
만약 실행 중 오류가 나거나 궁금한 점이 있다면 댓글로 남겨주세요! 😊🚀