그러니까 영어는 베이스로 알고있어야하고(논문 빠르고 정확한 뉘앙스를 캐치하면서 읽으려면) 수학은 학부때 통계위주로, 머신러닝은 석박때 하라는 말이군요! 코딩은 파이썬, R을 사용하지만.. 사실상 코딩은 계산기처럼 쓰는 느낌이네요 정말 중요한건 수학과 트렌디한 논문을 읽고 적용하는 능력이고요 잠깐이나마 석박의 벽을 느낄 수 있었습니다 끅 인터뷰 감사합니다
@@날자꾸나날자 맞는말이긴 한데 그렇게 할 수 있는 능력을 가진 사람이면 대학원 석박도 안하는거지 못하는게 아니죠 님 말대로면 솔직히 대학도 갈 필요 없는 그냥 스펙이라는 이름의 진입장벽일 뿐입니다 대학에서 배울 수 있는것들 다 대학 밖에서도 혼자서 공부할 수 있는것들이니까요
개인적으로.. 여러 논문 중에서 자기 비즈니스랑 가장 연관있는 모델의 논문을 찾아내고, 모델의 단점도 찾아서 고치고, 직접 구현해서 baseline으로 적용해 볼 수 있을 정도면 괜찮은 데이터 사이언티스트라고 생각합니다! 엔지니어는 입력 데이터 정리부터 모델 튜닝하고, DB나 하드웨어 등을 활용해 빠르고 정확한 결과를 보여줘야 한다 생각하구요. 전자는 코딩 난이도는 어렵지 않지만 수학이나 도메인 지식이 상당해야 하고, 후자는 코딩이 쫌 어려운 것 같아요.. 예를 들어 같은 모델이라도 파라미터 달리해서 수십개 어떻게 동시에 학습시킬까, 부적합 모델은 어떻게 빠르게 가려낼까 등등
데이타 엔지니어가 데이터를 갖고옴 데이터 에널리스트가 분석 데이터 사이언티스트가 알고리즘 데이터 사이언티스트: 석박사 정도의 커리어, 통계(확률,선형회귀,랜덥포레스트) 수학 산업공학 분야, 머신러닝(수학 통계 관련 최신 논문 공부할 수 있어야), 코딩(파이썬 or R, SQL)
ㅋㅋㅋ "수학이나 통계 쪽의 "최신" 논문을 읽고 이해할 정도면 데이터 사이언티스트 될 수 있다." (실질적으로 넘기 힘든 벽으로 느껴집니다.) Stanford 박사님 말씀해 주신 내용을 구체적으로 이해해 보려고 구글링을 해서 정리해 봤습니다. # 데이터 사이언티스트의 조건(자질)# 1. (기존에 알려진) 머신러닝의 수학 모델 background (확률, Linear Regression, Random Forest 등)를 이해하고 조직이 필요로 하는 알고리즘을 짤 수 있다. 2. 새로운 알고리즘을 언제, 어떤 경우에 적용해야 하는지 판단하고, 수학 뿐 아니라 산업공학, 경영학, 경제학적 개념을 이용해 에널리스트가 새로운 관점으로 분석할 수 있도록 지원하고, 의사결정자에게 알고리즘의 benefit을 설득해서 비즈니스에 적용하는 계획을 짜고 자원을 배분하도록 설득하고, 엔지니어가 구현할 수 있도록 협업한다. 3. 현상에 대한 통찰이 있어야 추상적이고 개념적인 모델이 정말 현실에서 효과가 있을지 감을 갖게 되므로, 심리, 인류학, 마케팅에 대한 이해를 기본으로 다양한 분야의 인문학적 소양이 데이터 사이언티스트의 역량을 결정한다. 4. 이런 기본 역량을 바탕으로 수학이나 통계 쪽의 "최신" 논문을 읽고 자신의 시각과 논리로 새로운 비즈니스에 모델을 만들 수 있다. 물론 회사 규모나 특성에 따라서는 데이터 사이언티스트가 에널리스트, 엔지니어도 역할까지 동시에 해야할 때도 있다는 설명.
데이터 사이언스는 과학자라고 생각합니다. 그래서 확실히 학문적인 분야입니다. 질문과 대답이 아주 적절하게 시원하게 잘 긁어주는 영상인 것 같습니다! 그리고 이제는 어느 분야던 분야에 상관없이 데이터 수가 방대하기때문에 데이터 사이언스 학문의 이론을 알고 엔지니어들이 알고리즘을 이용하여 움직여보고 하는 모든 과정이 이제는 한국에서 활발하게 이루어져야한다고 봅니다. 일반 공대생인데 결국 이시대에 수집된 데이터 양은 엄청나게 방대하기 때문에 결국 필요한 분야이고 인재들이라고 생각합니다! 너무 멋있으시네요! 똑똑하신분 존멋❣️🥺 석박을 추천하시는 이유는 있다고 생각합니다. 기본 베이스가 탄탄하기 위해서는 반드시 필요합니다. (너무 어려워서 토할거 같아요.... 통계전공 아닌 일반 공대생은 죽어갑니다 ㅠㅠㅠㅠㅠ 선형대수 깊게 안들어간다 하시니 위로 받고 갑니다 ㅠㅠㅠ)
안녕하세요. 미국에서 학부로 데이터 사이언스 전공중인 학생입니다. 얘기 하시던 중 학부생이 데이터 사이언티스트가 되기 어렵다는 얘기를 하시는데 석박사 있으면 도움이 되긴 하지만 필요조건은 아닙니다. 제가 아는 학부생들이 데이터 사이언티스트가 경우를 많이 봤습니다. 학위보단 본인이 얼만큼 전문지식을 갖고있는지가 훨씬 중요하다는 말씀을 드리고 싶습니다. 석박사 때문에 데이터 사이언티스트의 꿈을 져버리시는 분들이 없으셨으면 좋겠습니다.
@@박현민-i9q 아마 미국과 한국의 석사가 달라서 그런 것이 아닐까도 하네요. 한국의 경우 연구를 목적으로 석사를 하지만 미국의 경우 연구보다는 학업의 연장으로 석사를 밟는 경우가 많다고 합니다. 그래서 보다 심화과정을 공부한 사람들이 많이 있어 석, 박사들이 거의 전부를 차지하는 것이 아닐까 싶네요 저도 한국의 석사과정은 생각 없지만 미국 대학의 master degree는 생각하고 있네요.
뜨자마자 좋아요 누르고 영상 2번 꼼꼼히 시청했습니다. 워니님 인터뷰 정말 잘하시네요!! 그리고 역시 현직자에게서 들으니 확 와닿고 현실감이 있네요. 엔지니어,애널리스트,사이언티스트 구분 해주셔서 감사합니다. 아직 직무 구분이 명확하진 않아보이기도 하네요. 그래서 다들 헤매는 것 같아요. 인터뷰 질문들이 너무 좋아요. 최곱니다 ㅠㅠ. 결국 인공지능이란 것도 사실은 수학적 모델에 가까운 것이고. 인간의 사고, 논리를 모방하기 위해 신경망이라든지 선택과정을 알고리즘으로 구현하려고 하기 때문에 이름이 인공지능으로 붙었나봅니다. 뜬구름 느낌이 있었는데 좀 감이 오네요! 그래서 수학과 통계 공부가 필요하고 끊임없이 트렌디한 연구를 이해하고 적용해야하기 때문에 학계 영역과 공유가 필요해서 학위가 필요한거네요. 그리고 애초에 좋은 품질의 데이터를 넣어야 알고리즘도 좋은 결과가 나오는거군요ㅜㅠ데이터 사이언티스트 분들이 구현하신 알고리즘 그 예측결과가 실제로 맞는지, 알고리즘 자체가 상품 수요 자체에 미치는 영향은 없었는지 분석, 연구하시는 일도 궁금한데 혹시 그런일도 하시나요? 아니면 관련 직무가 따로 있거나 (알기 힘든 질문이라면 죄송합니다 대학원 관련 고민중이라 ㅜㅠ) 다시한번 영상 정말 감사합니다. 덕분에 많이 알았어요! 워니님 채널을 추천으로 띄워준 구글 알고리즘에 박수를 보내며👏🏻👏🏻👏🏻 관련 분야 채널 중에 제일 좋아하는 채널이 되었어요! 다음 영상도 기대할게요!
데이터분석에 대해 어떤일인지도 잘 몰랐는데 잘 설명해주셔서 감사해요:) 요즘 데이터분석을 가르치는 학원들도 많이 생겨났는데, 저는 캐나다에 Toronto school of management라는 학원같은(?) 컬리지를 알아보게 되었는데요 1)데이터디자인(데이터 품질, 유용성 향상기술) 2)데이터 처리 및 의사 결정 3) SAS및 SQL을 활용한 데이터작업 4)데이터 시각화 및 해석 이런 커리큘럼을 갖고있다고 하는데, 앞서서 영상에 말씀하신 통계를 공부하고, 후에 이 과정을 수료하면 인턴이나 취업이 가능할지 알고싶습니다 데이터분석 분야가 이제 막 뜨는 분야라 그런지 정보도 찾아보기 어려워 이렇게 댓글 남깁니다 감사합니다:)
빅데이터 시대라며 다들 파이썬 같은 거에 목매는데 사실 개발자나 사이언티스트가 아니고선 그럴 필요가 없는 거 같습니다. 오히려 분석에 필요한 데이터를 잘 수집하는 것부터 해야죠. 그리고 무엇보다 분석되어 시각화된 데이터를 읽고 해석하고 소통하고 문제해결까지 하는 게 훨씬 중요한 거 같습니다. 데이터 리터러시라고 하죠. 사실 그것만 잘해도 반은 먹고 들어가는 거 같습니다. www.ciokorea.com/news/162345 관련하여 정말정말 좋은 기사가 있어 공유합니다.
덕분에 데이터 사이언티스트, 애널리스트, 엔지니어 이 모두의 롤은 대충 파악했어요. 아직까진 구체적인 롤의 구분이 나눠져 업무가 진행되는건 아닌거 같네요 좋은 회사는 위 3가지에 대해 모두 지식이 있고 다룰 줄 아는 인재를 필요로 하겠네요. 딱 짤라 구분해서 업무를 하기에는 모호한 직업들이네요
인공지능이 미래를 예측하는 엔진이라기보단 수많은 데이터를 기반으로 통상적인 결과를 뱉어낸다 생각하면 쉽습니다. 수많은 데이터를 기반으로 하다보니 좋은 양질의 데이터가 중요한거고 양질의 데이터를 분석하려면 또 수많은 지식을 요구하는 건 사실입니다. 입장을 바꿔서 생각하면 간단해요. 학사 석사 박사가 좋은 분석자를 만드는게 아니라 데이터를 쓸 줄 아는 지식이 있는지 없는지가 중요한거라 생각해요. 수많은 데이터로 인공지능을 해보고싶다는 생각에 포괄적으로 공부를 하다보면 데이터 전문가로 가고싶은지 인공지능 전문가로 가고싶은지 길이 보일 거라 생각합니다! 취업을 고민하고 진로를 고민하시는 분들은 구분을 지어 생각하면 안된다는 생각에 글을 올립니다.
허헣 석박이 필수군요 역시ㅠㅠ궁금한게 하나 더 있는데 기존에 수학이나 컴공전공자가 아닌 다른분야 전문가가 통계와 머신러닝을 배워서 융합하는게 의미가있을까 궁금합니다. 독학으로 배운다해서 석박수준으로 잘할수있는게 아닌데 기존 자신이 전공한 전문분야와 융합할 시에 써먹을수있는 경우가 있는지?아니면 결국 분업으로 각 분야전문가가 따로 하는방향이 나은지
제 개인적인 경험으로 말씀드리자면 의미가 많이 있는거 같아요. 저는 인터뷰어님처럼 통계를 깊이 공부한것도 아닌데도 머신러닝을 활용해서 의미있는 문제를 푼 경우가 많이 있었어요. 제일 좋은 방법은 일단 직접 머신러닝 모델을 써봐야 이게 뭔지 알고 어떤 상황에 활용할 수 있는지 감이 오니까, 여유가 되시면 몇 달만 투자 하셔서 그정도까지는 해보시는게 좋을 것 같아요!
의미가 당연히 있죠. 저는 의료쪽인데 이쪽 전공 다 하고 나서 통계/머신러닝 쪽 연구실 들어가 연구 결과 활발히 내고 있는 친구도 있구요, 학부 전공이 컴퓨터 공학이라 그쪽 특기 살려서 그걸로 본교 전임교수 딴 친구도 있습니다. 직접 해볼 수 있냐 없냐, 통계나 컴퓨터 전공한 연구원을 관리 할 수 있냐 없냐 차이가 엄청 큰 거 같습니다.
인공지능, 머신러닝, 빅데이터가 다 비슷하다는것부터 에반데.. Regression 이야 SVM같이 오차 최소로하는 함수 구하면 되는거고..classification이야 KNN, CNN, DNN 이런건데..요새는 워낙에 잘되어 있으니.. 솔직히 말해서 머신러닝 과목자체가 통계도 다 포함하기때문에 컴공과나 전산과, 전자과 등등 머신러닝 배운 사람이면 데이터 사이언스니 분석가니 다 할 수 있다. 이미 어지간한 알고리즘은 다 잘 나와있고 그걸 쓸정도면 어느정도 이해해고 있다는거고 결국 그걸 조금 바꿔쓰는정도인데 뭘 못하겠냐 데이터 모으는거야 솔직히 노가다계열이지.
사실 개발이라기 보단 가지고 있는 데이터를 잘 가꾸는 느낌?.. 인걸로 알고있어요, 마치 광물을 주면 보석으로 다듬는 장인 느낌이랄까.. 그덕분에 실질 Data Scientist, Engineer 를 구하는경우, 기존 개발자처럼 학사학위 또는 포트폴리오, 경력을 보는 반면 데이터 싸이언티스트, 엔지니어 등등은 최소 석,박사들을 선호를 하니.. 전 무에서 유를 창조를 하고싶으니, 개발자의 길로 가는걸로 ;) 근데 데이터 싸이언티스트들 보면 연봉이 넘나 부러운것...
![[영국 인공지능석사]문과 직딩이 영국에서 인공지능 석사를??](http://i.ytimg.com/vi/gITg1t9zZsM/mqdefault.jpg)
2탄 취업하는 편 올라왔어요: ruclips.net/video/PX4Kzoxdbgo/видео.html
Teccboi Wonie 처음에 이름 삐 처리 하셨는데 중간 끝쪽에 한번 그대로 언급하셨어요.
감사합니다 덕분에 데이타 사이언스 쪽은 배제할 수 있게 되었습니다!
ㅋㅋㅋ 이것도 선영향인거죠?
ㅋㅋㅋㅋㅋㅋㅋㅋ아 이 댓글 개웃기넼ㅋㅋㅋ
ㅋㅋㅋㅋㅋ
ㅋㅋㅋㅋㅋㅋㅋㅋㅋㅋㅋㅋ
ㅇㄱㄹㅇ ㅋㅋㅋㅋㅋㅋ요즘 유투브 광고에도 빅데이터 3개월만에 전문가 어쩌구 그러던대 개소리
오~~ 질문의 퀄리티에 있어서 사람들이 궁금해할만한 정말 정확한 포인트를 여쭤봐주시네요. 너무 좋아요!
구독자분들이 미리 질문을 해주신 덕분이에요!!
그러니까 영어는 베이스로 알고있어야하고(논문 빠르고 정확한 뉘앙스를 캐치하면서 읽으려면) 수학은 학부때 통계위주로, 머신러닝은 석박때 하라는 말이군요!
코딩은 파이썬, R을 사용하지만.. 사실상 코딩은 계산기처럼 쓰는 느낌이네요 정말 중요한건 수학과 트렌디한 논문을 읽고 적용하는 능력이고요
잠깐이나마 석박의 벽을 느낄 수 있었습니다 끅 인터뷰 감사합니다
도움이 됐다니 다행입니다!
수학공부 ㅜㅜㅜ
sk k 요약 엄청 잘하시네 ㄷ
@@날자꾸나날자 맞는말이긴 한데 그렇게 할 수 있는 능력을 가진 사람이면 대학원 석박도 안하는거지 못하는게 아니죠 님 말대로면 솔직히 대학도 갈 필요 없는 그냥 스펙이라는 이름의 진입장벽일 뿐입니다 대학에서 배울 수 있는것들 다 대학 밖에서도 혼자서 공부할 수 있는것들이니까요
@@날자꾸나날자 혹시 그런 판단을 하는 기준이 무엇인가요? 사실 생소한 특정 직업군에 관한 자격을 부여하는게 상당히 어려운일이라 생각했거든요. 해당산업에 종사하고계신건지 아니면 타 직업군에대한 자신만의 판단기준이 있으신지 궁금합니다
개인적으로.. 여러 논문 중에서 자기 비즈니스랑 가장 연관있는 모델의 논문을 찾아내고, 모델의 단점도 찾아서 고치고, 직접 구현해서 baseline으로 적용해 볼 수 있을 정도면 괜찮은 데이터 사이언티스트라고 생각합니다! 엔지니어는 입력 데이터 정리부터 모델 튜닝하고, DB나 하드웨어 등을 활용해 빠르고 정확한 결과를 보여줘야 한다 생각하구요. 전자는 코딩 난이도는 어렵지 않지만 수학이나 도메인 지식이 상당해야 하고, 후자는 코딩이 쫌 어려운 것 같아요.. 예를 들어 같은 모델이라도 파라미터 달리해서 수십개 어떻게 동시에 학습시킬까, 부적합 모델은 어떻게 빠르게 가려낼까 등등
데이터 애널리스트 : 분석
데이터 사이언티스트 : 알고리즘
데이터 엔지니어 : 코딩
여자 게스트의 말이 공중으로 날리는 이유는 남자분이 정면으로 처다보고 있기 때문인것 같은데
두분이 같이 정면을 보고 이야기 한다면 말이 스크린으로 더 잘 전달될수 있을것 같습니다.
피드백 감사드립니다! 담엔 그렇게 해봐야겠어요
동감합니다 육체가 너무 공격포지션이라 게스트분이 부담부담쓰
추상적으로 설명하는 영상들이 많은데, 너무 실질적으로 궁금한 내용을 요약해서 잘 설명해주신것 같아요 감사합니다 ㅎㅎ
다 인터뷰어님 덕분이죠! 파트2에서도 뵈요!
서울과고>브라운>스탠퍼드 ㄷㄷ
갈색이요?
갈색 ㅋㅋㅋㅋㅋ 드립친거 같은데도 웃기네여
@@Izmirkitty 갈색이 아이비리그여 ㅎㄷㄷ
와.. 질문도 그렇고 대답도 그렇고 진짜 겉핥기가 아니라 핵심적이네요.. 이때까지 본 관련 영상중 제일 좋은거같아요!! 좋은 인터뷰 영상 감사합니다☺️ 다음 영상도 기대할게요‼️
다음 영상 올라왔어요!
데이타 엔지니어가 데이터를 갖고옴
데이터 에널리스트가 분석
데이터 사이언티스트가 알고리즘
데이터 사이언티스트: 석박사 정도의 커리어, 통계(확률,선형회귀,랜덥포레스트) 수학 산업공학 분야, 머신러닝(수학 통계 관련 최신 논문 공부할 수 있어야), 코딩(파이썬 or R, SQL)
프로그래머 보다는 수학자, 통계학자에 더 가깝네요.. 생각했던거랑 많이 다르군요 ㅠ
프로그램은 수단에 가까운거 같고, 영상에 설명된것 처럼 빅데이터를 모델링을 이해하기 위해서는 통계학에 대한 깊은 이해가 필요한 듯..
결국 통계학에서 못하는 걸 하는거라 프로그래밍이 더 중요하다고 하는사람도 많습니다
늘 간결하고 핵심적인 영상 준비해주셔서 감사합니다. 개념과 함께 기초(확률, 선형대수)와 계속 공부(논문, 컨퍼런스)하는 것이 중요하다는 것도 얻어 갑니다.
감사합니다!
정말 버릴 것 없는 영상이네요 ! 역시 현직자 입에서 듣는 것만큼 와닿는 건 없는 것 같아요. 2탄도 기대합니다!
2탄에서 또 뵈여~~
ㅋㅋㅋ "수학이나 통계 쪽의 "최신" 논문을 읽고 이해할 정도면 데이터 사이언티스트 될 수 있다." (실질적으로 넘기 힘든 벽으로 느껴집니다.) Stanford 박사님 말씀해 주신 내용을 구체적으로 이해해 보려고 구글링을 해서 정리해 봤습니다. # 데이터 사이언티스트의 조건(자질)#
1. (기존에 알려진) 머신러닝의 수학 모델 background (확률, Linear Regression, Random Forest 등)를 이해하고 조직이 필요로 하는 알고리즘을 짤 수 있다.
2. 새로운 알고리즘을 언제, 어떤 경우에 적용해야 하는지 판단하고, 수학 뿐 아니라 산업공학, 경영학, 경제학적 개념을 이용해 에널리스트가 새로운 관점으로 분석할 수 있도록 지원하고, 의사결정자에게 알고리즘의 benefit을 설득해서 비즈니스에 적용하는 계획을 짜고 자원을 배분하도록 설득하고, 엔지니어가 구현할 수 있도록 협업한다.
3. 현상에 대한 통찰이 있어야 추상적이고 개념적인 모델이 정말 현실에서 효과가 있을지 감을 갖게 되므로, 심리, 인류학, 마케팅에 대한 이해를 기본으로 다양한 분야의 인문학적 소양이 데이터 사이언티스트의 역량을 결정한다.
4. 이런 기본 역량을 바탕으로 수학이나 통계 쪽의 "최신" 논문을 읽고 자신의 시각과 논리로 새로운 비즈니스에 모델을 만들 수 있다.
물론 회사 규모나 특성에 따라서는 데이터 사이언티스트가 에널리스트, 엔지니어도 역할까지 동시에 해야할 때도 있다는 설명.
주변에서 뵙기 어려운 실리콘밸리 기업에 계신분들의 이야기를 이렇게 유튭으로 들을 수 있다는 것에 정말 감사합니다 ㅠㅠ 정말 궁금한 부분들을 콕콕 간결하고 알기쉽게 질문,대답해주셔서 너무 감사합니다
엔지니어, 사이언스, 에널리시트에 대해 감이 오네요~~,, thanks for your great youtube.
Thanks for watching :)
이런얘기가있더라구요...솔직히 데이터사이언스쪽은 수학적지식을 갖고있어야하며 학력도 어느정도있어야한다고 들었거든요... 비전공자도 물론배울수있지만 취업은 힘들다는.. 그런것을들었는데 영상보니까 확실히 더 와닿았네요 프론트엔드에서 파생되는 웹퍼블과는 조금 다르네요, 좋은직업이네요!
데이터 사이언스는 과학자라고 생각합니다. 그래서 확실히 학문적인 분야입니다. 질문과 대답이 아주 적절하게 시원하게 잘 긁어주는 영상인 것 같습니다!
그리고 이제는 어느 분야던 분야에 상관없이 데이터 수가 방대하기때문에 데이터 사이언스 학문의 이론을 알고 엔지니어들이 알고리즘을 이용하여 움직여보고 하는 모든 과정이 이제는 한국에서 활발하게 이루어져야한다고 봅니다. 일반 공대생인데 결국 이시대에 수집된 데이터 양은 엄청나게 방대하기 때문에 결국 필요한 분야이고 인재들이라고 생각합니다!
너무 멋있으시네요! 똑똑하신분 존멋❣️🥺
석박을 추천하시는 이유는 있다고 생각합니다. 기본 베이스가 탄탄하기 위해서는 반드시 필요합니다. (너무 어려워서 토할거 같아요.... 통계전공 아닌 일반 공대생은 죽어갑니다 ㅠㅠㅠㅠㅠ 선형대수 깊게 안들어간다 하시니 위로 받고 갑니다 ㅠㅠㅠ)
ㅎㅎㅎ 화이팅입니다!!
와~~ 대답이 정말 너무 맘에 드네요 ^^ ~ 명쾌하고 깔끔합니다. 질문도 너무 좋네요 짝짝짝짝!!!!
진짜 대박이다!! 이야~`
고생하신 인터뷰어님께 박수~~
개인적으로 엄청 도움되는 영상이었습니다! Data Science 석사 준비중인데 많이배우고 갑니다. 감사합니다!
진짜 질문과 답변 다 완벽하네요.... 대학생입장에서 궁금한 것들 정리가 진짜 잘됬어요 감사합니다!!
다행이에요! 취업 관련 내용도 궁금하시면 방금 올라온 영상 한번 보세요!
진짜 궁금한것들 위주로 인터뷰 잘진행해주셔서 감사합니다~ 다음영상도 기대할게요😆
다음 영상 올렸어용~
학부생이 한명도 없다니ㄷㄷ 대학,석박사 과정도 대부분 아이비리그에서 밟았을 듯 ㅠ
학부생은 데이터 애널리스트나 엔지니어하죠
안녕하세요. 미국에서 학부로 데이터 사이언스 전공중인 학생입니다. 얘기 하시던 중 학부생이 데이터 사이언티스트가 되기 어렵다는 얘기를 하시는데 석박사 있으면 도움이 되긴 하지만 필요조건은 아닙니다. 제가 아는 학부생들이 데이터 사이언티스트가 경우를 많이 봤습니다. 학위보단 본인이 얼만큼 전문지식을 갖고있는지가 훨씬 중요하다는 말씀을 드리고 싶습니다. 석박사 때문에 데이터 사이언티스트의 꿈을 져버리시는 분들이 없으셨으면 좋겠습니다.
좋은 말씀 감사드립니다. 맞아여 케바케!
저도 석박사의 길은 시간과 돈의 낭비라는 생각으로 학부에서 멈추긴했지만 간혹 이런말들을때면 내가 잘못생각한건가 라고 생각하지만 위로되는 좋은말씀 감사합니다
@@박현민-i9q 아마 미국과 한국의 석사가 달라서 그런 것이 아닐까도 하네요.
한국의 경우 연구를 목적으로 석사를 하지만 미국의 경우 연구보다는 학업의 연장으로 석사를 밟는 경우가 많다고 합니다. 그래서 보다 심화과정을 공부한 사람들이 많이 있어 석, 박사들이 거의 전부를 차지하는 것이 아닐까 싶네요
저도 한국의 석사과정은 생각 없지만 미국 대학의 master degree는 생각하고 있네요.
뜨자마자 좋아요 누르고 영상 2번 꼼꼼히 시청했습니다. 워니님 인터뷰 정말 잘하시네요!! 그리고 역시 현직자에게서 들으니 확 와닿고 현실감이 있네요. 엔지니어,애널리스트,사이언티스트 구분 해주셔서 감사합니다. 아직 직무 구분이 명확하진 않아보이기도 하네요. 그래서 다들 헤매는 것 같아요. 인터뷰 질문들이 너무 좋아요. 최곱니다 ㅠㅠ. 결국 인공지능이란 것도 사실은 수학적 모델에 가까운 것이고. 인간의 사고, 논리를 모방하기 위해 신경망이라든지 선택과정을 알고리즘으로 구현하려고 하기 때문에 이름이 인공지능으로 붙었나봅니다. 뜬구름 느낌이 있었는데 좀 감이 오네요! 그래서 수학과 통계 공부가 필요하고 끊임없이 트렌디한 연구를 이해하고 적용해야하기 때문에 학계 영역과 공유가 필요해서 학위가 필요한거네요. 그리고 애초에 좋은 품질의 데이터를 넣어야 알고리즘도 좋은 결과가 나오는거군요ㅜㅠ데이터 사이언티스트 분들이 구현하신 알고리즘 그 예측결과가 실제로 맞는지, 알고리즘 자체가 상품 수요 자체에 미치는 영향은 없었는지 분석, 연구하시는 일도 궁금한데 혹시 그런일도 하시나요? 아니면 관련 직무가 따로 있거나 (알기 힘든 질문이라면 죄송합니다 대학원 관련 고민중이라 ㅜㅠ)
다시한번 영상 정말 감사합니다. 덕분에 많이 알았어요! 워니님 채널을 추천으로 띄워준 구글 알고리즘에 박수를 보내며👏🏻👏🏻👏🏻 관련 분야 채널 중에 제일 좋아하는 채널이 되었어요! 다음 영상도 기대할게요!
빅데이터 쪽 진로 생각 중이었어서 유튜브에 관련 영상 엄청 찾아봤는데 이 영상이 ㄹㅇ 알짜배기네요. 질문의 퀄리티가... 가려운 곳을 쓱쓱싹싹 긁어주는 느낌이었어요 ㅎㅎ 덕분에 빅데이터는 시원하게 포기하고 갑니다 ㅋㅋ
ㅋㅋㅋㅋㅋ 시원~
데이터분석에 대해 어떤일인지도 잘 몰랐는데 잘 설명해주셔서 감사해요:)
요즘 데이터분석을 가르치는 학원들도 많이 생겨났는데, 저는 캐나다에 Toronto school of management라는 학원같은(?) 컬리지를 알아보게 되었는데요
1)데이터디자인(데이터 품질, 유용성 향상기술)
2)데이터 처리 및 의사 결정
3) SAS및 SQL을 활용한 데이터작업
4)데이터 시각화 및 해석
이런 커리큘럼을 갖고있다고 하는데, 앞서서 영상에 말씀하신 통계를 공부하고, 후에 이 과정을 수료하면 인턴이나 취업이 가능할지 알고싶습니다
데이터분석 분야가 이제 막 뜨는 분야라 그런지 정보도 찾아보기 어려워 이렇게 댓글 남깁니다
감사합니다:)
워니님 진짜 꼼꼼 하시다. 내가 물어볼걸 대신 다 물어봐주신다. 존경합니다.
프로그래밍 이야기. 재미있네요~. 요새는 하루에도 몇테라? 빅데이터... 하둡도 생각도 나구요. 슈퍼컴퓨터가 있어야하지 않을까. 학원에서 배웠군요. 좋은 개발 되시길~. 영상, 잘 봤습니다.
웃음이 정말 많으신 분이네요 밝은 기운이 좋아요!
빅데이터 시대라며 다들 파이썬 같은 거에 목매는데 사실 개발자나 사이언티스트가 아니고선 그럴 필요가 없는 거 같습니다. 오히려 분석에 필요한 데이터를 잘 수집하는 것부터 해야죠. 그리고 무엇보다 분석되어 시각화된 데이터를 읽고 해석하고 소통하고 문제해결까지 하는 게 훨씬 중요한 거 같습니다. 데이터 리터러시라고 하죠. 사실 그것만 잘해도 반은 먹고 들어가는 거 같습니다.
www.ciokorea.com/news/162345
관련하여 정말정말 좋은 기사가 있어 공유합니다.
진짜 멋있으십니다....ㅠㅠㅠㅠㅠ 데이터사이언스 컨텐츠 또 올려주세요ㅠㅠㅠㅠㅠ
서로 미소가 사라지지 않는 (히죽) (히죽)
와 커리어 미쳤다 멋있어요 ㅜㅜ
저는 실험 물리학 전공중인데 서브로 머신러닝 공부중입니다 !
혹시 실례가 안된다면 학부때 수학 전공하실때 데이터쪽 관심이 있으셔서 따로 공부를 하신건지 아니면 박사학위 기간에 공부하신건지 여쭤봐도 될까요 ?? 감사합니다
워니님 저도 빅데이터 질문했었는데 답을 동영상으로 해주셔서 너무 감사합니다! :) 기다리고 있었어용 ㅎㅎㅎ
도움이 되서 다행이에요 ㅎㅎ 항상 찾아주셔서 감사합니다
진짜 인터뷰를 너무나 잘해주셔서 감사합니다! 노력이 느껴집니다
데이터 사이언스가 뭔지 와닿게 하는 영상 너무 좋네요~:)
파트 2에서도 또 뵈요 ㅎㅎ
워니님 영상 처음보는데 == 사용하셔서 ㅋㅋㅋ
ㅎㅎㅎ 개발자들을 위한 채널!
벽에 뭔가 묻은거 보고 내꺼 모니터가 이상한건가 하고 닦아봤습니다 ㅋㅋㅋㅋㅋㅋㅋㅋㅋㅋㅋㅋㅋㅋㅋㅋㅋㅋㅋㅋㅋㅋㅋㅋㅋㅋㅋㅋㅋㅋㅋㅋㅋㅋㅋㅋㅋ
이 댓글보고 영상 보면서 묻은거 긁어보니까 제 모니터가 더러운거였습니다.
@@Mrmato4258 저도
워니님 하루일과 물어보는 질문 👍 쵝오
인터뷰이님 너무 멋있으세요! 컴공이나 데이터사이언티스트계엔 여성과학자의 비율이 적다는데, 정말 응원하고, 그 분야에서 여성의 입지를 잘 지켜주셔요!
최고....최고 워니님 최고...
ㅎㅎ 담 영상에서도 뵈요
질문수준 답변수준 빠짐없이 완벽합니다 감사합니다 🙏
^^.. 대학원 얘기듣고 영상 껐당 !
과학고 ...수학과...박사... 사기캐네
Yeah I agree!
정말 유익하게 잘 봤습니다. 질문 자체가 일단 정말x100 좋아서 제가 궁금했던 것들에 대해 많이 알수 있었네요^^
다행입니다~ ㅎㅎ
산업공학과가 옵티멀, 선형, 회귀, 통계를 깔고 가기 때문에 강점이 있음.
워니님~ 너무 도움이 되는 영상이에요! 감사합니다 👍
진짜 말씀을 너무 잘하시고 이해가 쏙쏙되는거같아요
감사합니다 ㅎㅎ
사실상 데이터과학자는 신입으로 취업하기 힘들죠 ㅠㅠ
와 스탠포드 박사는 요즘에 정말 가기 힘든곳으로 유명하던데 대단하시네요. 저도 지금 모 기업에서 영상기반 딥러닝 연구원으로 로봇 연구하고 있는데, 저랑은 스펙이 하늘과 땅차이네요;;;진짜 제가 본 분들 중에 가장 천재이신듯;;;ㅎㄷㄷ
== 를 보고 코더라는걸 확신했습니다.
주어진 데이터를 이용해서 예측하는 일을 한다. 간단명료한 설명이네요.bb
질문을 잘하시네요
노력했습니다!
혼자 머신러닝 하겠다고 공부하고 있는데 앞으로 갈 길을 선택하는데 있어서 아주 유용한 정보가 되었습니다. 감사합니다
항상 좋은 정보주셔서 감사해요
정말 꼭 필요한 내용이었어요 ㅠㅠ 감사합니다
도움이 됐으면 좋겠어요!!
감사합니다.. 덕분에 꿈을 접게 되었어요..
진짜 수학 잘하는 사람이 부러운게
수학적인 센스가 있는 사람은 확실히 코딩을 잘함..
난 문송이라 간단한 코딩도 이해는데 시간이 걸리는데.. ㅠㅠ
Uncle Sam 근데 수학 못한다고 코딩 못하는건 또 아니라서 걱정 안하셔도 돼요!!
정말 무서운건 수학보다 물리잘하는사람이 코딩하면 장난아니라는거죠. ㅎㅎ
데이터사이언티스트 라는걸 알게 되었네요 테크보이님 유투브를 보면 다양한 방면에서 개발이 봐지게 되네요 영상감사합니다^^ 앞으로도 자주자주볼께요ㅎ
워니님 파이썬 강의 처럼 텐서플로우관련된 강의 유툽도 올려주실수있으신가요? 초보인데 다른 강의들은 뭔가 확 와닫지가 않아서요.. 테크보이워니님 강의가 최고인듯 :)
데이터 분석 조금 공부해보면 바로 대수, 미적분, 응용통계정도는 기본 베이스로 깔고 들어가야 하더군요. 중학교 이후에 손절한 수학책들을 30여년만에 다시 꺼내 읽고 있습니다. ㅎㅎㅎ
화이팅 ㅎㅎㅎ
최고다 워니짱 후욱후욱
진짜 공감합니다
저희 회사도 데이터 사이언티스트, 엔지니어는 경계가 너무 애매하네요
2탄 언제나오나요! 현기증 난단 말이에요~~ ㅎㅎ 너무 좋은 영상 감사합니다
이미 나와버렸다고 합니다~
와...대박적이다 진짜 너무 멋지다
주니어에게 많은 도움이 될 것 같습니다. 감사합니다.
항상 좋은 컨텐츠 제공해주셔서 감사합니다! 덕분에 진로 결정에 도움이 됬어용!
개인적으로 코딩은 관심없는데 이미 다가오고있는 4차산업혁명에 필요한 인재들이 어떤일을 하는지 대략적으로 알수있게됬네요.
빅데이터나 인공지능 시장이 커질거같은 느낌이 드는군요
헉 영상 감사합니다
진짜 갓벽하시다 진짜...
빅헌터님 영상 잘봤습니다.
워니님 채널이 곧 커지는 게 보입니다. 구독자가 필요한 컨텐츠를 만들겠다는 게 분명히 보입니다. 워니 흥해라! 😁
항상 와주셔서 감사해여!! 응원도 감사드립니다
너무 좋아요 ㅠㅠ
조아요~
요즘 매일 보고있는데 너무 재미있어요👍👍 근데 우버는 저는 꿈도 못꾸겠네요ㅋㅋ
담 영상에서도 뵈요!
영재고 나오고 미국 유학으로 박사까지 ㄷㄷ 진짜 대단하신 분이네요.
질문을 정말 잘하시네요
벽에 자국묻은거 폰에 뭐 묻은지 알고 한참 닦았어여....ㅋㅋㅋㅋㅋㅋ
5:47 링크드인에 나오는 것만 봐도 회사에 대해 많은 것을 알 수 있다... 흠...
정말 꿀팁인거 같아요
우와 너무 재밌게 잘 봤습니다
인공지능 빅데이터 영상 이것저것 보고있는데 현업에 계시는분들 공통된이야기가 데이터가 불완전하다는거네요 그걸 가공해서 쓸수있게 만드는게 능력이고
좋은 영상 감사합니다. 영상 2개 밖에 없나요 ? 또 올려주세요
데이타 사이언스 관련 내용은 일단 두개네요 ㅎㅎ 근데 코딩 관련 영상은 제 채널에 많이 올려놨어요!
데이타과학자가 궁금했었는데 역시 듣던대로 박사는 기본이라고 들었는데 맞군요.
그리고 해외에 유학가야 된다던데 그런가요?
고등 아들이데이타과학자가 되고 싶어하거든요.
현직에 계신분 얘기 들으니 큰 도움 됐습니다.
덕분에 데이터 사이언티스트, 애널리스트, 엔지니어 이 모두의 롤은 대충 파악했어요. 아직까진 구체적인 롤의 구분이 나눠져 업무가 진행되는건 아닌거 같네요
좋은 회사는 위 3가지에 대해 모두 지식이 있고 다룰 줄 아는 인재를 필요로 하겠네요.
딱 짤라 구분해서 업무를 하기에는 모호한 직업들이네요
네 아직 경계가 확실하진 않은거 같아요
인공지능이 미래를 예측하는 엔진이라기보단 수많은 데이터를 기반으로 통상적인 결과를 뱉어낸다 생각하면 쉽습니다.
수많은 데이터를 기반으로 하다보니 좋은 양질의 데이터가 중요한거고 양질의 데이터를 분석하려면 또 수많은 지식을 요구하는 건 사실입니다.
입장을 바꿔서 생각하면 간단해요. 학사 석사 박사가 좋은 분석자를 만드는게 아니라 데이터를 쓸 줄 아는 지식이 있는지 없는지가 중요한거라 생각해요.
수많은 데이터로 인공지능을 해보고싶다는 생각에 포괄적으로 공부를 하다보면 데이터 전문가로 가고싶은지 인공지능 전문가로 가고싶은지 길이 보일 거라 생각합니다!
취업을 고민하고 진로를 고민하시는 분들은 구분을 지어 생각하면 안된다는 생각에 글을 올립니다.
좋은 말씀 감사드립니다 :)
포괄적이란 말씀은 기본컴퓨터 언어들을 여러개 배운 후 고급 언어와 함께 통계학같은 학문을 병행하라는 말씀이신가요?
허헣 석박이 필수군요 역시ㅠㅠ궁금한게 하나 더 있는데 기존에 수학이나 컴공전공자가 아닌 다른분야 전문가가 통계와 머신러닝을 배워서 융합하는게 의미가있을까 궁금합니다. 독학으로 배운다해서 석박수준으로 잘할수있는게 아닌데 기존 자신이 전공한 전문분야와 융합할 시에 써먹을수있는 경우가 있는지?아니면 결국 분업으로 각 분야전문가가 따로 하는방향이 나은지
doong zzi 앗 저도 궁금해요
제 개인적인 경험으로 말씀드리자면 의미가 많이 있는거 같아요. 저는 인터뷰어님처럼 통계를 깊이 공부한것도 아닌데도 머신러닝을 활용해서 의미있는 문제를 푼 경우가 많이 있었어요. 제일 좋은 방법은 일단 직접 머신러닝 모델을 써봐야 이게 뭔지 알고 어떤 상황에 활용할 수 있는지 감이 오니까, 여유가 되시면 몇 달만 투자 하셔서 그정도까지는 해보시는게 좋을 것 같아요!
@@WonieSong 오 그렇군요! 그리구 실제 기업에서도 그런 인력을 필요로하는 경우가 있을까요??전공자만큼은 그쪽실력은 부족하지만 다른분야와 융합할수있는사람? 아니면 각 분야 전문가를 따로뽑는걸 선호하려나요 대부분ㅋㅋㅋ
의미가 당연히 있죠. 저는 의료쪽인데 이쪽 전공 다 하고 나서 통계/머신러닝 쪽 연구실 들어가 연구 결과 활발히 내고 있는 친구도 있구요, 학부 전공이 컴퓨터 공학이라 그쪽 특기 살려서 그걸로 본교 전임교수 딴 친구도 있습니다. 직접 해볼 수 있냐 없냐, 통계나 컴퓨터 전공한 연구원을 관리 할 수 있냐 없냐 차이가 엄청 큰 거 같습니다.
좋은 정보 감사합니다~!
영상 봐주셔서 감사합니다!
캘리포니아에 와서 워니님 영상본다!!!
오 웰컴!
형 저 코딩 파이썬으로 ai 하고 웹 하고 만들고 싶은데 자료가 너무없어요...거지라 2010년도 노트북 하나에c언어 책하나 뿐인 고등학생인데 도와주세요ㅠ
질문이 정확하고 구체적이네요
도움이 되서 다행입니다 ㅎㅎ
재밌게 봤어요~~
제조업에서 일하는 데이터 사이언티스트의 얘기도 들어보고 싶어요~
담에 기회가 되면!
스탠포드 phd 넘사네요.. ㅎㄷㄷ 두분 꿀이 뚝뚝 보기좋아요~
인터뷰어님이 답변을 너무 잘해주셨어요!
@@WonieSong 그런데 BS Stat 한친구가 우버 데이터싸이언티스트 일하고있어요~
국내랑 많이 다르군요. 국내는 프로그래머 성향을 가진 사람을 뽑더군요. 네이버, 카카오, 외국계기업 아니면 개발도 같이 할수 있는 인력을 좋아하는데 해외는 확실히 통계+수학+산공과 사람들을 선호하군요. 국내는 아직 개발자로 뽑는것 같습니다.
데이터 사이언스에 관심도 없었는데 영상 끝까지 봤습니다. 꿀잼이네요!!!! 질문도 좋고 빠른 편집도 좋네요. 앞으로도 잠을 줄이시고(?) 좋은 영상 많이 올려주세요!!! 잘봤습니다
네 더 안 잘게요 ㅠ
워낙 쉽게 구할구있는 정보도 많고 정리가 잘되어있어서 요즘은 접근성이 꽤 낮은거같아요.
옛날보다 넘 좋은 세상이 됐죠
인공지능, 머신러닝, 빅데이터가 다 비슷하다는것부터 에반데..
Regression 이야 SVM같이 오차 최소로하는 함수 구하면 되는거고..classification이야 KNN, CNN, DNN 이런건데..요새는 워낙에 잘되어 있으니..
솔직히 말해서 머신러닝 과목자체가 통계도 다 포함하기때문에 컴공과나 전산과, 전자과 등등 머신러닝 배운 사람이면 데이터 사이언스니 분석가니 다 할 수 있다.
이미 어지간한 알고리즘은 다 잘 나와있고 그걸 쓸정도면 어느정도 이해해고 있다는거고 결국 그걸 조금 바꿔쓰는정도인데 뭘 못하겠냐 데이터 모으는거야 솔직히 노가다계열이지.
좋은 말씀 감사합니다! 그럼 그 분야 세개를 좀 더 자세하게 어떤 방식으로 나눌수 있는지 대댓글로 달아주시면 영상 보시는 분들께 도움이 많이 될 것 같아요!
엠아 댓글 복붙ㅋㅋㅋㅋㅋㅋㅋㅋㅋㅋㅋㅋㅋㅋ
말씀하신 내용들이 다루는 데이터가 이미지나 영상 자연어 같은 카테고리에도 해당이 되는건지 궁금합니다. 한국에서 영상쪽으로 머신러닝을 살짝 했었는데 같이 일하는 팀원들은 거의 전부다 컴퓨터 공학이었고 석사나 박사 학부생 다양했거든요. 제가 한군데만 일해서 잘 모르겠네요.
인터뷰어님이 꼭 "케바케" 라고 말씀해 달라고 하셨어요! ㅎㅎ
사실 개발이라기 보단 가지고 있는 데이터를 잘 가꾸는 느낌?.. 인걸로 알고있어요, 마치 광물을 주면 보석으로 다듬는 장인 느낌이랄까..
그덕분에 실질 Data Scientist, Engineer 를 구하는경우, 기존 개발자처럼 학사학위 또는 포트폴리오, 경력을 보는 반면
데이터 싸이언티스트, 엔지니어 등등은 최소 석,박사들을 선호를 하니..
전 무에서 유를 창조를 하고싶으니, 개발자의 길로 가는걸로 ;)
근데 데이터 싸이언티스트들 보면 연봉이 넘나 부러운것...
저분이 하시는 머신러닝 분야와 컴퓨터 비전이나 자연어처리에서 다루는 업무가 약간 다르겠죠..? 후자는 개발자들이 주로 일하는거 같아서
네 조금 다를수도 있을거 같아요
잘 보고 갑니다
시원한 아아 한잔이랑 냉동실에 쟁여둔 치즈케익 들구 책상에 앉자마자 알람떠서 봤더니
오, 이렇게 개념정리 영상을 올려주셨네요!
분야는 좀 다르지만 정말 여러모로 도움이 되는 주제 선정들.
오늘도 정말 잘 봤습니다.
감사합니다 BANMARI님. 시간도 빠듯하실텐데 매번 피드백도 주시고 응원도 해주셔서 넘 좋아요!