[월가아재 고민상담 1편] 문과생을 위한 데이터 과학 기초 입문 방법

https://www.youtube.com/watch?v=RGUAgXSmRbI&list=WL&index=1&t=183s 

원본영상

 

 

데이터 과학은 수학, 물리학 같은 오래된 학문과 달리 생긴지 얼마 안 된 학문이라서 막 생겨난 석사 과정도 각기 상이하고 최신 학문 경향도 수시로 변한다.

학문의 역사는 짧은 반면 최근에는 연구량이 폭발적으로 증가한다는 점이 입문자를 당황시킬 수 있다.

확실히 모든 학문 대비 컴퓨터 과학과 인공지능 관련 논문 수 증가율이 압도적이네요.

 

 

월가아재: 데이터 과학을 공부함에 앞서 업계의 방향과 거장들의 인공지능에 대한 생각에 대해 읽어보는 것은 본인이 왜 인공지능을 공부해야 하며 어떤 방향으로 공부를 할 것인지, 어떤 적용 분야로 나아갈 것인지를 숙고해 볼 수 있는,  실로 값진 기회를 제공해주지 않을까 합니다.

미래학자 마틴포드가 인공지능 분야의 거장 23명을 인터뷰한 책!

https://www.coupang.com/vp/products/235741608?itemId=748002035&vendorItemId=4923191197&q=AI+%EB%A7%88%EC%9D%B8%EB%93%9C&itemsCount=36&searchId=c4dae9ca4dfe470382843be403dd4afa&rank=1&isAddedCart=

AI 마인드:세계적인 인공지능 개발자들이 알려주는 진실

가독성 좋다길래 찾아봤는데 584쪽이네요😅 그래도 언제 한 번 읽어봐야겠어요.

 

https://www.amazon.com/Architects-Intelligence-truth-people-building-ebook/dp/B07H8L8T2J/ref=sr_1_15_sspa?dchild=1&keywords=ai+mind&qid=1623714844&sr=8-15-spons&psc=1&spLa=ZW5jcnlwdGVkUXVhbGlmaWVyPUExMTBBMU1MQ09QWjZLJmVuY3J5cHRlZElkPUEwNjg2NjkwMzdQOEw2RUpRUFlNVyZlbmNyeXB0ZWRBZElkPUEwNTA0NTgyMkRXMEQ1SjZBTVEzOSZ3aWRnZXROYW1lPXNwX210ZiZhY3Rpb249Y2xpY2tSZWRpcmVjdCZkb05vdExvZ0NsaWNrPXRydWU=

Architects of Intelligence: The truth about AI from the people building it

영어로는 554pages...;; 둘 다 만만치 않군요.

 

 

사람과 같이 생각하는 범용 인공지능의 개발은 가능한가? 그 시기는 언제인가?

인공지능으로 인해 일자리는 줄어들 것인가?

현지 인공지능 분야의 도전 과제는 무엇인가?

인공지능 뷴야의 발전과 관련된 도덕적 문제들은 무엇인가?

인공지능과 관련한 정부의 역할은 무엇인가?

 

같은 질문들의 대답을 거장들로부터 들을 수 있다고 하네요.

 

비슷한 내용이지만 책 대신 동영상을 선호하시는 분들을 위한 영상 추천도 해주시네요.

YouTube에 있는 Heroes of Deep Learning series 

https://www.youtube.com/playlist?list=PLkDaE6sCZn6FcbHlDzbVzf3TVgxzxK7lr 

Heroes of Deep Learning

 

그래서 결국

데이터 과학 선행과목 1: 수학 - 미적분, 선형대수

다행히(?) 깊은 학문적 수학보단 실무적 수학이 중요하다고 합니다.

월가아재: 미적분의 경우 경사 하강법 (Gradient Descent)을 공부할 때 기본적인 미분이 쓰이고,

딥러닝을공부할 때 Backpropagation에서 미분이 사용됩니다

이게 무슨 어려운 용어냐 싶지만 결국은 그냥 기초 미분입니다

.

.

.

라고는 하시는데 저에게는 아직 외계어네요...

다음 학년에 AP Calculus 배우면서 배울 수 있겠죠 아마

 

https://www.coursera.org/specializations/deep-learning?utm_source=gg&utm_medium=sem&utm_campaign=17-DeepLearning-ROW&utm_content=17-DeepLearning-ROW&campaignid=6465471773&adgroupid=77656689495&device=c&keyword=coursera%20deep%20learning%20specialization&matchtype=b&network=g&devicemodel=&adpostion=&creativeid=506750650449&hide_mobile_promo&gclid=CjwKCAjw_JuGBhBkEiwA1xmbRb4ZCJhP-oTDJTG8BqzaD9z9klXZWRjTsxrpKPuNjW0wBUoliFCh3RoCUqoQAvD_BwE

심층 학습

어쨌든 기본적인 미분과 그 쓰임에 대해서는 첫번째 수업의 2주차 강의인 Neural Networks Basics에 친절한 설명이 있다고 합니다.

 

 

월가아재: 그 다음 선형대수는 머신러닝 분야에서 상당히 중요한 필수 선행 과목입니다. 선형대수라는 분야를 간단히 정의하자면 하나의 숫자가 아닌 병렬된 여러 행과 열의 숫자들을 한번에 연산하는 것에 대한 수학이라고 할 수 있습니다.

.

.

.

중학교 때 배운 행렬 같은 거라고 하시는데 이건 그래도 경사 하강법(?)보다는 더 와닿네요. 잘은 모르겠지만

 

또 선형대수는 최소한 대학 기초 수업 하나는 들으시는 걸 추천한다 하십니다. 그만큼 중요한가 봐요.

 

추천서적 2권: 프로그래머를 위한 선형대수: 히라오카 카즈유키 저자

https://www.coupang.com/vp/products/17006211?itemId=68614157&vendorItemId=3121599393&q=%ED%94%84%EB%A1%9C%EA%B7%B8%EB%9E%98%EB%A8%B8%EB%A5%BC+%EC%9C%84%ED%95%9C+%EC%84%A0%ED%98%95%EB%8C%80%EC%88%98&itemsCount=11&searchId=0f87402ddca644549b04946ca4c380ec&rank=1&isAddedCart=

프로그래머를 위한 선형대수

직관적인 설명을 하려 저자가 많이 노력했다 합니다.

 

조금 더 어려운 책: 코딩 더 매트리스: 필립 클라인 저자

http://www.kyobobook.co.kr/product/detailViewKor.laf?mallGb=KOR&ejkGb=KOR&barcode=9791195149292

코딩 더 매트릭스 - 교보문고

조금 더 깊게 공부하면서 코딩적인 면까지 보시려는 분께 추천하신다 합니다.

 

 

데이터 과학 선행과목 2: 통계 기초 (잠깐만 이것도 결국 수학 아닌가;;)

데이터 사이언티스트로 일하다 보면 딥러닝 급의 빅데이터보다 1만개 이하의 소규모 데이터를 다룰 때가 많은데 그럴수록 회귀 분석을 비롯한 전통적인 통계 방법론들이 중요해지므로 기초를 탄탄히 하는 걸 추천한다 하십니다.

 

또 통계도 선형대수처럼 학부 수준 기초 통계 수업 정도는 듣는 걸 추천하시네요.

 

기초 책

세상에서 가장 쉬운 통계학 입문: 고지마 히로유키 저자

https://www.coupang.com/vp/products/3704708?itemId=18243999&vendorItemId=3133192767&pickType=COU_PICK&q=%EC%84%B8%EC%83%81%EC%97%90%EC%84%9C+%EA%B0%80%EC%9E%A5+%EC%89%AC%EC%9A%B4+%ED%86%B5%EA%B3%84%ED%95%99+%EC%9E%85%EB%AC%B8&itemsCount=36&searchId=36e0ba9b09444d0c81f4802940301829&rank=0&isAddedCart= 

세상에서 가장 쉬운 통계학입문

제목에서 알 수 있든 매우 기초적인 내용이므로 통계를 처음 하시는 분께 추천

 

세상에서 가장 쉬운 베이즈통계학 입문: 고지마 히로유키 저자

https://www.coupang.com/vp/products/17008782?itemId=68622711&vendorItemId=3110750511&sourceType=SDP_BOUGHT_TOGETHER&isAddedCart= 

세상에서 가장 쉬운 베이즈통계학 입문

이 두 책은 아주 쉽고 친절하게 써 있는 입문서라고 하시네요. 그렇게 두껍지도 않던데 한 번 읽어봐야겠어요.

 

심화 책: 어느 정도 기초 통계 지식이 있고 데이터 과학의 문맥에서 통계를 훑고 싶은 분께 추천한다 하십니다.

Practical Statistics for Data Scientists

https://www.amazon.com/Practical-Statistics-Data-Scientists-Essential/dp/149207294X/ref=sr_1_1?dchild=1&gclid=CjwKCAjw_JuGBhBkEiwA1xmbRZaYZjqTIoxl7EDy05_1jNXF6z-VoJXsA79awDU2nldSJ4UZTWWb3BoC5kQQAvD_BwE&hvadid=241919608231&hvdev=c&hvlocphy=1027741&hvnetw=g&hvqmt=e&hvrand=822797466992869922&hvtargid=kwd-258211233255&hydadcr=22597_10348410&keywords=practical+statistics+for+data+scientists&qid=1623717511&sr=8-1 

Practical Statistics for Data Scientists: 50+ Essential Concepts Using R and Python

내년 AP Statistics 듣는데 기초 안 놓치고 열심히 해야겠네요 🔥

 

 

데이터 과학 선행과목 3: 코딩

미적분, 선형대수, 통계가 선행과목이었다면 코딩은 선행 과목임과 동시에 데이터 사이언스 전반에 걸쳐 가장 중요한 스킬!

 

구글, 아마존, 마이크로소프트 같은 테그 기업들은 머신러닝과 딥러닝 기능들을 플랫폼 위의 어플리케이션으로 개발하는데 박차를 가하고 있으며 데이터 사이언스 지식의 대중화에도 앞장서고 있다고 합니다. 그래서 기본적 데이터 사이언스 스킬은 많이 평준화되고 있다네요.

 

데이터 과학자들에게 있어서 중요한 3대 스킬은 통계 지식+코딩 스킬+분야별 전문 지식

현재는 데이터 사이언티스트의 수요가 워낙 급증하고 있고 빅테크 기업들의 노력으로 기본적 데이터 사이언스 스킬이 많이 평준화되기 이전이기 때문에 통계 지식과 코딩 스킬이 탄탄하게 쌓이지 못한 저숙련 데이터 사이언티스트들 또한 좋은 포지션을 잡는 것에 문제가 없다고 합니다.

 

그러나,

 

이 흐름이 계속되다 보면 저숙련 데이터 사이언티스트들의 스킬셋은 플랫폼이나 라이브러리로 쉽게 대체될 것이고 그에 따라 각 분야별 도메인 전문가들에 밀려 사라질거라고 하시네요.

 

그렇기 때문에

 

데이터 과학자로 장수하기 위해서는 꾸준히 코딩 실력을 갈고 닦는 것이 중요하다! 라고 말씀하시네요.

 

데이터 사이언스 업계에서 코딩이라하면 주로 

1) Python, 2) R, 3) SQL

한동안은 Python과 R이 비등한 경쟁을 했으나 점점 더 Python이 주류가 되어가는 추세

 

=> 그렇기에 R이 너무 익숙하지 않다면 Python으로 공부를 시작하시기를 추천

 

월가아재: 코딩 공부는 가장 먼저 기초적인 프로그래밍 문법을 훑고 나서, 각종 문제풀이 사이트 공부를 하는 것이

가장 집중도 잘 되고 실력도 느는 방법이라고 생각합니다.

월가아재님이 코딩을 공부한 순서+해당 단계를 익히기 좋은 자료 링크🤩🤩🤩

 

 

이후에는 영상에서 딥러닝에 관한 말씀을 하시고

데이터 문해력이 영어만큼 중요해질거라 하시며 영상을 마치십니다.

 

이런 좋은 내용들을 무료로 알려주셔서 감사할 따름!