데이터 저널리스트

https://brunch.co.kr/@kieunp/8
재밌어 보이는 블로그.

데이터 분석.

<데이터 저널리스트> 라는 꿈을 가진 학생.
일상을 eda 함. R을 통해 학습함.

데이터 시각화 => 데이터로 분석한 인사이트를 효과적으로 전달하는 능력. (시각화)

http://www.mediatoday.co.kr/news/articleView.html?idxno=92203
이미 2010년부터 있었음.

https://uslife101.tistory.com/73
데이터 사이언티스트에게 공통적인 다른 기술은 호기심, 코드 작성, 데이터 시각화, 데이터 분석 및 효과적인 능력이어야 한다.
Auto ML 도구에서 수집할 기능 구축 가능, 미래를 예측하기 위한 인사이트를 뽑을 수 있음.

데이터 분석가와 데이터 사이언티스트의 모호함.


https://uslife101.tistory.com/43
수학, 통계, CS 관련 지식이 없는 자들을 위한 데이터 사이언스

(강조) 데이터 사이언티스트가 여러 학문이 결합한 Interdisciplinary한 학문이기에 하이브리드한 지식을 갖춘 사람일 것이다.
è  역설하자면, 하나의 단순한 특정 전공을 극단적으로 갖춘 사람은 그닥 매력적이지 않을 수도 있다는 말.
è  다양한 경험을 고루 갖춘 사람을 더 좋아한다.

https://github.com/youngwoos/etc/blob/master/Here%E2%80%99s%20why%20so%20many%20data%20scientists%20are%20leaving%20their%20jobs.md
데이터 S 현직자가 말하는 현실
è  요약하자면, 아직 DS를 위한 인프라가 조성되지 않음/ 결국 정치가 모든 것을 결정한다. / 데이터 관련한 모든 것을 다 알 것이라 여긴다 (남들이) / 고립된 팀에서 일한다.

https://brunch.co.kr/@kmlaminjoksong/1
è  DS의 목적은 분석을 통한 의사결정 서포터지만, 국내 대다수 기업은 의사결정권이 기획자 및 임원이다.
è  데이터 사이언티스트는 의사결정 서포터인 만큼 비즈니스를 잘 이해하고 있어야 한다.
è  이 분석이 어떤 비즈니스 가치를 지니는지 증명해야 한다.
è  (실무자) 인공지능이나 머신러닝 기술보다 비즈니스에 대한 이해도를 높이는 것이 100배 중요하다.
è  데이터 사이언스는 인사이트를 발굴해 기획이나 의사결정에 반영해야 함.
è  기획, 최적화, 의사결정 등 다양한 분야에 활용해 비즈니스적 성과를 보여줘야 한다. 그러므로 자신이 모유한 기술을 통해 어떤 식으로 돈을 벌지 지속적으로 고민해야 한다.

“대회와 공모적을 통해 주어진 데이터와 기법으로 돌려본 것이 전부인 지원자들은 전혀 매력적이지 않은데
대부분이 그러하다. 자신이 주도적으로 호기심을 갖고 어떤 데이터를 분석하고 싶었는지, 왜 그것을 분석하고 싶었는지,
어떻게 접근하고 어떤 결론을 도출했는지를 보여줄 수 있는 지원자가 훨씬 매력적이다. “


나는,, 신기술, 비즈니스 모델에 관심이 많고, 데이터 분석을 사용해서 기술 창업 (시장 분석 및 제품, 서비스 등) 을 하고 싶은 예비 창업자(CEO)가 되고 싶다.
ð  데이터에서 통계나 머신러닝 기술을 활용하여 비즈니스 기회를 찾고, 이를 현실화 하는 사람.
ð  데이터 “과학”으로 가설을 세우고, 실험을 설계한 뒤 수행하고, 그 결과를 분석하는 과정을 계속하여 반복한다.
ð  따라서, 실험을 통해 문제를 개선하고 그 개선 결과를 분석하여 다음 실험과 액션을 도출하는 사람.

https://media.fastcampus.co.kr/knowledge/data-science/datascience/
데이터 사이언스 이상과 현실?

회사에선 ML(머신러닝)보다 DL(딥러닝)을 선호


https://www.2e.co.kr/news/articleView.html?idxno=205168
데이터 사이언스 전망, 10년 후에는 사라질 직업?!

https://www.itworld.co.kr/news/268245

데이터 사이언티스트 격자. 인프라 미비와 과한 기대치로 인한 번아웃 현상을 겪고 있다.
대부분 파이썬과 SQL에 능숙. 56%는 석사 학위를 보유.

https://zero-base.co.kr/event/media_insight_data_1
머신러닝, 딥러닝 차이점