1) 진짜 데이터 사이언티스트 되는 법

글로벌 대기업 중심으로 초거대 AI가 개발되고, 상업화가 이루어지고 있습니다

우리나라의 경우, 국내 대기업을 중심으로 AI 트렌드(초거대 AI)를 따라가려는 움직임이 계속되고 있으며.

스타트업을 중심으로 초거대 AI를 활용하거나, 직접 중소형 AI 모델을 만들려는 추세가 이어지고 있습니다.

 

초거대 AI를 그대로 사용할 수도. 아니면 직접 AI 모델을 만들 수 있겠지만,

결국은 그 AI를 어떻게 활용할지. 어떻게 모델을 구축할지는.

  ○ Data Scientist

  ○ AI 전문가

가 만들어 갑니다.

 

이 글은 데이터 사이언티스트나 AI 전문가가 되고 싶은 분들을 위해 적어봅니다

  ○ 그렇기에, 이 내용은 동생이나 후배, 친구를 위해. 좀 더 도움이 되었으면 하는 마음으로 작성했습니다

  ○ 그렇기에, 기술적인 내용보다는 생각을 서술하며. 때론 철학적인 내용을 담고자 합니다

 

철저하게 기술적인 내용은 제외하고자 합니다.

  ○ 이미 좋은 기술 서적은 많지만, 어떤 기술 서적을 읽어야 할지.

  ○ 무엇부터 시작해야 할지.

  ○ 아니면 내가 할 수 있을지.

에 대해 이야기를 나누고자 합니다.

 

 

이 이야기는 데이터 사이언티스트나 AI 전문가 모두를 포괄하나.

데이터 사이언티스트라는 명칭으로 통일해서 이야기하고자 합니다.

  ○ 일반적으로 "데이터 사이언티스트"와 "AI 전문가"를 다음과 같이 분류하곤 합니다.

      - 데이터 사이언티스트는 데이터를 분석하여 인사이트(가치)를 뽑는 사람

      - AI 전문가는 딥러닝 기술을 사용하여 AI 모델을 구축하는 사람

  ○ 각각 다른 일을 하는 것 같지만, 서로 겹치는 부분이 매우 많고, 분리하여 설명하기 어렵습니다.

      - AI 전문가는 AI 모델링을 하기 위해선 대용량의 데이터에서의 인사이트를 뽑고 최적의 모델을 선택할 줄 알아야 하며,

      - 데이터 사이언티스트는 데이터에서 인사이트를 뽑고 최선의 결과를 내기 위해 AI 모델을 구축하기 때문입니다

  ○ AI 전문가는 모델링관점에서 데이터를 본다면, 데이터 사이언티스트는 데이터에 맞는 모델을 만들려고 합니다.

 

관점의 차이에도 불구하고, 내가 데이터 사이언티스트로 명칭을 통칭하는 이유는.

  ○ 많은 사람이 데이터라는 기회의 땅에서 유의미한 열매를 따길 바라기 때문입니다.

  ○ AI는 도구이며, 목적은 아니기 때문입니다.

      - 그래서, 그 명칭은 데이터 사이언티스트가 좀 더 맞을 것 같았습니다

 

---

저의 이야기 구성은 다음과 같습니다.

목차 : 

데이터 사이언티스트의 

1. 자격 : 학력과 학과일까?

2. 문제 해결 능력

3. 커뮤니케이션 능력

4. 기술과 지식

   4.1 프로그래밍

   4.2 통계와 머신러닝 지식

   4.3 데이터 베이스 지식

부록 : ChatGPT(AI)를 동행자로

 

 

다음 이야기 : 

https://kmhana.tistory.com/39?category=1042372 

2) "학력"은 필요할까? - ①

---

데이터 사이언티스트(Data Scientist)나 AI 전문가에 대한 진로나 직업에 대해서 궁금하신 분은 

이메일이나 댓글로 문의하시면, 고민에 맞추어서 답변드리겠습니다.

 

Contact

 

  ○ 개인 이메일

      - dlakrb@naver.com

      - dlakrb@gmail.com

  ○ 회사메일 : demian.hana@kakaocorp.com

 

https://kmhana.tistory.com/34

I AM

 

velog 링크 : 주소

Adobe - 이미지