KM-Hana

"데이터 사이언티스트 하지 마세요" 반론과 비판 1탄에 이어서, 2탄을 이어서 이야기해보고자 합니다. "데이터 사이언티스트 하지 마세요"를 요약하자면 다음과 같습니다. 1. 대부분의 회사에서는 데이터가 없다. 즉 머신러닝만으로 성과를 낼 환경이 부족하다. - 로그를 직접 남기거나 백앤드 개발자를 설득해야 하므로 업무의 진행 속도가 느리다. 2. 신입이나 학부 졸업만으로는 성과 내기 어렵다. - 석·박사보다 성과를 내기 어렵기에, 신입을 잘 뽑지 않는다. - AI 프로젝트에서 모델링은 5% 정도다.. (그에 비해, 요즘 학부생들이 머신러닝에만 관심이 높다) 3. 백앤드로 시작해야 한다. - 백앤드가 수요가 더 높고 연봉도 높다. - 백앤드에서 데이터 엔지니어링으로 가기 쉬우며, 백앤드에서 머신러닝으로 가기..

데이터 사이언티스트이란 직무에 관심 있던 취준생이라면 연관 검색어로 "데이터 사이언티스트 하지 마세요"를 봤을 수 있을 것입니다. 더보기 ※ "데이터 사이언티스트 하지 마세요" : 관련 영상 : https://youtu.be/8 mjeJpHtLVQ 저는 이 영상을 보면서, 데이터 사이언티스트의 현실과 어려움에 대하여 공감 가는 부분이 있었지만, 데이터 사이언티스트를 하지말라는 이야기에는 동의하지 않습니다. 관련하여, 반박과 비판을 하고자 합니다 "데이터 사이언티스트 하지 마세요"를 요약하자면 다음과 같습니다. 1. 대부분의 회사에서는 데이터가 없다. 즉 머신러닝만으로 성과를 낼 환경이 부족하다. - 로그를 직접 남기거나 백앤드 개발자를 설득해야 하므로 업무의 진행 속도가 느리다. 2. 신입이나 학부 졸업..

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 내용..