머신러닝과 데이터 과학 이해하기 1 - 데이터 과학이란 무엇인가?

오늘 새벽에는 머신러닝 1주차 수업을 공부하고 아침에는 다른 일정이 있을 것 같다. 그리고 오후와 저녁에는 머신러닝 2주차 공부를 하고 머신러닝 관련 수업 3시간 분량을 공부하며 정리해볼 생각이다. 그래서 이번주 금요일까지 머신러닝 전체 수업을 모두 듣고 학습을 마치는 것이 목표이다. 주말에는 딥러닝 공부를 하고 그 다음주부터는 새로운 과목에 들어갈 예정이다.

그럼 바로 머신러닝 공부를 시작해보자.

---

 

 

 

이론 1 - 데이터 과학이란 무엇인가?

 

1. 학습 목표

 

 

---

 

 

 

 

2. 데이터 과학이란 무엇인가?

 

최근에 많이 이슈가 되고 대두되고 있는데 이러한 지식이 쌓이면 데이터 자산이 될 거라 예상한다. 

 

 

 

 

2014년 11월 딥러닝을 활용한 사기 탐지 시스템을 만들었다. 손실이 많이 발생하여 기존의 시스템을 바꿀 필요가 있었다. 이러한 것에 대응하기 위해 데이터 과학팀을 꾸리게 되었다. 딥러닝은 사기 탐지뿐 아니라 유통 경로를 찾아 매출을 예측하는 등 다양한 분야에 활용되고 있다.

과거에는 데이터 과학이 경영자의 직관에 의존했다면 현재는 데이터 과학을 많이 양성하고 있는 추세이다.

---

 

 

 

 

3. 데이터 과학의 정의 및 발전 방향

 

 

 

 

처음에는 기술통계나 현상에 대한 설명 위주였으나 이후에는 원인과 이유를 분석하는 전통적 통계분석이 두번째 단계에 해당한다. 이후에는 단순히 현상을 분석하는데서 미래를 예측하며 머신러닝, 데이터 과학이 들어가게 된다. 네번째 단계는 미래 예측에서 끝나지 않고 다음에는 어떤 행동을 할지 나아가는 것이다.

자율주행차나 알파고 등이 미래를 예측하는데서 끝나지 않고 어떤 행동을 해야 할지 결정하며 의사결정이 한층 더 발전된 방향이다.

 

이전에는 컴퓨터 통계와 같은 전문적인 지식만 있어도 이 영역을 할 수 있었지만, 현재는 행동으로까지 나아가며 도메인, 현장에 대한 분석도 중요해진 시점이다.

---

 

 

 

 

4. 데이터 과학의 특징 및 목표

 

데이터 과학은 하나의 단일한 학문이 아닌 여러가지가 섞이게 되었다. 그러다 보니 같은 이름을 다른 이름으로 부르기도 하며 융합형 인재를 원하게 되었다.

---

 

 

 

 

첫번째는 의사결정을 지원하는 것이다. 더 나은 방향으로 의사결정을 하기 위해 나아간다. 두번째 목표는 수익화이다. 데이터 과학을 이를 통해 비즈니스로 돈을 버는데 목적이 있다.

우리의 수업도 의사결정에서 나아가 비즈니스, 도메인에 대한 관점을 다루게 될 것이다.

---

 

 

 

 

퀴즈 1 - 데이터 과학의 활용 사례

 

 

 

 

 

두번만에 문제를 맞추었다. 이러한 습관을 분석하여 수익으로 연결하는 것은 모두 데이터 과학인 것 같다.

---

 

 

 

 

퀴즈 2 - 데이터 과학의 정의

 

 

 

이 문제도 두번만에 풀었다. 데이터 과학은 가상 현실상이 아닌 현실에서 발생하는 문제를 해결하기 위해 컴퓨터를 활용해 데이터를 분석하는 작업이다.

 

---

 

 

 

학습을 마치고

이렇게 해서 첫번째 이론 수업을 무사히 마쳤다. 원래 첫 수업을 학습하기까지가 힘들지 계속 공부하는 것은 비교적 괜찮다. 그리고 오늘은 꼭 수료한 두 과목에 대한 후기도 남겨야겠다.

앞으로 1시간만에 남은 1주차 학습을 가능하면 빨리 끝마쳐야지!