[Data Science / Posts] 데이터 과학이란 무엇인가? 이 질문에 대한 24가지 기본적 답변

데이터 과학이 R, Python, Hadoop, SQL 및 전통적 머신러닝 또는 통계 모델링에 대한 것이라고 믿는 사람들이 많다. 아래의 글들은 데이터 과학이 얼마나 현대적이며, 넓고 깊은 분야인지를 기본적으로 보여준다. 어떤 데이터 과학자들은 실제로 위에 나열된 것들 중 아무 것도 하지 않는다. 어떠한 코딩도 하지 않고, 대신, 머신 간 통신 프레임워크에서 다양한 어플리케이션들이 서로 대화하도록 하는 일을 데이터 과학자도 있다. 그러나 대부분의 데이터 과학자들이 R, Python, Hadoop 관련 시스템을 사용하는 것은 사실이다.

심층 데이터 과학에 대한 글(아래 참고)을 읽어보면 데이터 과학 또한 많은 사람들(자신을 데이터 과학자라고 부르는 사람들)이 반복적으로 하는 일을 자동화하는 것을 알 수 있다. 이러한 작업은 매우 적은 수학적 / 전통의 통계적 과학을 활용해서도 가능하다. 다음과 같이 이를 표현하고자 한다: 데이터 과학은 데이터 과학을 자동화에 관한 것이며 필자가 하는 대부분의 작업은 자동화 시스템을 설계하는 것이다.

아래 글들 중 대부분은 몇 년전에 씌여진 것들이지만 내용은 예전보다 훨씩 더 오늘날의 상황에 가깝다. 이 글들은 입문자가 데이터 과학에 대하여 더 나은 생각을 할 수 있도록 도울 것이다. 어떤 것들은 기술적인 내용이지만 대부분은 비전문가가 이해할 수 있는 내용들이다.

핵심 데이터 과학에 대한 24가지 글들

• 16가지 분석 방법과 비교한 데이터 과학
• 데이터 과학자의 10가지 유형
• 데이터 과학자들이 사용하는 40가지 기술
• 진정한 데이터 과학 지식을 테스트하는 50개의 질문들 -- 이 글도 읽어보길 권장
• 통계 모델링의 24가지 활용법
• 사업을 운영하기 위해 Amazon이 사용하는 21가지 데이터 과학 시스템
• 데이터 과학자들이 발견한 10가지 현대 통계 개념
• 8가지 심층 데이터 과학에 대한 글들
• 더 나은 데이터 과학을 위한 22가지 팁
• 거짓 상관관계 및 진짜 상관관계 찾아내는 방법
• 고수준 데이터 과학 VS 저수준 데이터 과학
• 빅데이터의 저주
• 과도한 비정형 빅데이터를 정형화하는 4가지 쉬운 방법
• 예측력을 강화하는 빠른 피쳐 선택
• 매우 큰 데이터세트에 대해 빠른 클러스터링 알고리즘
• 데이터 과학의 빌딩 블럭
• 데이터 과학 프로젝트의 라이프 사이클
• 데이터 과학자는 자신의 성장 해킹 비밀을 공유한다
• 데이터 과학, 머신러닝, R, Python에 대한 히치하이커 안내서
• 데이터 과학자 VS 통계학자
• 데이터 과학자 VS 데이터 엔지니어
• 데이터 과학자 VS 비즈니스 분석가
• 데이터 과학자 VS 데이터 아키텍트
• 수직 데이터 과학자 VS 수평 데이터 과학자

이번 주에 새로 포스팅 된 2개 글

• 강력한 암호화를 깨는 알고리즘 만들기
• 3세대 신경망에 대하여

소식

• 성공적인 데이터 랩을 구축하는 5개의 챌린지 - 백서