1. 도움이 되는 전공들
[ 학부 ]
- 컴퓨터공학
- 소프트웨어 공학
- 산업 및 시스템 공학
- 수학
- 통계학
[ 대학원 ]
- 해외 온라인 석사 (조지아텍, 미시건, UIUC)
- AI 대학원
- Big Data MBA
- 통계학 석박사
석사는 필수가 아니다. 실력만 있으면 굳이 석사를 할 필요가 없다. 오픈 소스를 잘 이용하자!
2. 비전공자도 시작하는 방법
- 프로젝트 시작해보기 (대회, 공모전, 캐글 등)
- 커뮤니티에서 함께 공부해보기
3. 학습해야 할 과목들
- 분석 도구 : R, Python
- 분석 기법 : 통계학, 머신러닝
- 현업 지식
4. Data Science 관련 직무들
- Collect & Move/Store : Data Engineer (데이터를 저장, 최적화, 소프트웨어에 집중)
- AI & Deep Learning : ML, DL engineer
5. 현업에서 자주 쓰는 툴 (도구 & 개발언어)
[ TOOL ]
[ 개발언어 ]
Python과 Sql 만큼은 완벽하게 다룰 수 있도록 노력해보자 :)
6. 용어들
- 데이터 리터러시 : 데이터를 읽고 쓸 수 있는 능력 (데이터를 이해하고 분석하고 활용할 수 있는 전반적인 능력 - 가장 기반이 되는 능력)
- 데이터 마이닝 : 데이터 안에 있는 가치있는 정보를 찾아내는 능력 (유효한 정보 찾기)
- 데이터 분석 : 데이터를 수집, 정제, 분석해서 의사결정까지 내리는 일련의 과정 + 커뮤니케이션을 위해 시각화과정까지 포함
- 인공지능 : 지능형 기계를 만드는 과학이나 공학의 분야 / 인간의 지능(지적능력, 사고방식) 을 인공적으로 만든 것
- 머신러닝 : 기존의 데이터를 알고리즘을 사용해 모델을 만들어내고, 새로운 데이터에 해당 모델을 적용시켜 예측을 하는 방법
- 딥러닝 : 머신러닝의 방법론 중 하나 (비선형 정보처리를 수행하는 계층을 여러 겹으로 쌓아서 학습모델을 구현하는 머신러닝의 한 분야)
-> 엄청나게 많은 데이터에서 중요한 패턴을 잘 찾아냄, 규칙도 잘 찾아내고, 의사결정을 잘하게 됨
