[Let's AI] 1-2. FAQ

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