반응형 ○ Career | Contest | Job |/Curriculum13 인공지능에 수학이 필요한가? 통계분석가 프로그래밍 언어를 아는 만큼 컴퓨터에게 일을 더 잘 시킬 수 있다. 인공지능에 수학이 필요한가?- 수학을 질 못해도 머신러닝 프로그램을 짜는데는 큰 문제가 없음- 단, 복잡한 모델과 원리를 이해하려면 수학은 필요 통계 분석가R, SQL을 주로 사용다양한 전문가들이 모여 통계 결과를 해석하여 의미있는 결론을 도출함 2021. 2. 7. 인공지능 (머신러닝) 직장 취업 어떻게 해요? ft. 스탠포드 박사 1. 단계 : 30분 전화인터뷰 (우버)1-1 상황을 주고 어떤 알고리즘으로 짤건지 어떤 생각을 하는지를 물어봄예측모델뭘쓸지, 알고리즘은 뭘쓸지 물어봄 1-2 온라인 실험 설계추천한 알고리즘과 현재 알고리즘과 비교하는 실험은 어떻게 진행할 것인지추천 알고리즘과 현 알고리즘의 비율은 어떻게 할 것인지비교할 때 사용할 통계는?통계를 썼는데 유효하지 않은 결과가 나오면? 2. 숙제줌데이터와 질문지를 줌3일안에 리포트를 써야함실제 코딩 결과를 보여줘야함 3. 실전 인터뷰 (전화인터뷰를 5번 반복하는 수준) 학교 프로젝트보다는 짧지만 인턴을 해보는 것을 추천실제 데이터를 한 사람을 선호함캐글 대회도 좋음 1. 파이썬, 씨퀄, R 실력2. 머신러닝 어디까지 아는지 : 학력, 프로젝트 내용 정규직 과정의 1,2단계만.. 2021. 2. 7. 머신러닝, 딥러닝, 빅데이터가 도대체 뭐야? (ft. 스탠포드 박사) + 딥러닝을 구체적으로 어디에 쓸 것인지 디테일하게 잡을 것 수학실력 기를 것 나의 장단점, 현상황을 고려해서 전략을 세울 것알고리즘을 코딩으로 구현. 큰 회사에서 더 필요(만들어진 알고리즘을 관리해야함.) 알고리즘을 짠 다음 효율적으로 돌아가는지. 몇 초만에 돌아가는지 높은 수익을 만드는 알고리즘은? 1. 데이터 엔지니어 : 데이터 가져옴, 수집 2. 데이터 애널리스트 : 데이터 분석 3. 데이터 사이언티스트 : 데이터로 알고리즘 만듦 링크드인을 통해 현 직원이 무슨 프로젝트를 하는지 파악 엔지니어링, 분석 등 무엇을 중시하는지 파악가능 석사는 필수 박사는 추천 이유 : 계속해서 새로운 논문이 나오는 분야이므로 논문에 익숙한 석박사가 필요함 통계,수학,산업공학 이유 : 코딩(파이썬,R,SQL)보다 통계.. 2021. 2. 7. 머신러닝 학습순서 머신러닝 학습순서 1. 파이썬머신러닝완벽가이드 2. 데이터마이닝 개념과 기법(지아웨이한) : 이론서적 정독 권장 3. 구글링, 유튜브, 캐글 활용하는 방향으로 학습 4. 신경망과 심층학습 ( : 딥러닝개념잡기좋음) 5. 1일 1코딩 + 통계학 + 신경망과 심층학습 핸즈온 머신러닝 : 개념은 없고 실습위주 파이썬을 활용한 머신러닝 쿡북(한빛미디어) : 완전입문에겐 비추 인공지능, 딥러닝 이론 이해 머신러닝과 수학 + 수학 베이스가 없으면 응용을 못함. 모듈만 쓸 뿐 + 기획이 중요. 문제정의가 잘못되거나 설계방향이 달라지면 무너짐 + 기획,분석방법,논문(학위보단 학술지/왜썼는지,무엇을해결,어떤방법)읽기 수치데이터는 histogram, distplot 범주형데이터는 barplot, count plot.. 2021. 2. 7. AI 대학원 선택시 AI 대학원 : CS, 공학 연구에 관심이 있다면 선택. 연구실 주제보고 갈 것지금 신설한 AI대학원들은 경력, 실력 없어도 합격확률있어인기랩실 지원할 생각이 아니라면 대학원은 전부다 써보는 걸 추천대학원 선택시 대학원은 연구실을 봄. 학교별 통계, 산공, 컴공, AI 전부 보고 나에게 적합한 곳 찾기대학원입학시 업무시 진행한 프로젝트, 업무를 교수에게 어필대학원을 가더라도 논문성과가 중요논문+교수+동아리 2021. 2. 7. 3. 머신러닝, 데이터사이언티스트 진로? 학벌? 야근? (자연어처리 딥러닝캠프 저자 김기현) 머신러닝, 데이터사이언티스트 진로? 학벌? 야근? 석사? 박사? 학벌?대학원은 학벌 컴플렉스 세탁 목적이면 반대연구, 적성에 맞다면 석박사 추천이 분야는 산업계와 학계의 격차가 좁은 분야최신 기술은 IT기업에서 더 많이 나오기에 대학원아니더라도 기업에서 배울 수 있음대기업에서 일을 해야 빅데이터 만질 수 있음 학벌이 크게 중요한 분야는 아님실력이 좋으면 장땡인 분야. 글로벌 IT기업은 학벌 전공을 보지 않음 공부 노하우?또한 유튜브로 공부 가능하다.세계 유명 석학들의 강의도 있음요즘은 논문을 돈내지 않아도 볼 수 있음. (arXiv.org라는 웹사이트)공유 오픈 문화가 있기에 마음만 먹으면 얼마든지 공부할 수 있음. 혼자 사이드프로젝트로 공부하는 것이 중요함.이론에서 배웠던 것들을 구현해보면서 경험을 쌓.. 2021. 2. 7. 2. 데이터사이언티스트 연봉, 취업전망은?(자연어처리 딥러닝캠프 저자 김기현) 데이터사이언티스트 연봉, 취업전망은?(자연어처리 딥러닝캠프 저자 김기현)첫 회사의 연봉이 평생 영향을 미침다음 이직을 염두해두고 실력을 키울 수 있는 회사에 가는것이 중요대기업,외국계,스타트업 중 추천하는 곳은 돈 많이 주는 곳스타트업은 체계가 없어서 일을 하는데 어려울 수 있음. 널리 이름이 알려져 있는 곳은 네임 밸류 있음. 주도적으로 프로젝트 참가 가능. 업계에서 주도적으로 하는 것이 중요함대기업은 높은 연봉, 네임벨류, 체계적인 시스템으로 배울 수 있음. 안주하거나 매너리즘 빠질 수 있음커리어를 쌓고 이직하는 것을 추천. 주도적으로 참여하긴 힘듦 신입사원 연봉 수준?대기업 학사졸업 4천 중반 + 보너스유니콘 학사졸업 4천 중후반 + 보너스실력있는 개발자가 귀한 시대라 연봉이 많이 오른편 포트폴리오.. 2021. 2. 7. 1. 데이터 사이언티스트 & 머신러닝 엔지니어? (자연어처리 딥러닝캠프 저자 김기현) 데이터 사이언티스트 & 머신러닝 엔지니어? (자연어처리 딥러닝캠프 저자 김기현)데이터사이언티스트의 역할?개념이 생기기전 통계분석과와 비슷한 역할통계분석가 + 머신러닝 딥러닝 기술을 이용하여 고차원적인 분석을 진행하는 사람 머신러닝 엔지니어와 데이터사이언티스트의 차이점은?머신러닝 엔지니어>통계분석보단 머신러닝, 딥러닝 기술을 바탕으로 프로젝트를 수행하며 프로그램을 만들어냄프로젝트를 진행하기 위해 코딩을 많이 함실제 배포하는 과정까지 참여하기에 데이터 분석보단 코딩 개발 업무가 더 많다. 개발자와의 차이점?통계분석가가 하는 것보다 더 많은 코딩이 들어감수학, 통계, 코딩(파이썬) 잘해야한다. 전세계 사람들이 뛰어든 시장 + 기술의 발전으로 공부해야할 내용이 끊임없이 나옴수학+코딩+지속적으로 더 많은 양을 학.. 2021. 2. 7. 머신러닝, 딥러닝 학습 방법은? 머신러닝, 딥러닝 학습 방법은?머신러닝만 배우는 곳은 없음머신러닝을 어디에 쓰는지에 따라 커리큘럼이 다름. 교수에 따라 커리가 달라지므로 관심있는 분야를 찾고, 무엇을 연구하는지 찾을 것타분야처럼 인공지능 분야도 굉장히 세밀하기에 초반엔 세밀하게 학습하기 보단 베이스를 다진다는 생각으로 넓고 얕게 하는 것이 좋다. 어떤 분야든 적용가능하도록.기본 컨셉이해 > 예제로 깊이 > 살붙이며 응용하는 것이 좋음 2021. 1. 25. 빅데이터 엔지니어가 되기위한 방법 https://youtu.be/rdbBnWAkr04필수조건 2021. 1. 25. 데이터 과학자, 데이터 사이언티스트란? 데이터를 가지고 길(데이터 파이프라인)을 만드는 사람.데이터를 통해 더 빠르고 정확하게 목표에 도달하는 길을 안내하는 사람. 러닝커브 역량 로우데이터 -> 정제, 변형하여 피쳐 제작 -> 모델 제작 -> 만족스러 예측값이 나올때까지 이 과정을 처음부터 반복만족스런 예측값이 나오면 현실 데이터에 적용시켜서 예측 모델 형성 - 데이터에 대한 이해가 필요- 모델링 평가를 위한 통계 분석력도 필요- 흐름을 알기위해 클라우드 서비스대한 이해력도 필요- 파이썬, R, SQL도 잘 알아야한다 2021. 1. 21. [펌] 한걸음 한걸음, 데이터 과학자(Data Scientist)가 되는 방법 [Goal] 한걸음 한걸음, 데이터 과학자(Data Scientist)가 되는 방법 개요 Data Scientist가 되기 위한 방법들을 정리한 글입니다. theorydb.github.io 개요 Data Scientist가 되기 위한 방법들을 정리한 글입니다. 목차 데이터 사이언스, 데이터 사이언티스트란? 빠르게 데이터 사이언티스트가 되기 위한 방향잡기 현 직장에서 데이터 사이언티스트가 되어보기 이직 창업 지금이라도 대학원을 가야할까? 롤모델 설정 및 끊임없는 학습 프로젝트 및 블로그 논문, 특허, 저서, 강연 자격증 추천할만한 교재 및 커뮤니티 (참고) AI 활용사례 (참고) 데이터 사이언티스트의 진정한 의미 (참고) 그 외의 학습조언 마무리 데이터 사이언스, 데이터 사이언티스트란? 데이터 사이언스란?.. 2020. 8. 3. 빅데이터를 위한 코딩, 무엇부터 공부해야 하나요? 출처 빅데이터 분석에 관한 여덟 가지 업무 영역 분류 빅데이터 분석에서는 각기 다른 업무 영역들이 상호 작용하고 있는데, 이를 저의 경험을 바탕으로 말씀드려 볼게요. 회사마다 상황은 다르겠지만 대략 분류해 본다면 아래와 같을 거예요. 1. 데이터 수집 : Business Data Analyst, Data Engineer, Marketing Technologist, Growth Hacker 2. 데이터 파이프라인 구축(데이터 정제) : Data Engineer 3. 분석 환경 구축 : Data Platform Architecture 4. 데이터 분석 도구 개발 : SW Engineer 5. 데이터 시각화 : Business Data Analyst(Data Miner), Marketing Technologi.. 2019. 7. 15. 이전 1 다음 반응형
