데이터 사이언티스트 인터뷰

https://youtu.be/-tmypCjhfkE

 

우버 데이터 사이언티스트
수학 전공, 산업공학과 박사

데이터 사이언티스트란?
ㅡ 회사마다 role이 다르다. 회사 규모와 니즈(알고리즘의 복잡도/개발과 유지보수의 초점)에 따라 다름
ㅡ 애널리스트: 분석 (ex. 얼마나 이득을 얻을 수 있나 등)
ㅡ 사이언티스트: 분석결과를 알고리즘으로 변환 
ㅡ 엔지니어: 비즈니스 과정을 코딩

빅데이터=머신러닝=인공지능
데이터를 가지고 분석을 할것인지 모델을 만드는지에 따라 이름은 조금씩 다르지만, 기초 방법론은 모두 비슷

하는 일?
ㅡ 대부분 "예측"
ㅡ 여태까지 데이터를 보고 기존 알고리즘과 새로운 알고리즘의 비교 및 분석
ㅡ 소비자 데이터를 보고 어떤 광고를 좋아할지 예측
ㅡ 클릭할 확률을 예측

하루 일과?
ㅡ 현업에서는 직종의 구분이 뚜렷하지 않음
ㅡ 엔지니어에게 중요한 것은 알고리즘의 성능과 데이터 퀄리티를 관리하는 것. 데이터를 저장하는 방법을 주로 다룸.
ㅡ 애널리스트는 분석, 사이언티스트는 데이터에 대한 알고리즘을 제시함. 다만 알고리즘이 수익과 직결되는 회사가 적기 때문에 회사들에서는 애널리스트의 비중이 높다.

이 회사가 말하는 데이터 사이언티스트가 무엇인지 아는 방법?
링크드인에서 회사에 재직 중인 사람이 진행한 프로젝트 보기

데이터 사이언스를 하려면
ㅡ 학부 및 석사는 필수, 박사는 추천
ㅡ 통계(확률, 선형회귀, 머신러닝), 수학, 산업공학 
ㅡ 모델 간의 차이, 이유, 수학적인 백그라운드에 대한 이해 필요
ㅡ 최신 논문을 이해할 수 있어야
ㅡ 산업이 빠르게 변화하기 때문에 계속 배워야 한다
ㅡ 실제로 회사에서 주에 1회 논문 스터디를 함
ㅡ 코딩은 파이썬, R, SQL은 알아야 하고, 통계를 아는 것이 더욱 중요

개발자와의 협업 이유
ㅡ 원하는 데이터는 보통 없음
ㅡ 불안정한 데이터 다루기 위해