바뀜

그렇다면 왜 수리통계학적 지식이 중요할까? 실제 실전에서 데이터 분석을 하게 되면 목적에 부합하는 모델을 직접 선택하고 적용해야 한다. 학원에서는 어떤 모델을 쓰라고 직접 알려주지만 실전에서는 알려주는 선생님이 없다. 자신이 해당 데이터와 분석 목적에 가장 부합하는 모델을 선택해야 하는데 이때 수학적﹒통계학적 지식이 있어야 어떤 모델을 선택할지 알 수 있다. 때에 따라서는 모델을 조금 변형하거나 여러 모델을 결합해 분석할 때도 많은데 수학적﹒통계학적 지식이 전혀 없으면 이러한 작업이 이루어질 수 없다.

K-평균 알고리즘(K-means algorithm)은 주어진 데이터를 k개의 클러스터로 묶는 알고리즘으로, 각 클러스터와 거리 차이의 분산을 최소화하는 방식으로 동작한다. 이 알고리즘은 자율 학습의 일종으로, 레이블이 달려 있지 않은 입력 데이터에 레이블을 달아주는 역할을 수행한다.

나 같은 경우는 내가 관심 있어 하는 분야(텍스트 마이닝, 추천 알고리즘)에 대해서 세부적으로 깊게 파고들어간 해외 원서를 주로 보는 편이다. 우선 내가 연구하고 있는 분야에 대해서 깊이 있게 파고들어가고 하나하나 이해하다 보면 너무나 재미있다. 이러한 책들은 국내 서적 또는 번역서로는 찾아보기 힘들고, 있다 해도 번역된 게 오히려 원어(영어)보다 이해하기 힘들어 그냥 아마존에서 원서로 구매해서 읽는다.

그냥 내가 편하고 잘하는 것을 좋아하는 방법으로 공부하면 그게 강점이 되는 것이다.

우선 알고리즘 응용을 잘하는 사람을 전문가라고 말할 수 있다. 예를 들어 SVM 함수는 패키지에서 제공해주는 가장 기본적인 파라미터로 실행이 되지만 데이터의 성격과 분석 목적에 따라 파라미터가 사용자를 수정해주어야 할 수도 있다. 또는 단순히 SVM 함수를 갖다 쓰는 게 아니라 알고리즘을 수정 및 변형하기 위해 코드를 직접 짜기도 한다. 이러한 작업이 전문가의 영역이라고 할 수 있다. 이러한 일들을 하기 위해서는 역시 알고리즘 각각에 대한 개념원리와 수학적인 지식이 필요하다.

[[File:빅데이터 분석 프로세스 모델 개요.jpeg|thumb|빅데이터 분석 프로세스 모델 개요]]

[[분류:2020년]]