업무를 모델링하기만 하면 프로그래머와의 협업으로 답을 찾을 수 있는 시대가 되었습니다. 데이터 사이언티스트란 데이터 사이언스에 기반하여 일과 연구를 하는 수행하는 사람입니다. 여기서 데이터 사이언스란 수학, 통계학, 컴퓨터공학 뿐만 아니라 심리학, 경영학, 경제학 등에서 데이터로 표현될 수 있는 전문 분야 지식을 망라합니다. 데이터사이언티스트는 데이터수집, 데이터저장, 데이터시각화, 데이터모델링, 데이터분석, 데이터예측을 과학적으로 수행합니다. 더나아가 특정 분야에 전문적인 지식을 가진 데이언사이언티스트가 각광을 받고 있습니다.  한편, 인공지능(Artificial Intelligence, AI)으로 스스로 일을 수행하는 기계들이 전 산업과 일상 생활에 급속히 확산되고 있습니다. 기계학습의 도구가 되는 데이터는 데이터사이언티스트가 다루는 연구개발대상입니다. 

 

미국 구인구직 플랫폼인 Glassdoor에서 발표한 “2018 미국의 최고 일자리 50개”에서 데이터사이언티스트는 3년 연속으로 1위를 차지했습니다. 아래 그래프는 2018년 미국의 직종별 기본급여의 중앙값입니다.



데이터사이언스 구독


논문을 위한 데이터사이언스

  • 모델링, 데이터, 데이터분석

데이터 Literacy

  • 데이터

BI를 위한 데이터사이언스

  • 모델링, 데이터, 데이터예측



모델링(Modeling)이란 사람이 살아가면서 접할 수 있는 다양한 환경을 일정한 표기법으로 모델로 표현하는 것입니다. 모델에는 비즈니스모델, 데이터모델, 회귀모델, 상관모델 등 다양한 모델이 있습니다. 모델링(Modeling)은 모델을 만들어가는 과정이며 규칙을 가지고 다양한 현상과 그에 따른 환경의 변화를 표기하는 행위입니다. 여기서, 대표적인 규칙에는 수학이 있습니다. 데이터사이언스에 기반한 모델링에서는 현상을 논리와 수식으로 표현합니다. 그래서 업무에 나타나는 데이터를 모델링하는 것으로 [데이터사이언스]구독을 시작하였습니다.


[프로젝트]학습 


비즈니스

  • 비즈니스 인텔리전스 (Business Interlligence)

교육

  • 수학교육

의학

  • 치위생



높은 학습 효과

읽고, 듣고, 본 지식의 경우, 30% 이내로 기억에 남지만, 직접 참여해서 행동하고 말하고 글로 정리한 지식은 90% 이상이 기억에 남습니다. PROJECT Based Learning에서는 직접 프로젝트를 만들고, 이를 해결해 나가는 과정을 통해 보다 높은 학습효과를 얻을 수 있습니다.



시험보는 기술이 아닌 현실 세계에 필요한 능력 업그레이드

현실에서는 남이 정해놓은 문제에 정해놓은 답을 푸는 것이 아닌 스스로 문제를 정의하고, 그것을 해결해나가는 능력이 중요합니다.


참고자료

Robert Kormikau & Frank McElroy, Communication for Safety Professional, Page 370,


[프로젝트] 참여 


설문

  • 영상설문에 답하기

캠페인

  • 영유아 충치 위험도 관리 – CAMBRA

연구

  • 데이터수집, 데이터시각화, 데이터분석