데이터 분야로의 커리어 고도화

지금으로 부터의 3~4개월의 기간동안 어떤 시간을 보내냐에 따라서 스펙업이 될 것인지 스펙다운이 될 것인지 달라질 것 같다. 

 

막연하게 공부해왔던 분야인 '데이터'

회사다니면서, 혼자 공부했던 것들을 정리해보면,

1. python/코랩/주피트노트북/머신러닝을 활용한 데이터 분석,

2. mysql/db 환경 이해,

3. 데이터 전처리 하면서 big query도 사용해보고 

4. 인공지능 api를 활용해서 aws 람다도 한번 써봄. 

5. 위 결과물로 웹으로 보여주고 싶어서 nextjs공부 (html,css,react)

6. nextjs 독학하면서 uiux 디자인 시스템 공부를 위한 사이트도 만들어 봄

 

뭔가 진주 목걸이에 진주 마냥 차르르 꿰어져 있는 형태인 데, 결론적으로 애.매.하.다 라는 게 내 생각. 

 

음, 간헐적으로 찍먹을 해봤으니, 

고도화를 시켜봐야할 시점 인 것 같다. 

 

(어떤 과정으로 ?)

데이터에 대한 전체적인 큰 프로세스를 본다면, 아래와 같고

데이터 발생 -> 인프라 구축 ->  데이터 획득 -> 전처리 -> 데이터 분석 + 머신러닝 -> 데이터 인사이트 추출 

 

이 과정 속에서 존재하는 휴먼 리소스들로는 데이터 분석가, 데이터 엔지니어로 둘 수 있는 데, 요즘은 경계가 많이 허물어 지고 있는 추세같다. 데이터 분석만으로 경쟁력을 가질 수 없다. 

--- 모델에 대한 연구, 개발하는 건 아니니까 데이터 사이언스는 일단 제외! 근데 해외에서는 데이터 사이언스의 스펙을 데이터 분석 + 데이터 엔지니어 + 머신러닝/딥러닝 까지 모두 가능한 것을 의미하더라 ... 아마 mlops가 그런건가 .... 

 

데이터를 분석하기 위해서는 머신러닝, 딥러닝도 사용해보고 

실제 데이터는 일단 아래에서 찾아보면 될 듯. 

 

 

머신러닝은 책으로 공부했었는 데, 데이터라는 분야의 범위가 진짜 너무 넓어서 공부하다가 슬그머니 손을 놔버렸다.

그래도 책보면서 코드 치고 흐름대로 따라가니 이거 별나라는 아니구나 라고 생각했었는 데,,,, 

 

진짜로 글을 쓰고 있는 지금도 느끼는 것이지만, 데이터 영역은 진짜로 너너어어어어무 범위가 장대하다. 

흠....! 

 

일단, 첫 단계로

가시적인 결과를 내기 위해서 중요한 것은 내가 생각했을 때! 

특정 도메인을 정하는 것이다. 

 

차근차근 해보면 될 듯. 

이왕 시간을 번 김에

회사 일에 쫒겨 하지 못했던 것

깊게 파보기.