그래서, 데이터 과학 분야로 진출하고 싶다는 많은 메시지를 받았어요. 여러 글들을 써서 제가 따를 만한 로드맵과 프로세스를 상세히 설명했지만, 때로는 솔직한 진실을 듣는 것도 좋다고 생각해요. 그래서 이 글에서는 데이터 과학자가 되고 싶은 분들을 위해 제가 완전히 솔직한 조언을 드리고 싶어요.
참고: 이 블로그 글의 비디오 버전도 볼 수 있어요.
지금 당장 시작해요
자주 묻는 질문 중 하나가 플랫폼 A를 사용해야 할지, 아니면 플랫폼 B를 사용해야 할지입니다. 과정 X와 과정 Y 중 어느 과정이 더 나은지요?
이전에도 여러 번 얘기했고 다시 말하겠지만, "중요하지 않다"고 할게요.
어떤 대형 과정 제공업체나 평가가 높은 과정이라도 특히 초심자와 입문 수준에서는 동일한 것을 가르쳐 줄 거예요. 어떤 과정을 선택할지 고르는 데 시간을 보내는 것은 오히려 일을 실제로 실행하는 데 쓰는 게 훨씬 더 낫다는 걸 명심하세요. 그렇게 하면 더 나아가며 목표를 향해 나아갈 수 있을 거예요.
비슷하게, 누군가는 자신에게 어떤 프로젝트를 해야 할지 물어봅니다. 저의 대답은 언제나 같아요: 마음에 드는 것을 선택하고 도전하세요. 올바른 프로젝트를 선택하는 데 시간을 낭비하는 것은 효과가 없기 때문에 사실 무의미한 일이에요. 그냥 무언가를 선택하고 작업하는 게 훨씬 낫고, 나중에는 항상 바꾸거나 더 선호하는 다른 프로젝트를 선택할 수 있어요.
유명한 명언에는 다음과 같이 나와 있습니다
또는 성공한 기업가인 노아 카간이 말하길:
관심이 있다면, 내가 좋아하는 데이터 과학 및 머신 러닝 자료의 완전한 목록을 작성해 두었습니다.
일하느라 바쁠 거에요
몇 년 전까지는 온라인 자격증을 취득한 다음 몇 달 내에 취직할 수 있었지만, 이제는 그런 현실이 아닙니다.
온라인 자격증은 데이터 과학과 머신 러닝의 컨텐츠를 배우는 데 매우 가치가 있는데요. 그러나 요즘에는 그것만으로는 취업에 큰 도움이 되지 않습니다, 특히 우리의 어려운 취업 시장에서는요.
자신을 마케팅하고 포트폴리오를 만들고 다양한 프로젝트를 수행하는 등 추가 작업을 많이 해야 다른 지원자들에게 앞설 수 있습니다. 지금은 더 열심히 일해야 하며, 이게 바로 현실입니다.
"열심히 일하라"라는 말은 도움이 되지 않을 수 있지만, '그라인드셋' 마인드를 지향하고 있는 것은 아닙니다. 하지만 데이터 과학자 공급이 기하급수적으로 늘어나면서 이제는 예전보다 더 많은 시간을 쏟아야 합니다.
만약 풀타임으로 일하고 계신다면, 아마도 일 다음 저녁이나 주말에 공부해야 할 것입니다. 학생이시라면, 대학 공부와 병행하여 수업을 들어야 할 것입니다.
희생이 필요하며, 아마도 몇 달 동안 이를 해야만 취직 준비가 충분히 될 것이고, 경우에 따라서는 심지어 1년이 걸릴 수도 있습니다.
모두에게 적용 가능하지는 않을 수 있으며, 이해합니다. 그러나, 데이터 과학이 정말 하고 싶은 분야라면, 수십 년 동안 즐겁게 할 수 있는 직업을 위해 1년 정도 희생하는 것은 좋은 선택처럼 느껴집니다. 물론, 제가 편향되어 있을 수도 있어요!
만약 데이터 과학 지원서를 돋보이게 만드는 방법에 대한 자세한 내용을 알고 싶다면, 제 이전 기사를 확인해보세요.
지금부터 데이터 사용 시작하기
일러나 특정 시간 외에도 공부해야 할 수도 있지만, 현재 역할에서 데이터를 최대한 활용해보세요. 단순히 학습에 도움이 되는 것뿐만 아니라, 데이터 과학 분야에서의 경력 여부를 결정하는 데 도움이 될 것입니다.
Excel과 같은 간단한 도구부터 시작해서 일상 업무에 더 많이 활용해보세요. 복잡한 기능을 실험함으로써 자신감을 점차 키울 수 있습니다. Excel에서 VBA도 탐험해보며 기술력을 향상시키고 프로그래밍에 더욱 친숙해질 수 있습니다.
가능하다면 SQL과 Python도 조금씩 해보세요. 이미 데이터 역할을 수행하고 있기 때문에 나중에 해당 분야에서 직업을 찾는 것이 훨씬 쉬워질 것입니다. 더불어 이러한 도구에 대한 능숙도도 기하급수적으로 증가할 것입니다.
모든 기업은 데이터를 어떤 식으로든 활용할 수 있습니다. 데이터 양은 시간이 지날수록 급격히 증가하고 있기 때문에, 이 데이터를 조직에서 활용할 수 있는 기회가 많이 있습니다. 조금 창의적으로 생각하기만 하면 됩니다!
당신이 현재 다른 사람들과 다르게 데이터 스킬을 통해 창출하는 가치가 크다면, 회사에서 당신을 영구적으로 데이터 과학자로 고용할 수도 있습니다. 이런 경우를 여러 번 들어 본 적이 있습니다.
AI에 대해 걱정하지 마세요
미디어와 전문가가 AI를 과대평가하는 데에 힘썼기 때문에 약간의 공포심을 불러일으키기도 했습니다. 하지만 잘못된 인식일 뿐, 이 기술은 여전히 놀라울 만큼 높은 수준이며 특정 영역에서 확실히 도움이 됩니다. 저는 심지어 매일 이 기술을 사용하여 생산성을 높이고 있습니다.
여러 사람들이 AI 때문에 데이터 과학 분야에 들어가야 할지에 대해 저에게 메시지를 보냈어요. 제 의견으로는 현재 상황에서 데이터 과학자를 대체할 수는 없기 때문에 걱정하지 않아도 된다고 생각해요.
NeetCode에서는 현재 AI가 프로그래머를 대체할 수 없다는 것을 잘 설명한 영상을 제작했어요.
확실한 것은 AI가 코드를 작성하고 다양한 작업을 수행할 수 있다는 것이에요. 그러나, 데이터 과학자 수준에는 못 미치며, 수학적 추론과 관련된 경우에는 특히 그렇다고 생각해요. ChatGPT에 페르마의 마지막 정리를 증명하도록 시도해 보세요; 올바르게 실행하지 못할 거예요.
“소프트웨어 엔지니어 킬러”로 불리는 Devin조차도 초기에 홍보된 것만큼 좋지 않아요. 많은 기업이 AI를 과장해서 투자를 증가시키려고 하고, 그 결과는 종종 과대포장된 것이 많아요.
웹사이트를 만들 때 GPT조차도 간단한 HTML 및 CSS에 어려움을 겪었던 적이 있어요. 그것이 GPT의 전문 분야라고 할 수 있죠.
이러한 대규모 언어 모델들이 실패하거나 많은 작업에 유용하지 않은 사례가 많이 있어요. 이는 그들이 지식은 가지고 있지만 천연지능은 없다는 것 때문입니다. 유명한 컴퓨터 과학자인 앙 르쿤(Yann LeCun)이 말했듯이요:
그리고 4세 아동이 오늘날 가장 큰 LLM보다 50배 많은 데이터를 본 것입니다.
대체로, AI에 대해 걱정하지 마세요; 이것은 데이터 과학자가 되고 싶어하는 것에 대한 변명이 아니에요.
취직은 시작에 불과해요!
어떤 것이든, 진정한 일은 처음 역할을 맡을 때 시작됩니다. 처음 일자리를 얻는 것은 힘들지만, 일단 들어가면 여정 중 많은 정신적 싸움이 올 겁니다.
바깥에서 보는 커리어는 모두 쨍한 햇살과 무지개 같을 것 같지만 항상 그런 것은 아닙니다. 예상할 수 있는 것은:
- 평생 학습 - `당신의 커리어를 꾸준히 업 스킬해야 합니다.
- 지속적인 사기초인 증후군 - `당신은 절대 자신이 안다고 느끼지 않을 겁니다.
- 소진감 느낌 - `배워야 할 것이 항상 있기에 모든 것에 꾸준히 따라가는 것이 정말로 힘듭니다.
- 분야의 지속적인 변화 - `매년 새로운 발전과 기술이 등장해 그들을 따라가야 합니다.
- 모호한 직무 정의 - `데이터 사이언스는 여전히 새로운 직업이기에 정확히 역할과 책임이 무엇인지 명확하지 않습니다.
눈앞의 일부분에 불과하죠.
이런 것들은 모든 데이터 과학자들이 직업 생활 중 언젠가는 마주칠 가능성이 있는 보편적인 경험들이에요. 이러한 도전들이 극도로 어렵게 느껴진다면, 이 직업 분야가 당신에게 맞지 않을 수도 있습니다.
이것은 당신을 des해 아니라, 당신이 어떤 일을 상대하게 될지에 대해 완전히 솔직해지려는 것입니다.
데이터 과학자가 되는 현실에 대한 자세한 내용은 제 이전 포스트를 확인해보세요.
요약 및 추가 생각
이 기사가 너무 강경한 사랑으로 비춰진 것으로 비춰졌으면 좋겠어요. 그냥 시작하는 데이터 과학자들이 꼭 들어야 하는 조언을 간결하게 전하고 싶었어요. 제가 도움이 되었으면 좋겠고, 데이터 과학으로의 여정을 명확하게 할 수 있었으면 좋겠어요.
또 하나의 소식!
제 무료 뉴스레터 'Dishing the Data'를 가지고 있어요. 거기에서 저는 실제 데이터 과학자로서 매주 팁과 조언을 나누고 있어요. 또한 구독 시, 제 무료 데이터 과학 이력서와 이 AI 로드맵의 간략한 PDF 버전을 받을 수 있어요!
저와 연락하기!
- LinkedIn, X (Twitter), 또는 Instagram.
- 제 YouTube 채널에서는 기술적인 데이터 과학과 기계 학습 개념을 배울 수 있어요!
- 👉 1:1 멘토링 통화 예약하기