[일반] 현대 사회에서의 통계학의 쓸모?

[딥린이(132.161)]

딥갤 여러분들은 CS맛 머신러닝이 주류가 되어가고 있는 현대 사회에서 통계학의 위치에 대해서 어떻게 생각하시나요? 분포 가정을 하고 전개 되는 전통적인 통계 방법론들 (inference, hypothesis testing ...)과 계산/고차원 통계 (부트스트랩, lasso, random forest ...)를 망라해서 질문을 드립니다. 인더스트리와 학계에서의 통계학의 가치와 통계학을 바라보는 시선이 나날이 변화하고 있는 것 같은데, 현업 종사자/연구자분들은 어떤 생각을 가지고 계신지 궁금합니다.

[익명(218.237)]

ML, AI, 최적화, 금융 쪽이긴 한데 "통계학의 가치와 통계학을 바라보는 시선"이 너무 방대해서 궁금한거 포인트로 물어보면 최대한 답변해줄수 있을듯

[딥린이(132.161)]

질문이 uninformative했던 것 같은데, 한마디로 요약을 하자면 "고속 발전 중인 머신러닝과 기타 AI 방법론들이 쉽게 대체하지 못 하는, 통계학 고유의 장점 및 가치란?"인 것 같네요. 데이터를 가지고 예측만 하는 것이 아니라 추론을 하는 것이 목적이라면 통계학이 압도적으로 잘할 수밖에 없다-이 정도가 생각이 나네요. 답변 미리 감사합니다.

[익명(218.237)]

학문으로서의 통계학의 고유의 가치가 있는가? -> 있다. 그 고유의 가치가 연구가 아닌 현업에서 유용한가? -> 그건 좀... 지적한대로 "추론 = 데이터의 구조/관계를 정하고(모델링) 검증"이 통계학이 할 수 있는 것이긴 한데, 결국 추론도 '예측'하기 위한 단계로 인식되는 경우가 많기 때문에 도깨비 방망이 같은 딥러닝이나 ML이 아닌, 통계쪽 지식이 현업에 사용되는 경우는 점점 더 사라질거임 논리적 추론을 위한 모델링은 1. 도메인에 관한 지식과 경험 2. 모델링 능력이 둘다 필요하지만, 이 두가지를 가진 사람은 찾기가 힘들고, 아무튼 데이터만 때려 넣으면 되는 CS맛 머신러닝이 주류가 되는게 현실임

[익명(218.237)]

시계열 관련해서 써놓은 댓글도 있긴 한데, 말마따나 세상에 있는 문제의 90%는 딥러닝이 아닌 머신러닝으로 풀 수 있음. 다만 그 나머지 10% 문제들을 해결했을때의 가치가 지금은 더 중시 되는 세상임

[익명(106.102)]

데이터가 많으면 ML을 쓸 수 있는데 데이터가 몇 백개 몇 십개 수준이면 안정된 가정을 통한 통계학이 우위에 있음. 비선형혼합모델인 약동학 등에서는 아직도 전통적인 방법론이 많이 쓰임. 임상시험 등에서도 당연히 통계기반 실험설계가 널리 쓰이고. 다만 관련 내용은 새로운 이론 개발이 쉽지 않고 현장에 쓰이는 기술이라는 점이 연구 아이템으론 한계가 있음. - dc App

[익명(118.235)]

딥러닝이 잘하는게 있고 거기에 돈이 몰려서 모든걸 해결하는 것 처럼 설명하고 있지만, 시계열 예측 같은건 통계학이 딥러닝보다 더 적은 코스트로 비슷하거나 더 좋은 결과를 보이고 있으니 통계학을 위한 자리는 반드시 있다고 생각합니다.

[익명(23.119)]

너가 언급한 분야들 실제로 다 실무에 쓰인다.

[익명(23.119)]

그리고 통계학관점에서 딥러닝은 non-parametric model 중 하나인데 뭘 그렇게 의미 없이 고유 가치가 있냐 없냐 하고 있냐

[익명(223.39)]

딥러닝은 해석가능하지않아서 금융권에서 못씀

[익명(218.237)]

딥러닝의 범위를 어디까지 잡냐의 문제긴 한데 유니버스 설정하는 포트폴리오 말곤 다 쓴다 게이야...

[익명(58.238)]

나 진짜 문외한이라 모르는데 금융쪽은 딥러닝을 어케씀??

[익명(218.237)]

백오피스 쪽이면 자연어면 공시나 뉴스분석 / 수치면 IFRS 맞춘 회계 보고서 분석 프론트오피스면 퀀트 포폴 추출(일반인이 생각하는 바이오/IT 이런 테마 포폴 얘기하는거 아님), 트레이딩이면 VWAP 최적화