[일반] 흔히 나와있는 머신러닝 공부 다음 단계는 뭐임?

[tpptpp(tpptpp)]

분류 회귀 군집 pca 연관분석+@ 로 이루어진 일반적인 머신러닝 책 다 봤으면 islr 보면 됨??

- dc official App

[보노(67.218)]

엥? islr 이게 너가 배웠던 책들 보다 더 쉬울거 같은디...

[tpptpp(tpptpp)]

islr 목차보니까 내가 배웠단 것보단 훨씬 자세하게 다루는것 같던데.... 내가 배운건 코드구현 및 실습 위주라 어떤 원리인지 정말 간단하게 배웠어 - dc App

[qwz(67.218)]

islr 여러가지 모델 나오기는 하는데 깊게 들어가는 게 아니라 개념적인 설명만 해줌. 좋은 책인건 맞는데 이미 회귀분석 딥하게 배웠으면 시간낭비라고 느껴질 수도 있음.

[tpptpp(tpptpp)]

음..... 그러네.... 어차피 2학기 때 강의로 있으니까 방학 동안은 공간분석 패키지 활용하는거 위주로 공부해 봐야겠다 ㅋㅋㅋㅋ 공공 데이터들이 지역과 연관된 데이터가 대부분이라 GIS 반드시 할줄 알아야 하더라 - dc App

[해당 댓글은 삭제되었습니다.]

해당 댓글은 삭제되었습니다.

[tpptpp(tpptpp)]

파이썬 머신러닝 완벽가이드로 먼저 배우고 학교에서 r 데이터마이닝 강의로 r로 구현해보는 정도? 두개 언어 다 다룰 수 있긴 한데 데이콘에 분류 대회 두개 풀어서 올려본거 외엔 경험이 없음 회귀는 전공이라 좀 자세하게 배웠구 나머지는 대충 이런 원리다~ 이런 파라미터가 있다~ 이 정도? - dc App

[익명(220.71)]

진짜 딥하게 하려면 통계 모델 적합하는 거 구현하는 걸 추천. 패키지 쓰라는 게 아니라, criterion 보고 그걸 컴퓨터가 알아먹게 구현하는 걸 의미

[tpptpp(tpptpp)]

조언 고맙지만 거기까지 다다르기엔 다른거 할게 많아서.... - dc App

[익명(220.71)]

그러면 그냥 데이터 가지고 모델 적합하고, 분석하는 거 추천. 대회나 그런것도 좋지만, 진짜 raw data에서 이걸 어떻게 활용하면 좋을지 가설을 세우고, 그 가설을 증명하려면 어떤 모델을 사용하고, 그 결과를 통계적으로 분석해보는 프로세스 전체를 해봐. 목표가 박사까지 가는 거면 수학을 파는게 맞지만, 석사에서 멈추고 취업할 생각이면 굉장히 도움됨.

[익명(220.71)]

회사에서 다루는 모델링은 생각보다 ㅈ도 없는 경우가 많고 (오해를 피하자면, 데이터와 인프라의 한계때문에 그런 경우가 굉장히 많음. 재직중인 회사 테이블 '하나'가 한달에 수백만명, 컬럼 수백개씩 쌓이는 데 이 정도 크기 되면 끌고 오는 거부터 굉장히 귀찮아짐), 그렇기 때문에 면접 과정에서도 나 이런 모델을 다뤄봤어요를 중점적으로 물어보는 게 아니라 프로젝트 진행과정에서 왜 이러한 가설을 세웠고, 어떤 효용을 기대했으며, 그 과정에서 어떤 시행착오가 있었는지, 그리고 그걸 어떤 생각으로 해결했는지를 중점으로 물어봄

[익명(220.71)]

결국 데싸 팀은 데이터로부터 출발해서 회사, 혹은 현업에 도움이 되는 인사이트를 도출하는 것이 중요하지 그 과정에서 ㅈㄴ고도의 모델링을 쓸 줄 아는 건 윗대가리 입장에서 관심 밖이거든. 어차피 이해도 못해. 요즘엔 gpt 나오면서 코드 짜는 것도 굉장히 쉬워졌고. 그렇기 때문에 위에서 말한 것들을 중요시 여김. 아 물론 이 모든 걸 문외한인 현업한테 설명해줄 수 있는 능력도 필요하고 말이야. 결론은 세부적인 기술 익혔으면 이젠 큰그림 그리는 법 연습하라는 소리임. 물론 난 IT쪽 데싸가 아니라 금융권쪽 야매 데싸라 어느 정도는 걸러들어도 ㄱㅊ

[tpptpp(tpptpp)]

친절하고 세세한 답변 고마워 ㅋㅋㅋㅋ 어떤걸 말하고 싶은지 확실히 알거 같아 ㅇㅇ 옛날에 데이콘 직원 강의 와서 한말도 비슷했었어 ㅠㅠ 달라지고는 있다 하지만 현업에서 높은 분들이 관심있는건 매출이 얼마나 나올지 예측하는게 아니라 왜 안 나왔는지 이유를 알고 싶어하는 분들이 대다수라고 ㅋㅋㅋㅋㅋㅋ 고도화 된 모델보다 데이터안에서 캐낼 수 있는건 전부 캐내서 회사가 원하는 정보를 끌어내야 하는게 중요한거 같더라 - dc App