그래도 샘플링방법, 머신러닝의 기본 아이디어는 전부 통계학아닌가요

딥러닝이 Predictive 퍼포먼스를 잘 내는것은 사실이지만 아직 모델의 인과관계를 설명을 하기엔 갈길이 멀고, 그런 설명력에 대한 단서를 쥐고 있는게 통계학이지요 Predictive modeling 말고도 통계학에서 하는 세부분야들 여전히 많습니다. 통계 실험에 대한 큰 판을짜는 디자인, 샘플링방법들, 베이지안 등등..

다만 말씀하신것 처럼 몇몇 분야에서는 이제 주도권을 잃어버린 느낌..
Econometrics 하시는 분들이 Time series연구는 더 활발히 하고 Predictive modeling은 컴싸가 딥러닝을 필두로 헤게모니를 쥐고있으니 통계학과가 설 자리가 좀 더 좁아지긴 하겟네요

통계와 CS 의 협업 정도로 봐야지,
이걸 가지고 통계학과가 사라진다는 건 말이 안되죠.

어차피 예전부터 통계과 CS 조합은 좋은 조합 이였는데, 그게 조금더 세부적 가속화 된 것 뿐 입니다.
요즘 수학이나 Economics의 대세는 통계인데,
그렇다고 수학이나 economics가 사라지는게 아니고, 그쪽 분야로 특화된 부분의 연구가 더욱 활발해 졌지요.

CS는 어플이에요. 기반이 되는 학문은 여러개고요…
CS만만세구만 ㅉㅉㅉ 기본도 모르는게 딱 티가나네.
아주 수학 물리학도 다 없어진다고 그래보지???

딥러닝 머신러닝이 통계를 대체하는것이 아니라 통계과에서 딥러닝 머신러닝을 돌리겠지. CS는 그 툴만 제공하는것이고. CS하는 애들 돌리기만 하면 뭐하냐 데이터가 나와도 그게 뭔지를 모르는데. 언제나 그렇지만 CS는 다른분야를 도와주는 역할을 할뿐이다.

옛날에 미국에서 골드러시로 너도나도 금켄다고 서부로 몰리면서 엄청난 경제적인 파급효과가 있었다. 근데 결국 돈은 누가 벌었게? ……삽장사. CS 는 삽만들고 돈버는 일에 만족해라. 금은 다른 싸이언티스트 엔지니어들이 켄다. 대부분 가난하지만 간혹 엄청난 금을 케기도 한다.

답답한 얘기.. 통계 수학 베이스에서 방법론이 다 나오는건데..

아는만큼 보인다고.. 실제 딥러닝이나 머신러닝 혹은 통계학을 제대로 공부하신분이 아닌거같네요