머신러닝(딥러닝) 관련 일하고 싶은데 학부를 통계학과 vs 컴싸 어디가는게 좋을까요???

대학원 209.***.97.44

통계 대학원 다니는데, 윗분들 말씀에 동의하는 부분들이 꽤 있습니다. 교수님들조차도 일단 프로그래밍 잘 하시는 분들에 비해 코딩도 어설프고 느려도 돌아만 가면 됐지 (어쨌든 estimation은 이론적으로 보증되니까) 마인드가 있고 기본적으로 (느린) R에 필요에 따라 C++ python 약간 추가해서 빠르게 만드는 정도입니다. 윗 분이 말씀하신 동적 메모리 할당 개념은 통계하는 사람들에게는 너무 어려운 개념입니다.

딥러닝 등 cs쪽에서 핫하다고 하는 부분은 통계학 하는 사람이 보기에 이론적으로 접근하기 힘든 부분이 있습니다. 그렇지만 언급된 pabii 블로그의 큰 틀은 동의하는 편인데요, 일단 cs쪽의 관련 (컨퍼런스) 페이퍼를 읽다 보면 이론적으로 너무 엉터리인 것들도 있고, 이 사람이 이런 내용을 알았다면 이런 삽질을 하지 않고 시간 (and computing power) 아껴서 더 좋은 연구 했을텐데 라는 생각이 종종 듭니다. methods를 제외하더라도 보통 통계하는 사람들이 중시하는 simulation studies 도 빈약하고 data analysis도 특정 몇몇 dataset에만 적용한 다음 “그러니까 이 방법이 잘 돌아간다” 라고 결론짓는 것도 이해가 잘 안되는 면이 있구요. 윗분들 말씀처럼 제가 그런 면에서 보수적이여서 그럴 수도 있습니다.

통계나 ML에서 다루는 이론적인 면은 비슷하다고 생각합니다. 그리고 top tier data scientist 가 되고 싶으면 어쨌든 이론을 잘 알아야 하고 그걸 효율적으로 구현할 수 있는 프로그래밍 능력이 있어야겠죠. 샌프란 지역에 있는 회사에서 일하는 data scientist들은 기본적으로 둘 다 잘한다고 보면 됩니다. 인터뷰 때 집중적으로 확인하더라구요. pabii 블로그에서 디스하는 “이론 배경 없이 github 코드 복붙하고 딥러닝 한다고 말하는 사람”들은 미국 큰 회사에서는 어차피 필터링 된다고 보시면 될 것 같습니다.

원글님의 원래 질문으로 돌아오면 학부 통계학은 별로 권하고 싶지는 않네요. 학부 졸업생으로 할 수 있는게 별로 없어서 졸업하면 “이론은 자세히 모르겠지만 linear/logistic regression 돌릴 줄 안다” 정도입니다. 회사의 기대치도 그정도 (+data cleaning?) 라고 보시면 되구요. CS만 하기에는 나중에 대학원 가서 이론에서 해맬 여지가 커 보입니다. 제가 생각하는 제일 좋은 루트는 CS 메이져에 core math (calculus, linear algebra, analysis) and core stat (probability, math stat, regression) 듣고 ML하는 랩에 박사과정 하는 건데, 써놓고 보니 윗분들이랑 비슷한 조언이네요. 나중에 맘이 바뀌어서 학부만 한다고 했을 때도 안전한 선택인 것 같습니다. 근데 이 바닥이 워낙 빨리 바뀌어서 지금 학부 재학생한테도 적용되는 조언일지는 잘 모르겠습니다. 좋은 선택 하세요ㅎㅎ