Reply Edit: [Data Analyst/Data Scientist] 외국(한국)에서 학부를 나오고 미국 경력이 없으면 정말 취업이 불가능에 가까운가요?

Name *

Password *

데싸의 핵심직무에 대해 얘기하기 전에 먼저 데싸부터 정의해야 될 듯 하네요. 데싸엔 크게 2가지 타입이 있는데 뭐라고 부르는진 까먹어서 그냥 다음과 같이 명명하겠습니다: 1. 통계베이스 데싸, 2. 머신러닝 베이스 데싸, 3. 머신러닝/딥러닝 개발자.

1번은 머신러닝에 대한 지식이 별 필요없습니다. 툴에 있어서도 R이나 Python도 필요없는 경우가 대부분이고 엑셀과 SQL만으로 충분한 경우가 많습니다. 대신 통계에 대해 해박한 지식이 필요하고 experiments를 많이 돌립니다. 대표적으로 a와 b 버젼의 홈페이지나 app feature에 대한 A/B testing입니다. difference가 significant한지, control group과 그렇지 않은 그룹을 어떻게 나눌거고 둘 중 어느 버젼을 채택할건지에 대한 cutoff threshold는 어떻게 정의할지 등등. A/B testing같은 experiments를 많이 해서 business decision에 대한 informed decision을 내려줍니다. 학부/석사 학력이 주류를 이룹니다.

2번은 말씀하신대로 머신러닝 알고리듬을 통해 예측모델을 만드는 것이 주업무입니다. 이쪽 데싸들도 experiments를 하지만 1번만큼 비중이 크진 않습니다. 사이드로 데이터 분석을 통해 몰랐던/유용한 정보를 찾아내는 일도 합니다. 1번보다 알고리듬과 머신러닝 모델들에 대한 높은 이해가 필요합니다. 툴 또한 R, Python을 필요로 합니다.  석사/박사 학력이 주류를 이룹니다.

3번은 모델을 개발하는 박사님들입니다. 2번은 이미 개발된 ML모델을 사용해서 밸류를 뽑는 "사용자"들이고 이 사람들은 개발하는 사람들입니다. 예를 들면, random forest 나 CNN모델을 처음 개발해낸 사람들 같은거죠. 차원이 다르죠. 그래서 3번 데싸는 다 박사만 뽑습니다.

말씀하신 데싸는 2번인 것 같네요. 
2번같은 경우는 석사과정만으로도 데싸가 되기엔 충분합니다. 근데 만약 말씀하신게 3번이면 박사 필수입니다. 모델 개발은 석사따위가 접근할 수 있는 영역이 아닙니다.

학과는 매우 다양합니다. Applied Math, Analytics, Physics, Biology, Biostat, Stat, Engineering류, Computer Science 기타등등. 절대적인 학과는 없습니다.

I agree to the terms of service