님이 말하는 데이터 사이언티스트는 진짜 잘하는 사람 한명 말고는 회사 입장에서 딱히필요가 없어요 그래서 취업할거면 그냥 백엔드부터 파는게 맞아요 개발역량이 필수인 업계에서 웹만큼 대중적이고 중요한 분야는 없으니까요

​@@siris3849 네 맞죠. 님이랑 저랑 말하고 있는 포인트가 약간 다른 것 같습니다. 제가 말씀드리고자 하는 것은 <실력있는 데이터사이언티스트가 되기 위해선 어떤 역량이 가장 우선인가> 하는 것이고, 님이 말하시고 계신 것은 <데이터사이언티스트로 취업하기 위해선 어떤 역량을 키워야 하는가> 인 것 같네요. 알고 계시겠지만 데이터사이언스라는 용어가 생긴지 얼마 되지 않았고 산업이 아직 초기단계라 성숙되지 않았어요. 제 생각엔 말씀하신 것처럼 미래엔 진짜 잘하는 사람 소수만 데이터사이언티스트로 살아남고 나머지 통계학 역량 없이 개발 역량만 가진 사람은 전부다 데이터엔지니어로서 데이터사이언티스트를 보좌하게 될것이라고 생각합니다. 왜냐하면 데싸는 소수의 고급인력이 필요하고 데이터엔지니어는 다수의 (데싸에 비해 비교적) 평범한 인력이 필요하거든요. 그리고 이것이 사실 가장 효율적인 형태죠. 저는 데이터사이언티스트로서 준비하고 싶다면, 미래를 생각해서 통계학을 석사수준으로는 공부해야한다는 점을 말하고 싶었습니다. 시간이 지나고 데이터 산업이 충분히 성숙해지고 효율적인 구조로 정착되게 되면 현재 개발능력을 위주로 갖추고 있으면서 데이터사이언티스트라고 불리고 있는 분들이 결국 데이터엔지니어라고 불리고 일하게 될걸 거의 확신하고 있기 때문입니다.

댓글보다보니 백엔드와 차이점이 뭐냐, 컴공을 가야한다, 등등... 데싸에 대해 오해하고 있는 댓글들이 많아 댓글 답니다. 실력있는 데이터사이언티스트는 수학, 통계 특히 통계쪽 이론을 잘 아는 사람이지 컴퓨터 잘 아는 사람이 아닙니다.

경력 없어서 데싸 못하는 것을 해결할 수 있는 방법도 백엔드나 데이터 엔지니어로 기업에서 일해보면서 대규모 데이터를 만져보는 걸로 해결할 수 있죠. 결국 그렇게 백엔드에 대한 경험을 한 후에 조금 더 자신의 분야를 전문적으로 파고들기 위해 가는게 빅데이터나 인공지능 대학원인게 맞는 것 같네요.

백엔드 개발 경험을 갖춘 이후에 대학원 지망을 희망하시는 건가요? 현업에서 백엔드-데싸 커리 타는거랑 대학원 이후의 커리의 하는 일이 좀 다를 것 같다는 생각이었는데, 대학원에 진학하고자 해도 현업 경험을 갖추는 게 낫다고 생각하시나요? 아무래도 대학원 이후 취업이면 리서치 쪽에 포커스가 좀 더 맞춰질 것 같아서요

인공지능이나 데이터엔지니어로 갈거면 컴공이 이상적이지만 데이터사이언스는 통계학과나 산업공학이 이상적입니다. 데싸는 결국 데이터를 통해 가설검정 및 추정할 수 있어야하고, 모델을 수학적으로 설계해서 현상을 검증하고 예측할 줄 알아야합니다. 그리고 모델 각각의 수학적인 원리를 알고 상황에 따라 적재적소에 사용할 줄 아는게 데이터사이언티스트의 핵심 덕목입니다. 데이터 엔지니어 수준이 아니라, 사이언티스트 레벨로 가면 컴공이 메인이 아니라 수학과 통계가 메인이 되는 것 같습니다. 데싸는 통계학 훈련이 잘 된 통계학자나 산업공학자의 영역이지, 컴공은 사실 이 업계에선 2티어 전공이라고 생각해요.