 코딩 없이 배우는 데이터 분석(2024. 성안북스) 황보현우, 한노아 지음 AI시대 하면 떠오르는 단어는 챗gpt, 빅데이터 같은 것이 있는데 결국 이것들은 문제해결을 위한 데이터 분석이 주가 됩니다. 그리고 이것은 통계학을 알고 분석을 위해 적합하게 이용할 줄 아는 능력이 무엇보다 필요합니다. 이 책은 제목에서부터 말하듯이 데이터 분석이 왜 AI시대의 필수역량인지 이야기하고 굳이 코딩을 배우지 않아도 가능하며 그러기 위해서 필요한 통계학 지식과 데이터 분석을 위한 프로그램 사용법을 설명과 예시를 통해 배울 수 있게 도와줍니다. 사실 데이터분석이다 말하면 코딩을 할 줄 알아야 되는 건 아닌가 싶은 생각이 드는 건 어쩔 수 없는데 굳이 코딩을 몰라도 데이터 분석을 하는데는 지장이 없으며 자동차를 만들 줄 모른다고 자동차를 타지 못하는 건 아니라는 말이 맞는 말이라 끄덕이며 책에서 나온 실습을 따라하며 이런 건 다음에 써먹을 수 있겠다 싶으니 재미가 있었습니다. 물론 통계학 이야기가 주를 이룰 수 밖에 없어서 또 수학이야기인가 하고 머리가 아프다고 할 수도 있지만 최대한 예제 위주로 뒤로 갈수록 분석 위주로 설명되어 있어서 기대하던 것보다 도움이 됐습니다. 데이터 분석을 마냥 어렵게 생각하기보다는 피할 수 없다면 좀 더 다가갈 수 있는 좋은 기회가 될 수 있어서 유익한 시간이었습니다. 좀 더 연습도 해보고 챗gpt와 접목시켜 어떻게 사용할까 고민도 좀 해봐야겠습니다. |
|
회사 업무를 하다보면 다양한 통계분석 방법이 필요하지만 흔히 통계분석 관련 전문 프로그램인 SPSS를 쓰거나 파이썬 코딩을 통해 업무를 하는 경우가 많습니다. 그런데 코딩은? 너~~~ 무 어렵습니다. 그러던 중에 이런 책 시리즈가 있는것을 보고 깜짝 놀라게 되었습니다. 코딩 없이 배우는 데이터 분석. 무려 코딩 없이 배우는 데이터 분석이라니... 정말 파이썬 몰라도 가능한거 맞나요? 처음에는 이책의 서평을 쓰기위해 하나씩 차곡차곡 읽어나가기 시작했는데 책을 읽는것 보다는 실습이다 싶어서 책에서 가이드 하는 대로 하나씩 따라했는데 정말 다양한 통계분석으로 업무가 가능했습니다. 책을 보면서 차근차근 가입해 본 SAS 무료 운용 프로그램 가이드를 따라 쭉 진행해 봤더니 정말 프로그래밍이 없습니다. 게다가 기존에 배웠던 코딩 부분도 함께 접목이 가능했습니다. 그래서 저는 일단 로지스틱 회귀 분석을 이용하여 분석적 성능분석에서 제품의 검출한계를 구하는 데이터 분석 논리회로를 만들어봤습니다. 프로그래밍을 몰라도 구할 수 있는 이런 시스템이 있다는게 정말 신기했는데요. AI프로그램등과 함께 이용을 하면 업무를 자동화 시스템화 하는데 정말 도움이 많이 되겠습니다.   
|
|
직업이 사라지고 있다.'사(事)'자로 끝나는 직업이 위태로워지고 있으며,빅데이터를 다루는 직업이 늘어나고 있다. 아마존, 메타, 구글, 네이버,카카오 ,글로벌 기업들이 서서히 데이터 사이언티스트를 영입하고 있으며,그들의 일자리는 더 확장될 것이다. 과거 필경사가 있었다. 버스안내양도 있었다.그들이 사라진 이유는 기술로 대체되었고,그들의 경제성이 떨어졌기 때문이다. 즉 인간이 해오던 일들, 노동집약적인 일들이 기계나 로봇으로 대체될 수 있으며, 책 『코딩 없이 배우는 데이터 분석』을 통해서,미래에 먹고 사는 문제를 해결할 수 있는 직업에 대해서, 생각해 볼 수 있다. 데이터 분석에 코딩이 나오는 것은 수학에 계산,주판이 나오는 것과 비슷하다. 계산 역량이 떨어져도, 수학을 잘할 수 있다. 코딩 역량이 떨어져도 데이터 분석은 가능하다. 코딩은 앞으로 인공지능,셍성형 Ai퉆로 대체될 수 있고,사람이 할 수 잇는 일은 생각하고,사고하며, 분석하는 능력,여기에 비즈니스 역량과 컴퓨팅 역량이 필요하다. 이 책에 나오는 개념들은 컴퓨터 프로그래밍을 해 본 적이 없는 이들, 문과생에게 어렵게 다가올 수 있다.하지만, 어떤 일을 할 때,도구가 필요하듯,대이터 분석에도 도구가 필요하다. R 프로그램, 파이썬,SASS 가 바로 그 도구에 해당되고 있으며,데이터 분섣에는 SODA가 도구에 해당된다. 코딩은 몰라도 알고 가야 하는 것이 IT,데이터 분석관련 용어들이다. 선형회귀, 베이즈 정리, 모집합과 표본, 선형성, 독립성, 정규성,등분산성 이상치, 다중 공선성에 대한 이해가 요구되고 있으며, 빅데이터를 활용하여,데ㅐ이터 변환,정규화, 예측하고, 현상을 분석하며, 앞으로 어떤 일이 발생하고,대응하여, 데이터를 분류하며, 단순화 할 수 있는지 데이터 분석 투로 눈앞에 닥친 문제들을 해결할 수 있으며, 세일즈를 하는 이들이라면 빅데이터를 이용하여, 소비자의 성향을 예측할 수 있다. 주식도 , 펀드,보험, 가상화폐 투자도 데이터 분석에 필요하다. |
|
코딩 없이 배우는 데이터 분석 AI 시대의 필수 영역  해당 책은 파트가 여러 개로 나눠져 있습니다. 파트는 인공지능의 무서운 발전 속도로 인한 것으로 시작됩니다. 파트 1 왜 코딩 없이 배우는 데이터 과학인가? 파트 2 추정과 검정 파트 3 관계 분석 파트 4 회귀 파트 5 분류 파트 6 차원 축소 파트 7 그룹화 이렇게 파트 7로 나눠져 있습니다. 추천서를 읽어본다면
기본 베이스가 되는 게 SoDA라는 프로그램이라고 하니 한번 공부를 해보고 싶었습니다. . 하지만 최근 비전공자에게 조금 어려운 부분이 있어서 책을 펼쳤을때 궁금한 부분만 몇 개 읽어봤습니다. 파트 5에서 그 SoDA 5가지 장점이 제일 눈에 띄었는데 SoDA라는 거는 실질적으로 쎄스 소다라고 부른다고 합니다. 다섯 가지 측면이 장점을 가지고 있습니다. 첫째는 경제성이 높습니다. 상용 프로그램 개발사에서 제공되는 소프트웨어 중 유일하게 무료로 제공되고 있고요. 쎄스 소다는 신뢰도가 높습니다. SAS 포춘 100대 기업 중 94%가 사용되는 검증된 도구입니다. 셋째는 기능성이 뛰어나고 기초 통계부터 다변량 분석 같은 고급 분석까지 코딩 없이 쉬운 사용자 인터페이스로 지원하고 네 번째는 확장성이 높습니다. 세스 소다는 프로그램이 아닌 데이터 분석에 중점을 두고 있기 때문에 다른 도구로 확장이 쉽습니다. 다섯 번째 접근성이 높고 특히 프로그래밍에 익숙하지 않은 데이터 과학 인문자가 처음 다루는 도구로 적합합니다. 경제성으로도 사용이 편하고 기능을 많이 지원하고 활용도가 높다고 합니다. ＜책의 구성＞ 단어의 정리 예제 실행 등으로 구성되어 있고 쉽게 설명이 되어 있습니다.  물론 아는 사람이 코딩을 알고 데이터 분석을 아는 분들이 이 책을 본다면 쉽게 배울 수 있을 거라고 생각을 했습니다. 데이터 분석이 이렇게 어려운 작업일 거라고 생각을 못했는데 SoDA 프로그램이 눈에 좀 익혀지면은 또 다를 거라는 생각이 들었습니다. MD직업을 가진 분들이라면.. 한번쯤 배우고 싶을것 같은 데이터 분석..(회사에서는 md따로 데이터분석가 따로 있 겠지만요.^^...)
데이터 마케팅의 꼭 필요한 문제인 것 같아요. 광고비를 천만 원 늘렸을 때 매출 증가할까? 증가하지 않을 수도 있겠죠. 이런 부분을 조금 더 데이터 분석을 할 수 있는 학습이라서 한번 꼭 배우고 싶은 생각이 들었습니다. 마지막까지 책은 연결법이라고 해서 설명이 나오고 단일 완선 등으로 용어 설명과 함께 그림과 함께 나와 있습니다. 쎄스 소다 프로그램을 다운을 받고 나서 생각을 해보면 좋을 거라는 생각이 들었습니다. 챗 GTP 요새 많이 사용하고 있지요. 저도 궁금한 게 있거나 해석을 영어 해석을 위해서 챗GTP를 많이 이용하고 있습니다. GTP가 음성 선택도 가능해서 마치 사람과 대화하는 듯한 경험을 주기 때문에 뭔가 질문을 하기에도 괜찮은 생각이 들어요.
데이터분석 과학은 온라인 시대의 데이터를 분석하여 미래 대비 그리고 과거의 정리를 할 수 있는 것 같습니다! 내용은 어려웠지만 용어정리등은 잘 되어 있어서 읽기가 편했습니다! * 이 리뷰는 네이버 e북카페를 통해 출판사 서평단에 선정되어 도서를 제공받아 작성되었습니다. |
|
대학 시절 컴퓨터를 전공하며 여러 언어를 배우고 통계를 비롯한 데이터 분석은 컴퓨터나 특정 전공자의 전유물로 생각했다. 하지만, 시대가 변해서 비전공자들도 데이터분석을 알아야 살아남는 시대가 되었다. 아니 무엇을 하든 어느 정도 기본은 알아야 살아남는 시대다. 데이터분석 하려면 영화 속 프로그래머머처럼 엄청나게 잘 프로그램을 짜야한다 생각하기 쉬운데 이 책은 그 부분을 현실적으로 극복시켜 준다.  데이터분석을 하기 위해 컴퓨터 언어를 몰라도 윈도우OS나 맥OS처럼 그래픽 기반의 인터페이스를 사용하여 이를 실습하며 이해할 수 있는 길을 열어준다.  당장 실무에서 새롭게 기획하고 디자인하지는 못해도 잘 응용해서 아쉬운 부분을 일부라도 해결해 나갈 수 있는 비책을 제공하고 있다.통계를 배우고 과연 그것이 무슨 의미이고 어떻게 현장에서 반영되는지를 이해할 수 있게 실습해 볼 수 있는 구성이 대단히 만족스럽다. 급하게 데이터분석이 필요하다면 이 책을 펼쳐보기 바란다.* 이 글은 디지털 감성 e북 까페를 통해 출판사에서 도서를 제공받아 쓴 리뷰입니다. * |
|
*서평 이벤트로 도서 제공받아서 솔직하게 쓴 리뷰입니다 인공지능이 발달함에 따라 대부분의 직군들이 사라질 것이라며 위협인지 예측인지 모를 말들이 계속해서 나오고 있다. 변화는 예정되어 있고 변화에 편승하기 위해 기술에 대해 관심을 가지던 차에 책과 마주하게 되었다. 책에서 저자는 데이터 분석가로서 필요한 것은 코딩을 자동차를 만들어내는 기술에 비유하며 만들어내는 것이 필요한게 아니라 “산업 전문성에 기초해 데이터 과학이 필요한 문제를 찾고, 적합한 해결 방법을 설정하고, 필요한 데이터를 구성하고, 결과를 얻고, 결과를 해석하고, 성과를 분석하는 등 비즈니스 인사이트를 도출하고, 이에 기반한 과학적인 의사결정을 내리는 것이 진짜 실효성 있는 데이터 과학이다.” 라고 말하고 있다. 데이터 분석과 코딩은 다르다는 것을 저자의 책을 통해 알게 되어 데이터 분석 분야에 대한 장벽이 한 겹 허물어진 듯했다. 하나의 직업으로 평생 먹고 살 수 없는 시대에서 데이터 분석이라는 것은 전문가만이 아니라 본인의 역량을 향상 시키고 싶은 누구나 배울 수 있는 도구로 충분히 무료 프로그램을 사용해서 어떤 컴퓨터인지 장소는 어디인지 구애 받지 않고 변화에 합류할 수 있는 가장 효율적인 방법이라는 생각이 들었다. 환경과 요건에 의해 새로운 기술을 배우고 싶어도 사정이 안되 배울 수 없는 환경이 존재 한다. 하지만 책에서는 PC의 사양과 운영체제에 구애 받지 않는 데이터 분석 도구의 사용 방법에 대해 자세히 설명해주고 있다. 데이터 분석에 대해 아무런 기반 지식도 없고 통계학에 대해서도 아무 것도 몰랐지만 차근차근 설명을 따라해보니 해낼 수 있었다. 데이터 분석이라 하면 코딩이 떠올라 시작할 엄두조차 나지 않았지만 책을 통해 코딩 없이 데이터 분석을 하는 방법을 자세하게 배울 수 있어 유익했다. |
|
코딩없이 배우는 데이터분석
요즘의 화두가 인공지능이고 그 인공지능을 업무에 적용하려면 필요한 게 데이터 분석이다 보니 뭔가 내용은 모르겠지만 데이터 분석이 중요하다는 말들을 몇 년 전부터 들어왔습니다. 그러나 접근하기에는 코딩을 해야하고 그 코딩언어도 배워야한다는 부담에 접근을 못했습니다. 이번에 성안당에서 나온 이 책은 하나은행에서 그룹데이터 총괄로 있다가 서울대학교 산업공학과에서 객원교수로 계신 황보현우님과 SAS한국지사에서 데이터분석을 하고 계신 한노아님의 공저입니다.
초반에는 왜 코딩없이 데이터 분석을 할 수 있는지에 대해서 설명하고 있습니다. 데이터 분석은 기본 데이터를 분석툴로 분석해서 그것에 대한 비즈니스적인 해석을 하는 것인데 그동안은 분석툴에 시간과 노력을 많이 넣었다면 이 책에서는 그 해결법을 SoDA라는 SAS에서 제공하는 무료 분석툴로 대체합니다. 많은 부분에서 대체될 수 있을꺼라고 책에서 설명합니다.
대략 500페이지 중에서 70페이지 정도가 데이터 분석이라는 것에 대한 기본적인 설명과 저 분석툴의 사용법을 설명하고 나머지 430페이지는 기초통계학을 설명하는 책입니다.
*** 서평이벤트로 받은 책을 느낀대로 적은 글입니다. *** |
『코딩 없이 배우는 데이터 분석』은 AI시대의 필수 역량인 '데이터 과학'의 기반이 되는 '데이터 분석'을 코딩 없이 할 수 있음을 알려준다. '데이터 과학'을 수행하는 데 가장 큰 걸림돌이 되고 있는 '도구', 즉 각종 프로그램과 그것을 활용하기 위한 ‘코딩 능력의 필요’라는 기존의 상식에 반론을 제기한다. '도구'에 얽매이지 말고 최대한 쉽게 이용할 수 있는 '코딩이 필요 없는 데이터 과학 도구'(게다가 무료라고 하니 누구나 부담 없이 접해 볼 수 있다.)를 이용하여, '데이터 과학' 본연의 목표에 더 신속하게 다가가기 위한 '분석'에 집중하자는 취지에 공감하지 않을 수 없다. 이 책의 구성을 살펴보면 ＜파트1＞에서 책의 제목처럼 코딩 없이 데이터 과학을 배워야 하는 이유로 AI 시대를 살아가기 위한 중요한 역량인 데이터를 다루고 이해할 수 있어야 한다는 점을 든다. 이런 역량의 구성요소로 데이터 문해력(74%), 분석적 사고(25%), 데이터 기반 문제해결(1%)의 세 가지를 들고 있다. 이중 코딩 능력이 꼭 필요한 사람은 데이터 과학 전문가로 1% 정도이며, 일반적인 구성원이나 과학적 의사결정을 내려야 하는 99%의 사람들에게는 코딩이 아니라 데이터 문해력과 분석적 사고력만 있으면 된다고 한다. 저자는 이를 비유적으로 오토매틱 자동차에 각종 운전 보조 장치가 추가된 요즘의 자동차를 운전하기 위해서 자동차의 설계나 생산 과정을 알아야 하는 것이 아닌 것과 같은 이유이며, 이 자동차를 생활에서 잘 활용하기 위한 운전 능력과 도로교통법과 운행 환경을 잘 알아야 한다고 설명한다.  ＜파트2＞ 추정과 감정부터 ＜파트7＞ 그룹화까지는 각 파트의 앞부분에 다루고자 하는 내용에 대한 데이터 과학적 의미를 상세하게 설명해 주고, 이후 해당 파트별 데이터 분석 기법에 대한 설명과 그것을 ＜파트1＞에서 소개한 무료 소프트웨어인 SoDA(쌔스 소다)를 활용해서 체험해 보는 실습 사례를 제시하는 식으로 구성되어 있다. 이 책은 데이터 과학을 코딩이라는 장벽에 가로막혀 포기 하지 않고, SoDA라고 하는 강력하고 쉬운 무료 소프트웨어를 활용해 데이터를 읽고, 쓰고, 해석할 수 있는 능력을 기를 수 있도록 해준다. 그러니 각 파트에서 설명해 주는 추정과 감정, 관계 분석, 회귀 등의 내용을 개념적으로 이해하고 SoDA를 활용해 실습해 보면서, 데이터 문해력과 분석적 사고의 힘을 키워 보고 싶은 동기를 부여받게 된다. 1%의 데이터 과학자에게나 요구되는 코딩 능력에 겁먹고 포기할 것이 아니라, SoDA를 익혀서 학생, 직장인, 연구자의 처지에서 AI 시대를 살아가는 데 꼭 필요한 능력과 소양을 갖추기 위해 이 책을 읽어 볼 것을 추천한다. ※ 이 서평은 디지털감성 e북카페에서 도서를 제공받아 읽고서 작성하였습니다. |
|
데이터 분석 능력을 요구하는 기업이 많아지고, 기본 자격요건으로 파이썬이나 SQL 등의 코딩 기술을 갖추길 원하고 있다. 그래서 데이터 분석을 공부하려고 여러 번 시도하였으나 코딩과 분석 기술을 동시에 배우는 과정에서 시간이 오래 걸리고 학습 능률도 낮았다. 코딩 없이 데이터 분석을 배우는 이 책이 궁금했다. 과연 코딩 없이도 데이터 분석을 할 수 있을까 의아했지만 저자가 말하는 논리에 공감이 됐다. 책에서 비유하기를 자동차를 운전하는 사람이 자동차 만드는 법을 배울 필요가 없듯이, 데이터 분석을 하는 사람이 코딩까지 할 필요 없다는 것이다. 코딩에 집중하기 때문에 정작 배워야 하는 분석을 제대로 배우지 못하고 있는 현실이다. 지금은 파이썬이 대세지만 기술은 또 계속 발전하기 때문에 계속 코딩만 배우다가는 언젠가 또 다른 언어를 배워야 할지도 모른다. 이 책에서는 데이터 분석 도구로 SoDA를 사용한다. SoDA는 SAS를 사용하고 있고 아직도 많은 연구가들이 SAS를 사용하고 있다고 한다. 학부 시절에 SPSS를 약간 배우긴 했지만 SAS는 전혀 해본 바가 없다. SoDA에서는 시각적 프로그래머 모드를 제공하기에 프로세스 플로우를 노드로 연결하여 직관적이고, 신규 사용자도 쉽게 접근할 수 있다. 책의 PART2부터는 통계 지식과 실습을 할 수 있는 실습 예제가 같이 실려 있다. SoDA를 통해 코딩없이 실습을 진행할 수 있도록 구성이 되어 있어 여타 프로그래밍 언어 기반의 데이터 분석 교재에 비해 확실히 코딩에 대한 부담이 없다. 전반적으로 통계학의 내용을 담고 있으며 코딩을 위주로 하는 타교재들보다 분석을 깊게 다룬 것으로 보인다. 아직 다 읽어보진 못했지만, 업무에서 데이터를 통한 의사결정을 하기 위한 목적으로 공부하기 좋을 것 같다. |
언제부터인가 데이터분석이 중요해졌습니다. 그런데 실제 행하기는 쉽지 않았죠. 왜냐하면 통계를 알아야하고 프로그램언어를 알아야 하기때문입니다. 인공지능이 발전하면서 코딩없이도 데이터분석을 할수있는 도구가 여럿나왔습니다. ＜코딩없이 배우는 데이터분석:AI시대의 필수역량＞에서는 SAS사에서 무료로 공개한 SoDA프로그램을 통해 쉽게 통계분석을할수있는 방법을 소개합니다. 저자들은 이 방법만 잘익히면 다른 통계분석프로그램을 사용할 수있다고 확신합니다. AI는 점점더 빠르게 발전할 겁니다. 무어의 법칙보다 7배나 빠르게 진보할거라고 합니다. 가장 쉽고 확실한 것부더 기초를 튼튼히 하여 대비할때입니다.  저자는 황보현우 서울대 산업공학과 객원교수십니다. 하나금융지주 그룹데이터촐괄상무와 서울시 빅데이터 심의위원회 위원장을 역임하셨습니다. 공저자 한노아 SAS KOREA 분석 컨설턴트십니다. 여기서는 SoDA라는 프로그램을 사용합니다. 이 프로그램은 현재까지 출시된 무료프로그램중에 가장 우수하고 쉽다고 합니다. 반대로 이야기하면 어것도 이해못하면 포기하라는 말씀이겠죠. ㅠㅠ 아마도 저자들도 프로그램때문에 데이터분석을 포기하는 아쉬움을 많이 경험했을 겁니다. 이까짓것 데이터분석툴이뭐길래 중요한 데이터분석을 포기하면 안되죠. 진짜 중요한 것은 데이터프레임을 이해하고 통계의 전반적인 사항을 알아야 하고 그것을 근거로 조금씩이라도 데이터분석을 직접해보는 것이 중요해보입니다.  데이터분석에서 추정과 검정은 가장 핵심적인 기초입니다. 모집단과 표본의 관계를 설정해주기때문입니다. 빅데이터에서는 데이터가 많을 수록 좋지만 그것이 모든것을 대표하지는 못하기 때문입니다. 이를 이해시키기 위해 도식을 사용합니다. 통계에서 수식만 나온다면 독자들의 어려움이 커질 겁니다. 다행이도 수식은 많이 뺏습니다. 없는 것은 아닌데 많이 있지 않음은 확실합니다. 추론에서 추정은 확률적 추측이고 검정은 모집단의 주장인 가설이 사실인지 통계적으로 판단하는 것정도는 알아야 할겁니다. 관계분석은 두변수사이의 관계죠. 통계학의 가장 기본 베이스입니다. 여기에 t-검정이 나옵니다. 표준의 평균을 비교하는 방법이죠. 솔직히 여기부터가 통계분석의 시작이라고 할수있죠. 그래서 회귀로 나갈수가 있습니다. 회귀도 관계를 알아보는 것이긴 한데, 이를 지도학습의 한분류라고 합니다. t-검정과 분산분석을 사용합니다. 페이지를 대도록이면 꽉채우지 않고 시원시원하게 배치를 해서 쉽게 편하게 이해할 수있었습니다. 회귀는 통계분석의 감초같은 분야죠. 분류도 지도학습인데, 이는 종속변수가 범주형인걸 말합니다. 숫자가 아니라는 거죠. 직업, 종교, 성별 등이 범주형입니다. 점점 난이도가 올라가는데, 로지스틱 회귀는 종속변수가 성공과 실패로 나옵니다. 마지막은 통계분석을 정확성을 담보하면서 난이도를 낮추는 차원축소와 그룹화까지 다룹니다. 통계분석 데이터분석에서 아주 고수준은 아니지만 지도학습과 비지도학습까지 다루었습니다. 통계학으로 대학원으로 가면 아마도 수식의 늪에 빠지게 되는데, 글쎄요. 일상의 업무에서 수식을 그렇지 잘해야 할지는 의문입니다. 왜냐하면 데이터분석 전문기업이 아니라면 경영의 의사결정을 위한 데이터분석은 중요할수도 있지만 아직은 초기단계이고 참고자료로 쓰일 가능성이 높기때문입니다. 아마 점점더 통계분석은 쉬워질겁니다. 데이터만 넣으주면 AI가 스스로 해줄 지도 모릅니다. 그 수준에 가도 데이터분석의 구조를 알아야 하는 이유는 오답의 가능성과 AI가 스스로 해줄 수있는 기간은 아직 5년이상 남았다고 보기 때문입니다. 그때까지는 인간을 보조해서 AI데이터분석을 해야 합니다. 본 도서는 출판사로부터 무상으로 제공받아 주관적인 리뷰를 했습니다. |