Share           Pin It
오랜만에 블로그 방명록을 통해서 들어온 질문에 대한 답변을 적어 봅니다. 

질문을 대략 요약하면 다음과 같습니다.
인천에 있는 대학에서 경영학과 4학년으로, 산업경영공학을 복수전공해서 졸업할 예정이다. 제조업 물류 쪽에서 일하고 싶지만, (이런 쪽으로 진로를 정하기 위해서 컴공과보다는) 산업공학과 대학원에 진학해서 데이터마이닝을 전공하고 싶다. 실험계획이나 통계 관련 수업은 이미 들어서 기초적인 지식은 있지만, 겨우 MS SQL만 사용할 정도로 프로그래밍 쪽은 기초가 거의 없다. 그래서, 대학원에서 다뤄야할 기본 프로그래밍 언어는 어떤 것이 있고, 빨리 배우려면 어떻게 해야 할까요?
질문을 대략 요약한 것이라서 제가 답글로 남긴 내용은 위의 요약만으로는 조금 이해하기 어려울 수도 있지만, 짧게 남긴 답글을 먼저 제시하겠습니다.
대학원에 진학하면 수업/숙제를 위해서 또는 프로젝트를 위해서 관련된 언어나 통계툴을 웬만큼 익히게 됩니다. 너무 걱정할 필요는 없을 것같습니다. 학교에서 논문 작성을 위해서는 매트랩을 많이 사용하지만, 라이센스 비용 등도 있고 현장에서 계속 사용하기 위해서는 R을 배우는 것을 추천합니다. 그리고 일반 범용 랭귀지를 배우고 싶다면 C나 자바보다는 요즘은 파이썬으로 시작하는 것도 추천합니다. 매트랩이나 R보다는 파이썬 책이나 한권 사서 먼저 익혀보세요.

최근 가천대학교 산업경영공학과의 최성철 교수가 적은 ‘산업공학과를 위한 프로그래밍 입문 파트1 링크 / 파트2 링크' 또는 ‘산업공학도가 데이터 과학하기'를 먼저 읽어보는 것이 충분히 도움이 될 것같습니다. (위의 포스팅을 페이스북에 올린 후에 최교수와는 페친이 됐는데, 학교 5년 후배였네요. 학교에 있는 동안 마주쳤을 법도 한데… 혹시 최교수가 제주에 올 일이 있어서 연락하면 한 번 만나봤으면 좋겠고, 관련 주제로 회사에서 세미나라도 해줬으면..)

이제껏 데이터마이닝 전공에 대한 몇 차례 글을 적으면서 애써 피했던 주제가 프로그래밍 관련 된 것입니다. 제가 각종 언어 (국어, 영어, 일본어 등의 자연어에서 부터 자연의 언어인 수학, 그리고 컴퓨터 언어인 프로그래밍 랭귀지들)에 자신이 없기 때문에 언어에 대한 적당한 조언자는 아닙니다. 그러나 개념적인 부분에서는 나름 잘 파악하고 있다고 생각하기 때문에 기술적이지 않은 선에서 (데이터마이닝과 관련한 언어 선택을 중심으로) 몇 자 적겠습니다.

96년도에 대학을 들어가서 처음 배운 컴퓨터 언어는 C 였습니다. 정말 못했습니다. 저희 때만 하더라도 포인터와 struct까지 다 배웠는데, 몇 년 후에는 배열정도까지만 배우도록 과정이 축소됐다는 얘기도 들었고, 어쩌면 지금은 C가 아닌 다른 언어로 시작할지도 모릅니다. 인터넷을 접하면서 자연스레 마크업을 다루고 Java도 조금 독학해서 지금은 Java (최근 자바8 등에서 차용된 최신 형태인 람다함수 등은 아직 사용하지 못하고, 여전히 아주 예전 스타일대로 자바 코딩중입니다.ㅠㅠ) 계열로 간단히 먹고 살 정도로 코드를 작성하고 있습니다. (잠시 스쳐간 소소한 언어들도 있지만) 대학원에서는 매트랩으로 수치 연산을 하고 실험 결과로 논문 작성을 주로 했고, 회사에 와서는 SAS로 데이터 가공을 주로 하고 있습니다. 그리고 최근에는 하둡+자바 환경으로 대용량 데이터 MR 작업을 주로 합니다.

진학하는 대학원 연구실이나 담당 교수에 따라서 조금씩 다르겠지만, 통계 위주의 연구실이라면 예전부터 사용하던 통계툴들이 있을 것입니다. 매트랩일 수도 있고, SAS를 사용하는 곳도 있고, 미니탭이나 매스매티카 등을 사용하는 경우도 있을 것입니다. 그리고 요즘은 R도 많이 사용할 듯합니다. 제가 대학원을 다닐 때는 그냥 매트랩으로 다 처리하고 졸업할 시점에 R에 대한 얘기를 처음 접했는데, 제대로 사용하지 못하고 그냥 졸업했습니다. (최근 R을 조금 공부했지만 그냥 코드의 흐름만 이해할 정도입니다.) 즉, 대학원 연구실의 성격이나 수강하는 수업의 교수 특성에 따라서 특정 통계툴을 사용하도록 강제(?)되기 때문에 미리 어떤 툴에 익숙해져야 겠다는 것이 조금 어리석은 생각일 수도 있습니다. 어차피 프로젝트 과제를 하거나 숙제를 하기 위해서는 그런 툴에 빨리 익숙해질 것이기 때문입니다.

그렇지만 논문 작성이 우선이라면 매트랩이나 R을 배울 것을 권합니다. 벡터나 매트릭스 연산이 많이 필요한 분야를 전공하고 싶다면 매트랩이 더 적합하고, 통계 분야로 공부하고 싶다면 R이 더 나은 선택입니다. 그리고 졸업 후에도 계속 사용하는 것이 목적이라면 R이 매트랩보다는 조금 더 매력적입니다. R만으로는 충분히 큰 데이터를 용이하게 다룰 수는 없지만, 다양한 빅데이터 기술들과 연계를 고려한다면 (프로그래밍에 취약한 분이라면) R의 대안이 거의 없다고 봐도 무관할 듯합니다.

대학원에서 과제를 진행하거나 졸업 후에 (학계가 아닌 산업계로) 취직할 때 상용 통계툴로만 해결 가능한 문제는 극소수로 제한됩니다. 그렇기에 범용 프로그래밍 언어 하나 정도는 익혀둘 필요가 있습니다. 다양한 데이터를 전처리하거나 후처리하는 과정에서 꼭 필요합니다. 그리고 웹을 통해서 도출된 결과를 보여주기 위해서는 웹 친화적인 언어를 배우는 것이 좋습니다. 그런 여러 가지를 고려한다면 적당한 대안으로 Java, 파이썬, 스칼라 Scala 정도가 있을 듯합니다. Perl이나 PHP도 일부에서는 사용하지만, 앞의 3개에는 못 미칩니다.

그런데 학교에서 연구하고 또 다양한 (특히 텍스트 형태의) 데이터를 가공하는 것이 목적이라면 파이썬이 가장 강력한 후보라고 생각합니다. Scala는 제가 아직 잘 모르는 언어라서 일단 생략합니다. 여러 종류의 문제에 맞는 오픈소스로 Java 기반의 라이브러리나 프로그램들이 많이 있지만, 과학 연구나 텍스트 마이닝을 위한 파이썬 라이브러리에는 (특히 최근에는) 못 미칠 듯합니다. 파이썬이 자바보다도 더 배우기도 쉽다고 하니 첫 언어 습득으로 파이썬은 좋은 선택입니다. (자바보다는 파이썬이 나중에 나온 언어라서 좀더 진화된 형태를 보여주는 듯함. 그에 비해서 자바는 기존의 C나 C++의 컨벤션을 많이 상속한 마지막 언어라는 느낌이 강함) 최근 구글(Go)이나 애플(Swift) 등에서도 새로운 랭귀지를 발표하는데, 이건 관련 앱을 만드는 등에 최적화됐으니 이 포스팅에서는 굳이 다룰 필요는 없을 듯합니다.

그래서 대학원에 진학하는 사람 그리고 산업계로 진출하려는 사람에게는 파이썬 + R이 가장 강력하고 적절한 조합이 아닐까?라는 생각을 해봅니다. 그런데 최근 이슈가 있는 빅데이터, 특히  Hadoop 기반의 MR 작업을 진행한다면 Java에 대한 이해가 있으면 좋을 듯합니다. 그러나 그런 것도 대부분 파이썬으로 커버가 되기 때문에 특수한 경우가 아니라면 (데이터 가공이 아닌 더 시스템에 치우친 분야로 취업한다거나..) 굳이 자바를 마스터할 필요는 없습니다. 파이썬이면 충분할 듯… 그리고 하나의 언어를 습득하고 나면 두번째, 세번째 언어는 나름 더 쉽게 습득할 수 있기 때문에 필요할 때 다시 배우면 됩니다. (먹고 살려면 배우게 됩니다.)

최근 회사 내에서도 이슈가 되기도 했지만, 빠른 빅데이터 처리 및 분석을 위한 것이라면 파이썬 + R + 하둡보다는 Scala + Spark 형태도 괜찮을 듯합니다. Scala는 Java에 더 진일보한 언어라서 자바를 배우는 것보다 바로 스칼라로 넘어가는 것도 현명한 선택일 듯합니다. (그러나 아직은 Scala는 자바나 파이썬보다는 범용성에서는 다소 떨어진다는 점을 고려해야 합니다. 범용성이란 단순 기능의 커버리지 뿐만 아니라 개발자 커뮤니티나 라이브러리 등을 두루 말하는 의미임.) Spark는 메모리 기반으로 머신러닝 ML 라이브러리를 제공해주고 스칼라에 최적화됐기 때문에 학교가 아닌 산업계에서 경력을 쌓고 유지하고 싶다면 Scala + Spark도 괜찮은 조합입니다.

대략 요약하면 학계에서 계속 경력을 쌓고 싶다면 매트랩이나 R (또는 SAS)를 선택해서 특화시키는 것이 좋을 것같고, 대학원 후에 취업이 목적이라면 R + 파이썬 조합이 괜찮을 듯하고, 그리고 회사에서 더 큰 임팩트를 주고 싶다면 Scala + Spark 조합이 좋을 듯합니다. 그러나 관련 분야에서 몇 년의 시간을 보내고 경력을 쌓다보면 매트랩도 하고 있고 R이나 SAS도 다루고 있고, 어떨 때는 파이썬으로 코딩하고 다른 경우는 또 자바로 코딩하고 있습니다. 대용량 데이터를 다루기 위해서 하둡+자바로 코딩하기도 하고, 더 빠른 분석 등을 위해서 Scala+Spark로 작업하고 있는 자신의 모습을 발견하게 될 것입니다. 당장 어떤 언어를 마스터해야겠다는 욕심보다는 상황에 맞게 빨리 습득하고 시도해보는 것이 중요합니다.

그리고 댓글에 짧게 적었듯이, 일단 프로그래밍 언어를 배워서 익숙해지는 것이 목적이라면 학원 등에 등록해서 수강하는 것도 좋겠지만, 그냥 동네 서점에 가서 파이썬 책 한권 구매해서 처음부터 읽어가면서 책에 나온 예시들을 직접 타이핑해가며 (C&P는 아니라고 생각됨) 연습해보고, 또 더 복잡한 문제를 위해서 인터넷에서 관련 오픈소스를 다운받아서 설치하거나 변경해보면서 연습하는 것만으로 충분할 듯합니다. 그리고 그루터의 정재화님이 올린 ‘프로그래머를 꿈꾸는 학부생들에게' 내용도 참조하시면 좋을 듯합니다.

저는 각종 언어에 젬병이기 때문에, 위의 글은 참조만 하시고 더 전문가들의 조언에 귀기울이시기 바랍니다.

==
페이스북 페이지: https://www.facebook.com/unexperienced


댓글을 달아 주세요

Share           Pin It

최근 빅데이터 Big Data, 스마트 데이터 Smart Data, 데이터분석 Data Analytics, 예측분석 Predictive Analytics, 데이터 사이언티스트 Data Scientist 등과 같은 용어가 범람하는 것은 그만큼 데이터마이닝 Data Mining에 대한 수요와 인기가 높아졌다는 반증일 것입니다. 이전 글에서 데이터마이너가 되기 위해서 이런 학과에 진학하거나 수업을 들으면 된다는 류의 Q&A를 몇 차례 다뤘습니다. 일반적인 의미에서 그런 진학/진로 상담이 별로 어렵지는 않습니다. 하지만 세부적으로 들어가면 각 학과마다 조금씩 관점의 차이가 있기 때문에 단순히 이런 수업을 수강하면 된다 식의 조언으로는 충분치 못한 것같아서, 오늘은 학과/전공별로 데이터마이닝이 어떻게 다른지에 대한 글을 적으려 합니다. 데이터마이너가 되기 위한 테크트리는 일반적인 마이닝 수업을 들으면 충분하지만, 어떤 학과에 진학하느냐에 따라서 문제를 대하는 관점과 솔루션에 접근하는 방법이 조금 다를 수 있습니다.

일반적으로 데이터마이너가 되기 위해서는 컴사/컴공과나 수학/통계학과를 진학하고, 나중에 머신러닝이나 인공지능 관련 대학원에 진학하라고 조언했습니다. 대부분의 데이터마이너들이 이 두 과에서 배출된 것도 사실이기 때문입니다. 여기에 추가적으로 저와 같이 산업공학과를 진학해서 데이터마이닝을 하시는 분들도 다수 계시고, 또 다른 전자, 화학/화공, 생명과 등을 진학해서 특화된 분야에서의 데이터마이닝/분석을 전공하시는 분들도 여럿 있을 것입니다. 그러나 제 주변의 IT기업이나 금융 분야에서는 컴사/컴공, 수학/통계, 산공과 출신들이 대부분 데이터 분석 업무를 하고 있습니다. (어떤 과를 진학하더라도 수학과와 컴공과의 관련 과목들은 대학시절에 -- 복수/부전공까지는 아니더라도 -- 이수/청강해두는 것이 좋습니다.)

가장 먼저 수학/통계학과 출신들은 문제를 수학적으로 잘 정리하고, 수학적 논리로 해결하는 경향이 강한 듯합니다. ANOVA 분석에서 많이 사용하는 기무가설 H0[각주:1]를 세우고, 수집된 데이터를 통해서 이 가설의 기각 여부를 따지는 경우가 많습니다. 최근에 빅데이터에서 왜 수학/통계학자들이 두각을 못 나타내느냐라는 여러 설명에서도, 기본적으로 수학/통계학자들은 많은 데이터에서 의미있는 패턴을 찾아내는 것이 아니라, 먼저 가설을 세우고 그 가설의 유의미를 판단하도록 프로그래밍되었기 때문에 빅데이터 환경에서는 맞지 않다는 얘기를 종종 합니다. 즉, 이미 가설이라는 솔루션 (또는 의미)을 미리 산정해두고 그것이 맞느냐 틀리냐를 묻는 것이 통계학자들의 접근방법이기 때문에, 데이터 더미에서 의미 (있을 수도 있는 것)를/을 찾는 것과는 방향이 반대입니다. 수학/통계학과의 경우 다양한 알고리즘이나 (문제에 맞는) 접근법의 개발/구현보다는 정형화된 프로세스에 따라서 현상을 분석, 해석하는데 강점이 있습니다.

컴퓨터사이언스 또는 컴퓨터공학과 출신의 데이터마이너들은 좀더 소프트웨어적입니다. 데이터 분석을 위한 인프라 구축에도 조금 더 능하고, 어떤 알고리즘을 사용해서 더 최적의 솔루션을 구현해낼 것인가에 많은 관심이 있는 것같습니다. 어릴 때부터 컴퓨터 구조와 프로그래밍에 친숙해서 주어진 문제를 가장 효율적인 (메모리 사용 및 계산 시간 단축) 코드로 해결할 것인가?에 많은 관심을 가지고 있습니다. 연구실마다 관심분야가 조금씩 다르긴 하지만, 문제 중립적인 데이터마이닝/인공지능/패턴분석 알고리즘 개발이 컴공과에서 나오는 것은 당연한 결과입니다. 수학/통계학과에서 수학적 모델링에 강하다면 컴공과에서는 알고리즘의 구현과 개선에 더 강점이 있는 듯합니다.

그리고 산공과 출신은… 일반적으로 산업공학과를 생각하면 최적화, 효율과, 표준화 등이 가장 먼저 떠오르지만, 저는 산업공학과는 문제해결 problem-solving 이라는 단어가 가장 먼저 떠오릅니다. 산학연구를 하면서 흔히들 '다른 과에서 못하면 우리가 해야죠'라며  말하면서, 수학/통계과나 컴공과 또는 다른 과에 특화된 문제가 아니면 거의 모든 문제를 해결해줄 수 있다고 생각하는 과가 산공과입니다. 그래서 산공과 마이너들은 다양한 문제 상황에서 어떻게든 적당한 feasible/viable 솔루션을 찾아내는데 강점이 있습니다. 산공과 학생들도 컴공과 수업을 많이 듣지만, 그래도 알고리즘 구현 능력보다는 다양한 분석툴을 사용해서 결과를 제공해주는 응용력이 높은 편입니다. 당연히 수학적 증명은 수학과만 못하고 솔루션 구현은 컴공과만 못하지만, 문제 해결능력/응용력에 강점이 있기 때문에 다양한 산업 분야로 진출할 수 있습니다.

전자 (시그널 프로세싱), 화공 (플랜트/프로세스 컨트롤), 생명/의약 (바이오 인포메틱스) 등에서도 데이터분석 및 마이닝을 전공하는 연구실들이 많이 있지만, 이들은 워낙 애플리케이션이 명확해서 주변에 데이터마이닝을 많이 사용하는 IT/인터넷이나 금융권 (은행권, 카드회사, 보험회사 등) 쪽으로는 별로 진출해있지 않은 듯합니다. 특화된 애플리케이션에 대한 이해도가 이들의 강점이지만, 앞서 설명한 과들의 강점은 가지지 못했을 가능성이 높습니다.

그래서 요약하자면.. 단순히 데이터 마이너가 되고 싶다라는 모호한 목표가 아니라, 자신이 원하는 분야 또는 방식을 명확히 정해서 수학적 모델링이나 가설검증 등에 재능/관심이 있으면 처음부터 수학/통계학을 전공하고, 알고리즘 개발 및 구현에 탁월하다면 컴사/컴공으로, 다양한 문제들을 해결하는데 재미가 있을 것같으면 산공과를, 그리고 다른 특화된 분야의 데이터마이닝으로 진출하려면 그 과로 진학하는 것이 좋습니다. 그리고 관련 과들이 필요한 수업은 모두 이수하는 것이 이상적입니다.

언급된 모든 과를 면밀히 알고 있는 상태에서 기술한 것이 아니기 때문에, 세부적으로 다양한 이견이 있을 수 있습니다. (적어도 산업공학과는 다양한 애플리케이션에서의 문제해결능력은 맞습니다.) 자기 하기 나름이라고 생각할 수도 있겠지만, 대학에 진학해서 듣는 수업들 및 주변 분위기 (교수, 선배, 동료, 후배 등과의 관계/대화)에서 각 학과에 맞는 세계관 또는 문제/솔루션에 접근하는 방식 등을 몸으로 습득하게 됩니다. 그렇기에 각 학과의 강약점 및 접근법에 대한 차이를 알고, 나와의 조화/궁합을 생각해서 진학하는 것이 여러모로 좋습니다.

==

페이스북 페이지: https://www.facebook.com/unexperienced

  1. 기무가설 (Null Hypothesis) 은 'A와 B는 통계적으로 유의미하게 같다' 식으로 표현합니다. [본문으로]

댓글을 달아 주세요