일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | 2 | |||||
3 | 4 | 5 | 6 | 7 | 8 | 9 |
10 | 11 | 12 | 13 | 14 | 15 | 16 |
17 | 18 | 19 | 20 | 21 | 22 | 23 |
24 | 25 | 26 | 27 | 28 | 29 | 30 |
- 하이퍼 파라미터 튜닝
- 주요 파라미터
- 사이킷런
- 주가데이터
- 커리어전환
- 퀀트
- 머신러닝
- 경력기술서 첨삭
- 랜덤포레스트
- pandas
- 데이터사이언스
- 파이썬
- 코딩테스트
- 경력 기술서
- 자기소개서
- 하이퍼 파라미터
- 데이터 사이언티스트
- 데이터분석
- sklearn
- 퀀트 투자 책
- 판다스
- AutoML
- 데이터사이언스학과
- 대학원
- 파라미터 튜닝
- 베이지안 최적화
- 이력서 첨삭
- 주식데이터
- 데이터 사이언스
- 데이터사이언티스트
- Today
- Total
GIL's LAB
데이터 사이언티스트, 데이터 엔지니어, 머신러닝/딥러닝 엔지니어의 차이점 본문
이번 포스팅에서는 데이터 사이언티스트, 데이터 분석가, 데이터 엔지니어, 머신러닝/딥러닝 엔지니어의 차이에 대해 알아보겠습니다. 회사마다 포지션 정의가 다르기 때문에 명확한 경계는 아닐 수 있습니다. 즉, A회사에서는 데이터 분석가로 부르는 일을 B회사에서는 데이터 사이언티스트가, C회사에서는 머신러닝/딥러닝 엔지니어가 할 수 있습니다.
기술적인 집중도로 치면(한 마디로 좀 더 공대스러운거...) 다음과 같이 구분할 수 있습니다.
데이터 엔지니어 > 머신러닝/딥러닝 엔지니어 > 데이터 사이언티스트 > 데이터 분석가
데이터 사이언티스트
보통 회사에서 이야기하는 데이터 사이언티스트는 데이터를 기반으로 한 특정한 과제를 해결하는 사람입니다. 반드시 그렇진 않지만 보통 과제나 프로젝트 단위로 굴러가는 경우가 많습니다.
주요 역할
데이터 사이언티스트(data scientist, DS)는 통계, 머신러닝, 최적화 등 다양한 기술을 이용하여 주로 데이터에 기반한 서비스를 개발하거나 수익 향상 등을 위한 의사결정을 도출하는 일을 합니다.
업무 예시
- 기존 고장 이력을 바탕으로 설비 고장 시점을 미리 예측하는 모델을 개발하여 고장나기 전에 수리하도록 제언
- 최대 수익을 위한 생산량 결정
- 고객 클레임 유형 분류 및 강도 예측
- 이상 신호 판단
데이터 사이언티스트도 머신러닝/딥러닝을 활용하긴 하지만, 머신러닝/딥러닝 엔지니어에 비해 제너럴 리스트인 경우가 많습니다. 주로 통계학, 산업공학, 컴퓨터공학 전공자가 많습니다.
필요 스킬
- 파이썬, R (보통 파이썬을 더 많이 사용)
- 머신러닝, 통계적 분석 역량
- SQL
- 수학적 최적화 역량
관련 공고
마켓컬리: Data Scientist(데이터 사이언티스트)
카카오: 데이터 사이언티스트
신세계아이앤씨: 데이터 사이언티스트
데이터 분석가
데이터 분석가(data analyst, DA) 혹은 비즈니스 분석가(Busniess analysist, BA)는 보통 대용량의 데이터를 분석하여 인사이트를 도출하는 역할을 합니다. 인사이트 도출은 데이터마이닝 테크닉을 이용하여 주로 큰 규모의 데이터에서 새로운 정보를 도출해내는 작업을 의미하며, 그 결과는 지표 개발 혹은 보고서 등으로 정리됩니다. 즉, 우리가 가지고 있는 데이터와 그 의미를 다른 직원들도 쉽게 이해할 수 있도록 정리하는 일을 합니다.
주로 통계학, 경영학, 산업공학 전공자가 많습니다.
업무 예시
- 서비스/프로덕트별 지표 개발
- 고객 그룹화
- A/B 테스트 설계 및 수행
필요 스킬
- SQL
- 구글 애널리틱스
- 통계적 가설 검정 스킬
- 보고서 작성 능력
관련 공고에서 업무와 역량 알아보기
당근마켓: 프로덕트 데이터 분석가
토스: Data Analyst (Busniess Analytics)
데이터 엔지니어
데이터 엔지니어는 회사 내 고객(=데이터 분석가, 데이터 사이언티스트 등)이 사내 데이터를 쉽게 볼 수 있도록 데이터를 제공하는 일을 합니다.
업무 예시
- 분석용 데이터 마트 생성
- 데이터 전처리 모듈 개발
- 데이터 적재
- 분석 인프라/플랫폼 관리
필요 스킬
- 하둡
- 분산처리
- SQL
- 스파크, 자바
관련 공고에서 업무와 역량 알아보기
카카오페이: 데이터 엔지니어
쏘카: 데이터 엔지니어
|
머신러닝/딥러닝 엔지니어
머신러닝/딥러닝 엔지니어는 보통 세부 분야(음성, 비전, 자연어 등)의 기술과 서비스를 개발합니다. 데이터 사이언티스트보다 스폐셜 리스트라는 느낌이 강합니다. 머신러닝/딥러닝 엔지니어 외에도 특정 분야 엔지니어, AI 엔지니어 등으로도 불립니다.
최신 트렌드가 워낙 빨리 바뀌는 분야이고 논문으로 캐치하는 느낌이 강해서 석사 이상 학위가 필수적인 분야입니다.
업무 예시
- 컴퓨터 비전 시스템 개발
- 음성 인식 시스템 개발
- 데이터 기반 번역기 개발
필요 스킬
- 딥러닝 프레임워크 (텐서플로우, 파이토치 등)
- 최신 논문 이해 및 구현 역량
- 리눅스 환경에 대한 이해
관련 공고에서 업무와 역량 알아보기
신세계아이앤씨: AI 비전 엔지니어
천재교육: AI 음성인식 엔지니어
카카오 엔터프라이즈: 자연어 처리 전문가
데이터 분야 취업 컨설팅/자기소개서 첨삭/이력서 첨삭은 아래 링크로!
'데이터사이언스 > 커리어' 카테고리의 다른 글
데이터 사이언스 학과 vs 전통적인 학과 (산업공학, 컴퓨터공학, 통계학) (2) | 2022.01.25 |
---|---|
데이터 사이언티스트 / 분석가를 위한 경력 기술서 작성 팁과 첨삭 (6) | 2022.01.19 |
데이터 분야 커리어 시작을 위한 대학원 관련 FAQ (1) | 2022.01.18 |
[FAQ] 데이터사이언티스트가 되려면 무엇을 준비해야할까요? (3) | 2022.01.04 |
데이터 사이언스 분야: 컨설팅 vs 인하우스(도메인) (0) | 2021.12.10 |