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 | 31 |
- 코딩테스트
- 대학원
- 베이지안 최적화
- sklearn
- 머신러닝
- 랜덤포레스트
- 퀀트
- pandas
- AutoML
- 경력 기술서
- 데이터사이언티스트
- 파이썬
- 판다스
- 주가데이터
- 주요 파라미터
- 데이터사이언스
- 하이퍼 파라미터 튜닝
- 주식데이터
- 커리어전환
- 경력기술서 첨삭
- 사이킷런
- 파라미터 튜닝
- 데이터 사이언티스트
- 데이터사이언스학과
- 자기소개서
- 데이터 사이언스
- 데이터분석
- 하이퍼 파라미터
- 퀀트 투자 책
- 이력서 첨삭
- Today
- Total
목록대학원 (3)
GIL's LAB
이번 포스팅에서는 대학원 입학 자기소개서 작성시에 많은 분들이 놓치는 사항에 대해 간단히 알아보겠습니다. 여기서는 이공계 일반 대학원에 석사 과정으로 지원하고자 하는 분에게 한정했으며, 문과 혹은 박사 과정에게는 유효하지 않을 수 있습니다. 대학원은 뭘 하는 곳인가? 대학원은 연구를 하는 곳입니다. 간혹 무엇을 더 배우기 위해 대학원에 가겠다라는 분들이 있는데, 대학원에서는 특별한 무언가를 가르쳐주지 않습니다. 학부 과정에서는 여러 수업을 듣고 좋은 학점을 받는 것이 지상 목표였겠지만, 석사 과정부터는 수업을 들어서 무엇을 배운다기보다 자신의 연구에 필요한 것을 스스로 찾아서 공부하는게 중요합니다. 물론 대학원도 수업이 개설되지만 학부때에 비해 크게 신경쓰지 않습니다. 따라서 무엇을 더 배우기 위해 진학..
이번 포스팅에서는 퇴사 후 데이터사이언스 분야 풀타임 대학원 진학에 대해 제 생각을 정리해볼까 합니다. 구독자 분께서 조언을 구한 질문이기도 하고 실제로도 많이 듣는 질문이기도 합니다. 참고로 2년 이상 5년 이하 회사에 근무한 20대후반에서 30대 초반을 대상으로 한 글이며, 어디까지나 주관적인 제 의견임을 미리 밝힙니다. 결론부터 이야기하면 말리고 싶습니다. 현재 직무와 전공에 따라 다를 수 있지만, 기본적으로는 말리고 싶습니다. 특히 데이터 사이언스와 완전히 무관한 직무와 전공일수록 더더욱 그렇습니다. 물론 대학원에 가서 잘 풀리는 케이스야 당연히 있고 저도 몇 번 봤지만, 최소한 퇴사 후 진학 시 발생할 수 있는 리스크는 염두에 둬야 할 것 같습니다. 말리는 가장 큰 이유는 석사 학위를 취득한다고..
데이터 분야 커리어 (데이터 사이언티스트 & 머신러닝/딥러닝 엔지니어)를 시작하려는 분이 가장 많이 물어보는 대학원 관련 질문을 아래와 같이 정리했습니다. Q. 대학원에 반드시 가야하나요? A. 당연하지만 필수는 아닙니다. 학사로 커리어를 시작하는 분도 분명히 계십니다. 그러나 최근에 이쪽 분야의 공급이 늘면서, 학위가 없는 분은 거의 없습니다. 실제로 저희 팀에 있는 사이언티스트와 엔지니어 모두 석사 혹은 박사학위자입니다. 박사는 필수라고 하긴 어렵지만, 석사는 사실상 필수라고 보는 것이 맞습니다. 사견으로는 직장 생활을 하다가 대학원에 진학하기보다, 대학원(석사일지라도)에 진학한 뒤 이 쪽 분야의 커리어를 시작하는 것이 유리합니다. Q. 어느 종류의 대학원에 가야하나요? A. 석사만 할 것인지, 박사..