러닝스푼즈 나노디그리 [TO BE! DATA ANALYST] 과정 중 '파이썬을 활용한 머신러닝 & 딥러닝' 강의를 맡으신 안정국 강사님을 만나 대화를 나누었습니다. 20년 이상 다양한 컨설팅을 해오며 모두의 니즈를 만족시켜오신 강사님이 말하는 데이터 분석에 대해 들어볼까요?

 

Q1. 안녕하세요! 안정국 강사님! 간단히 자기소개 부탁드립니다.

 

안정국 강사님 : 반갑습니다. 열정적으로 세상을 살아가려하는 컨설턴트이자 데이터사이언티스트입니다.
 
20년 이상 컨설팅을 떠나지 않고 꾸준히 자기계발 하면서 Data영역부터 비즈니스 프로세스 영역까지 모두 경험해 왔습니다. 대학교 때 수학을 배우면서 이러한 학문이 어디에 응용될까 무척 관심이 많았는데, 사회생활을 하면서 아주 기초적인 부분만이 응용되는 것에 놀랐습니다.
 
삼성SDS에서 경험한 프로그래밍을 쉽게 할 수 있도록 도와주는 CASE Tool, 삼일회계법인 등에서 경험한 ERP, 연결회계시스템, 사업계획시스템 등, 해가 갈수록 여러 분야에서 고도로 활용되는 것을 보고 흥미진진하게 생각해 왔습니다.
 
데이터분석에 이르러, 텍스트마이닝을 통한 주제분류, R을 이용한 시스템 설계와 데이터 검증, 로직 검증, BI를 이용한 대시보드 설계 및 확산 등을 실제 기업에 도입하였습니다.
 
보다 많은 사람들이 이러한 응용과학의 혜택을 누리기를 바라는 마음에 열정적으로 강의와 프로젝트를 하고 있습니다. 멀티캠퍼스 등 교육기관을 비롯해 여러 기업체와 학교에서 R과 Python, Deep Learning을 강의하고 있습니다.

 


 
 
Q2. 강사님의 이력이 독특해요! 회계 분야에서 컨설팅을 하시다가 데이터 분석 컨설팅으로 넘어오게 되셨는데, 특별한 계기 있었나요? 다양한 분야에서 데이터 분석을 해오시면서 경험하셨던 강점을 설명해주시면 좋을 것 같아요.

 

안정국 강사님 : IT 컨설팅 회사에서 데이터 분석에 대한 학습 기회가 주어졌고, 제 역량이 모두 포함된 분야임을 깨닫고 과감히 진로를 바꾸어 정진하였습니다.
 
비즈니스 컨설턴트, IT 컨설턴트, 현업으로 일하면서 데이터 분석을 꾸준히 해왔습니다. 이렇게 데이터 분석을 할 수 있다는 것은 내가 그동안 학습과 경험을 통해 알게 된 지식에 데이터로부터 도출된 결과를 더해 보다 데이터 기반 의사결정(Data Driven Decision-making, DDD)을 할 수 있는 강력한 분석역량을 보유하게 되는 것을 의미합니다. 그동안 지식과 경험으로 현재의 상황을 설명하려 했다면, 데이터 분석을 알게 된 후에는 수 많은 데이터에서 얻은 분석결과가 현재의 상황을 설명하는 객관적인 증거 역할을 하여 보다 신뢰성이 높아지게 되는 거죠. 이 부분이 데이터 사이언티스트로서 생각해왔던 가장 큰 강점이라 생각합니다.

 


 
 
Q3. 저희 과정의 마지막 파트인 파이썬 머신러닝 & 딥러닝 강의를 맡게 되셨어요! 마지막인 만큼 큰 기대감이 생기는데, 수업에서는 주로 어떤 내용을 다룰 예정이신가요?

 

안정국 강사님 : 이미 앞에서 R을 활용해 머신러닝을 학습하고 온다고 알고 있습니다. 앞에서 배웠던 머신러닝에 대해 살펴봄과 동시에, 머신러닝과 딥러닝의 대표적인 모델에 대해 학습해봅니다. 특히 수업은 알고리즘 학습이나 교육용 스크립트를 넘어 실무에서 사용할 수 있는 주요 알고리즘별 모델링 성과와 튜닝방법을 포함한 스크립트를 익히게 됩니다.
 
최근 다양한 프로젝트를 경험하며 실무적으로 알고리즘을 활용할 수 있는 인재가 현업에서는 많이 부족하다는 것을 느끼게 됐습니다. 그래서 수강생분들이 더욱 경쟁력 있는 인재가 될 수 있도록 이를 보완해 이와 같은 내용으로 구성하였습니다. 실무에서 사용하는 스크립트를 익히고, 분석 프로젝트 사례 설명을 통해 실무 적용성을 높이고 보다 많은 인력이 프로젝트에 공급되어 많은 회사의 분석을 돕고자 합니다.

 


 
 
Q4. 마지막 강의에 맞게 수강생분들의 역량을 확립시켜주실 것 같아 많이 기대됩니다. 그럼 수업에서 배운 내용을 수강생 분들이 어떻게 활용할 수 있을까요?

 

안정국 강사님 : 취업 시 구두로 ‘할 수 있다’는 말 대신 실제 적용한 사례를 보여줌으로써 당장 프로젝트에 필요한 인재임을 보여줄 수 있게 됩니다. 또한 프로젝트에 투입되어서도 다양한 알고리즘들에 대한 습득 방식을 적용해 빠르게 이해하고 적용할 수 있게 됩니다. 본 과정이 짧은 시간 동안 많은 알고리즘을 제시하는 대신 어떻게 새로운 알고리즘을 습득하고 적용할지에 대한 학습방식을 제시하므로, 이후 수강생의 노력이 더해진다면 데이터 분석가를 넘어 프로젝트 현장에서 데이터 사이언티스트가 되는 길은 시간 문제가 될겁니다.

 


 
 
Q5. 아무래도 강사님도 현업에 투입되는 인재를 기르는 것에 집중하고 계신 것 같아요. 그럼 강사님께서 경험하셨던 실제 프로젝트에서 머신러닝 혹은 딥러닝을 적용한 사례들이 많이 있을 것 같은데, 가장 흥미로웠던 주제가 있었나요?

 

안정국 강사님 : 기억나는 것은 머신러닝을 적용한 모델링 중 상장폐지 모델링과 주가예측 모델링이 있습니다. 왜냐하면 이 둘의 방향이 반대였었기 때문이죠. 하나는 위험회피, 다른 하나는 성과창출. 이 두 모델을 이용해 위험을 회피하면서 이익을 추구하는 모델링을 할 때 어떠한 점을 감안해야 하는지에 따라 완전히 모델링 관점이 달라짐을 알게 되었습니다. 만일 이 두개를 포함한 프로젝트가 있었으면 하나의 모델로 구현하려 했을지 모릅니다. 이와 같이 분석 과제에 따라 여러 모델링으로 나누어 수행해야 함에도 하나로 해결하려 하는 사례가 종종 발견됩니다. 실제 프로젝트에서 이러한 구분을 잘 해주어야 모델링도 잘 진행할 수 있습니다. 아무래도 저는 프로젝트 경험이 많다 보니, 이런 노하우와 실제 경험에 대해 수강생분들에게 많이 공유해줄 수 있을 것 같군요.

 


 
 
Q6. 인터뷰에 응해주셔서 감사합니다. 마지막으로 수강생들에게 하고 싶으신 말씀 해주세요.

 

안정국 강사님 : 데이터분석 분야는 범위가 상당히 넓습니다. 따라서, 처음 공부할 때는 여러 분야를 경험해 보고, 자신의 나아갈 방향을 결정해 깊게 학습하셔야 합니다. 이번 과정은 기초가 없는 분들을 대상으로 하는 것이므로 깊이 보다는 넓이를 위주로 학습하시기 바랍니다. 이를 위해서는 세세한 부분을 모두 알겠다는 마음보다는 전체적인 흐름과 모델링 방안을 학습하는 것이 좋습니다. 깊이 있는 학습은 프로젝트 과정에서 필수적으로 하게 됩니다. 모든 알고리즘을 이해하고 프로젝트 현장에 나가겠다는 마음보다는 알고리즘을 이해하는 방법을 배우겠다는 마음으로 학습해주시기 바랍니다.


 
 

 
 
 
 


 
 
 
 
 
 
 
※ 데이터 분석가로 커리어를 시작하고 싶다면?