당신은 주제를 찾고 있습니까 “데이터 분석 코딩 테스트 – 데이터 분석가, 사이언티스트, 엔지니어 비교 정리 | 어떤 걸 공부해야 할까?“? 다음 카테고리의 웹사이트 you.maxfit.vn 에서 귀하의 모든 질문에 답변해 드립니다: you.maxfit.vn/blog. 바로 아래에서 답을 찾을 수 있습니다. 작성자 곰사원은 곰대표 이(가) 작성한 기사에는 조회수 23,242회 및 좋아요 854개 개의 좋아요가 있습니다.
데이터 분석 코딩 테스트 주제에 대한 동영상 보기
여기에서 이 주제에 대한 비디오를 시청하십시오. 주의 깊게 살펴보고 읽고 있는 내용에 대한 피드백을 제공하세요!
d여기에서 데이터 분석가, 사이언티스트, 엔지니어 비교 정리 | 어떤 걸 공부해야 할까? – 데이터 분석 코딩 테스트 주제에 대한 세부정보를 참조하세요
안녕하세요 핑곰입니다🐻
오늘은 많이 헷갈려 하시고 궁금해 하시는,
데이터 관련 직무 간 차이와 각 직무 별로 필요한 역량을 정리해보았습니다.
최대한 이해하기 쉬운 예시를 들고 와봤는데 도움이 되셨기를 바라겠습니다🤍
Song : danmoo – deeper
Video link : https://youtu.be/gKJqWfnIExg
#데이터분석 #데이터분석가 #데이터애널리스트 #빅데이터분석 #데이터사이언티스트 #데이터사이언스 #데이터엔지니어 #데이터직무 #데이터취업 #빅데이터취업 #빅데이터차이 #데이터분석vs사이언티스트vs엔지니어
데이터 분석 코딩 테스트 주제에 대한 자세한 내용은 여기를 참조하세요.
[2021 상반기] CJ올리브네트웍스 데이터분석 과제테스트 후기 …
내가 쓴 회사들 중에서도 벌써 세 곳이나 일반 코딩테스트가 아닌, 데이터 분석 시험을 응시하고 있다. 하지만 일반 코딩테스트에 비해 연습할 길이 없고 …
Source: didu-story.tistory.com
Date Published: 6/16/2022
View: 4653
SQL 코딩테스트, 문법보다는 생각의 흐름이 중요해요
데이터 분석과 전혀 관련 없는 분야에서 데이터 분석가로 직무 전환 성공한 케이스. 어떻게 공부를 하셨는지 궁금하지 않으신가요? 인사홍보팀 소속 브랜딩 마케터에서 …
Source: www.datarian.io
Date Published: 12/30/2022
View: 8599
우아한형제들 데이터분석가 코테 – 브런치
데이터분석 직무군은 개발 직무에 포함되어 채용과정 중에 코딩 테스트가 있다. BE, FE 엔지니어 코딩 테스트 말고 데이터 직무군 코딩 테스트에 대한 …
Source: brunch.co.kr
Date Published: 11/14/2022
View: 4811
데이터 직무 취준생 다 모여 비전공생, 석사졸, 데이터 분석가 …
데이터 직무 석사 학위 없으면 합격 가능성 낮나요? … 데이터 분석 코딩 테스트의 경우 파이썬 pandas, numpy 라이브러리를 활용해 Raw Data로부터 …
Source: www.skcareersjournal.com
Date Published: 11/13/2021
View: 5368
220324 넥슨 데이터분석 코딩테스트, sk ict family 2차 코딩 …
넥슨 코딩테스트 (데이터 분석) : 지난번에 넥슨 정보보안 데이터 분석 채용형인턴을 썻는데 운좋게 서류가 통과되서 .. 코딩테스트를 볼 기회가 생겼다.
Source: whatryando.tistory.com
Date Published: 8/26/2021
View: 6242
데이터 사이언티스트, 데이터 분석가 취업 준비 (2020 상반기
3월 : 서류 3, 데이터 분석용 코테 공부, 알고리즘 코테 공부 … 분석. 1) 코딩테스트 (*** 코딩테스트 문제 유형 및 시간 환경은 별도로 포스팅 …
Source: huidea.tistory.com
Date Published: 11/17/2022
View: 7394
일과 삶 전반 ‘공학적 사고’ 관심 늘며…코딩·데이터 분석 관련서 …
취업이나 이직을 위한 코딩 테스트 참고서부터 코딩 및 데이터 분석 입문을 돕는 자습서까지 관련 도서를 찾는 이들도 꾸준한 증가 추세다.
Source: ch.yes24.com
Date Published: 1/24/2021
View: 9219
왜 기업들은 코딩테스트로 데이터 사이언티스트를 뽑을까?
우리나라 IT기업들 대부분이 코딩테스트로 데이터 사이언티스트를 뽑는다. 실리콘 밸리에 있는 회사들은 대부분 수학, 통계학 질문 & 답변으로 데이터 …
Source: blog.pabii.co.kr
Date Published: 4/7/2022
View: 2309
SQL – 테크 피드 | 프로그래머스
3월 첫 째주에 보고 온, KB손해보험의 코딩테스트 준비 과정과 후기를 나누려고 합니다! … 빅데이터, 데이터 분석, 그로스 해킹, 퍼포먼스 마케팅 등 여러 분야에서 …
Source: career.programmers.co.kr
Date Published: 12/8/2022
View: 3622
[인터뷰 한 입] 카카오의 데이터 분석가 김영훈 STORY
제가 생각하는 데이터 분석가는 코딩 능력보다는 비즈니스적인 판단에 … 저의 경우에는 분석 이외의 엔지니어링 경험을 할 수 있을지, A/B 테스트를 …
Source: mydailybyte.com
Date Published: 10/4/2022
View: 7915
주제와 관련된 이미지 데이터 분석 코딩 테스트
주제와 관련된 더 많은 사진을 참조하십시오 데이터 분석가, 사이언티스트, 엔지니어 비교 정리 | 어떤 걸 공부해야 할까?. 댓글에서 더 많은 관련 이미지를 보거나 필요한 경우 더 많은 관련 기사를 볼 수 있습니다.
주제에 대한 기사 평가 데이터 분석 코딩 테스트
- Author: 곰사원은 곰대표
- Views: 조회수 23,242회
- Likes: 좋아요 854개
- Date Published: 2022. 1. 10.
- Video Url link: https://www.youtube.com/watch?v=H_jQplemGnM
[2021 상반기] CJ올리브네트웍스 데이터분석 과제테스트 후기 (AI Engineer직무)
반응형
시작하며
CJ올리브네트웍스 서류 합격 후 인적성에 응시하게 되었다. 채용 전형을 여러번 접하다 보면, 요즘 ‘데이터 분석 과제테스트’를 응시하는 회사가 많아졌다. 내가 쓴 회사들 중에서도 벌써 세 곳이나 일반 코딩테스트가 아닌, 데이터 분석 시험을 응시하고 있다. 하지만 일반 코딩테스트에 비해 연습할 길이 없고 정보가 많이 부족하여 작성하게 되었다. 많은 취준생들이 나의 글을 읽고 도움을 받길 기원하며, 시작!
1. 전형안내
서류 합격 후 약 1주 반…? 정도의 시간 후에 코딩테스트를 보게 되었다.
CJ올리브네트웍스의 AI 직무는 인성+데이터분석 과제테스트를 응시하는 것 같았다.
타 코딩 관련 직무는 인성+알고리즘 일반 코딩테스트를 응시했고, Finance Analyst 직무는 인성만 보는것 같았다.
아래 일정과 같이, 사전접속 후, 인성검사를 치르게 되고, ㄹ30분의 쉬는 시간 후에 과제테스트를 치루게 된다.
2. CJ 인성검사
인성검사도 ‘프로그래머스’에서 진행되었다. 약간 UI가 ‘마이다스 AI 역검’의 성향파악?? 그 UI랑 비슷했다. 프로그래머스 특유의 남색 배경에서 1~5 사이의 그렇다/아니다 를 대답하는 일반적인 인성검사였다.
그래도 특이한점은, 그 사람의 성향을 알아볼 수 있는 독특한 질문이 많았다. 단순히, ‘나는 화나면 소리를 지른다’ 이런 질문만 있는건 아니었고, ‘신입과 일하는걸 선호하는가?’, ‘나와 맞지 않는 사람과 일하는게 좋은가?’, ‘돈이 1000만원이 있는데, 친구와 어떻게 나눌것인가? 5:5? 2:8?’ 이런식의 성향을 확인할 수 있는 문제가 굉장히 많았다.
나또한 이런 문제들에서 깊게 고민했던 것 같다. (시간이 하지만 촉박해서 그리 깊게 고민하진 못했고, ,,, ㅎㅎ) 인성검사가 몇문제였는지는 기억이 나지 않지만, 문제가 꽤나 많았던 것 같다. 한시간이나 보니까….
어쩃든, CJ의 인성검사는, 이사람이 나쁜가 착한가를 따지는 것이 아닌, 진짜 CJ와 부합한가? 를 보는 인성검사라는 느낌이 강했다. 그래서 자신있게 Finance 직무는 인성만 가지고 합/불을 판단하나보다.. 라고 생각했다.
3. 데이터 분석 과제테스트
문제 구성과 시험 방식은 아래와 같다.
시험 툴 프로그래머스 (쥬피터 환경)
프로그래머스 (쥬피터 환경) 시험 방식 화면 녹화도 하고, 웹캠도 켜고, 지속적으로 관리자와 커뮤니케이션이 되는 환경이라 컨닝, 인터넷 검색 등은 절대 안된다.
화면 녹화도 하고, 웹캠도 켜고, 지속적으로 관리자와 커뮤니케이션이 되는 환경이라 컨닝, 인터넷 검색 등은 절대 안된다. 사용 가능 언어 Python3, R
Python3, R 시험 유형 데이터분석 2문제
우선 오피셜하게 주는 정보는 이정도 였다. 나는 이전에 ‘SK cnc’ 데이터 분석 시험을 본 경험이 있기에, 그냥 그 시험과 똑같겠거니~~~ 하면서 연습했다. (실제로도 굉장히 비슷했다.)
사실 문제에 대한 복기를 완료 해놓았지만, 자세한 언급은 문제가 되니, 데이터분석 테스트를 어떻게 준비했고, 어떤 팁이 있는지 위주로 포스팅 해보겠다.
3.1 데이터분석 연습, 어떻게 준비했나?
사실 기존에 AI, 데이터 관련 학과나 경험이 많다보면, 당연히 풀 수 있는 문제로 나온다. 기본적으로 프로그래머스 주피터 노트북에 내장되어 있는 sklearn 패키지를 가장 많이 사용하는것 같았다. (후기를 보아하니)
시험 방식은 데이터셋이 주어지고, 그냥 진짜 말그대로 데이터 분석을 수행하는 것이다. 한국에서 좀 유명한 데이터 분석 대회를 많이 오픈하는 ‘데이콘’에 참여해본 사람은, 아주 수월할 것이다. 데이터 분석을 하고, 원하는 형태에 맞게 submission 파일을 만드는 방식으로 출제된다. 나또한 데이콘에 참여했던 경험이 많이 있었기에, 수월하게 문제를 이해하고 최종 파일까지 만들어낼 수 있었다.
우선, 나는 어려운 공부는 하지 않았다. 주어질 수 있는 문제는 단 몇가지 뿐이라고 생각하고 공부했다. 대부분 데이터 분석의 가장 기초라 함은, 확률로 결과값을 내보내거나, 0/1로 분류하는 문제 이런게 나오지 않을까? 무조건이다.
따라서 나는 아래 ‘캐글’의 한 문제를 깊게 깊게 이해하고, 외우다시피 데이터분석을 수행해보고 시험에 응시했다.
https://didu-story.tistory.com/43?category=937100
반응형
더불어 SKcnc에서 시험을 봤을 때, 데이터 EDA도 상당하게 중요한 부분을 차지했던것(?) 같아서, EDA를 하는 사소한 과정, 코드, 사소한 문법사항까지 모두 외우다시피 공부하고 들어갔다.
(실제로 정말 많이많이많이 도움이 되었다.)
나는 비록 여러가지 면접과 시험이 겹치면서 이 ‘수요예측’문제 하나만 공부하고 들어갔지만, 시간이 조금 여유롭고 준비가 충분히 되어있는 사람은 ‘수요예측’뿐만 아니라, 분류문제, 뭐 가격예측문제 등 다양한 데이터셋을 캐글에서 다뤄보고 들어가는 것을 추천한다.
3.2 데이터 분석 과제 테스트를 위한 꿀팁
1. 기본문법을 익히자
사실 인터넷없이,, 코딩을 수행하는 일은 없다. 따라서 데이터셋이 주어지고 그것을 인터넷을 참고하지 않고 그냥 쌩으로 데이터 분석을 수행하기에는,, 사실 기본적인 문법도 많은 영향을 준다고 생각한다.
뭐 여기정도까지 오신분들이면, for문 while문 등 다양한 기본문법은 알겠지만,, 간혹가다가 갑자기 ‘헉, 이거 내림차순으로 정렬 어케햇더라? sort? sorted?’, ‘헐 이거 null 처리 어떻게하지..’ 등 사소한 기본 문법사항? 이 기억이 안날때가 많다. (전 그랫습니다 ㅠㅠ) 따라서 나는 최대한 데이터셋을 EDA, 정제하는데 필요한 문법사항을 다시한번 익히고 들어갔다.
2. 하나만, 혹은 두세개만! 외워가자
나는 데이터의 형태가 어떻든, 그냥 ‘앙상블 모델’을 사용하자. 라고 머릿속에 박아버리고, Gradient 부스팅 모델 코드를 외워갔다. ㅋㅋㅋㅋㅋ 이런식으로 데이터셋이 어떻든, 자신이 외운 모델을 사용해서 그냥 분석을 수행해버리는 경우도 합격에 높은 영향을 준다고 생각한다.
from sklearn.ensemble import GradientBoostingClassifier
이거 위에 GradientBoostingClassifier 인데, Classifier 안써서 진짜 15분정도 골머리쌋었다 실제로 시험에서.ㅋㅋㅋㅋㅋㅋㅋㅋㅋ인터넷 검색이 안되다보니 이런 사소한것들이 걸림돌이 된다. 따라서 이런 기본적인 것들은 그냥 통으로 외워가자!!!!
3. Pandas 장인이 되어보자
데이터 분석을 수행하는 사람은 무조건,, 데이터프레임으로 모든 데이터를 다루게 된다. 그만큼, 이번 시험에서는 데이터프레임을 어떻게 이리저리 저쪽으로 이쪽으로 굴리느냐 이런것들이 합격의 포인트가 되었던것 같다. 실제로 Group by 하는 방법이나, DataFrame의 인덱스를 다루는 방법이나 등등 여러가지 데이터프레임을 다루는 기본적인 문법을 무조건 외우고 익히고 들어가자. 나도 merge, join, concat 등 pandas에서 지원하는 자주쓰는 메소드들을 거의다 외우고 한번씩 더 복습하고 시험에 응시했다.
4. 결과는?
결과는 합격이다. SKc&c에서 떨어졌던 것을 기반으로 철저하게(?) 준비했더니, 결과는 합격이었다. 문제는 전혀 어렵지 않았고, 저런 기본적인 것들이 나의 발목을 붙잡았었기에, pandas를 열심히 외우고 모델을 열심히 외워갔더니 좋은 결과가 나왔던 것같다 ㅋㅋㅋ…
하나 더 팁을 주자면, SK c&c, 현대카드, CJ올리브네트웍스 세 개의 회사 모두 비슷한 형태로 나온다. 따라서 데이터분석 과제테스트를 이렇게 대비 해놓는다면, 다음 데이터분석테스트는 껌이된다는 사실! 실제로 CJ에서 합격하고 현대카드에서도 코딩테스트 합격을 받았다♥
추가로, 1차면접 후기가 궁금하다면 여기로 ▼▼▼▼▼
https://didu-story.tistory.com/140
마무리
공부한 결과가 그대로 나오니 너무 행복했다. 일반 적성시험 같은 경우는 내가 열심히 한다고 해도 결과가 제대로 나오지 않는 경우도 많았는데, 역시 코딩은 정직한 것 같다. 많은 사람들이 나의 글을 보고 데이터분석과제테스트에 대해서 많은 정보를 얻어갔음 좋겠다. 취뽀하는 그날까지 화이팅
반응형
우아한형제들 데이터분석가 코테
배달의민족 서비스를 운영하는 우아한형제들의 분석가 직무는 데이터분석 직무군(DA,DS)과 비즈니스분석 직무군(BA)으로 나뉘어있다. 데이터분석 직무군은 개발 직무에 포함되어 채용과정 중에 코딩 테스트가 있다.
BE, FE 엔지니어 코딩 테스트 말고 데이터 직무군 코딩 테스트에 대한 글을 찾기가 어려워 간략히 남겨본다.
코딩 테스트 플랫폼은 Codility를 사용하고 있기에 크게 낯선 UI는 아니다.
코딩 테스트는 약 3일의 기한 중 편한 시간에 응시할 수 있다. 다행히 주말이 포함되어서 시간 안배는 용이했다.
총 180분의 제한시간으로 아래 4개 문제가 출제되었다.
회귀분석모델 평가에 사용하는 평가지표를 계산하는 사용자 정의 함수 구현 (언어 선택 가능)
분류분석모델 평가에 사용하는 평가지표를 계산하는 사용자 정의 함수 구현 (언어 선택 가능)
SQL Join, Aggregation
SQL Window function
전반적인 난이도는 그리 높지 않았다. 프로그래밍 언어를 어느 정도 사용할 수 있고 통계 및 기계학습에 대한 기초적인 지식이 있다면 큰 문제가 없을 것으로 보인다. 오히려 SQL 문제가 조금 더 난이도가 있는 편이다.
다만, 문제의 지문이 영어로 제시된다.
데이터 직무 취준생 다 모여 비전공생, 석사졸, 데이터 분석가 질문 받는다
데이터 직무 취준생 다 모여
비전공생, 석사졸, 데이터 분석가 질문 받는다
‘비전공생인데 데이터 사이언티스트 할 수 있나요?’
‘데이터 직무 석사 학위 없으면 합격 가능성 낮나요?’
IT(Information Technology)시대를 넘어 DT(Data Technology)시대로 도래한 지금 데이터 직무에 대한 수요는 나날이 증가하고 있습니다. 이로 인해 데이터 관련 직무로의 취업을 원하고자 하는 취준생 또한 늘어나고 있는데요.
‘통계학, 산업공학, 컴퓨터공학이 아닌 비전공생인데 데이터 분석가 할 수 있나요?’
‘대학원 가야하나요?’
데이터 분석가를 꿈꾸는 SKCE 에디터가 SK㈜ C&C 데이터 분석가와 함께 이러한 질문들에 대한 솔직한 이야기를 나눠보았다고 합니다. 함께 솔직한 TALK하러 가볼까요?
SK Careers Editor 송유진
안녕하세요, 저는 언론정보학과를 졸업하고 데이터 분석 석사과정을 마친 뒤 SK㈜ C&C Data플랫폼그룹 데이터분석가로 근무하고 있는 박서희 매니저입니다.
서비스 기획자 혹은 데이터 분석가 직무로 취업을 해야겠다고 확신했던 상황은 아니었습니다. 제가 취업을 준비하던 2017-2018년도에는 방송국이 IT 기업에 많이 흡수되고 있는 상황이었습니다. 넷플릭스, 네이버TV, 카카오TV 등의 서비스가 높은 점유율과 인지도를 갖기 시작했던 상황이었기 때문에 변화하는 시대에 맞춰 IT 산업에 들어와야 한다는 생각을 하게 되었습니다.
사실 막연하게 IT 공부를 한 번 해보자 하는 생각이 들었고 그 이후 자연스럽게 데이터 분석가로서의 포지션을 가지게 되었다고 생각합니다.
솔직히 너무 짧은 시간이었기 때문에 정말 운이 크게 작용했다고 생각합니다. 그리고 대학원에 입학할 만큼의 충분한 역량은 아니었다고 생각합니다.
그럼에도 불구하고 합격에 큰 도움이 되었던 것은 전공생들 못지않게 이 분야에 관심이 있다는 것을 어필하고자 했던 노력이라고 생각합니다. 국비교육에서 교육만 받는 것이 아니라 공모전에 참여해서 프로젝트 결과물을 냈었고 토이 프로젝트로서 참여했던 감정분석 프로젝트를 소논문 형태로 엮어 포트폴리오로 만들어서 제출을 했던 것이 합격에 많은 도움이 되지 않았을까 생각합니다.
저는 타대 대학원에 진학했습니다. 그리고 컨택은 교수님께 이메일로 콜드콜을 했습니다.
제가 하고자 하는 연구 방향과 랩실의 방향이 맞는지 컨택 전 꼼꼼하게 확인하고 제가 지금까지 했던 프로젝트들을 포트폴리오로 만들어서 메일을 보냈습니다.
처음에 컨택을 했을 때에는 거절을 당했습니다. 그냥 모호하게 ‘들어가고 싶습니다’만을 어필한 것이 거절 당한 이유라는 생각이 들었습니다. 그 이후 컨택을 시도할 때는 연구하고 싶은 방향, 저의 소논문, 포트폴리오 그리고 자기소개서를 첨부해서 메일을 보냈습니다.
내가 가고 싶은 방향이 무엇인지를 구체적으로 적어야 빠른 응답을 받을 수 있다고 생각합니다.
물론, 컨택의 타이밍도 중요하다고 생각합니다. 랩실에서 연구원이 필요한 시점에 연락을 해야 하기 때문이죠. 그렇기에 저의 경우 운이 굉장히 좋았다고 생각합니다😊
정말 랩마다 분위기는 다른데요, 저의 경우 언론정보학을 전공한 비전공자였기 때문에 랩실에 적응하는 것이 힘들었습니다. 랩실에서 연구 프로젝트를 받고 연구 프로젝트를 따라가는 과정이 회사와 많이 다르지 않다고 느꼈는데요. 그렇기 때문에 비전공생의 입장에서 컴퓨터 공학이나 통계학 전공자들에 비해 연구 프로젝트를 따라가는 과정에서 어려움을 많이 겪었습니다. 개인 시간을 많이 투자하고 지속적으로 노력을 해서 그 속도에 맞춰가기 위해 많은 노력을 해야만 했습니다.
대학원에 입학을 한다고 해서 데이터 사이언티스트로서의 역량이 자연스럽게 주어지는 것은 아니라는 사실을 많이 깨달았습니다. 대학원에서도 정말 많은 태스크가 있고 본인이 그것들을 쫓아가기 위한 노력을 해야만 데이터 사이언티스트로서의 역량을 갖출 수 있다고 생각을 합니다.
단순히 대학원 학과만 중요하게 고려하기보다는 본인이 하고자 하는 연구 방향과 연구실 방향이 같아야 한다는 점을 다시 한번 강조하고 싶습니다. 자연어처리를 하고 싶은 사람이라면 자연어처리를 주로 하는 랩실에서 석사 생활을 해야만 취업을 위한 포트폴리오를 또 다시 새롭게 만드는 일이 없을 것이라는 점을 강조하고 싶습니다.
저는 자연어처리 랩실에서 연구를 했고 주로 감정 분석을 했습니다. 그와 관련된 다양한 텍스트 데이터를 다룰 수 있었습니다. 졸업 논문 또한 감정 분석에 대한 주제로 작성했습니다.
연구실 밖에서는 공모전을 통해 연구실에서 다루지 않은 시계열 데이터 혹은 수요 예측 데이터를 분석하는 경험을 해보았습니다. 지금 소속된 Data플랫폼그룹에서는 센서 데이터부터 텍스트 데이터 시계열 데이터 등 다양한 데이터를 다루고 있는데요, 연구실 내/외부에서 다양한 경험을 했던 것이 입사하는 과정에서 많은 도움이 되었다고 생각합니다.
‘대학원 가? 말아?’ 정말 많이 받는 질문 중 하나인데요.
머신러닝, 딥러닝 분야는 석사 이상을 선호하는 것이 사실입니다. 그 이유는 비교적 명확하다고 생각합니다. 최신 논문을 읽고 새로운 기술을 프로젝트에 바로 적용할 수 있는 능력이 필수적이기 때문이죠. 그러나 다양한 공모전에서 수상 경력이 있거나 다양한 데이터 분석 프로젝트 경험이 있는 분들이라면 굳이 석사가 아니어도 데이터 분석 직무로의 취업이 가능하다고 생각하고 주변에서도 그러한 예시를 많이 봤습니다. 그러나 통계/컴퓨터공학/산업공학에 속하지 않는 저와 같은 비전공자의 입장에서 데이터 직무 관련 학위는 필요한 것 같다고 생각합니다.
저는 석사 막학기와 취업준비를 병행했는데요. 첫 취준 때 다 떨어진 상황에서 물론 좌절도 많이 했지만 차분하게 분석을 해 볼 필요가 있다고 느꼈습니다. 제가 주로 떨어진 전형은 코딩테스트였는데요, 이 문제를 해결해야만 하반기에 합격을 할 수 있을 것이라고 생각했습니다. 멘탈 관리 방법은 ‘잡생각이 없어지도록 스케줄을 빡빡하게’ 였습니다. 코테(코딩 테스트) 스터디, 면접 스터디, 자소서 스터디 등 바쁘게 살다 보니 불안감이 덜해진다는 생각이 들었습니다. 물론 쉽지는 않았지만 빡빡한 일정을 잡고 준비했던 것이 하반기 취업 성공으로 이어질 수 있었다고 생각합니다.
프로그래머스나 백준 문제 풀이와 같이 정형화된 방법으로 준비했습니다. 코딩 테스트에는 알고리즘 코딩 테스트 그리고 C&C를 포함한 몇몇 회사에서 시행하는 데이터 분석가를 위한 데이터 분석 코딩 테스트가 있습니다. (C&C에서는 데이터 과제 테스트라는 명칭을 사용합니다. 🙂
알고리즘 코딩 테스트는 프로그래머스 그리고 백준을 풀면 됩니다.
프로그래머스가 유형별로 비교적 쉬운 난이도의 문제로 구성되어 있기 때문에 프로그래머스 문제를 먼저 풀고 백준에서 조금 더 높은 난이도의 문제들을 풀었습니다.
데이터 분석 코딩 테스트의 경우 파이썬 pandas, numpy 라이브러리를 활용해 Raw Data로부터 전처리, 모델링 그리고 최종 결과 산출까지의 과정을 검색 없이 할 수 있는 정도로 준비해두시면 충분할 것이라고 생각합니다.
물론 저 역시 코딩테스트에서 많이 떨어졌지만 이렇게 두 가지 유형 모두 준비했던 것이 많은 도움이 되었습니다.
코딩테스트는 크게 알고리즘 코딩테스트, 데이터 분석 테스트 두 가지로 분류할 수 있지만 회사마다 직무 테스트 유형은 많이 다르므로 안타깝지만 둘 다 준비해야만 합니다. 또한, 스타트업의 경우 사전과제를 내주는 형식으로 테스트를 보기 때문에 각자의 지원 상황에 맞게 준비하는 것이 필요하다고 생각합니다.
비록 석사 졸업을 했지만 저 스스로 데이터 분석 경험이 많다고 생각하지 않았습니다. 다양한 도메인의 데이터를 다루고 분석하는 능력을 갖추는 것이 제 커리어의 가장 중요한 핵심이라고 생각했습니다. 많은 IT 기업 중 C&C가 다양한 도메인에 닿을 수 있는 가장 최적의 회사라고 생각을 해서 입사를 결정하게 되었습니다.
업무에서 요구하는 하드스킬은 통계학, 컴퓨터 공학, 수학이기 때문에 저의 전공과는 관련이 없지만 리서치 작업, 페이퍼 작업을 할 때 수반되는 소프트스킬적인 부분에서는 언론정보학과에 재학을 하며 공부했던 부분이 큰 도움이 되었다고 생각합니다.
알고리즘이나 모델을 쓰더라도 결과를 논리적으로 설명할 때나 팀원들과 커뮤니케이션을 할 때 그리고 다양한 리서치 작업을 할 때 본전공에서의 경험이 많은 도움이 되었습니다.
앞으로 더욱 다양한 도메인 데이터 분석 경험을 C&C에서 쌓아가고 싶습니다. 고객사의 pain point를 해결하는 머신러닝/딥러닝 알고리즘을 구현하고, 이를 위해 최신 기술을 지속적으로 업데이트하는 데이터 애널리스트이자 사이언티스트가 되고 싶습니다.
박서희 매니저님과의 데이터 분석 직무 A to Z 인터뷰 어떠셨나요?
데이터 분석 직무 취준생으로서 아주 유익한 시간이었는데요. 인터뷰를 통해 직무 선택에서 가장 중요한 것은 전공 그리고 석사 여부가 아닌 본인의 역량이라는 것을 알 수 있었습니다.
본인이 잘 할 수 있는 것 그리고 본인이 원하는 Industry에 대해 끊임없이 고민해보는 태도가 중요하다는 사실! 잊지 말아야겠죠?
DT시대를 이끌어 갈 데이터 분석 직무 취준생들에게 오늘 인터뷰가 많은 도움이 되었기를 바라며 저는 더욱 유익한 기사로 찾아오겠습니다!
220324 넥슨 데이터분석 코딩테스트, sk ict family 2차 코딩테스트 후기
728×90
지난 토요일(3/19) sk ict family 2차 코딩테스트가 있었고 엊그제 (3/22)화요일에 넥슨 코딩테스트가 있었다.
일 하고 와서 힘드니까 간단히만..쓰겠습니다.ㅋㅋㅋ 누군가는 도움이 될거같아서, 특히 넥슨 코딩테스트.
1. sk ict family 코딩테스트 2차 :
1차 코딩테스트는 통과였어서, (아마 나는 3솔) 2차 코딩테스트를 볼 기회가 생겼다. 솔직히 말하면 그렇게 잘 보지를 못햇다.ㅋㅋㅋ 1번부터 4번까지 4문제가 있었(던것같은데) 시간제한은 4시간이였다.
1번문제는 그냥 문자열 문제였다. 그렇게 어렵진 않았는데 뭐 시간제한이 있으면 틀렷을수도 ? for문으로 풀엇으니까. 근데 딱 한가지 예외 케이스가 있어서 이런 경우만 잘 생각하면 되는 문제였다. 그냥 문자열 문제.
2번 문제는 데이터의 입출력 시스템 같은 문제였다. stack 혹은 deque를 잘 활용하면 되는 문제인데 나는 문제 조건을 잘못봐서ㅜㅜ 세시간동안 여기서 꾸물대다가 결국 못 풀었다. 그냥 구현문제. 빡구현.
..그래서 3, 4번은 풀어 보지도 못함. 근데 대충 봣을때에도 어려워보였움.
2. 넥슨 코딩테스트 (데이터 분석) :
지난번에 넥슨 정보보안 데이터 분석 채용형인턴을 썻는데 운좋게 서류가 통과되서 .. 코딩테스트를 볼 기회가 생겼다.
솔직히 이거 때문에 글 쓰게 됨. 넥슨 데이터 분석 직무는 진짜 정말 너무 정보가 없어서 어떻게 준비해야 하나 고민햇었다. 물론 나는 바빠서 사실 공부도 못하고 봄 ㅎㅎ 일 끝나고 근처 피씨방 가서 봄 …………..
혹시 저작권 문제가 있을까봐 이것도 자세히는 말 못하지만, SQL을 알아야 하는 문제도 있었는데 그냥 전반적으로 데이터를 처리해본적이 있으면 정말 쉽게 풀 수 있었던 문제들이였다. 다만 나는 데이터 분석을 많이 해봣던건 아니라서 조금 까다로워서 2시간동안 4문제였는데 딱 2문제 풀었다. 다른 하나는 거의 풀었는데ㅜ 마지막에 조건 하나 추가못함.. 지금 인턴하면서 SQL이런거 쓰고있는데 솔직히 다음주에 만약 코딩테스트였으면 좀 더 잘봣을 것 같다.
확실히 넥슨은 IT회사다보니까 직무에 맞게끔 코딩테스트 문제가 나오는 것 같다. 문제는 잘 만들었다는 생각을 했고, 음.. 만약 되면 면접까지 잘 봐서 되면 좋겠지만 6달이나 인턴이라 솔직히 ㅜㅜ..잘 모르겠다. 뭐 통과 하고 봐야하는거지만..
이번주 일요일에 KT코딩테스트가 있어서 요새 진짜 쉴 틈이 없다. 공부할 시간도 없고.. 그냥저냥 보는 수밖에 없다. 인턴도 충분히 힘들어서 ㅠ 아 참고로 저는 전부 python으로 봤습니당 🙂
728×90
데이터 사이언티스트, 데이터 분석가 취업 준비 (2020 상반기 – 쓰디쓴 실패)
728×90
반응형
0. 2020 상반기 취업
상반기에 대학원 막학기와 취준을 동시에 병행했다.
상반기에 취업 결과 및 과정을 회고함으로써 부족했던 점과 고쳐야할 점 그리고 하반기 계획을 세워볼까함
울지마.. 바보야…
1. 준비
2월 중순: 마스터 자소서 작성, 데이터 분석용 코테준비 (결국 이거 못봄), ML&EDA 준비
3월 : 서류 3, 데이터 분석용 코테 공부, 알고리즘 코테 공부
4월 : 서류 작성 5
5월 : 서류 작성 2 + GSAT
6월 : 서류 작성 3 + CJAT
7월 그리고 현재 : 카카오코테 + 서류 작성 1
2. 결과
취업 지원 15곳 –> 서류합 5곳 –> 코테 / 적성에서 다 떨어짐
서류 탈락 : 기획 5 / 데이터 7 / 개발 3
이스트소프트(빅데이터 분석 플랫폼 개발 및 운영)
롯데멤버스(통계분석)
롯데컬쳐웍스(Digital Transformation)
네이버Now(데이터분석)
SKbroadband(미디어기획)
SK텔레콤 (석사채용) (AI서비스 플랫폼 기획자)
이베이 (Business Analyst)
카카오 – 인턴 (Service Biz)
롯데면세점 (데이터분석)
SK하이닉스 – 인턴 (DATA)
네이버 웹툰 (서비스기획)
코테, 적성 탈락 :
제일기획(데이터기획)
네이버 LINE(Cloud/Bigdata)
CJ올리브네트웍스 (Machine learning Engineer)
카카오 – 상시채용 (데이터분석가)
결말 : 면접도 못가보고 떨어짐
3. 분석
1) 코딩테스트 (*** 코딩테스트 문제 유형 및 시간 환경은 별도로 포스팅 예정)
1.1) 네이버 LINE (Cloud/Bigdata)
– 네이버 라인은 코테 -> 서류 순서였음 (코테를 통과해야만 서류를 보겠다는 의미)
– 코테 합격 메일과 함께 직무 상세설명 메일이 왔는데 여긴 빅데이터 플랫폼/클라우드 관리 직무였음
– 탈락 사유 : 내 경력과 직군이 너무 맞지 않아 코테는 합격했으나 서류에서 떨어진 이상한 경우.
==> 애당초 맞는 직군만 쓰도록 합시다.
1.2) 이스트소프트 (빅데이터 분석 플랫폼 개발 및 운영) codility
– 이스트 소프트의 경우는 코테 + 서류 동시 지원
– 문제는 라인, 카카오에 비해 어렵진 않았으나 4문제중 4솔을 했어야함.
– 탈락 사유 : 노가다식 알고리즘 풀이 + 3솔 + 데이터분석에만 치중된 경력으로 예상
1.3) 카카오
– 어려웠음 확실히 어려웠음
– 알고리즘 개념없이 무작정짜면 무조건 런타임 메모리에러
– 탈락 사유 : 못해서
2) 인적성 본 기업
2.1) 제일기획 – 삼성GSAT
– 시간 투자 : 2주반, 2주 // 문제집 총 2.5권
– 코로나 때문에 원격 응시
– 수리 반도 못품, 추리도 언어 비중이 적어 평소보다 맞춘 문제 적었음
2.2) CJ 올리브네트웍스 – CJAT
– 시간 투자 :1주 // 문제집 총 1.5권
– 응시 문제 유형이 완전 바뀜 너무 쉬웠음
– 영역 구분없이 80문제? 였고 영역별 문제가 섞여있었음
– 반정도 풀었는데 당연히 탈락 (커트라인은 60솔 일것으로 예상)
코테/적성 실패 원인 정리
1. 준비 기간이 너무 짧았음. 둘 다 시간을 많이 두고 준비해야하는 영역임
2. 코테는 알고리즘 자료구조 유형별 정리 완벽히 하고가지 못함 -> 노가다식 풀이 -> 당연히 탈락
3. 코테 적성 둘다 준비를 한 것이 패착.. 코테만 잡고 갑시다…
서류 탈락 원인 분석
1. 직군을 너무 중구난방으로 썼음 – 기획 5 / 데이터 7 / 개발 3
플랫폼 개발 지원은 시간 낭비
기획 지원은 시장분석/직무분석 준비 미흡.
2. 데이터 분석이 그나마 승산이 있는데, CS 역량이 부족한게 들킨듯.
전체 원인 분석 정리 : ” 기본기 부족 ”
1. 코테/ 적성 – 단기간에 안되는 일들을 벼락치기로 했음
코딩테스트, 적성고사 같은 경우는 오랜시간 꾸준히 준비해야함
매일 하지도 않았고, 오래하지도 않았음
시험일정 잡히면 그때부터 1-2주 바짝하긴 했으나 그걸로 절대 안되는 실력임
2. 서류 – 직군을 중구난방으로 썼음
될만한 직군에만 선택과 집중 (플랫폼 개발 직군은 버리기)
기획/ 분석 직군에만 집중
3. 서류 – 첨삭 없이 혼자서 끙끙대었음 , 글의 퀄리티 효율성은 현저히 떨어짐
해결 방안
1) 알고리즘 코테 (대다수 기업)
– 유형별 풀이 및 해결 방법 블로그정리
– 매주 실제 코테 문제로 실력 점검 및 방향성 수정
– 누적 복습 꼼꼼히 하기 (매일 전날꺼 / 주말에 그주 틀린문제들)
2) SQL 코테
– 프로그래머스 문제 풀면서 익히기 (이건 답지 보면서 해야할듯)
– 메소드 익히고 블로그 정리
3) 데이터 분석 코테
– 파이썬 머신러닝 완성 개념 정리 + 코드 구현 (블로그정리)
– 판다스, 시각화 기본 메소드 잘 정리된 강의 듣고 쭉 복습
–> 템플릿 치트키 만들기용.
– 캐글스터디 부족하더라도 계속 따라가기
2. 서류
1) 가고싶은 기업 + 재지원 기업 리스트 정리 시장/기업/직무 분석 미리하기
2) 서류 일정 보고 미리 스케쥴 잡기
8월 말부터는 코테 준비 시간이 현저히 적어진다고 생각!
3) 비중을 데이터 분석에만 두고
기획 직군중 쓰고 싶은게 있다면 데이터 분석 직군보다 시간투자 *1.5
기획은 시장/기업/직무 분석 철저히 준비해야함.
최대한 감정을 배재하고 냉철하게 분석을 하려했지만, 사실 내 과거여서 그런지 그게 잘 안된다.
최근 그런 글을 본적이 있는데, 어떤 시간에 대해 후회를 하지 않는다는건 그만큼 마음을 다한 거라고 한다.
물론 부족한 점도 많았고 실수도 있었지만 나는 매 순간 후회없이 하려했다.
사실 서류 합은 운이라 쳐도 코테와 적성에서 족족 다 떨어진건 내가 어디에 시간투자를 많이 못했는지
명확히 알 수있는 계기가 되었다. 부족한 점을 알았으니 이번 여름은 그 부분을 채우는데, 모든 시간을 투자하는걸로
화이팅화이팅
728×90
반응형
왜 기업들은 코딩테스트로 데이터 사이언티스트를 뽑을까? – 파비블로그
우리나라 IT기업들 대부분이 코딩테스트로 데이터 사이언티스트를 뽑는다.
실리콘 밸리에 있는 회사들은 대부분 수학, 통계학 질문 & 답변으로 데이터 사이언티스트를 뽑는데, 왜 우리나라 IT기업들만 저렇게 공돌이 중심, 특히 CS 기반으로 인재 채용을 하는걸까?
(*주의: 나 역시도 과제 던져주고 R/Python code + Latex으로 정리한 PDF 문서를 보내는 1차 면접을 여러번 하긴 했다. 다만, 한국 방식의 개발자 전용 코딩 테스트를 한 적은 없었다. 2차 면접 이후로는 수리통계학 훈련도에 대한 검증 위주였기 때문에 이렇게 쓴 것이다.)
단순히 멍청해서?
수학, 통계학을 아예 모르니까?
코딩 테스트가 제일 편하고 만만하니까?
무조건 멍청하다고 몰아세우는건 적절한 답안이 아닌 것 같고, 기업도 돈 벌이를 위해서 최선을 다하는 조직이니 분명히 여러가지 이유가 있을 것 같은데, 가능성 있는 이유들을 한번 정리해보자.
수학, 통계학을 쓰는 업무가 없다
사실 기초과학은 학부만 졸업해서는 중요한 일을 하기 힘들다. 꼭 기초과학만 그런게 아니라, 응용 학문 (매우 솔직하게, 암기형 학문)이 아니면, 학부 정도의 지식만으로 직장에 바로 투입되어서 업무를 하기는 힘들다.
예를 들어, 의학, 약학, 간호학 같은 생물학의 특정 분야를 응용하는 학문 전공자가 생물학 학부 전공자보다 직장이 훨씬 더 많다. 생물학 같은 기초학문을 공부했으면, 자기 전공을 살리는 연구시설에 진입하기 위해서 대학원 학위가 필수다.
법학, 경영학 같은 사회과학 전공도 국가가 인증해주는 자격증을 하나 취득하면 전문직이라는 타이틀이 생긴다. 반대로, 두 학문 그 자체를 연구하는 분들, 혹은 두 학문의 기초가 되는 경제학을 공부한 분들은 학부 학위로 취직해서 자기의 전공을 살리기란 매우매우매우 힘들다.
대학 전공을 고르던 고교 시절, 죽어도 경제학을 해야겠다고 대학가서 수학, 통계학을 복수전공할꺼다고 그러니까, 의대가는 친구 옆에 두고 선생님이 그러시더라. 의대가는 친구는 비싼 학비를 한국에서 내고나면 전공 살려서 먹고사는데 지장이 없지만, 죽어도 경제학을 해야되는 너 같은 놈은 무조건 박사 유학이라는 비용을 지불해야, 전공을 살릴 수 있는 일을 할 수 있을거라고.
그런 단순한 지식을 학부 친구들 사이에서 최고 선망의 직장이었던 외국계 증권사를 가서야 깨달았다.
아무리 직장이 이름값이 높아도, 학부 수준에게 고급 업무는 안 준다. 고졸도 할 수 있을 것 같은 업무 밖에 없다.
부장, 이사라고 해서 다를까? 그들도 해봤기 때문에 고졸도 할 수 있는 업무라는걸 알지만, S대 나온 인간한테 일 시킨다는 타이틀 때문에 날 뽑았더라.
때려치운다고 선언하고 나니, 위의 부장님이 MBA 가서도 비슷한 거 할 수 있다, MBA가 박사보다 더 좋다 같은 말로 엄청나게 구워 삶으셨다ㅋ 박사 공부하고 연구직에 가 있는 분들 몇 분이랑 저녁 식사도 주선해주시던데, “이 자식, 생각하는 구조를 보니 박사 가야 되겠는데요? 더 늦기 전에 떠나게 그만 말리시죠?” 라는 대화가 없었으면 난 영원히 탈출 못하고 비전문가의 삶을 살아야 했을 것이다.
실제로 어느 직장을 가건 상관없이, 일반적인 직장에서 수학, 통계학 같은 기초학문을 고급 레벨로 쓰는 일은 드물다. 연봉이 높은 직장이건, 회사가 유명하건, 직원들이 박사급 연구원들이건, 그 어떤 경우건 상관없다. 심지어 연구소 타이틀을 달고 있는 직장을 가도 기초 학문을 고급 레벨로 쓰는 것만으로 밥벌이를 하기는 쉽지 않을 것이다.
결국은 조직의 어떤 목적에 맞는 연구 결과물을 낼 때, 내가 가진 수학, 통계학 지식을 활용해서, 어떤 공격에도 버틸 수 있는 완벽한 논리를 만들어내는데 쓰이는 정도로 밖에 Business적인 가치가 없다는 것이 냉정한 현실이다.
다만 어떤 조직은 그 결과물 자체가 엄청난 Break-through이기 때문에 고급 인재가 필요하고, 또 어떤 조직은 특정 이익 집단을 변호해줄 수 있는 “타이틀은 화려하지만 실력은 별로 없어서 몸 값이 낮은” 인재가 필요하기도 하다.
국내 AI 프로젝트는 정부 프로젝트 밖에 없다
국내에 현재 AI라고 이름 붙은 프로젝트들은, 냉정하게 말해서 정부 발주 프로젝트 밖에 없다. 일반 기업들은 개발자들한테 어디 라이브러리 구해와서 갖다붙여라는 식의 업무 밖에 진행 안 한다. 정부 프로젝트들의 수준도 별반 다를게 없고.
이런 상태에서 RNN의 LSTM을 돌리면 됩니다, 같은 피상적인 소리하고, LSTM 코드 구해와서 주가 예측에 성공했습니다, 이러면 그냥 신문기사 하나 내면서 자랑하는 용으로 쓰면 된다. 단번에 AI 전문기업으로 코스프레가 되니까.
근데, 그 LSTM 돌리는데 정작 데이터가 Non-stationary process 여서 모델이 엄청난 계산비용을 쓰고도 엉망진창인 결과물을 냈고, 덕분에 그 날 딱 그 데이터 한번에만 제대로 돌아가는 것처럼 나왔다는 사실은 끝까지 비밀이다.
정확하게는, 다들 왜 이상하게 나오는지 잘 모른다. 그냥 아직 인공지능이 덜 발달했다고 말을 돌린다. Blackbox라고 하면서, 아무도 모르고 있으니까, 그냥 답답한 상태로 계속 흘러간다.
아무도 모르는걸 본 회사 오너라는 인간들은 더더욱 정부 프로젝트만 빨리빨리 해주고 돈만 챙기자는 (사기꾼) 마인드로 바뀐다.
모르니까. 몰라서 무서우니까. 겁나니까, 쫄보라서,
근데 어려운건 내가 공부하긴 싫으니까, (나는 못하니까)
다행히 아무도 몰라서, 최소한 돈 내는 인간들은 나한테 지적질을 안 하니까
지금처럼 정부 프로젝트만 돌려도 돈 버는데 지장 없으니까,
누군가 공짜로 쓸 수 있는 Non-stationary process 데이터 처리용 라이브러리 풀어주고,
그게 검증되었다, 남들도 다 쓴다는 소문이 들릴 때까지는 복지부동이다.
학부, 석사 출신 통계학도가 아니라, 박사 출신 통계학도가 가서 설득해도 안 먹히는 이유다.
돈 나오는 곳이 바보인 정부니까, 굳이 어려운 지식을 몰라도 돈 버는데는 지장이 없으니까.
쩐주가 바보인 시장에서는 고급 지식이 필요한게 아니라, 그럴싸한 타이틀이 필요할 뿐이다.
배우는건 없지만 명문대 학위증이 나오는 MBA가 그래서 인기였던 것처럼.
수학/통계학 실력 테스트를 제대로 할 인력이 없다
업무의 9할은 코딩이고 단 1할이 수학, 통계학이라고 해 보자. 그마저도 무시하는 바람에 엉망 진창인 결과물이 나오고 있고, 이런 식으로 라이브러리 베껴쓰는 방식으로 단순히 인력만 때려박아서 해결하기는 어렵다는걸 기업 오너들이 모르지는 않는다. 일자무식 출신 장사치들이야 모르겠지만, 큰 기업 오너들, 핵심 중추에 있는 사람들이 그 정도 Stone head (영어 표현으로 보통 knucklehead라고 한다…)들은 아니다.
그래서 제대로 테스트해서 뽑아보려니까 당장 제대로 테스트 할 수 있는 인력이 없다.
국내 명문대학에서 공부했다는 애들 뽑아서 너네가 알아서 뽑아보라고 하니, 공돌이들 답게 자기 지식은 안 만들고 남의 지식 베껴 쓰기 하는 놈들이라 그런지 남들 하는대로 코딩 테스트만 하고 있다.
실리콘 밸리 비교해보니 이렇게 해서는 제대로 된 인력을 못 뽑는다는 걸 알지만, 그렇게 수학, 통계학 쓰는 일이 많은 것도 아니고, 일단은 사람 뽑기가 힘드니까 타협하고 본다.
현재 국내 기업에서 일하는 데이터 사이언티스트들 중에 내가 단독으로 질/답하는 면접 30분을 통과할 수 있는 사람이 단 한 명이라도 있을까?
공돌이들은 예외없이 5분 컷이라는걸 이제 확신하고 있고, 공돌이 아니더라도 30분 이상 질답을 이어나갈 수 있는 분들 1명을 기업에서 찾는건 거의 기적에 가까운 일이다.
정작 난 헤지펀드랑 실리콘 밸리 Data Scientist 면접에서 수십번 광탈당하며 겨우겨우 취직한 허접인데.
허접 눈에도 제대로 된 인력이 없는 회사에서 어떻게 제대로 된 수학, 통계학 면접을 보고 인재 채용을 할 수 있을까?
바보가 바보를 면접보고 뽑는데, 연봉은 높게 줘야되면 누가 선뜻 뽑으려고 할까?
난 헤지펀드들에 면접 보던 시절에 정말 매일매일 울고 싶었었다.
내가 선형대수학을 이렇게 모르는 바보였나는 자괴감으로 자살하고 싶다는 생각이 들만큼 “털리는” 면접을 봤었는데,
우리나라의 어지간한 직장에 그렇게 수학/통계학을 현실 업무에 쓰는 지식으로 박사급 인재를 털어버릴 수 있는 인력이 있는 곳은 거의 없을 것이다.
미국에서 같은 사건이 벌어지면?
미국, 유럽 같은 지식선진국에서 개발자 전용 코딩 테스트로 데이터 사이언티스트를 뽑는 사건이 벌어졌다고 생각해보자.
누가 면접 후기를 올리면,
너 아마 데이터 엔지니어 면접 봤는데 이름만 Scientist로 써 놓은 것 같다
라고 댓글이 달린다.
(아니면 너 CS지? 아마 CS라서 그런 면접 본 듯. 난 물리학인데 그런 면접 본 적 없음 – 이런 스타일 댓글이 달린다.)
그렇게 소문이 금방돌고, 그 회사에 제대로 된 데이터 사이언티스트들이 아무도 지원 안 한다.
그 회사는 코더 밖에 못 뽑는 회사로 전락한다.
머리 깨지도록 수학 공부, 통계학 공부해서 겨우겨우 실력 쌓았는데,
그런 3류 쩌리들 뽑는 직장가면, 내 실력도 못 쌓고, 커리어도 꼬이고, 연봉도 안 오를텐데, 왜 가지?
제대로 된 훈련을 갖춘 사람이 시장에 충분히 공급되고,
그런 인력을 제대로 소화할 수 있는 시장 수요도 어느정도 갖춰진 시장이라면
한국 같은 어줍잖은 코딩 테스트하는 회사들은 Science 회사가 아니라 Engineering 회사라는 딱지가 붙어 버린다.
(윗 부분을 보고 또 이런저런 딴지를 받는데, 코딩이라고 다 같은 코딩이 아니다.
제발 Scientific coding이랑 개발자들 대상 coding을 엮어서 같은 거라고 오해하고 이상한 딴지 걸지 말자…
나한테 C++, 아니 Python으로라도 달력 만들어봐라는 식의 coding test하면 난 지원 안 한다.
아마 비슷한 실력을 쌓은 data scientist들 생각이 똑같을 것이다.)
그럼 한국에서 어떻게 취직하냐?
솔직히, 통계학을 박사 공부하고 나도 한국에 그렇게 좋은 취직 자리는 많지 않다.
연구소, 혹은 기업들의 핵심 연구 인력으로 자리를 찾아가지 않으면, 거의 대부분은 자기 전공 지식을 제대로 못 쓰는 업무만 하게 될 것이다. 심지어 그런 연구 중심 조직을 가도 많은 경우에는 자기가 원하는 업무를 못 할 수도 있다.
사실 자기가 원하는 지식만 탐구할 수 있는 복 받은 사람은 세상에 그렇게 많지 않다.
그걸 어느정도 보장해줘도 정작 자기가 원하지 않는 지역에서 살아야 될 수도 있고, 타이틀이 자기 마음에 안 들 수도 있다.
모든 조건들을 다 갖춘 직장이 과연 얼마나 될까?
없으면 어떻게 한다?
Pabii Data Science Institute (PDSI)에서 내세우는 타협점
오랜 고민 끝에 나온 결론이다.
없으면 만들어야지 뭐.
우리도 연구소를 하나 만들고, 그 연구소에서 정부 프로젝트 수주해서 우수 인력들의 연봉을 맞춰드리는 수 밖에.
한국이라 제대로 된 연구 프로젝트 하나 만들기 쉽지 않겠지만,
다른 연구소들이 다들 그렇게 타협하고 있는데 맞춰가며 성장해야겠다 싶더라.
대신, 인력 수준을 단순히 어느 학교 박사 출신이라는 이유로, 정작 실력은 엉망 진창인 사람을 안 뽑는걸 마지막 양심의 보루로 삼는다.
국내의 3류 쩌리들이 주도하는 시장에서 평가절하 되신 분들,
우리가 PDSI Edu라는 조직으로 해외대학과 연계해서 교육 시킨 인재들 위주의,
진짜 제대로 된 인력들이 모이는 직장을 만들어야겠다는 결론을 내렸다.
제휴를 위해 스위스에 있는 여러 대학들이랑 길게 이야기하며 느낀 건, 그들도 별반 다르지 않다는 거였다.
가르치고 싶은 방식과 지식이 있는데, 그걸 다른 대학에서 못하니까 자기 대학을 만든거고,
거기서 길러내는 인재가 좋은 자리를 못 찾아가니, 결국 자기네가 연구소, 기업을 만들었더라.
(물론 학위 장사하는 학교도 많았다.)
우리도 같은 사업 모델로 간다.
국내의 3류 쩌리들이 소복하게 모여있는 직장에 가라고 똑똑한 학생들의 등을 떠밀고 싶지는 않다.
내가 역겨워서 어린시절에 탈출해놓고, 왜 똑같은 짓을 강요하나?
천재들이 합당한 대우를 받고, 그들의 결과물이 3류 국내 시장에서는 안 팔리더라도, 1류 해외 시장에서 인정받고, 그들과 어깨를 겨룰 수 있는 조직이 되면 된다.
이런 조직들이 많이 생겼으니까 스위스라는 나라가 인구 대비 박사 학위자 숫자가 전세계 최고를 찍고,
R&D로 전세계에서 가장 유명한 나라가 된 거다.
당장엔 이런 학교-연구-기업 연계 모델이 한국에서 생소하게 느껴지겠지만,
국내 사정에 맞춰서, 정부 프로젝트라는 Financing source를 활용해서, 한번 키워보려고 한다.
내가 교육한 똘똘이들이 코딩테스트로 데이터 사이언티스트 뽑는 3류 쩌리들과 섞이지 않았으면 하는 마음이 참 멀리도 왔다 싶다.
키워드에 대한 정보 데이터 분석 코딩 테스트
다음은 Bing에서 데이터 분석 코딩 테스트 주제에 대한 검색 결과입니다. 필요한 경우 더 읽을 수 있습니다.
이 기사는 인터넷의 다양한 출처에서 편집되었습니다. 이 기사가 유용했기를 바랍니다. 이 기사가 유용하다고 생각되면 공유하십시오. 매우 감사합니다!
사람들이 주제에 대해 자주 검색하는 키워드 데이터 분석가, 사이언티스트, 엔지니어 비교 정리 | 어떤 걸 공부해야 할까?
- 동영상
- 공유
- 카메라폰
- 동영상폰
- 무료
- 올리기
데이터 #분석가, #사이언티스트, #엔지니어 #비교 #정리 #| #어떤 #걸 #공부해야 #할까?
YouTube에서 데이터 분석 코딩 테스트 주제의 다른 동영상 보기
주제에 대한 기사를 시청해 주셔서 감사합니다 데이터 분석가, 사이언티스트, 엔지니어 비교 정리 | 어떤 걸 공부해야 할까? | 데이터 분석 코딩 테스트, 이 기사가 유용하다고 생각되면 공유하십시오, 매우 감사합니다.