data-joa의 등록된 링크

 data-joa로 등록된 네이버 블로그 포스트 수는 13건입니다.

Leetcode 가 Data Scientist 인터뷰에 중요할까? [내부링크]

데이터 사이언티스트가 되려고 준비를 시작한다면, LeetCode에 대해서 모르는 사람은 없을 것이라고 생각된다. (LeetCode를 처음 들어본 사람이라면, 그래도 좋다. 이제 알면 되니까. LeetCode 공식사이트 LeetCode는 코딩 연습을 하게 도와주는 일종의 플랫폼이며, 이미 많이 구축된 문제를 다양한 언어를 선택해서 연습할 수 있는 것은 물론이고, 먼저 그 문제를 푼 사람들의 정답을 자유롭게 열람할 수 있으며 그에 대한 토론도 할 수 있다. 뿐만 아니라 빅 테크를 포함한 많은 미국 회사들의 인터뷰문제를 풀어볼 수 있기 때문에(유료) 프로그래머들이 구직을 준비하기 위한 거의 필수인 플랫폼이라고 할 수 있다. 필자도 면접을 준비하기 위해 한두달 유료 가입한 적이 있는데 가격이 적지 않음에 상당히 놀랐음을 기억한다. 한달에 $39 라는 (지금은 $35 인 듯하지만) 꽤 높은 가격을 책정하고 있다. 물론 일 년으로 결제하면 훨씬 싸지만, 실제로 일년 내내 꾸준히 코딩연습을 하기

Linked-in (링크드인) Premium 유료회원 가치가 있을까 [내부링크]

Linked-in (링크드인) 의 중요성 미국에서 구직하는데 링크드인(Linked-in)만큼 좋은 사이트가 어디있을까? 구직에 관심이 있다면 다른 S... blog.naver.com 지난번에 링크드인이 중요할까에 대해서 간단히 이야기해보았는데 (위의 링크에 있는 글에서) 사실 링크드인에도 유료회원이 있다. Premium 이라고 부르는, $39/달 이라는 적지 않은 가격의 회원이다. 도대체 무엇을 제공하길래 이런 거액(?)의 돈을 내야하는 걸까? 링크드인 유료회원에 가입해야하는 가치가 있을까? 결론부터 말하면 그렇다. 링크드인 유료회원은 구직자라면 꼭 권하고 싶다. 특히, 구직을 desperate 하기 원한다면 왜일까? 위에 써있는 것을 이야기 해보자. 1. 인사팀과의 연락을 도와준다. 링크드인에서 나와 연결되지 않는 사람에게 메시지를 보낼 수 없다는 사실을 알 지 모르겠다. 링크드인은 인사팀에서 고용하고 싶은 사람을 찾아 헤맬 떄 쓰거나, 반대로 구직을 하고 싶은 사람이 어떤 회사가

데이터 사이언티스트 (Data Scientist) 미국 회사 지원 이력서 (Resume; 레쥬메) 무료 첨삭 [내부링크]

이제 블로그를 열어서 이 글을 볼 사람이 몇명이나 되겠냐마는, 사실 그래서 이 글을 쓰고 싶은데요. 미국에서 데이터 사이언티스트가 되고 싶어하는 사람에게 어떤 도움을 줄 수 있을까 생각하다가, 가장 현실적으로 중요한 것 중에 하나가 이력서 (Resume; 레쥬메) 첨삭이 아닐까 싶어요. 별 거 아닌듯 하지만 사실 많은 시간과 공을 들여야 하는 것이 이 부분이고, 특히 첫 직업을 구해야 하는 사람에게는 분명 거쳐가야 하는 과정이 아닐까 하기 때문이죠. 남편과 저는 둘다 Insight Data Science 라는 무료 (적어도 그 당시에는) 프로그램을 통해서 많은 도움을 받았기 때문에 이 부분에서도 비교적 원만하게 지나가긴 했지만 실제로 절대 쉽지 않은 부분이 이력서 작성입니다. 많은 co-hort 가 이 부분을 같이 도왔고 끊임없는 edit 을 거쳐서 단 한장의 이력서를 만드느라 애썼던 기억이 나고요. 저는 주로 데이터 사이언스 인턴을 뽑는 일을 했었기 때문에 이력서를 100장도 보지

미국에서 데이터사이언티스트 (Data Scientist) 로 취업하려면... [내부링크]

이 글은 한국에 사는 한국인이 미국에서 데이터사이언티스트로 일하고 싶다면 어떤 방법이 가장 효과적일까를 다뤄본 글이다. 나는 천문학 박사로 미국 유학을 왔다가 PhD Candidate 가 되기위한 퀄 시험을 통과하지 못해서 PhD 의 길을 걷지 못하고 갑작스럽게 취업 준비를 한 케이스라서 흔한 경우는 아닐 것이다. 그래도 좋았던 것은 천문학 박사로 오지 않았다면 Teaching Assistant, Research Assistant 의 장학금을 받지 못했을 것이므로 미국에 유학오는 기적같은 일은 일어나지도 않았을 것이기 때문에 그 과정을 결코 후회하지 않는다. 남들보다 훨씬 늦게 유학오고 첫 직장을 잡아서 아쉬운 부분은 있으나 그럼에도 불구하고 너무 값진 과정이었다. 무엇보다 해보고싶은 것을 미련없이 해봤다는 게 감사할 뿐이다. 나와 같은 케이스는 별로 없을테니까, 한국에 있는 한국인이 (혹은 미국에 있는 한국인이지만 시민권이나 영주권이 없는) 미국에서 데이터사이언티스트로 직장을 구하

문과생이 데이터 사이언티스트가 될 수 있을까? [내부링크]

이 주제는 답이 너무 뻔해서 다룰 맘이 없었다가 직장에서 매니저와 얘기하다가 급 쓰고 싶어서 노트북을 핀다. 결론부터 이야기 하자면, YES. 당연히 문과생이 데이터 사이언티스트가 될 수 있다. Why not? 왜 이런 질문을 많이 하는 걸까? 왜냐면 데이터 사이언티스트 라는 이름 안에 "Scientist (사이언티스트)"가 들어가 있기 때문일까? 데이터 사이언티스트의 이름을 누가 지었는지 모르지만 그렇게 적합한 이름은 아니라는 걸 대부분이 동의할 것이다. 데이터 사이언티스트는 과학자가 아니다. 그들이 하는 일에 과학이 있을까? 글쎄... 어거지로 붙이면 몰라도 아니, 과학은 없다. 사회과학이라면 모를까. (아. 애초부터 사회과학을 지칭하는 것이었나? ㅎㅎ) 어찌됐건, 아무래도 문과생에게 장벽은 코딩(Coding), 수학, 통계가 아닐까 싶다. (많긴 많군..) 통계야 사실 문과생도 많이 사용하기 때문에 큰 장벽이라고 보긴 어려울 것 같고 그렇다면 코딩과 수학이겠네. 코딩은 사실 언

Linkedin (링크드인) 사용법 (feat. 초보를 위한) [내부링크]

나는 인스타도 시작한지 얼마 안 된, 다른 소셜미디어도 그닥 능숙치 않은 사람이다. 그런 내가 링크드인은 하루에도 몇번씩, 몇십번씩 접속하며 항해(?)했었던 때가 있었다. 바로 구직기간이다. 물론, 구직기간이 아니어도, 링크드인은 참 유용할 때가 많이 있어서 아직도 심심찮게 접속한다. 하루에 한 번정도? 못해도 이삼일에 한번은? 접속해서 사람들이 어떤 포스팅을 하는 지 심심찮게 보곤 한다. 하지만 특별히 구직기간에는 수십번씩 들어갔다 나갔다 하면서 맴돌았는데, 그럴만한 가치가 있었을까? 당연히 가치가 있었다. 링크드인 없었으면 난 지금도 취준생 아니었을까? ㅎㅎ 그렇다면 링크드인을 가입한 후 어떻게 하면 내 포토폴리오를 잘 만들 수 있을까? 이 얘기를 하자면 할 말이 너무 많을 것 같아서 이 포스팅에서는 가장 기본적인 몇 개만 우선 언급하고 싶다. 1. 프로필 사진은 필수다. 두말하면 잔소리이지만 그래도 혹여나 하는 마음에 적는다. 프로필 사진은 필수이고 중요한 것은 누구나 볼 수

메타 Meta (구 Facebook) 정리 해고 (layoff) [내부링크]

그렇다. 지난 월요일 메타는 수요일부터 정리해고를 시작하겠다고 했고, 결국 오늘 11,000명의 직원들이 정리해고를 실행했다. 빅테크를 포함한 수많은 기업이 사실 정리해고 중이고, 메타의 이런 소식은 놀랄 것도 아니지만 그래도 13%나 되는 직원을 하루아침에 해고했다는 것은 씁쓸한 사실이다. 링크드인에서는 수많은 글들이 올라왔고 대부분 본인도 해고되었다는 글과 함께 구직을 하고 있다는 내용 아니면, 그들을 위로하는 내용, 그리고 도와주겠다는 내용이었다. 내 네트워크 중에 실제 메타 직원은 몇명 없겠지만 내 네트워크들이 그들의 네트워크의 글에 좋아요를 누르고 코멘트를 했다면 나에게도 보여질 수 있기 때문에 더 많은 글을 접하게 된다. 이 점이 링크드인에 강점이라고 생각한다. 개인적인 소셜미디어에서는 나의 반응들이 다 보여진다면 좀 꺼려지거나 오히려 싫어할 수 도 있겠지만 링크드인은 다르다. 이것이 또 다른 기회이기도 하다. 그렇다. 링크드인은 너무 유용한 툴이다. 아무튼 링크드인 광고

깃 사용법 (feat. Git Cheat Sheet) [내부링크]

데이터 사이언티스트가 되려고 준비하는 사람이라면 깃 혹은 깃허브 (Git, Github) 에 대해서 들어봤을 것이다. 이 툴은 개발자들에게 유용한 틀이지만, 데이터 사이언티스트가 하는 일 중에서는 개발자가 하는 일들과 비슷한 부분이 살짝(?) 있기 때문에 깃을 많이 사용하곤 한다. 이렇게 말했지만, 사실 나도 내 남편도 이전 직장에서 거의 깃을 사용하지 않았다. 우리 둘다 테크 컴퍼니와 정 반대의 스타일의 회사에 다녔었고 (물론, 둘이 다른 직장), 깃허브를 데이터 저장용으로 사용하기 일 수 였다. 사실 깃이 매우 유용한 틀이지만 나처럼 깃알못인 사람에게는 깃을 쓰는게 더 머리가 아프고, 가뜩이나 일도 바쁜데 하나의 일을 더 주는 것에 불과하므로 안 쓰는만 못하다. 하지만 올해 이직한 회사는 테크 회사라고 말해도 과언이 아니기 때문에 (빅테크는 아니고 미드테크 정도? ㅎㅎ) 나역시 깃 사용을 피해갈 수 없는 상황이다. 이번주에 처음으로 깃을 이용해서 나의 일을 push 할 기회가 생

SQL 왕초보 데이터사이언티스트 (Data Scientist) 인터뷰 문제 풀다 - 미국 아마존 [내부링크]

"SQL 왕초보 실전 인터뷰 문제 풀다" 는 SQL 초보가 실제 미국 기업의 데이터 사이언티스트 (Data Scientist) 인터뷰 문제를 풀어보면서 좀 더 와닿을 수 있게 SQL을 연습해볼 수 있는 세션입니다. 초보를 위한 게시물이므로 이미 익숙한 SQL 유저들에게는 필요이상의 설명이 있을수 있음을 알려드려요! 또한, 유익한 실습을 위해 문제는 StrataScratch 홈페이지 (StrataScratch.com) 를 참고했습니다. StrataScratch 홈페이지를 통해 바로 바로 인터뷰 문제를 풀 수 있습니다. 유료문제도 많이 있지만 접근성의 보급화를 위해 무료문제만을 대상으로 블로깅을 하고 있습니다. 유료문제가 궁금하면 댓글/메시지 주세요! Overview 이번 SQL 인터뷰 문제는 아마존(Amazon) 인터뷰 문제이며 난이도 Easy 로 StrataScratch 홈페이지에 올라온 것인데요. 아래 링크를 타고 들어가시면 직접 실습해보실수 있습니다. StrataScratch 1

SQL - LEAD() vs. LAG() [내부링크]

SQL을 사용하다보면 제한적인 기능때문에 좌절되기도 하지만, 한편으로는 데이터를 구조화하기에 간결하면서도 편리하다는 느낌이 들기도 하는데요. 2-3일이면 중요한 기능을 다 배울수 있을정도로 간단하고 쉽지만, 그럼에도 불구하고 계속적으로 데이터베이스를 직접 다루면서 배우는 것이 많다고 생각됩니다. Window 함수는 SQL 사용자로서 꼭 알아야하는 함수라고 볼 수 있습니다. 물론, 몰라도 간단한 데이터 불러오기나 계산은 할 수 있지만, 조금만 복잡한 쿼리를 짜라면 Window 함수는 없어서는 안될 함수라고 볼 수 있습니다. 그 중에서, 오늘은 LEAD() 와 LAG() 에 대해 간단히 이야기 하고 싶은데요. 예를들어, orders 주문데이터가 있다고 해볼까요. 각 고객의 주문 행동을 분석하고 싶을때, 어떤 고객은 일주일에 한번 꼴로 주문하는 반면, 어떤 고객은 일년이 되드록 한번 주문할까 말까일 수 있겠죠. 이런경우 우리는 각 고객의 행동 패턴을 알고 싶고 (모델링 등을 통해), 그래

미국 데이터사이언티스트 (Data Scientist) 의 장단점 [내부링크]

Data Scientist 로 일한지 4년정도 되었다. 최근에 이직을 하였기 때문에 거의 한 회사에서만의 경력이 있지만 그래도 3-4년간의 경험을 바탕으로 내가 생각하는 Data Scientist의 장단점을 적어보려한다. 무엇이 좋을까? 1. 연봉? ㅎㅎ 연봉 얘기를 가장 먼저 쓰고 싶지 않았는데... 어쩔수 없나보다. 21세기 최고의 섹시한 직업이라고 소문난(?) Data Scientist는 이제 더이상 그정도는 아니라는 평을 받고 있지만 (AI Engineer, Machine Learning Engineer 등의 비슷한 계열의, 그렇지만 보다 technical한 엔지니어의 직업은 계속 호평받고 있을 듯 하다) 그럼에도 불구하고 아직 괜찮은 직업이라고 볼 수 있다. 미국도처에서 구인을 하고 있으며, 아직까지는 정말 쉽게 job posting을 찾아볼 수 있다. 뿐만 아니라 연봉도 적지 않다. 나의 연봉은 만족스러운 편인데, 실제로 Data Scientist의 평균 연봉이 더 높으면

Linked-in (링크드인) 의 중요성 [내부링크]

미국에서 구직하는데 링크드인(Linked-in)만큼 좋은 사이트가 어디있을까? 구직에 관심이 있다면 다른 SNS보다 링크드인에 집중하라고 말하고 싶다. 왜일까? 1. 미국에서는 네트워크가 정말 중요하다. 미국에서는 레퍼럴(referral)이라는 문화가 있어서 원서접수를 할때 누군가의 추천으로 넣는 방법이 있다. 이 방법 또한 기업마다 다르지만, 어쨋건 레퍼럴은 정말 중요하다. 언뜻 보기에는 "낙하산"이랑 비슷한 개념이라고 느낄지도 모르지만 "아니다". 대부분 상시채용을 하는 미국은, 리크루터 입장에서도 수많은 레쥬메를 일일이 확인하며 전화를 돌리는 것보다, 그 기업에 이미 일하고 있는 사람의 추천을 받는게 훨씬 효율적일 수 있다. 그렇기 때문에 내가 지원하고싶은 기업이 있을 때 레퍼럴을 받는다면 훨씬 유리하게(?) 시작할 수 있다. 하지만 명심해둘 것은, 그렇다고 인터뷰에 쉽게 통과하는 것은 아니다. 결국 같은 인터뷰 절차를 거치기 때문에 실력으로 통과하는 것은 마찬가지다. 2. 그

Python vs. R 데이터사이언티스트 (Data Scientist)가 되기위해 어떤 언어를 배워야할까? [내부링크]

이 질문은 내가 데이터사이언티스트가 되려고 공부를 시작했을 당시 (2017-2018년) Hot한 질문 중에 하나였으며, 지금은 많이 하진 않는 것 같지만 그래도 종종 나오는 질문인 것 같다. Python vs. R 결론부터 말하면 당연히 Python 이다. 이제 마악 데이터사이언티스트 입문에 들어가는 사람이라면 그냥 Python을 공부하자. 굳이 Why? 라는 질문을 할 필요도 없고 Python 과 R 이 무엇이 다른지 시간을 들여가며 비교분석할 이유도 사실 없다고 생각한다. 이유는, 데이터사이언티스트를 뽑는 많은 회사들이 Python 사용자들을 뽑고, 또한 많은 데이터사이언티스트가 Python 사용자이다. 그리고 앞으로도, 그 비율이 R보다 높아지면 높아졌지 줄어들지는 않을 것이다. 데이터사이언티스트가 되고 싶어 이제 공부를 시작하는 사람이라면, 당연히 더 많은 회사에서 요구하는 언어를 배우는게 바람직하지 않을까? 게다가, 실제로 Python은 써먹을 데가 많으며, 사용자가 많은