Q. 데이터분석가 알고리즘 개발 경험

답변 5

• P

  PRO액티브현대트랜시스

  코부사장 ∙ 채택률 100%

  ---

  채택된 답변

  질문하신 방향이라면 알고리즘 개발을 너무 좁게 생각하실 필요는 없습니다. 데이터 분석 직무에서 말하는 알고리즘 개발은 “논문 수준의 새로운 ML 알고리즘을 처음부터 발명한다”는 의미로 쓰이는 경우가 많지 않습니다. 실제 현업에서는 데이터에서 원하는 결과를 얻기 위해 분석 로직이나 모델을 설계하고 구현하는 것까지 넓게 표현하는 경우가 많습니다. 지금 말씀하신 여러 Python 파일을 모듈화해서 하나의 처리 파이프라인으로 만든 경험이나 기존 ML 모델을 튜닝하고 여러 모델을 결합한 경험도 넓은 의미에서는 알고리즘을 구현하고 개선한 경험으로 볼 수 있습니다. 다만 자기소개서에서 “새로운 알고리즘을 개발했다”고 표현하는 것은 피하는 게 좋습니다. 대신 “기존 알고리즘을 목적에 맞게 선정하고 파라미터를 최적화했다”, “여러 분석 모듈을 결합해 데이터 처리 알고리즘을 구현했다”처럼 본인이 실제로 한 일을 정확하게 표현하는 것이 좋습니다. 두 번째로 데이터 분석가가 알고리즘을 직접 개발하는지는 회사와 직무에 따라 편차가 굉장히 큽니다. 일반적인 BI나 비즈니스 데이터 분석가는 SQL로 데이터를 추출하고 Python으로 전처리 및 통계분석을 수행하고 대시보드와 리포트를 만드는 비중이 높은 반면, 제조·AI·추천·수요예측·이상탐지처럼 기술적인 데이터 분석 직무에서는 ML 모델을 직접 구축하고 평가하거나 기존 모델을 개선하는 일이 상당히 많습니다. 그래서 같은 회사에서도 현업자에 따라 “필요하다”와 “거의 안 한다”가 동시에 나올 수 있습니다. JD에 알고리즘 개발이 명시되어 있다면 최소한 기존 알고리즘을 이해하고 문제에 맞게 선택·구현·개선할 수 있는 수준은 준비하는 것이 좋습니다.

  ---
• 다

  다할수있습니다큐비앤맘

  코상무 ∙ 채택률 54%

  ---

  채택된 답변

  조금이라도 도움이 되셨다면 채택 부탁드립니다 ~~~~ 데이터분석에서 알고리즘 개발이 반드시 새로운 머신러닝 모델을 처음부터 만드는 것을 의미하지는 않습니다. 기존 모델을 목적에 맞게 조합하고 튜닝하거나 데이터 처리와 판단 로직을 설계해 실제 문제를 해결하는 것도 넓게 보면 알고리즘 개발 경험으로 설명할 수 있습니다. 일반적인 데이터분석가는 모델 자체를 새로 연구하기보다 SQL과 Python을 활용한 데이터 가공, 통계분석, 지표 설계, 가설 검증과 인사이트 도출 비중이 높은 경우가 많습니다. 다만 회사와 팀에 따라 모델링 업무까지 포함되므로 JD가 가장 중요합니다. 준비하실 때는 주요 ML 알고리즘의 원리와 선택 기준, 평가 지표, 과적합, 검증 방법을 이해하고 왜 이 모델을 선택했는지 설명할 수 있도록 하세요. 현재 경험도 단순 모델 사용이 아니라 문제 정의부터 모델 선택과 개선, 결과 검증 과정 중심으로 정리하면 충분히 경쟁력이 있습니다.

  ---
• 

  채택스포스코

  코부사장 ∙ 채택률 75%

  ---

  채택된 답변

  안녕하세요. 멘티님. 반갑습니다. 말씀하신 경험이면 알고리즘 개발을 아주 잘못 이해하신 것은 아닙니다. 현업에서는 꼭 새 모델을 처음부터 만드는 것만을 알고리즘 개발이라고 보지 않고 기존 모델을 목적에 맞게 조합하고 튜닝하고 처리 흐름을 설계해서 결과를 안정적으로 내는 것까지 넓게 봅니다. 데이터 분석 직무에서는 직접 연구형 개발보다는 문제를 어떻게 정의하고 어떤 기준으로 예측이나 분류 로직을 잡을지 판단하는 역량이 더 자주 쓰이니 지금 하신 경험도 충분히 연결해서 보시면 됩니다. 다만 회사마다 기대치가 조금 다릅니다. 어떤 곳은 분석가가 직접 모델 구조를 짜기보다 이미 있는 방법을 활용해 인사이트를 뽑는 수준을 원하고 어떤 곳은 서비스에 붙일 수 있도록 간단한 예측 로직이나 최적화 로직까지 다루길 바랍니다. 그래서 알고리즘 개발 경험이 없더라도 기본적인 분류 회귀 군집화 평가 지표 과적합 데이터 전처리 그리고 어떤 문제에 어떤 기법을 쓰는지가 설명되면 충분히 경쟁력이 있습니다. 면접에서는 내가 직접 뭘 새로 만들었는지보다 왜 그 방법을 골랐고 결과를 어떻게 개선했는지를 정리해보시면 좋습니다. 모쪼록 도움이 되셨다면 채택부탁드립니다. 감사합니다.

  ---
• 

  합격 메이트삼성전자

  코부사장 ∙ 채택률 77%

  ---

  채택된 답변

  멘티님. 안녕하세요. ​데이터 분석 직무에서 말하는 알고리즘 개발은 완전히 새로운 수학적 모델을 밑바닥부터 발명하는 것이 아니라, 현업 데이터와 문제 정의에 맞춰 머신러닝 모델을 선택하고 최적화하여 자동화된 파이프라인을 구축하는 것을 의미합니다. 작성하신 모듈화, 머신러닝 모델 튜닝, 앙상블 경험은 실무에서 요구하는 핵심적인 알고리즘 적용 및 파이프라인 설계 경험에 해당합니다. ​현업 데이터 분석가는 완전히 새로운 모델을 직개발하기보다 비즈니스 문제를 해결하기 위한 데이터 전처리, 특성 공학, 기존 알고리즘의 결합 및 최적화 작업을 주 업무로 수행합니다. JD에 적힌 알고리즘 개발 역량을 어필하기 위해서는 머신러닝의 기본 원리와 모델별 특성을 파악하고, 모델을 서비스나 분석 도구에 적용할 때의 시간 및 공간 복잡도를 이해하고 있으면 충분합니다. 본인이 진행한 파이썬 모듈화 프로젝트와 모델 튜닝 경험을 바탕으로 데이터 기반의 문제를 해결해낸 과정을 논리적으로 강조해 보시길 추천합니다. ​응원하겠습니다.

  ---
• 멘

  멘토 호날도KT

  코전무 ∙ 채택률 59%

  ---

  ● 채택 부탁드립니다 ● 알고리즘 개발이 반드시 새로운 머신러닝 모델을 처음부터 만드는 것을 의미하지는 않습니다. 데이터 전처리부터 규칙 설계, 기존 모델 조합, 모델 선택과 튜닝, 결과 산출 로직을 만들어 문제를 해결하는 과정도 넓은 의미의 알고리즘 개발 경험으로 설명할 수 있습니다. 데이터분석가는 회사와 팀에 따라 업무 범위 차이가 큽니다. 비즈니스 분석 중심이면 SQL과 통계, 지표 설계와 인사이트 도출 비중이 크고 모델링 중심이면 예측이나 분류 알고리즘 구현까지 요구할 수 있습니다. 따라서 직무명보다 JD를 기준으로 판단하는 것이 정확합니다. 통계학 전공이라면 새로운 모델 개발 자체에 부담을 갖기보다 회귀와 분류, 군집화, 시계열, 모델 평가와 검증, 과적합과 변수 선택을 탄탄히 준비하세요. 특히 왜 이 방법을 선택했고 다른 방법보다 어떤 장점이 있었는지를 설명하는 능력이 중요합니다.

  ---