데이터과학자의 좌절편! 데이터과학자는 대부분의 시간을 OOO 으로 보낸다? 데이터과학자의 일상 2부! (한국과학기술정보연구원 김영진 박사)

안될과학 Unrealscience
147 팔로워
정보화시대로 데이터의 중요성이 늘어난 요즘,
과연 데이터를 가지고 있으면 어떤 것을 연구할 수 있을까?
정작 데이터 분석에는 얼마 시간을 못쓴다는데?!
데이터과학자의 좌절편!
한국과학기술정보연구원 김영진 연구원님과 함께 알아보시죠!
◆ 2024 신상 굿즈 블록 피규어 키링 + 포스터 출시
모어사이언스 스토어에서 만나볼 수 있습니다!
https://smartstore.naver.com/morescience
#데이터 #데이터사이언스 #한국과학기술정보연구원 #김영진
◆ Thanks to
편집 : 노재은
Studio : 서울스트리밍스테이션
Guest : 한국과학기술정보연구원 김영진
◆ 안될과학-모어사이언스 스마트스토어 (과학굿즈)
https://smartstore.naver.com/morescience
◆ 안될과학 인스타그램
https://www.instagram.com/unreal.science
◆ 안될과학 커뮤니티
https://cafe.naver.com/unrealscience
◆ 안될과학 문의
E-MAIL : [email protected]
캡쳐라는게 아마 다들 아실 거예요 아
그렇죠 그죠이 캡처가 최초에 나왔을
때는 사람인지를 보신지 사람인지 해
보셨잖아요 많이 해봤습니다네 뭐 근데
구글이 저한테 노동을 시키고 있었던
거예요
어머나 인사할 시간도 만습니다
여러분의 시간을 낭비해 드릴 느리지만
쿨랑과 랩 미팅입니다 반갑습니다
교수님들 반갑습니다
반갑습니다 그래서 이게 이제 그거에
대한 내용이에요 예 그래서 이제
실제로 터 수집을 해가지고 이제
수학적으로 계산된 저 확률과 이제
재봤더니 다른 거죠 아 예 그래서
왼쪽에 있는 거는 그 텍사스 홀덤
혹은 그냥 일반적인 포커에서 가장
좋은 패드를 이제 순서대로 나타낸
거고 그 확률을 나타낸 거예요네
그러면은 사실 저 로티플이 아는 가장
높은게 나올 확률은 사실 저렇게
0점네 00 1% 정도밖에 안
되는데이야 저게 나오려면가 나와야
돼요
그렇죠 사실 승률이 가장 높은 패는
저게 아니에요이 저 텍사스 홀덤은
처음에 두 장만 가져요 맞아 두 장만
가지고 내가이 두 장만 보고 패
배팅을 해서 게임을 이어 갈지를
결정을 해야 되는데 사람들은 AK
받았을 때 사실 로티를 기대하면 안
돼요 왜냐면 확률이 워낙 낮으니까
근데 거기서 더 배팅을 들어간다는
거죠
아네 아 근데 지금 보면은
충격적인게네 하이 카드 그냥 그냥
아무것도 아닌 패요 그냥 가장 높은
걸 두는 거 네 그리고 원페어 투
페어는 가끔 나오잖아요 그게
97%네 원 페어만 사실 나와도
그니까 원 페어에서 AA 나와도
승률이 엄청 높아요 사실 그러네
그니까 제가 지금 하고 싶은 말이 그
말이에요 원 페어 투 페어만 해도
97%라는 거야 그러니까 예 와 진짜
엄청나네 그러니까 만약에 강원랜드에
가셔서네 뭐 하시면은 참고해 보시면
좋겠다 아 그죠네 로티풀 꿈은
버리셔야 아 네 이거는 이제 제가
최근에 했던 주제인데네 이제 또
모두가 핸드폰을 쓰고 있잖아요 그렇죠
어 핸드폰이 GPS 안 키더 매우
높은 정확도로 위치를 추적할 수가
있어요 기지국 기지국네 기지국이
만약에 한 개만 연결돼 있으면은
정확하게 못 하는데 보통 기지국을
예비용으로 몇 개를 더 연결을 시켜
놔요 그런데 이제 저희가 측량법 중에
삼각 측량이란게 있잖아요 기지국이랑
세 개만 연결돼 있으면은 삼각 측량과
비슷한 방법으로 매우 높은 정확도로
위치를 추적을 할 수가 있어요 그래서
그 데이터를 SK KT 모두 가지고
있습니다 그래서 그 통신 데이터를
이용해서 사람들이 어디에서 어디로
이동하는지에 대한 데이터를 분석을
해서 그 비슷한 애들끼리 뭉쳐서
클러스터를 찾아봤던 거예요네 그랬더니
아까 그 그림이 나온 건데네 이렇게
보시면은 이제 오른쪽 아래에 있는
그림들을 보면은 이제 정확하게
우리나라의 그 뭐 전라도 뭐 충청도
강원도 이런 구조가 정확하게 보이죠
네네 도대로나요 어 그런데 이제 이게
재밌는게 개수를 작게 쪼였을 때
보면은네 저 2라고 적혀 있는 부분를
보면은 서울하고 방이네요네 우리나라는
이동 패턴을 보면 서울하고 서울이
아닌 곳으로 나닐 수
있다네 그리고 거기서 만약에 하나로
더 쪼갠다 그러면은 부울경이 먼저
떨어져 나가요 어 저기는 이동 패턴이
좀 장애 애들끼리
비슷하다네네 그다음에 그다음이 이제
경상 북도 어네 저런 식으로 쪼개져
나가는데 지금 저게 작아서 잘 안
보이는데 사실 그럼 저게 100%
저런 시군구 경계와 일치하느냐 또
그렇진 않아요 그서 대표적인 예가
충청도 쪽에 저쪽에 충청 남도 있나요
아마 서천이 지역이 있어요네 충남
서천네 근데 거기는 전라도가 붙어
있습니다 아 그래요 예 그러니까 저는
잘 모르지만 데이터를 분석해서 보면은
서천은 사실상 전남네 충청도의
정체성을 안 가지고 있을 수 있다 아
노는게 전라도 쪽에서 노니까 왜냐면은
이제 일하러 가시는 분들 주로 그렇게
가는 거잖아요 뭐 퇴근은 그쪽으로
하고 동이 이렇게네 그렇구나 그리고
또 재밌는게 그러면 인천은 어디랑
붙어 있을까 어어 서이랑 붙어 있지
않습니다 그럼요 제주도랑 붙어
있습니다 왜 아 공항으로 많이 비
이거 되게 신기하다 인천이 제주도랑
붙어 있구나 아 아
그렇네요네 우와 그래서 이게 이렇게
그 나누는 거는 그래 나눴어 이거
어다서 뭐 재미도 있는데 이런게 얼마
전에 저희가 유행했던 코로나에 대해서
코로나 사람이 이동하면서 전파를
하잖아요 그러면은 코로나에 대한 방역
대책을 세울 때 저런 걸 참고하면 좀
더 효율적으로 할 수 있겠다
와네 실제로 이제 코로나 초창기에는
저희가 거의 전수 조사를 했었잖아요
전수 조사한 저 누가 누구한테
전파시킨 거 같은지를 가지고 이렇게
네트워크를 그려 보면은 저런 것도
그려보고 네 그럼 이게 저렇게 한
명이 여러 명을 전파하는 허브가
많은지 아니면 조금 조금씩 전파하면서
길게 가는지 이런 것도 이제 모두를
알 순 없지만이 연결하는이 보통 저런
꼭지를 하나의 주변에 몇 명이나
전파시키는 이제를 보면은 이것도 이제
저희가 전파하는 거에 대해서 정책
세울 때 참고를 할 수가 있는 거죠
와 그 저걸 다 분석을 한 거구나 내
코로나 때도 그래서 코로나 뭐
초창기와 또 끝날 때쯤 또 다르다
변이가 생기면 생길수록네 그런 걸 볼
수가 있죠 야 그 또 이제 이거는
이제 조금 더 이제 작은 스케일로
왔는데네
세포를 실험을
했어요음네 세포까지네 제가 한 실험은
아니고네 제가 같이 평소에 술 먹던
형이랑네 술 한잔 하는데 아 내가
졸업을 해야 되는데 그렇죠 이러고
있는데 왜 졸업을 형 못해요 그러니까
영상에서 세포들이 이렇게 움직이는 건
잘 나왔대요 움직여 보면 하나는
지맘대로 움직이고 하나는 위아래로만
움직여요 세포 을 만든 거예요네
그래서 눈으로 봐도 이게 세포들이
움직이는게 잘 보이는데네 그래프를
그리려면 이걸 데이터화 시켜야
되거든요 와 그렇죠 근데 데이터화
못시켜서 이형이 아 실험은 성공했는데
어떡하지 이러고 있을 때 저랑 술
먹다가 어 제가 할 수 있을 것
같은데요 예 그래가지고 진짜 그래서
일주일을 해주고 저 논문이 이제
투고를 하고 셉이 되고 저는 사실
데이터 분석을 하고 통계 물리를
하면은 임팩트 팩터가 그렇게 높은데
쓸 수가 없어요 맞아요 근데 이제 또
바이오 쪽은 다르거든요 아 그죠
다르죠 그래서 저에 대서 뭐 임팩트가
뭐 20 몇 자리에 한번 투고를 바로
해서 성공을 했고 그다음에 또 바로
공조자네 우와 그다음 논문도 어떻게
하다 보니까 그 형이 또 다른 생물
했는데 이제 제가 그래 그리프 그래프
잘 그리고 이러니까 또 이제 협업
제외를 해서 그때는 아마 제가 알기로
표지 논문이었다 거 같아요 저는 뭐
저는 사실 거기서 뭐 한 6 저자 7
저자 밖에 되진 않는데 그런 논문에
기여는 했다 아네 이게 모두
술자리에서네 이것도 이제 제가 예전에
했던 건데 이건 뭔가 위아래가 이제
같은 계절에 같은 그니까 비슷한
날짜에 찍은 사진인데 74년 전
후예요 74년 전후 그래서 1928년
2023년에 찍은 사진인데 같은
지역이라고 보기 어려울 정도로 많이
바뀌네네요 빙하가 다 사라졌어요 저게
노르웨이에 있는 스발바르 제도라는 곳
사진인데 이게 이제 저렇게 지금
우리나라가 지구 온나나 아 우리나라가
아니죠 전 세계가 지구 온 나나로
문제가 되고 있다는 거에 대한
내용인데 저렇게 지구 온난화가 되고
있으면 모든 빙하가 다 녹을까 근데
그게 아니에요 그럼요 예 저번에
나사에서 오신 그 박사님도 했는데
수면 상승이 다 다르다고 했었잖아요
맞아 우리 한결 형님네 형 형네 근데
저렇게 빙하가 녹는 속도도 다 다른
거예요 어네 그래서 저 그래프는 제
제가 했던 건 아닌데 지금 빨간색이
빙하가 녹는 지역이고 이제 파란색은
빙하가 생기는 지역인데 보면은 위에
있는 데는 전부 다 빨 빨개요
해안선이 근데 밑에 있는 데는 또
그렇지 않죠 네 그래서 보면은 제가
빨간 네모를 쳐 놓은 곳에 보면은
오히려 마이너스인 곳이 있어요네
저기는 빙하가 얼고 있어서 해수면
상승이 안 일어나고 오히려 지금
해수면 하강이 일어나는 아네 그래서
저걸 보고 저도 이제 아 우리나라
데이터를 가지고 뭘 해 볼 수 있을까
하고 이제 저는 이제 저 빙하 같은
데이터는 없는데 우리나라에는 빙하는
없지만 조이 데이터라는게 있습니다 아
썰물 밀물네 맞습니다 그 조위가
조수간만의 차를 다 기록한 건데
우리나라도이 데이터가 60년 이상
쌓여 있는 것도 있어요 와 예 그래서
이걸 가지고 어떻게 잘 쪼개서 해수면
상승하는 턴만 뽑아서 봤더니네 이게
우리나라의이 좁은 지역에서도 해수면
상승률이 다 다르더라 어 그러네요네
그래서 뭐 동해의 남해에서도 또 다
지맘대로라네 예 희망편 끝에
도달했습니다네 근데 이제 데이터가
없으면 어떻게 해야 되냐 어 아까
제가 이미 살짝 하나 얘기해
드렸잖아요 포커 데이터가 없어서 다
수집을
했다 없으면은 수집하면 됩니다 예
그래서 크롤링이라는 거를 보통 데이터
분석 입문할 때 보통 배우죠 예
데이터가 있어야 뭘 하니까 그래서
그거에 대한 이야기를 몇 개 더
이야기해 드릴 텐데 그래서 이제 아까
얘기했던네 텍사스 홀덤 게임
시뮬레이션을 제가 이제 비교를 해야
되는 거예요 그러니까 이제
시뮬레이션을 우선 하는 거죠 과연
이론적인 수치와 맞는지 수학적으로
계산한게 이게 또 재밌는게 나의
기대하는 패는 사람의 게임에 참여하는
순 사람의 수마다 달라지잖아요 그 예
그러니까 이제 그러면 그것도 이제 두
명일 세 명일 때 다 해봐야 돼요네
그러니까 그 데이터를 내가 수학적으로
계산하는 거보다 시뮬레이션이 더
좋으니까 이렇게 시뮬레이션을 할 수가
있다 좋네요 또 이제 게임
이론이라는게 또 제가 했던 분야 중에
하난데 와 재밌는 거 하셨네요네 저
죄수의 딜레마도 별거 아닌 거 같은데
저걸로도 또 노벨 경 경제학상을 또
받으셨습니다 네네네 저 죄수의
딜레마가 우리나라에서는 저것 때문에
이제 사람들이 그나마 좀 보셨을
거예요 일반 분들도 무한도전이 없는게
없어요 맞습니다 그래서 저런 죄수의
딜레 를 가지고 시뮬레이션을 할 수가
있어요 그럼 시뮬레이션에서 뭘 보냐
사람들이 왜 협력하는 그러니까 저
죄수의 딜레마가 뭔지 간단하게 한번
설명을 해 주시면은 좋을 것 같아요네
저 죄수의 딜레마가이 두 명의 죄수가
갇혀 있고 내가 자백할 거냐 자백하지
않을 거냐 이제 결정을 해야 하는데
내가 합리적이라고 생각을 하고 고민을
하면은 자백을 할 수밖에 없어요 어
근데 아이러니하게 둘 다 자백하지
않을게 가장 좋은 미래에요 그네
그런데 내 입장에서 만 생각을
해보면은 나는 무조건 자백하는게
이득이기 때문에 자백을 해요 그래서
딜레마인 거예요네 그런데 이걸 가지고
시뮬레이션 해 봤더니 아 사람들이
그럼에도 불구하고 협력하는 미래가
나오더라음 예 이제 드디어 악네
절편으로
왔습니다 이게 무슨 일이냐네 데이터를
봤더니 내가 이해할 수 없는 결과가
나오는 거죠 근데 그 이유는 사실
데이터가 지금 어딘가 이상하다 아
있는 거네요면네 그래서네 데이터가
이상하면 할 수 있는게 적어져요
그래서 사실 앞에 제가 했던 그 당뇨
연구와 이어지는 건데네 먹는만큼 살이
찔까 근데 이제 이게 다 알고 있어요
그리고 뭐 유전적인 것도 있고
운동량도 고려를 해야 되고 최근 또
뭐 연구에서는 운동을 많이 한다고
살이 더 많이 빠지는 것도 아니래요
그니까 몸이 알아서 좀 최적화를
시켜서 운동을 많이 하면은 선형적으로
살이 빠지는게 아니라 좀 수렴한
대요네 운동을 엄청 많이 한다고 살이
엄청 많이 빠지는게 아니라 많이
빠지는 수준이다 이제 제가 그때 설문
조사를 했던 건데 음식에 대해서 설문
조사를 하고이 설문 조사를 칼로리로
바꿔서 봤더니 저 왼쪽 위에 있는
그림에서 보면은 어떤 사람은 하루에
만 칼로리를 먹었대요 설문 조사
상으로네 그리고 어떤 사람은 거의 0
칼로리에 가깝게 먹었대요네 0
칼로리만 안 먹은 거잖아요 그러니까
먹었다고 체크한게 없는 거예요 한 달
평균 음식 먹은 패턴을 기록해 주세요
그렇더니 뭐 뭐 하루 평균 한 뭐 한
100칼로리 칼밖에 안 먹은 거예요
아 진짜 그니까 이게 설문 조사하니
에러가 숨어 있는 거죠이 사람이
솔직하게 설문을 안 했던 거예요네
그러면 이제 이런 데이터의 전처리를
좀 잘 하고 그다음에 데이터 클렌징을
한 다음에 그거 가지고 결과를 뽑으면
또 재밌는 결과가 나오니까 데이터
이렇게 클렌징하는 추가적인 단계가
필요한 거예요네 어 그래서 이제
실제로 사람 저 저 같은 사람이
데이터 분석을 할 때네 대부분의
시간은 데이터 클린징에 아 아 데이터
클리닝에 쓰는구나 저는 데이터
분석하라고 말을 할 수 없는게 분석을
실제로 얼마 며칠 못 해요 맨날
전처리 하만네 전처리 하는데 거의
모든 시간을 쏟고 있거든요 아 위에
이제 이것도 유명했던 미인인데네
데이터 분석하고 싶은 사람 하면 다
손 들어요 재밌거든요네 뭔가 새로운
걸 발견하면 아 또 아 내가 이런 걸
발견했어 재밌는데 그럼 이거 분석하려
그래 봤더니 이상한데 데이터 클렌징
할 사람 네가 이거 손으로 다해야 돼
아무도 손을 안 드는 거죠 진짜 근데
실제로 데이터 분석가가 하는 시간에네
지금 저 잘 안 보이자 정리하자면
60% 데이터 클렌징을 하고 있고
19% 데이터 콜렉션을 하고 있다
그러니까 데이터 분석을 하는 시간은
사실 진짜 얼마 안 된다 아 아이고
망이네요 진짜네 이게
현실입니다네이 누군지 아시나요
오른쪽에 계신 분 미아자키 하야오
맞습니다 아 미아자키 하와 하야오 하
하야오 그 미국에 이제 저희가 토토로
어 뭐 그 지브리네 지브리
애니메이션의 거장이신 저분이 이제
유명했던게네 넷플릭스에 원래 절대
팔지 않겠다고 했어요 지부리 판권을
하지만 있죠 있죠 있는 이유가 뭘까요
돈을 많이 때려 보게
좋겠죠 너무나 많은 돈이었다네 하야오
님이 아유 영화를 보는데 어떻게
집안에서이 음양 효과도 작은 그런
곳에서 보면은 감동이 느껴지겠습니다
나는 안 된다 했는데 어마어마한 돈을
들리니 아이구 어쩔 수
없지라고 이렇게 했어요
네 그래서 이제 돈이 많으면은네 제가
말했던 절망 중에 많은 것들을 아
극복을 할 수가 있습니다 아네
1원짜리 요즘 많이
돌았습니다네 맞아요 정답이다 맞아요
돈이 더 많으면 됩니다 야 너무
절망스러운요네 저 지금 절망감을
느꼈어요 방금 근데 세상이 저렇게
돌아가
진짜로네 와 아 그래서 이제 사실
데이터 하면은 가장 유명한 뭐 큰
기업 그리고 저희에 맞다 뜨려 있는
가장 큰 회사가 사실 구글이잖아
구글은 심지어 돈이 많은데도 거기서
돈을 더 절약했다 이야기를 살짝
드리려고 하는데네 이제 이게 구글의
초창기네 창업 당시에 거라지 안의
모습이죠네네 차고 안에서 저게 이제
실리콘밸리에서 유행하던 뭐 그런
모습이죠 저런 모습으로 창업을 했는데
지금은 무시무시한 회사가 됐죠 구글이
지금 데이터 쪽에서 갓인 거잖아요 뭐
이걸 나타낸 건데 왜냐 그 사실게 난
모습도 있었던 거예요 어떻게 그 돈
많은 기업도 돈을 아에 대해서 짤막한
거 하나만 제가 준비했는데 보여
드리겠습니다 캡쳐라는게 아마 다들
아실 거예요 아 그렇죠 그죠이 캡처가
최초에 나왔을 때는 사람인지를 보인지
사람인지 해 보셨잖아요네 많이
해봤습니다네 근데 구글이 저희한테
노동을 시키고 있었던 거예요 어머나
설마 데이터 분석 데이터 수집이네
그러니까 구글이 시을 이제 여기
지도에서 데이터가 라벨이 돼야 그걸
를 가지고 AI 학습을 하는데 그게
자기네들이 기본적으로 알고리즘으로
대부분은 다 라벨을 할 수 있는데 잘
안 되는 데이터들이 있어요 어려운
데이터들 그런 경우엔 또 라벨이
잘돼야 어려운 문제도 풀 수 있잖아요
구글이 캡처를 통해서 지금 그렇게
데이터를 모으고 있습니다 그래서
사실상 구글이 몇 번 두 단계를
하는데 첫 번째 단계에서 사실 이미
사람인줄 알아요네 그런데 한 번 더
시켜요이 사진을 보고 하라고 자 한
여러 번 했어요 저도네 네가 사람인지
알았는데 이거 하나만 해 줘 저의
노동력을 수집을 하고 있는 거예요
그죠 그러면 또 저희는 그렇다고 어
나 사람 맞아 사람 맞아 하면서 더
열심히 하게 된단 말이에요네 그래서
이제 제가 속하 있는 곳이 바로
키스티네 키스티네 저희 이렇게
캐릭터가 귀여워요 누가 그렸는지
모르겠는데 저렇게 귀여운 캐릭터가
있고 그래서 저 캐릭터가 있고 저희
기관에는 보통 많은 분들이 이제 슈퍼
컴퓨터로 가장 많이 잘 알고 있고
이미 얘기 드렸던 것처럼 저희는 이제
데이터 분석 본부에 저는 속해 있고요
이제 키스트 의 소개는 살짝 했고
이제 내가 지금까지 연구 들어와서
해온 그리고 앞으로 이제 해야 될
그런 일에 대해서 좀 소개를 시켜
드리겠습니다 네네 그래서 저는 사실
이제 아까도 살짝 얘기했지만 통계
물리학이 걸 전공을
했어요네이 통계 물리학이란게 저희가
알고 있는 물리학에 통계가 좀 접목된
거예요네 보통 저희가 하는게 물리
같지 않죠네 제가 지금까지 앞에서
소개해드린게 대학원 생에서 했던 건데
사실 물리 같은게 하나도 없었어요
그러니까 통계 물리학 정통 에서
보면은 사실 약간 사파 같은 아 예
하지만 우리가 해야 하는 이유는
우리가 잘할 수 있기 때문에음네
그니까 통계 물리를 할 수 있는
소양을 갖췄다면 이런 데이터 분석도
되게 잘할 수 있거든요 아 예 그래서
저희가 하고 있습니다 그지만 사파가
재밌다네 어 제가 네트워크 과학을
했는데 뭐 여러 가지 뭐 주제들이
있는데 사실 저걸로 설명하는 거보다
그냥 사례를 들어서 더 보여 드리는게
낫잖아요 그래서 이식스 디그리 스브
세퍼레이션 알죠 알죠 알죠 노래도
있어요 심지어 어 노래도 있어요네 안
유명한데 노래도 있어요 저게 여섯
단계만 법 건너가면 모든 사람이 다
연결돼 있다 흔이 말하는 케빈 베이컨
게임으로 잘 알려져 있죠네네 그래서
이거의 최초 모티브가 됐던 거는
밀그램 실험이라는 거예요네 그래서
이게 뭐냐면은 아까 얘기 드렸던
것처럼 옛날에는 컴퓨터가 없고
전자화가 되어 있지 않기 때문에
논문을 종이로 봤잖아요이 밀그램이라는
심리학자들 저분은 다른 실험도 되게
유명한게 많아요 더 엑스페리먼트라는
것도 도 사람 심리 가지고 뭐 영화
나온게 있는데 저희 쪽에서는 밀그램
실험이 더 유명한게 전혀 모르는
사람한테 편지를 씁니다네 그런데이
편지를 모르니 사실 전달이 안 되는데
본인이 알 거 같은 사람한테 계속
전달 전달을 통해서이 편지를 도달해
보고 싶어요 예 해서이 사람을 알 수
있을 것 같은 사람한테 편지를 이어
주세요 주소를 계속다는 거예요 그래서
편지를 보냈더니네 편지가 도달을
했는데 평균적으로 여섯 단계 정도에
도달하더라도
아 예 예 그래서 그게 아주 옛날에
이미 실험을 했고 지금은 이제
디지털화가 돼서 케빈 베이컨 게임이
그거에 이제 디지털 버전이 된
거죠네 그래서 뭐 이렇게 네트워크를
우리 주변에서 재밌는 이야기 할 수
있는게 저런 것가 이제 알 수 있다
그래서 어머 힘들다 급 마무리인데네
그래서 저것도
전데네 그랜저를
한번네 신혼 여행 갔을 때 야
신혼여행 가셔서 저를 하셨습니까 예네
이걸 미리 상상한 거죠 야 언젠
나오지까 걸 와
멋있습니다이야 오늘 데이터과학 그
필요성과 그리고 그 재미와 그리고 그
고난과 그 속에 담겨 있는 어려움까지
다 한꺼번에 알려주신 김영진 박사님께
큰 박수 한번 보내
드리겠습니다네 데이터 분석이 아 이런
것도 가능하구나 이렇게도 해석을 할
수 있구나 네또이 어 있나이 많은들을
다 한꺼번에 이렇게 진짜 양념처럼 잘
버무려 주신 김진 박사님께 다시 한번
박수
보내드리겠습니다네네 오늘 이제 김영진
박사님 모셔서 데이터의 과학 그다음에
데이터 사이언티스트가 어떤 어떤
분야인지 너무 즐거운 시간이었습니다네
다음에 기회가 되면은 또 한번 출연해
주시면은 너무 좋을 것 같고 어
오늘은 여기서 마치도록 하겠습니다
인사 시간도 많습니다 여러분의 시간
낭비해 드릴 느리지만 쿨한 랩
미팅이었습니다 감사합니다
교수님들 감사합니다
