생물학, 통계학, 데이터 과학

2022년 6월 29일 책이 출간되었습니다. 일주일 뒤, 캐나다에 있는 저희 집에도 책이 도착했어요. 

지난 2년동안 정말 보고싶었던, 만져보고 싶었던 책이 제 손에 있습니다. 여러 감정이 교차합니다. 특히 책 표지 디자인으로 편집자님과 얘길 나눴을때 어떻게 나올지 정말 궁금했었거든요. 

잡았다! 너였구나!! 내가 2년 동안 보고싶었던 그 책이.. 

책도 제법 두껍습니다. 원래 300페이지 정도를 생각해서 집필을 시작했는데요. 쓰다보니까 계속 욕심이 나서 470페이지로 되었습니다. 사실 더 넣고 싶은 부분이 있긴 했지만 500페이지가 넘어가면 너무 양이 많아지고, 그리고 전체 틀을 보여드리는게 목적이라 그 깊이를 조절하는거에 많은 생각을 했던것 같아요. 

출판사로부터 집필을 제안받은 후, 제가 목차를 만드는 과정에서 제일 집중했던 것은 다음과 같았어요.

내가 전달할 수 있는 메시지가 무엇일까?

그래서 제가 대학교 다닐때, 취업준비할때, 그리고 일하면서 어떤 점이 중요할까.. 내가 어떤 점을 알고 있으면 좋았을까..를 많이 생각했고요. 그래서 책의 주제로 상황을 제시하고, 질문을 던지고, 답을 찾아가는 과정을 적어보았습니다. 

목차 중 일부를 보면, 이렇게 질문하는 경우가 많았고요. 책 전반에 걸쳐서 상황을 제시하기도 했습니다. 상황을 제시하고, 질문을 던진다면 책을 읽는 과정에서 데이터 사이언티스트의 기본 자질인 <질문자>가 되지 않을까? 질문을 던지면 비로소 보이는 것들이 있고, 질문에 대한 답을 찾는거에 집중하다보면 내가 무엇이 부족한지, 내가 어디를 공부해야하는지를 보이거든요.  

여기에 있는 그림도 다 제가 만들었는데요. 컬러로 작업했다가 색 하나로 작업을 하고, 그리고 흑백으로 작업을 하다보니..시간이 늦어졌습니다. 제가 그림을 작업하다보니 그래서 더 상황을 더 잘 표현할 수 있었던것 같습니다.

그렇게 1년 가까이 집필하고, 그렇게 1년 가까이 편집을 해서..이렇게 끝을 맺습니다. 전 또 어떤 시작을 하게 될까요? 그리고 여러분은 책을 읽고 나서 어떤 시작을 하게 될까요? 

yes24: http://www.yes24.com/Product/Goods/110281958 

알라딘: https://www.aladin.co.kr/shop/wproduct.aspx?ItemId=296978327 

교보문고: http://www.kyobobook.co.kr/product/detailViewKor.laf?ejkGb=KOR&mallGb=KOR&barcode=9791165921521&orderClick=LEa&Kc=#event_info 

구글 엔지니어인 Blake Lemonie은 자신이 테스트하고 있던 구글 대화형 인공지능인 람다가 인지능력을 가졌다고, 그의 블로그에 다음처럼 글을 올렸는데요. 이걸 보자마자 드는 생각은... 

하지만 추상적인건 어떻게 식으로 표현해야할까요? 

추상적인 값을 어떻게 수식으로 바꿀 것인가...에 대한 생각이었습니다. 통계치라는게, 어떤 예측 모델에 대해 성능을 평가하는 수식이라는게 얼마나 편한 값인가..라는 생각도 들었어요. 식이 있다는 것. 참으로 감사한 일 입니다. 그저 그 식에 우리가 가진 값만 대입하면, 원하는 값을 계산할 수 있잖아요. 

인식이 있다 없다..란 기준은 무엇일까요? 

블레이크 입장에 대해, 구글은 그의 주장은 과학적 근거가 없다고 했죠. 그렇다면 구글이 말한, 그의 말이 과학적인 근거가 없다라는 말의 근거는 무엇으로 따졌을까요? 앞으로 인공지능이 인지 능력이 있냐 없냐는 이 기사가 끝이 아닐겁니다. 이제 시작이겠죠. 그렇다면 우리는 무엇을 인지로 봐야할 것인가..에 대한 합의점이 필요합니다. 그리고 수식이 필요합니다. 이건, 데이터 과학자 뿐 아니라 여러 분야의 전문가들이 모여 식을 만들어야 할 거예요. 구글은 이미 수식이 있는지도 모르겠습니다. 

그리고 조만간, 우리가 상대하는 상대방이 인간이 아니고 인공지능이 될테며 우린 그 상대방이 인공지능인지조차 모르고 살 수도 있겠다란 생각도 들었고요. 대화만 본다면 인간과 인공지능을 구분하는게 더 어려워질텐데..과연 우리가 구분할 수 있는 경계선도 필요할 듯 해 보입니다. 

마치 암호처럼 모든 인공지능에 특정 질문에는 똑같이 대답하는 무언가를 넣어야하지 하지 않을까요? 

참 많은 생각을 하게 된 뉴스입니다. 

https://youtu.be/4FOdweDbzLw

대화 원문: https://cajundiscordian.medium.com/is-lamda-sentient-an-interview-ea64d916d917

구글 블로그: https://blog.google/technology/ai/lamda/

안녕하세요. 이지영입니다. 

유튜브도 운영하고 있지만 사실 영상을 못 올린지 꽤 되었어요. 영상 올리고 싶은 마음은 정말 굴뚝인데, 아이 두명을 돌봐야하는 워킹맘인지라, 체력적으로 도저히 안되더라고요. 그런데 작년 11월, 클래스101에서 강의 제안을 받았어요. 데이터 분석에 관한 내용인데, 사실 파이썬으로 하는 데이터 분석은 유튜브에 올리고 싶은 마음이 큰지라, 대신 유료 강의만큼 제가 일하면서 가장 중요하게 느꼈던 부분이 무엇인가에 대해 생각해보았습니다. 

그게 <데이터 분석 + 데이터 모델링 + 클라우드 서비스로의 자동화> 이렇게 세 가지를 한꺼번에 생각하기 이었어요. 데이터 분석을 하게되면, 잘 정리된 데이터를 불러와 통계치 보고, 그래프 그리고.. 그렇게만 생각하곤 했거든요. 하지만 막상 일을 해보니 그게 아니었습니다. 어떤 통계치가 있는지, 어떤 시각화를 사용해야하는지, 이건 강의도 많고 책에도 잘 나와있었는데요. 더 중요한건 이걸 큰 틀에서 바라보는거였어요. 

왜냐고요? 

- 데이터는 우리가 원하는대로 있지 않습니다. 그리고 데이터 사이즈가 커질수록 이걸 한꺼번에 저장하기 보다 여러 개로 나눠서 저장하기도 하죠. 우리가 원하는 것을 얻기 위해, 원하는 답을 찾기위해 우리가 어떤 데이터를 가지고 있어야하는지, 그 데이터가 원하는 형식으로 있는지, 확인하는 작업을 거치죠. 물론 이 과정은 프로그래밍 랭귀지 기술이 필요합니다. 하지만 이 기술은 계속 하다보면 늘게 되어있어요. 하지만 우리가 어떤 데이터가 필요한지, 어떤 원하는 형식으로 갖춰야하는지- 이 부분은 연습을 하지 않으면 절대 늘 수 없습니다. 그리고 이게 얼마나 중요한 작업인지 그 필요성을 스스로 깨닫는것도 저한테 오래 걸렸던 부분이었는데, 이걸 빨리 알려주고 싶었어요. 

- 예측 모델 만들기 -  너무 중요하죠. 그런데 예측 모델이 여러개 있다면? 이 예측 모델을 매일 돌려야한다면? 어떻게 할까요? 

- 모든 과정을 로컬 컴퓨터가 아닌 클라우드 서비스에서 작업하려고 하면 무엇을 꼭 알아야할까요? 데이터 과학에서 자동화는 이제 필수인데요. 로컬 컴퓨터에서 작업할때와 클라우드 서비스를 활용할때 어떤 점이 달라질까요? 

강의에서 AWS를 다뤘지만, 각 클라우드 서비스마다 제공하는 서비스의 맥락은 굉장히 비슷합니다. 강의를 들으면서 개인 포트폴리오로 활용하셔도 되고, 취업 준비생 분들에게, 일을 막 시작하는 분들에게 도움되는 부분이 많았으면 하는 바람에서 강의를 만들겠다고 했었죠. 강의 댓글 중에 가장 고마웠던 댓글은, 36개의 강의가 짧은 강의인줄 알았는데 굉장히 배울게 많은 강의 였다라는 내용의 댓글이었습니다. 

기회가 된다면 이제 유료 강의가 아닌, 유튜브에서 강의를 올려보려고 합니다. 책 작업이 마무리 되는대로 유튜브 강의를 만들고자 하는데, 수정 작업이 길어지게 되었어요. 그래도 책 작업이 마무리 되면서, 혹시라도 제 강의가 어렵게 느껴진 분들이 계신다면, 곧 출간될 데이터 사이언티스트 실전노트와, 앞으로 올리게 될 유튜브 데이터 분석 강의로 도움을 얻으셨으면 합니다. 

이 글을 보게 된 여러분! 먼저 축하합니다. 사실 제가 이걸 조금 더 일찍 깨우쳤다면 얼마나 좋았을까...란 생각을 합니다.. 그걸 적어보려고 합니다. 바로... 

PASSION INTO ACTION

하고 싶은 일이 있으신가요? 그렇다면 그걸 행동으로 바꿔보세요.  열정을 행동으로!! 말이죠. 

데이터 분석가가 되고 싶은데, 데이터 과학자가 되고싶은데, OOO이 되고싶은데 어떻게 해야하죠? 라는 얘길 정말 많이 듣곤 합니다. 저 역시 취업 준비할때 데이터 과학자가 되고싶은데 어떻게 해야하지? 이런 생각을 정말 많이 했었습니다. 탈락이라도 하면 굉장히 좌절도 했었고요. 난 데이터 사이언티스트가 될 수 없나보다, 난 통계학자가 될 수 없나보다..이렇게요. 그런데 지금 생각해보면 정말 어리석은 생각이었습니다. 

무언가를 정말 간절히 바란다는건 그만큼 열정이 있다는 뜻인데요. 그 열정은 취업을 해야, 어디에 소속이 되어야 자신의 열정을 그제서야 빛을 바라는게 아니라는거죠. 데이터 분석가가 되고싶다고요? 이미 본인이 데이터 분석가라고 생각하세요! 이미 본인이 데이터 과학자라고 생각하세요. 라고 말씀드리고 싶습니다. 자신의 꿈과 열정을 누군가가 인정해줘서, 어느 조직에 들어가야지만 그제서야 빛을 보는게 아니거든요. 제가 많이 들었던 질문으로 한가지 예를 들어보겠습니다. 

 데이터 분석가가 되려면 어떻게 해야하나요? 

데이터 분석가라 생각하고 일단 데이터 분석을 해보세요. 데이터 분석을 어떻게 해야할지 모르겠다고요? 그럼 분석된 것부터 찾아보세요. 어떤걸 찾아야할지 모르겠다고요? 통계 공부를 할지, 데이터 시각화부터 공부해야 할지, 프로그래밍을 공부해야할지.. 어떤 순서로, 어떻게 시작해야할지 모르겠다고요? 그렇다면 공부해야 할 건 잠시 미뤄보도록 할게요. 

데이터 분석가가 되고 싶다면, 데이터 분석가라고 생각하고 어떤 산업의 데이터를 보고 싶나요? 그래서 어떤 분석을 하고 싶나요? 본인의 분석으로 어떤걸 결과를 냈으면 좋겠나요? 라고 시작해보세요. 의료 데이터를 보고싶다면 의료 데이터 찾아서 프로그래밍으로 데이터도 불러와보고, 어떤 종류의 데이터가 있는지, 그래서 어떤 값을 가지는지, 그렇게 하나씩 하나씩, 난 이미 데이터 분석가다-라는 마음으로 시작해도 좋습니다. 난 어떤 값을 구하고 싶은데, 어떻게 구해보지? 데이터를 어떻게 바꿔보지? 이걸 표현할 수 있는 그래프는 뭐가 있지? 그래서 무엇을 결론이 뭐지? 이렇게 지식을 확장해 나가는 방법도 좋은 방법 입니다. 

물론 전문가가 되기 위해 전문 지식을 갖춰야하는건 중요하죠. 하지만 시작 단계에 있어서, 내가 하고싶은 분야에 대한 열정을 얼마나 행동으로 전환하고 있는가!가 더 중요하다고 생각해요. 지금 여러분이 가진 열정 중 얼마나 행동으로 옮기고 있나요? 행동 없이 그저 머릿 속으로만 생각하는 허상을 열정이라고 착각하고 계신건 아니길 바랍니다. 

토종 한국인 문과생 출신으로 게다가 수학은 10년 전 수능 수학이 마지막이었죠. 그랬던 제가 캐나다 대학교에서 통계학을 다시 공부했다라고 하면,

수학 잘 하셨나봐요? 
수학 좋아하시나봐요? 

라는 반응이었습니다. 여기서 잘 한다와 못한다의 차이는 무엇일까요? 성적이 기준일까요? 학년이 지날수록 제 성적은 좋아졌는데, 수학을 점점 잘하게 된걸까요? 제가 수학을 좋아한다라고요... 흠. 먼저, 토론토 대학교 다닐때 일기를 보겠습니다. 일기장에 죄다 공부하기 힘들다, 학교가기 싫다라는 내용이 한가득 입니다. 

시험 보기 전에 로바츠 도서관에 많이 다녔는데요. 마치 감옥처럼 유리창 문으로 된 곳에 제 스스로 기어들어가 공부했던 기억이 납니다. 학교 얘기가 나왔으니 제가 제일 충격받았던 기억을 꼽자면요. 전공 교수님께서 칠판에 빽빽히 적어가며 강의를 하셨는데, 몇 몇의 학생들은 마치 영화관에 온것마냥 아주 편안한 자세로 교수님 강의를 듣기만 하는거예요. 뭐 공책, 랩탑 이런 거 없죠. 마치 영화감상 하듯이 듣기만 합니다. 전 교수님께서 뭐라 말씀하시는건지 이해도 안가는데, 그 학생은 교수님과 아주 자연스럽게 강의에 대해 얘기까지 주고 받는거예요. 그때 이런 생각을 했어요. 

우와...나만 이해 못 하나보다....... (씁쓸 + 큰일이다.) 

그런데 이런 생각을 하다보면 끝이 없더라고요. 한동안 이런 생각 때문에 많이 힘들어했어요. 울기도 했었고, 그만 둘까? 그런 생각도 했었죠. 하지만 수학이 어렵다는 이유로 제가 하고싶었던 일을 못하게 된다면 너무 억울한거예요. 그런데 남편이 이런 얘기를 해줬습니다. 

너가 어려워하는건 그저 익숙하지 않아서 그런 것 뿐이야.

새로운 걸 창조하는게 어려운 것이고, 이미 누군가 다 만들어 놓은것을 이해하는 작업은 그저 내 자신이 익숙해지도록 그 과정을 반복하는 과정이 필요한 것 뿐... 어려운게 아니라 익숙하지 않은 것 뿐이다. 전 이 말에 굉장히 위로를 얻었어요. 

그래서 제 스스로, 수학이 그저 익숙해지도록 했죠. 

토론토 대학교에서 가장 마음에 들었던 점은 학교가 예쁘다는 건데, 그런 풍경사진이 없네요. 

4학년 가을학기 끝나고 첫째를 출산하게 되었는데요. 대학교 4학년에 임신과 출산, 독박 육아까지 했으니 대학교 과정이 쉽지 않았지만 그래도 버틸 수 있었던 힘은, 어려운게 아니라 익숙하지 않아서 그런 것 뿐이다...라는 마음가짐 이었습니다. 

지금도 종종 일 하다가 막히면 이런 생각을 해요. 내가 지금 힘들어하는 이유는, 내가 이 과정을 처음 시작하기 때문이라고. 만약 이 작업을 두 번, 세 번, 여러 번 반복하면 힘들다는 생각을 하지 않겠지. 왜냐하면 그만큼 이 일에 익숙해졌다는 이야기니까. 그러니까 처음 과정을 잘 넘겨보자...라고요. 

프로그래밍 랭귀지를 처음 접하는 분 중, 파일을 읽지 못해서 난 프로그래밍에 소질이 없나보다..난 이 일을 하면 안되나보다- 라고 좌절했다는 얘기를 들었는데요. 첫 번째 파일을 읽어보고, csv파일, excel파일, json 파일, 경로를 다르게 해서, 다른 환경에서 파일 읽는걸 10번만 하게 되면 내가 왜 파일 못읽어서 좌절 했었지? 라고 생각할 거예요. (네, 제 경험 입니다.) 

익숙하지 않은 일에 대해 힘들어하거나, 답답하거나, 좌절하는 마음은 당연합니다. 하지만 그 마음을 담아두기 보다, <익숙하지 않아서 그래...>라는 마음으로 덤덤히 그 과정을 밟아가는건 어떨까요?