탈잉 - 세상의 모든 재능
다회차 수업
Zoom 또는 Hangout으로 진행됩니다. (사전 설치 필수)
실시간 톡
₩30,000원 / 시간
₩300,000 / 총 5회 10시간
Sean Kwon
뉴욕데싸
미국 현지 Data Scientist가 가르치는 Big Data! (feat. 연봉 2배 만들기)
찜하기
  • 2시간/회
  • 최대인원:2~6
  • ₩30,000/시간

튜터정보

  • 한양대학교 사회학과
  • Columbia University M.S. in Applied Anal
  • 신분 인증 됨
학부 문과 출신으로 시작하여, 현재 미국 현지에서 데이터 사이언티스트로 일하고 있습니다. 때문에 그 누구보다 데이터 문외한의 고충을 이해하고, 수년간 걸어온 길을 바탕으로 어떻게 하면 더 쉽고 효율적으로 접근할 수 있을지 많이 고민하고 가르쳐왔습니다.

# Experience
- 한양대학교 사회학 학사 (2004 - 2007)
- 군대 다녀옴...
- 삼성전자 무선사업부, 데이터 분석 (2010 - 2018)
- Columbia University, M.S. in Applied Analytics (2018 - 2019)
- Columbia University, Machine Learning Tutor, 대학원생 대상 (2019)
- Columbia University, Big Data Immersion Program Teaching Assistant, 외부 고등학생 대상 (2019)
- 현, 미국 모바일 서비스 업체 데이터 사이언티스트로 재직 중 (2020 - )
- LinkedIn: https://www.linkedin.com/in/seankwon1014/

# Project
- 모바일 어플리케이션 타겟 마케팅: 어떤 고객들이 다운로드 받을 확률이 높은지 예측
- 스마트폰 사용패턴에 따른 Insight 도출: 더 이상 특정 앱을 사용하지 않는 유저의 특성 분석
- 광고 배너 퍼스널라이징: 사용자들이 좋아할만한 아이템을 예측하여 광고 탑재
- 스마트폰 UX Insight: 사용자들이 각각의 앱을 어떤 패턴으로 주로 사용하는지 분석
- 압류 예측: 부동산 보험 안정성을 위해 파산 가능성이 높은 고객 예측

# 문과 출신에서 미국 데이터 사이언티스트가 되기까지
한양대학교 사회학과를 졸업하고 삼성전자에 마케팅 직군으로 입사하여, (타의에 의하여) 결제 데이터를 관리하고 분석하는 일로 커리어를 시작했습니다. 처음에는 단순히 엑셀 등을 이용해 Report하는 수준이었지만, 점차 분석에 대한 관심이 커짐에 따라 Machine Learning을 공부하여 활용해보기 시작했고, 덕분에 데이터 분석가로 포지션을 옮겨서 본격적으로 빅데이터 분야에 뛰어들었습니다.

스스로 공부하면서 느낀 한계와, 더 큰 무대를 경험해보고 싶은 마음에 미국 유학을 결심하여 Columbia University에서 Applied Analytics 석사 프로그램을 마치게 되었습니다. 늦은 나이에 대학원 생활을 하며, 교수님의 추천으로 대학원 내 관련 경험이 전혀 없는 학생들을 대상으로 Machine Learning Tutoring을 하였고, 여름 방학 때는 외부 고등학생들을 대상으로 하는 Big Data Class에서 Teaching Assistant로 많은 초보자들을 가르쳤습니다.

졸업 후, 코로나 사태에도 불구하고 미국 기업에서 Job Offer를 받아 데이터 사이언티스트로 재직 중이며, 한국에서 일할 때의 2배 연봉까지 받게되었습니다. 제가 산 증인입니다. 문과 출신도, 초보자도, 할 수 있습니다.

# 차별점
1) 풍부한 실무 경험: 빅데이터 과정을 가르치는 전문 강사분들도 훌륭하시지만, 풍부한 실무경험을 바탕으로 무엇을 어떻게 활용할 수 있는지 생생하게 알려드립니다.
2) 문과 출신의 데이터 사이언티스트: 배경지식이 없는 초보자들을 잘 가르치시는 강사분들도 많겠지만, 저는 실제로 문과출신입니다. 그래서 누구보다 초심자들의 마음을 잘 알고, 어느 부분이 답답한지도 알고있습니다.
3) 미국 현지의 생생한 경험: 한국에서 공부할 때 느꼈던 어려움 중 하나가 소스가 풍부하지 않다는 것입니다. 반면 미국에 와서는 아이비리그의 교수, 학생들을 통해, 그리고 수많은 온라인 소스를 통해 더욱 쉽게 방향을 잡고 공부 할 수 있었습니다. 강의가 끝나는 시점에서, 앞으로 여러분들이 더 나아가기 위한 방법론을 알려드립니다.

수업소개

##### 1:1 수업은 별도 문의바랍니다 #####

# 제 수업은 수박 겉핥기입니다.
데이터 분석을 하기 위해서 기본적으로 알아야할 것들이 매우 많습니다. 아주 간단한 예측 모델을 만든다고해도 기본적인 코딩 실력과 통계적 지식이 필요하죠. 많은 초보자들이 느끼는 어려움 중 하나가, 이러한 기본적인 것들을 준비하는 것부터가 어렵다는 점입니다. 지루하고, 막히고, 아웃풋은 너무 단순하고, 이걸 배우고나서 어떻게 데이터 분석에 써먹을지 보이질 않습니다.

그래서 저는 반대로 가르칩니다. 코딩을 1도 몰라도 일단 예측 모델부터 만들어봅니다. 최소한의 기본적 코딩과 통계지식, 알고리즘 원리등만 간단히 가르치고 눈에 보이는 아웃풋을 만들어냅니다. 그리고 처음에 간단히 넘어갔던 것에 대해 한단계 한단계 더 깊이 파고드는 방식으로 진행함으로써, 흥미를 잃지 않게끔하고, 무엇을 하기 위해 이것들을 배우는지 매우 직관적으로 이해 가능하도록 하며, 그 원리를 이해하고자 하는 호기심을 자극합니다.

이 방법은 제가 Columbia에서 Tutor로 일할 때 사용한 방법이기도 하고, 최신 딥러닝 알고리즘인 FastAI의 개발자 Jeremy Howard가 가르치는 방식이기도 합니다. 제가 배울 때의 지루함과 답답함을 여러분께는 넘겨드리고싶지 않습니다.


# 데이터 사이언스 고급과정은 없다!
제가 가르치는 과정에 초급, 중급은 있어도 고급과정은 없습니다. 이유인 즉, 데이터 사이언스는 어느정도 학습 궤도에 올라타면 그 다음부터는 스스로 학습할 수 있는 분야라고 생각합니다. 저 역시 지금도 새로운 알고리즘과 제가 미처 경험하지 못한 알고리즘을 꾸준히 공부하고 있습니다. 제가 한국에서 스스로 공부할 때 누리지 못한 풍부한 소스를 접하는 방법을 꾸준히 공유하여, 독립적으로 공부할 수 있는 상태로 만들어드립니다.


# 이 과정을 듣는다고 전문가 될 수는 없습니다.
이 짧은 과정을 듣는다고 바로 데이터 사이언티스트가 된다는 허황된 소리는 하지 않겠습니다. 다만, 10주 혹은 10개월이 걸릴 수 있는 과정을 10회차로 단축시키는게 제 목표입니다. 앞서 말씀드린바와 같이, 이후에는 올바른 방향성을 잡고 스스로 발전할 수 있는 상태로 만들어서 학습 궤도에 안착시켜드립니다.


# 진짜 현실적인 시각으로!
사실 데이터 사이언스의 범주는 상당히 광범위합니다. 저는 강의나 외주 프로젝트 중심이 아닌, 한국 및 미국에서의 Full-time Position으로 데이터 사이언티스트 경력을 바탕으로, 여러분들이 이런 기술을 어떤식으로 실무에 적용할 수 있는지 알려드립니다. 또한 전통적인 모델링 기법인 선형회귀나 의사결정 나무를 넘어서(초급), 실제 실무에서 쓰이는다양한Boosting Model이나 NLP에 대한 부분도 다룹니다(중급).


# Casual한 강의 분위기
지금까지의 내용을 읽으시면서 느끼셨겠지만, IT 분야라고하여 절대 딱딱하고 지루하게 가르치지 않습니다. 대학시절 과외할 때부터 제 강의 스타일은 한결같이 캐쥬얼합니다. 온라인 수업이지만 같이 소통할 수 있고, 에너지를 느낄 수 있는 강의를 보여드리겠습니다.


### 현재 뉴욕에서 일하고 있기 때문에, 모든 강의는 온라인으로 진행됩니다.

수업대상

  • 파이썬, R, SQL, 데이터 분석, 통계, 머신러닝에 대한 지식이 전무한 초보자들을 위한 수업입니다. 그렇기 때문에 파이썬 언어에 대한 깊이있는 내용보다는, 오직 데이터 분석에만 포커싱하여 진행합니다.

커리큘럼

1회차

1. Data Science Overview
- 개념: Big Data, Data Science, Machine Learning, A.I, Deep Learning
- 포지션 이해: Data Scientist, Data Analyst, Data Engineer, Business Analyst
- Machine Learning 개요

2. Regression
- 알고리즘에 대한 이해
- Airbnb Price 예측하기(코딩)

2회차

3. Classification
- 알고리즘에 대한 이해
- 광고 반응율 예측하기(코딩)

4. Python 기초 I

3회차

5. Clustering
- 알고리즘에 대한 이해
- 쇼핑몰 데이터: 고객 Segment 분류

6. Overview of Other Machine Learning Algorithms
- SVM, NLP, Boosting Model, Deep Learning 알고리즘에 대한 이해

4회차

7. Python 기초 II

8. Data cleaning / Model Optimization
- 실제 데이터는 깨끗하지 않다! 데이터 정리하기
- 모델 최적화를 통한, 최적의 아웃풋 도출하기

5회차

9. Visualization
- Python을 통한 다양한 그래프 만들기

10. Kaggle Competition
- Kaggle 소개
- 실습 프로젝트

튜터영상

리뷰

리뷰쓰기

수업과 관련해서
궁금한 점이 있으세요?

실시간 톡하기
튜터와 더 편리하게 소통해 보세요

탈잉 어플리케이션을 스마트폰에 설치하면 메세지 알림을 받으실 수 있습니다.