ㅠㅠㅠ

편집자:🥕

제 개인적인 견해를 말씀드리자면, 데이터마이닝은 단순히 데이터에 숨어있는 패턴함수를 찾는게 목적이었다면, 데이터사이언스는 좀더 포괄적입니다. 데이터사이언스는 단순히 패턴함수를 찾는게 아니라, 다음의 두가지 핵심을 가진다고 생각합니다. 1. 데이터를 통해 적절한 통계적 모델을 세운 뒤 가설검정 및 추정하는 과정 2. 통계적 모델 또는 머신러닝 모델의 수학적 원리를 알고 상황에따라 적재적소에 필요한 모델을 적용하여 현상을 예측( 무지성 머신러닝 때려박기가 아닙니다. 머신러닝 모델과 통계적 모델은 모두 일장일단이 있기에, 무지성 머신러닝 다 때려박기는 비전공자 레벨이지 데이터사이언스 레벨이라고는 개인적으로 안 봅니다.) 정리하자면 제 의견으로는 데이터마이닝은 "예측 알고리즘" 에만 초점을 맞춘 느낌이라면 데이터사이언스는 예측 뿐만 아니라 가설검정, 적절한 수학/통계적 모델을 세워서 현상을 검증하는 과정을 모두 포괄한다고 생각합니다. 사실 그래서 저는 데이터마이닝 레벨에선 개발능력이 더 중요했을수 있어도, 데이터사이언스 레벨에선 통계학 실력이 가장 중요하다고 봅니다. 수학적으로 모델세워서 현상 검증하는 것, 가설검정, 예측 모델을 원리 레벨에서 공부하는 것 모두 정확히 통계학과에서 다루는 내용이기 때문입니다.

실시간을 안하는것이 조작이다. 요즘 시대에.

그쵸. 정확한 지적이십니다. 벤포드 법칙을 따른다면 그게 조작일 가능성이 있는거죠

발표자입니다! 얘기해주신 부분이 맞습니다! ㅎㅎ 워낙 오래전 일이라 기억이 잘 안났었는데, 처음 시작은 그런 목적으로 했다가 실제 분석할 땐 그 사실을 인지하고 사실 방법론은 다른 방식으로 진행했었습니다...! 좋은 지적 감사합니다!