데이터 지능 E3 '생활데이터' 생방송 (출연: 권정민 & 최규민 / 시작: 한국시간 11/4 토 13시)

데이터 편을 이제 시작을 하겠습니다 아 저희가 이제 방송 벌써 이제 세 번째를 맞이했는데 그 사실은 그동안에 어 첫 두 방송을 지금 천분이 이제 천 다운로드 기록을 했어요 방금 제가 봤는데 네 그래서 아직 봤네요 네 아마추어 아마 그 방송에는 다 아마추어인데 아마추어가 만드는 방송을 이렇게 사랑해 주셔서 감사드리고 더 좋은 방송으로 예 어쨌든 오늘은 참 제가 개인적으로 굉장히 그 관심이 많은 분야이면서 또 그 제가 또 훌륭한 게스트를 알고 있는 분야인 생활 데이터 생활 데이터 생활 데이터란 무엇이냐 그 생활 데이터는 이제 제가 생각하는 거는 데이터를 어 생활화하고 생활 속에서 이제 데이터를 뭔가 계속 그니까 문제를 찾고 분석하고 뭔가 그걸 계속 사람들과 소통하고 약간 그런 전체 데이터 분석의 생활화 약간 그런거를 이제 제가 전 생활 데이터라고 생각을 하는데 아 네 그러면은 이제 얘기를 하기 전에 저희가 이제 그 생활 데이터 쪽에서 굉장히 그 활발한 활동을 해오신 권정민님과 최규민님을 모셨습니다 여기 오늘 태용님도 조인을 하실 뻔했는데 오늘은 힘드신 것 같고 어쨌든 일단 권정민님부터 예전에 사실 팟캐스트에 모신 적도 있고 사실은 굳이 생활 데이터가 아니더라도 데이터 과학자로서 여러가지 많은 활동을 하고 계신데 일단 간단히 자기소개 좀 부탁드릴게요

네 안녕하세요 권정민이고요 지금 데이터 분석 쪽 일을 계속 해오고 있고 지금은 우아한 형제들에서 데이터 분석가로 일하고 있습니다

이렇게 불러주셔서 감사합니다 우아한 형제들이라면 저는 써보진 않았지만 배달의 민족 네, 맞습니다. 그러면 그 어떤 쪽 일을 하시는지 여쭤봐도 될까요?

배달의 민족이라든가 아니면 배민 라이더스 같은 어떤 음식 배달 앱을 주로 하고 있는데 거기에도 회사가 시작한지 어느 정도 되면서 사람들이 어떤 음식을 어떻게 시켜 먹고 이러는 것에 대한 데이터가 어느 정도 쌓였어요 그래서 그런 거를 가지고 실제로 사용자들의 어떤 패턴 같은 것들도 보고 그러면서 사용자들에게 추천을 한다든가 아니면 사용자의 선호도가 어떻게 되는지 그런 고객 분석이라든가 아니면 앱 사용 분석 같은 것들 이제 여러가지 다각도로 데이터를 보려고 하고 있습니다

굉장히 흥미로운 데이터일 것 같은데 예를 들어서 그러면 전 국민의 식생활이 다 그냥 딱 보이는 그런 데이터 아니에요?

최소한 배달하는 음식들에 대한... 우리나라 사람들이 치킨을 얼마나 좋아하는지 정도는 알 수 있습니다. 치킨 사랑이 너무 최고인 것 같아요.

외국인들도... 외국인들도 이제 서울에 오면 꼭 한강에서 치킨 시켜먹는 코스가 아주 유행이다 그러더라고요. 우리나라만의 특색있는 문화이고 아주 그냥 체험하면 그냥 만족도 최고다 그러더라고요. 그런데 아주 인기를 하고 계시네요.

그러게요. 근데 외국인이 한강에 치킨이 배달이 된다는 거 어떻게 알 수 있을까요?

인터넷에 블로그가 잘 있지 않을까요? 생각보다 외국인들이 우리나라에 대해서 더 잘 아는 것 같아요. 분석을 해서 좋은 것을 은근히 우리나라 사람들이 우리나라 좋은 것을 잘 모르지 않을까라는 생각도 거꾸로 들더라고요

그러게요 저도 외국 나가면 정말 눈에 불을 켜고 찾잖아요 명소를 그럴 수 있겠네요 역으로 네 그 치킨 말씀하셔서 그런데 이것도 생활데이터 얘기인데 제가 아주 예전에 그 뭐냐 책 쓴다고 이제 차를 찾는데 그 치킨집 아드님이 네 맞아요 치킨이 언제 그 얼마나 이제 배달이 되는지 그거를 이제 분석을 하셔가지고 어디 공모전 같은 데서 무수상을 타신 적이 있어요 기억나시죠? 네 제가 엄청 공유하고 다녀서 아마 당연히 아실 네 저 참 그래서 아 이게 참 그 그런 아들을 나중에 낳아야겠다 생각했는데 예 뭐 저도 제 아 그 얘기가 나왔으니까 저는 뭐 그 제 소개는 뭐 지난번에도 했으니까 근데 이제 제가 최근에 딸을 그 4개월 된 딸을 낳아서 예 기르고 있습니다 그래서 그 딸이 이제 사실 당연히 되게 예쁜데 그거를 이제 저는 딸을 잘 키워야 되잖아요 그래서 잠깐만요 딸을 키우는 문제를 데이터 과학으로 풀어보자 해가지고 내가 최근에 계속 데이터 과학자의 육아일기 이런 글을 써가지고 이제 또 육아의 데이터화 그런 걸 한번 했었는데 이게 정말 정말 저한테 중요한 문제잖아요 애가 울고 뭐 일단 살아야 되니까 사실 살아있는 게 고마운 건데 일단 살아야 되고 그 다음에 일단 살아있으면 건강하게 살아있으면 좋고 네 그래서 어쨌든 최근에 이제 그 백일의 기적까지 경험을 해서 육아가 좀 더 쉬워지긴 했는데 여러가지 그 재미있는 데이터 분석 네, 굉장히 재밌었어요.

저희도 저희 아기가 지금 5살이거든요.

아, 네.

그래서 저도 이렇게 아기였을 때 이렇게 하루에 분율을 몇 번 보고 이런 것들을 와이프가 다 기록을 했었는데 아, 이 데이터를 먼저 분석을 해봐야겠다, 해봐야겠다라고 이렇게 오셨었는데 이렇게 많이 잘해주셨네요. 네.

뭐, 규민님 어떻게 간단히 소개 부탁드릴게요.

저는 채규민이라고 하고요. 데이터 관련 업무를 본격적으로 한 것은 아프리카 TV에서 빅데이터 플랫폼을 만들거나 추천 시스템을 만들면서 좀 많이 접하게 됐고요. 그리고 현재는 쿠팡을 다녔다가 최근에는 카카오에 조인을 해가지고 추천 시스템 이런 쪽을 만드는 업무를 지금 담당해서 진행을 하고 있습니다.

그... 아프리카 TV라면은 한국의 가장 유명한 인터넷 방송 플랫폼 아닙니까?

아, 그렇죠. 네. 원래 처음에 이렇게 2012년 제가 2012년도에 이제 아프리카 TV로 조인했었을 때는 거의 독보적이었는데 요즘에는 많은 챌린지를 받고 있죠. 그래도 국내에서는 그래도 입지는 아직까지는 좀 탄탄한 것 같아요.

그러게요. 그... 그 방송이라는 게 참 굉장히 이제 추천 시스템을 만든다고 하셨는데 이제 그 방송을 추천하는 건 참 쉽지가 않을 것 같아요 왜냐면은 사람이 뭐 흥미가 있긴 하겠지만은 그 흥미에 따라서 뭐 계속 움직이지도 않을 것 같고 네 그렇죠 흥미가 바뀌기도 하고 약간 그럴 것 같은데 뭐 그런 면에서 어떤 좀 고민을 방송을 추천한다는 거 문제에 대해서 어떤 좀 고려사항 같은 게 있나요?

어 좀 그랬던 것 우선은 뭐 협업 필터링 이라던가 요런 기법을 쓰면은 기본적인 성능은 좀 나오더라구요 그런데 조금 간과했던 이걸 하면서 관가를 좀 했던게 우리가 동영상을 보면은 봤던 거는 안 보잖아요 근데 라이브는 봤던 거를 더 잘 보더라고요. 그건 관과하고 처음에 만들었었는데 아무리 튜닝하고 하이퍼 파라미터를 조정해도 안 되다가 기획자분이 얘기를 하다가 봤던 것도 좀 해주자, 봤던 걸 좀 많이 뺐거든요. 그러다 보니까 그걸 넣고 조금 조정하다 보니까 기존에는 클릭률이 7% 되던 게 거의 25%, 30%까지 훅 올라가더라고요. 그런 참 특이한... 그런 거를 조정하는데 막 2, 3일밖에 안 걸렸었는데 진짜 그 도메인을 잘 파악하는 게 되게 중요하구나라는 생각이 들었고 근데 거꾸로 이렇게 봤던 애만 또 계속 나오니까 추천의 다양성을 좀 더 많이 못하더라고요. 그게 계속 그런 이렇게 하나를 잘 되면 클린이를 올리면은 또 다양성이 줄어드는 것 같고 그런 것들에 대해서 많은 고민이 있었던 것 같아요.

아, 그러면은 근데 그... 방송이 그러니까 라이브를 추천한다는거니까 그 시리즈를 뭐 예를 들어서 1편을 시리즈의 1편을 보면 내일 2편을 또 보고 약간 그런다는 말씀이신가요?

어 그렇죠 그러니까 내가 이제 어 혹시 철구를 아시나요?

철...

철구라고 좀 이렇게 하드코어한 그 아프리카TV계의 이제 거의 BJ가 있거든요 그런 분들은 이제 좋아하는 BJ만 되게 많이 봐요 엄청나게 아 그런 특성이 되게 있더라구요. 내가 좋아하는 bj, 내가 좋아하는 먹방, 컨텐츠를 좋아하거나 아니면 bj를 좋아하거나 이렇게 양분하긴 하거든요. 게임과 같은 컨텐츠 위주로 좋아하는 분도 있고 게임 프로그래머에 나는 이용호의 방송만 본다던가 뭐 이런식으로 이렇게 BJ를 좋아한다던가 이렇게 그런 콘텐츠를 좋아하는지 BJ를 좋아하는지 이런거에 대해서 추천을 해줘야 되는데 아프리카TV는 특히 좀 BJ의 특성을 더 많이 탄다라는 생각이 많이 들었어요 그런것도 계속 보고 데이터를 좀 탐색을 해보면서요

아 그러니까 호스트가 중요하다?

예 그렇죠 똑같은 먹방이라도 누가 하냐에 따라서 정말 다르듯 그 공부가 엄청 많이 되더라구요

그 뭐 배달의 민족은 어떤가요 그게 그것도 먹던 것만 계속 먹는 아무래도

패턴이 좀 있는 네 그것도 굉장히 역시나 사람마다 달라서 그 먹던 거를 계속 드시는 분 계속 똑같은 거를 드시는 분들도 계시고 그 다음에 완전히 계속 다른 거 그러니까 메뉴는 비슷한데 계속 다른 상점을 찾는 분들도 계시고 아니면 한군데에서도 계속 여러가지 시켜드시는 분들도 계시고 그래가지고 이제 그런 패턴들 찾아가는 것부터 하기도 했어요. 그 다음에 역시나 추천 같은 게 아무래도 이제 기존에 쇼핑몰이나 이런 거 추천이 아무래도 추천 분들이 많다 보니까 지금 규미님께서 말씀하셨던 대로 그 기존에 했던 아이템들은 빼고 이제 다른 관련된 아이템들을 추천하는 게 있는데 그 추천 모델이 그런 그 거리 기반이라든가 이런 식으로 이루어지는 것도 있지만 그 컨텐츠 기반으로 이제 추천하는 것들도 있잖아요 그래서 그런 거를 조합을 해가지고 만드는 게 꽤 어려웠었어요

그러니까 그쵸 추천 모델을 만든다고 했을 때 이제 피쳐가 굉장히 여러가지 있을 테니까 여러가지를 조합해서 이제 만드는 예 그 다음에 방식의

방식은 또 이제 알고리즘도 조금 섞어 줘야

되고 네 근데 둘 다 이제 좋은 거는 뭐 추천 시스템이 많이 그렇긴 하지만은 뭘 잘했다 안 좋았다 못했다 하는 그 뭔가 평가를 해야 되는데 평가가 시그널이 두 가지 다 명확할 것 같아서 좋을 것 같아요 음식 먹고 별점 매기고 이런 것도 있죠?

네 별점을 매기는 건 있는데 사실 사람들 그게 100% 매기는 것도 아니기 때문에 그거를 가지고 평가를 하기는 사실 좀 쉽지 않은 것 같아요. 그 다음에 음식을 시켰다고 먹었다고 하더라도 이제 뭐 음식은 좋았는데 저희는 이제 그 배달을 하는 것도 있다 보니까 뭐 배달 과정이라든가 이런 것도 다 들어가야 되잖아요. 그래서 그런 거에서 이제 불만 느끼면은 이제 별점 하나로 딱 떨어지는 게 아니니까 예 그래서 거기다 어떻게 가끔 이제 어비즌 같은 사례들도 있고 그래서 전반적으로는 별점보다는 이제 실제로 그 사람의 재주문률이라든가 아니면은 실제 앱을 사용하는 거라든가 그런 걸 가지고 실질적인 행동 가지고 평가를 하려고 하고 있어요.

요즘에 트렌드가 그런 것 같아요. 넷플릭스도 별점과 같은 명시적인 피드백을 안 쓰기로 했잖아요.

추천해서 안 쓴다기보단 줄였죠. 점수를 원래는 5점 만점이던 것을 좋다

안 싫다 이 정도로 그런 것처럼 진짜 명시적인 피드백보다는 묵시적으로 하는 피드백이 훨씬 더 추천의 정확도가 높다는 추세로 많이 가는 것 같아요.

많이 쓰게 되는 것 같고 그쪽 페이퍼들도 확실히 최근 들어서 많이 나오고 그런 것 같아요

네 어쨌든 이 두 분이 다 데이터 제가 이제 계속 꾸준히 두 분이 뭐 올리시는 글이나 여러 가지를 봤을 때 데이터 과학 쪽에 상당히 고수신데 그 두 분의 또 공통점이 이제 그 틈틈이 일 이외에 생활 데이터 자기 직접 본인이 관심있는 데이터 분석을 많이 하시는 특징이 있었어요 제가 이제 오늘 그런 의미에서 모신 건데 그런 생활 데이터 분석을 그 왜 어떤 그 동계에서 하시게 되시는 건지 당연히 바쁘실 텐데 일도 많고 뭐 여러가지 하실 텐데 어떤 이유에서 하시는 건지 뭐 규빈님부터 한번 말씀해 주실 수 있을까요?

예, 저는 좀 이렇게 생활 데이터 분석이 그냥 재밌더라고요. 우선 재밌어서 하는 거기 때문에 이렇게 회사일에 지치고 막 그럴 때 그럴 때는 뭔가 루즈할 때 아니면 되게 할 때는 그냥 제 주변에 있는 소소한 것들을 이렇게 관찰하는 것들을 좀 좋아해가지고 했던 것들을 한번 그냥 숫자로 풀어봐요. 숫자로 풀어봐다가 되게 재미있고 뭔가 영감을 받으면은 집에 빨리 가가지고 빨리 하고 싶다 이런 그런 되게 많은 좋은 시그널을 받거든요. 그런 부분이 생활 데이터 분석에서 제가 가는 의미 같아요.

근데 그게 재미있다고 하시는데 사실 그 90% 정도의 청중한테는 그 말이 잘 공감이 안 갈 것 같은데요.

아, 그런가요?

집에서 회사에서 데이터 추천 시스템 엄청 만드시다가 집에 와서 또 보니까 그것도 대충 하시는 것도 아니에요. 막 Python, 노트북 막 이런 거 하시는데 그 재미라는 게 어떤 종류의 재미일까요?

아, 그런 게 있는 것 같아요. 아, 이렇게 요 근래에는 근래 예전에 하나 분석했던 사례로는 스타워즈를 보고 스타워즈 에피소드가 어떻게 생겼는지 궁금해서 좀 알아보다가 어떤 블로그에서 스타워즈를 되게 이렇게 소셜 분석을 해 준 게 있었거든요 그걸 따라 하다가 스타워즈 스크립트를 분석하고 하다 하다가 보니까 계속 아 요런 특징이 있구나 요렇게 어떤 게 누가 더 많이 말을 했구나 이렇게 하다가 하다가 되게 어? 이게 특이한 패턴이 보인다 라고 하면은 그때부터 되게 개인적으로 되게 흥분이 돼요 그러면서 하나씩 하나씩 파보고 이런 것들이 되는 것 같아요 좀 무슨 말을 하는지 좀 헷갈리지만 그런... 뭐라 그래야 될까? 데이터를 이렇게 보고 보고 보고 해서 뭔가 이렇게 남이 모르는 어떤 사실을 알아간다는 그런 느낌? 그런 게 나에게 많은 자극이 되고 되게 재미를 주는 것 같아요 특히 그것을 내 자신의 데이터라면 더 좋은데 은근히 이런 것들을 만들어서 사람들에게 딱 보여줬을 때는 내 자신의 데이터보다는 모두가 흥미있어하는 데이터가 훨씬 더 좋아하시더라 이런 내용이 있었지만 그런 게 제가 생활 데이터를 좋아하는 이유 중에 하나가 되는 것 같아요.

그러니까 이제 취미에서 시작을 하시는데 뭔가 약간 호기심인 거네요. 호기심을 이 영화를 되게 좋아하시는 것 같아요. 스타워즈라는 영화를. 근데 이제 이거를 단순히 보는 게 아니라 굉장히 이게 크잖아요. 그렇죠? 이게 세계관이 되게 크고 등장인물도 많고 그러니까 뭔가 이걸 정말 한번 파보자. 약간 그런 그 오타쿠라고 하나요? 약간 그런 정신이신 것 같은데 어쨌든 참 그런 걸 저도 뭐 이런 걸 좋아하는 편이긴 하지만 스타워즈를 보시면서 그런 직업이랑도 관련된 데이터 분석으로 승화를 시킨다는 게 저랑은 좀 다르신 것 같아요. 저 같은 경우에는 제가 이제 굉장히 절실한 뭔가 문제가 있고 그게 그 문제를 해결할 수 있는 데이터를 뭔가 찾아야겠다 뭐 이런 생각이 들면 거기서 이제 시작을 보통 하거든요. 저는 이제 SF 이런 거 보다는 제 스스로 데이터를 모아가지고 제 행복을 분석한달지 행복도를 분석한달지 건강을 분석한달지 결혼 초기에는 와이프와의 관계에 대해서 분석을 한달지 그리고 최근에 육아까지 모든 문제를 다 데이터로 해결하는 약간 그런 편인데 사람마다 동기는 좀 다른 것 같습니다

저도 분석하고 싶은 사람 중에 하나가 와이프입니다. 와이프만 분석하면 제 인생이 되게 편해질 것 같은데 그런 느낌. 지금도 편하지만 좀 더 편하지 않을까라는 생각이

들어서 말씀 잘하셔야 돼요.

근데 여기서 분석이 안 되더라고요.

와이프는 옆에 앉아있어서 저는 이거 녹음해서 전달하면 되는 건가요?

아니되옵니다.

정민님도 주로 제가 기억하는 건 예전에 독서, 독서록 같은 거 하셨던 거, 독서록 같은 거 하셨고 또 SF 캐릭터 이런 쪽도 하셨는데 네, 그 어떤 그 바쁘신 와중에 이제 그런 거 꾸준히 하시는 이유가 여기 지금 블로그에 보면 책도 뭐 여러 가지

이제 있는데 요즘에는 좀 많이 놀고 있어가지고 좀 찔리네요. 그러니까 그냥 그 말씀하셨던 대로 그러니까 진영님께서 말씀하셨던 대로 저 개인적인 로그 같은 것들도 어느 정도는 확인을 하고 있고 그거는 그냥 사실 거의 자기관리 이용이죠. 워낙에 툴들도 많다보니까 여러가지 쓸 수 있는 것들이 많아가지고 그런거 가지고 이제 그냥 상태 모니터링이라고 해야 되나요? 그냥 내가 요새 좀 무리를 하는구나 왜냐면 저는 좀 사람이 둔한 편이어가지고 이게 어디가 정말 아프다거나 아니면은 아 정말 못해먹겠다 막 이제 이런 상태가 되기 전까지 사실 잘 모르거든요 상태를 근데 그런 상태까지 가면 안되잖아요 그래가지고 요즘에 세상이 많이 좋아져가지고 모니터링 도구들도 많고 앱도 많고 해가지고 이제 그런 것들 가지고 상태 모니터링 같은 걸 할 수도

있고 그 다음에 상태 모니터링은 어떤 식으로 하시나요?

예 그러니까 예전 같은 경우에는 이거를 예전에 언뜻 이제 다른 컨퍼런스, 작은 컨퍼런스 같은 데서 그 인이어력을 관리하는 방법이라는 식으로 한번 발표를 한 적이 있었어요

아 예 기억나요

사람들이 그게 무슨 인이어냐 하면서 구별을 했는데 그러니까 이제 내가 하루에 잠을 얼마나 자는지 내지는 실제로 컴퓨터를 켜놓고 내가 일을 하는 게 컴퓨터를 켜놓고 맨날 SNS만 했다든가 이런 건지 아니면 실제로 일을 한 건지 그런 다음에 스트레스를 얼마나 받는지라든가 아니면 운동을 얼마나 하는지 뭐 그런 것들 소소한 것들인데 이제 계속 보는 식으로 하고 있고 이때보다 요즘이 또 이게 한 재작년 겨울인가 그랬던 것 같은데 그 사이에 또 핸드폰이나 그런 애플워치나 이런 것들 앱은 눈부시게 발전을 해가지고 훨씬 수단들이 좋은 게 많이 나왔더라고요.

그렇죠.

그래서 그런 것들 가지고 이제 여러 면에서 주기적으로 보고 있어요.

그런 걸로 시그널 하나 잡아낸 게 뭐 있었나요? 실제적으로요?

어, 저는 그러니까 특별히 시그널, 어떤 시그널 같은 데 잡힌다든가 이제 그런 보면은 패턴 같은 게 있어요. 그러니까 뭐라 그래야 되지? 스트레스를 받는 경우에는 이제 그 수면 퀄리티 앱 같은 걸로 체크하면 확실히 잠을 잘 못 자요. 제가 좀, 저는 되게 좀 잠으로 바로 연결이 되는 편이어서. 라든가, 확실히 아니면은 어 스트레스를 많이 받으면은

책 읽는게 줄어든다던가 맞아 독서도 계속 앱같은거 있잖아요 독서같은것도 이제 독설이 안같은거를 어떻게 읽으시면서 뭔가 그 읽었던거를 기록한다던가 네.

그냥 다 책을... 저는 이제 취미가 책 읽기라 책 읽으면 그냥 책을 이거는 언제부터 언제까지 읽었고 한 거를 이제 책 덮으면서 이제 그거를 앱에다 기록을 해요.

그러니까 그... 그냥 말씀하시는 거죠.

어 근데 요즘에 또 역시나 세상이 좋아져서 그냥 책 한 권 읽은 다음에 기록을 하면은 그 책이 몇 페이지 정도 되고 그 다음에 그 기간이 어느 정도였으면은 이제 그 기간 대비 뭐 이제 읽은 양

같은 것들도 나오고 책을 얼마나 읽었는지 이거 책에 이렇게 뭐라 그랬나요? 책에 관련돼서 수집할 수 있는 툴이 딱 있나요?

네 요즘에 책 관련된 앱들 몇 가지 있어서 예 찾아보시면 굉장히 많을 거에요.

책을 잘 안읽어가지고.

저는 뭐 전자책으로 읽으니까 그리고 저는 약간 그 메모관 같은 게 있어 가지고 무조건 밑줄을 엄청 긋거든요. 그래서 그 밑줄을 나중에 긋은 양을 보면 그러니까 어떤 책은 제가 읽은 분량 대비 밑줄이 굉장히 많은 책이 있고 그런 거 보면 이 책은 내가 참 잘 읽었구나 약간 이런 게 있는데 독서도 참 그렇게 할 수 있고 여기 정민 님도 약간 SF 쪽 매니아이시잖아요. 그렇죠? 이거는 이제 로봇이 되게 재미있는 시각을 많이 해놓으셨던데

네 이건 망한거지만 네 로봇을 가지고 어떻게

SF에 나오는 로봇을 가지고 분석을 하셨던 것 같은데 좀 설명해 주실 수 있을까요?

네 이것도 꽤 예전에 했던 건데요 그게 벌써 작년 겨울이네요. 작년 초구나. SF영화들이 여러가지 분야가 있는데 그중에서 로봇같은게 계속 많이 나오잖아요. 그 어쩌다가 얘기하다가 사람들하고 막 로봇 관련해가지고 얘기를 하다가 어 근데 이제 로봇의 시초는 뭐냐부터 시작을 해가지고 근데 영화에 어떤 로봇이 나왔었고 한 얘기를 하다 보니까 이게 다들 그 산발적으로 알고 계셔가지고 아 그런데 또 이런 거를 자기 이제 좀 취미 같은 게 있는 사람들 같은 경우에는 그 취미에 관련된 거를 한번 좀 정리를 한번 해보고 싶다라는 정리벽 같은 게 좀 있잖아요

네,

그래서 그냥 정리를 한번 해보자 라고 했는데 데이터 수집을 하려니까 너무 귀찮아져서 한 또 한참 미뤄두고 있다가 그래가지고 이거 일일이 그 imdb 같은거 찾아가지고 기록을 할까 하다가 그 작업을 사실 한 몇 달 했었어요 짬짬이 그런데 그 하다가 너무 노가다가 심해가지고 관두고 또 몇 달이 있다가 몇 달이 있다가 그런데 또 어떤 분이 이런 사이트가 있네 하고 사이트가 정리된 데가 있는 거예요 그래서 그 사이트를 조사 봤는데 그 사이트는 정말 그냥 표로 그냥 쭉쭉쭉쭉 어떤 영화에 영화 이름 있고 줄거리 있고 그런 다음에 거기에 나온 로봇 이름 있고 그래가지고 이제 그거를 긁어 가지고 정리를 하려니까 이것도 일일이 정리하는 건 노가다구나 그래가지고 이 김에 이것저것 연습도 해볼 겸 분석을 하자 했던 거예요

아 그러니까 웹사이트에서 데이터를 다 긁어오셔가지고 테이블 형태로 만들어서 정제하고 피처 뽑고 그러게요 참 그 저는 이상하게 SF쪽에는 그렇게 관심이 안가서 사람마다 이게 좀 다른 것 같은데 이건 좀 다른 얘기지만 SF의 매력이 뭐라고 생각하세요?

어 되게 여러가지가 있는데 뭐라고 해야되나 그 뭔가 상상력과 논리를 동시에 자극할 수 있는 분야가 아닌가

음 상상력을 알겠는데 논리는 왜 그렇죠?

아 왜냐면은 그 SF도 물론 여러가지 종류가 있긴 한데요 전반적으로는 그 어떤 미래라든가 가상 사람들이 다루는 사회를 사회의 미래나 아니면 다른 세계 뭐 이런 것들을 다루다 보니까 그거를 좀 합리적으로 그러니까 그 논리적으로 설명을 하려고 하는 게 있어요. 그래서 그런 과정들을 보는 것도 재밌고요.

아 그 나름의 새로운 세계를 만들어야 되는데 그 내적 일반성 같은 게 있어야 된다.

네.

오히려 그렇죠, 가상의 세계를 만드는데 그게 뭔가 일관성이 없으면 설득력이 없을 거고 그러면 재미가 확 떨어지겠네요. 그렇구나. 어쨌든 지금 두 분 모시고 말씀을 나누는 와중에 지금 10분 넘게 생방송을 보고 계신다고 합니다. 지금 방송 계신 분들 한 말씀씩 올려주실 수 있나요? 리액션 아 근데 지금 보니까 제가 아까 4개월 된 딸을 낳아서 기르고 있다고 얘기를 했나보네요 그러니까 4개월 째를 낳았다는 얘기를 네 4개월 네 4개월을 아기를 낳아서 4개월을 길렀습니다 네 제가 많이 안 쓰기 때문에 이렇게 또 리액션을 많이 해주고 계십니다. 제가 사실 미리 말씀을 못 드렸는데 한비미디어에서 책도 후원해 주신다고 하셔가지고 생방송 마지막까지 남아 계신 분들을 제가 추첨을 해가지고 제가 책을 한번 보내드리도록 하겠습니다. 어쨌든 저희는 지금 두 분 워낙 여러가지 생활데이터 분석을 하셨는데 약간 돌아가서 이제 그럼 생활데이터를 이렇게 참 직업적으로 데이터워크를 하시는 분들께서도 하고 계신데 그게 어떤 의미가 있을까 왜 생활데이터냐 저는 이제 사실 제가 생각하는 그거예요 제가 데이터 지능이라고 이제 사실 팟캐스트 이름을 붙였는데 지능이라는게 사실 여러가지 지능이 있잖아요 보통 지능도 있고 감성 지능 여기 이제 제가 어디서 긁어온 건데 뭐 운동 지능 공간 지능 뭐 여러 가지가 있는데 그 중에 이제 저는 이제 데이터 지능도 있다는 거죠 데이터 지능이라 할 것 같으면 데이터... 그러니까 현실에서 이제 데이터를 가지고 해결할 수 있는 문제를 발견하는 능력 그러니까 데이터가 결국에 어떤 그 현실의 반영인데 현실을 보고 아 내가 이런 문제가 있다 그 현상에서 어떻게 데이터를 추출할 수 있을까 그런 통찰이 약간 저는 데이터 지능이라고 생각을 하거든요 제가 예전에 그 아기를 처음 낳았을 때 아 얘가 지금 낳았는데 이거 이거 어떻게 어떻게 해야 되지 약간 그런 그런 막연함 속에서 아 그래도 이제 뭔가 최소한의 데이터를 모아보자 약간 이런 생각을 한 건데 일단 그런 동기부여 자체가 되게 중요하다는 거죠 네 안 그러면 이제 두 분이 하신 것처럼 뭔가 취미지만은 취미에서도 뭔가 아 이거를 좀 더 그 심화시켜 보자 한번 갈 때까지 가보자 이런 이런 동기가 될 수도 있고 어쨌든 뭔가 그러면 이제 다른 사람한테 뭔가 유용한 어 이렇게 그 취미라도 굉장히 유용한 이제 결과를 알려줄 수 있다 뭐 이런 생각이 좀 들고요 그 다음에 데이터 문제를 해결하는 건 당연히 데이터 진행이겠죠 데이터를 가지고 뭔가 분석하고 가공하고 이런 거는 보통 얘기하는 데이터 과학에서 많이 다루는 건데 뭐 그런 것도 있고 저는 이제 문제 발견하고 또 다른 건 데이터를 가지고 누가 뭔가 자기한테 해줄 수 있잖아요 데이터 과학자랑 같이 일하는 경우도 있고 개발자랑 일하는 경우도 있고 그렇게 다른 사람이 뭔가 자기한테 이렇게 이렇게 데이터를 사용해서 결과가 나왔어 이렇게 뭔가 가져왔을 때 그거를 이해하고 비평하고 활용할 수 있느냐 그것도 저는 굉장히 중요한 데이터 지능이라고 생각을 해요 그래서 이제 뭐 생각을 해보면은 데이터 과학은 어찌 보면 전문가 영역이라고 할 수 있는데 사실 제가 헬로 데이터 과학이라는 책을 쓰긴 했지만은 저는 이제 모든 사람이 데이터 과학자가 돼야 된다고 생각을 안 하거든요 근데 데이터 과학자가 아니더라도 데이터 지능은 필요하다 왜냐하면 누구든지 현대에서는 이제 어 다른 사람이 해놓은 데이터를 가지고 뭔가 해놓은 것을 정부 통계가 될 수도 있고 신문 기사가 될 수도 있고 그런걸 잘 비판적으로 읽고 뭔가 의사결정을 하고 그 다음에 조직에 있으면 보통 데이터 과학자나 그런 분석가나 이런 사람들이랑 협업을 하게 되잖아요 그런 의미에서 그 데이터 진행이 굉장히 중요한 게 아닌가 그런 생각을 좀 해봤습니다

저는 데이터 진행이라고 하니까 그런 생각이 좀 드네요 그러니까 일반적으로 데이터를 보면 촉이 좋다 이런 사람이 많잖아요 데이터를 보면 뭔가 이게 이럴 것 같고 그러니까 데이터 진행이 뛰어난 사람들은 저는 어떻게 보면 그런 촉이 좋다고 생각이 드는 것 같아요. 촉이 좋아서 그걸 정량화 시켜본 경험이 있고 계속 그런 데이터를 다양하게 봤던 경험이 있으니까 다른 데이터를 봐도 이렇게 촉이 딱 좋고 뭐 그런 게 아닌가라는 생각이 들었어요. 그냥 데이터 진흥하고 그런...

초기라는 게 어떤 걸까요? 저도 무슨 말씀을 하시는지는 알겠어요. 근데 저도 그게 구체적으로 뭘까 한번 생각해보면 좋을 것 같아요.

아 뭐 초기라면은 이거랑은 조금 비유는 안 맞을 수 있는데 저는 그 예전에 이제 베트남 다낭 여행을 가져왔고 이렇게 사진을 제 노트북에 한번 딱 연결했거든요 그러니까 맥북에서 이제 아이포트에서 그 위치정보로 딱 찍어 주더라구요 그걸 딱 보면서 어? 이거 위치정보로 찍어주는거 보니 내가 어떤 경로를 갈 수 있겠구나 라고 이거를 그 시간 순으로만 트레이스 해도 되고 그런게 딱딱 보여지는 것 같더라구요 그런걸 보면서 이런걸 몇번 이렇게 해봤다면은 그런 조그만 소스를 보고 이 소스에서 어떤 인사이트가 더 나올 수 있을지 촉을 좀 잘 받는거 아닌가라는 생각 그런게 데이터 진행이 아니었을까라는 생각을 해보긴 하네요

예전에 베트남 여행의 재구성이라는 글을 저도 쓰신거를 기억을 하는데 네, 이것도 되게 재밌었던 것 같아요. 그 뭔가 보통 여행 사진 찍고 그냥 거기서 보통 끝나는데 앨범만 만들지 이제 그거를 이제 이렇게 데이터화를 하신 거잖아요.

네.

그러니까 어찌 보면은 그냥 그냥 하는 여행에서 이 여행을 하다보면 이런 이 여행의 이러이런 측면은 이런 데이터가 되겠구나. 그런 거를 약간 문제 발견을 하신 거죠, 그쵸? 예 그렇죠.

그러니까 이제 어떤 모티브만 딱 있으면 거기에서 어떤 데이터로 어떻게 발전할 수 있겠다라던가 아니면 어떤 디테일이 좀 나오지 않을까 이런 느낌 이런 것들을 좀 잘 잡아낼 수 있지 않을까라는 게 데이터 진행이랑 좀 연관되지 않을까 그래서 뭐 회사에서도 추천 시스템을 만들 때도 없고 이런 랭킹이 좀 낮은 사람을 좀 넣으면은 다양하게 더 이렇게 좀 랭킹이 낮았던 높은 사람들을 좀 추천해서 낮추면은 다양한 사람들이 좀 볼 수 있지 않을까 뭐 이런 그냥 아무 가설이나 막 던질 수가 있는 거죠, 이런.

논문

되게 잘 쓰실 것 같네요.

그러진 않은 것 같아요. 아니,

논문 주제 잡는 게 얼마나

힘든데요. 규민 님은 거의 브런치 글이 논문이에요, 지금 보면은.

예전에 아프리카TV에 있을 때 동료들이 그런 얘기를 종종해요. 저한테 약 좀 그만 팔라고 이렇게 뭐 얘기만 나오면 이렇게 막 던지거든요. 이게 재밌지 않겠냐 이런 것들. 약 좀 그만 팔라는 말을 좀 듣긴 했습니다.

약 파는 건 조금 다르지 않나요? 그러니까 약 파는 것 같은 경우에는 어 이거 가져 이런 것도 할 수 있어요 이런 것도 할 수 있어요 라고 하는 게 약이고 이런 것도 해보자는 약이 아니잖아요. 아마 이제 주변 사람들이 힘들겠죠. 여러번 들으면

약 좀 그만 팔라 그러더라구요. 처음 한두번은 어 괜찮을 것 같기도 하네 이렇게 하다가 이제 그만 좀 팔라 이렇게 되더라구요.

약을 파셨다는게 뭐 저기 뭐 집에 가서 내가 어제 파이퍼 노트북으로 3시간 동안 코딩해서 이거 했더니 너무 재밌어 너도 한번 해봐 약간 이런 약인가요? 그런 거부터 그냥

갑자기 예는 생각이 안 나네요. 여색히 약을

많이 팔았던 것 같은데 팀원들한테. 근데 진짜 좀 대단하세요. 이게 뭐냐면 지금 글에 어떤 것이 있냐면 여행 사진을 가지고 그 여행에서 찍으신 사진을 가지고 그 거기다 이제 컴퓨터 비전을 돌려서 얼마나 웃었는지 그거를 갖다가 이제 웃음 지수라는 걸 만드신 다음에 그걸 평균해서 그 여행의 만족도를 수치화 하신 건데 아 이건 정말 참 여기서 또 이제 또 그 요새 핫한 딥러닝 딥러닝 얘기를 안 할 수가 없네 예전보다 이런게 훨씬 잘 되잖아요 제가 알기로 최근에 도구가 많아졌죠 네 업젝트 최근에 어느정도까지 됐냐면 그냥 사진을 던져주면 여기 어떤 업젝트가 있고 그 업젝트에 이제 뭐 예를 들어 고양이면 고양이가 어떤 종류지 이런 것까지 다 알아준다고 했는데 지금 규미님이 하신 약간 이런 데이터 분석이랑 그런 굉장히 최근 그 연구 성과 또 그런건 또 최근 연구 성과들은 바로 또 회사에서 바로 뭐 클라우드 API 이런걸 바로 제공하기 때문에 네 그런거랑 결합을 하면 굉장히 좋은게 나오지 않을까 네 어쨌든 그 여행은 그래서 여행 만족도가 근데 계속 떨어지네요 보니까 이거 만족도는

아니구요 이거는 이제 옆에 Y축이 어디로 내가 이동을 많이 했느냐 그래서 그 이동한 곳 중에 가장 즐겁게 웃었던 데가 어디냐 이런 것도 측정했던 거거든요 그래서 원의 사이즈라던가 그러니까 이제 그러다 보니까 호이안을 갔었을 때 사진에서 많이 웃었더라 이런 게 좀 나왔었고 이때까지 저는 되게 잘 웃는다고 생각을 했었거든요. 와이프가 좀 덜 웃는다고 생각했었는데 실제로 보니 와이프가 더 많이 웃었더라 라는 게 좀 특이했었고요.

편견이 약간 있으셨는데 데이터로 편견을 깨신 거네요.

네. 그런 게 되더라고요. 이게 평소에 놀았다가 밖에 나가서 와이프가 더 좋아하는 건가 싶기도 하고요.

지금 팟캐스트 들으시는 분들은 제가 간단히 설명해드리면 그래프를 보이는데 x축은 이제 그 사진의 인덱스구요 사진 몇번째 사진인지 이런거고 y축은 이제 그 이동경로, 아 이게 y축이 저는 네, 그러니까 처음에 보면은 아무래도

그 가장 저희가 주로 보게된 높낮이가 어떤 수치로 보이잖아요 그래서 처음에 저도 잠깐 헷갈렸는데 보다 보니까 그 여기서 중요한거는 그 원의 크기고 나머지는 그냥 인덱스나 이동경로

이런거더라구요 시간이죠, 시간. 시간축이 되는 거죠, 운동하면서.

이렇게 또 시각화를 굉장히 창의적으로 쓰셨네요. 그래서 규민 님의 웃음 크기가 와이프의 웃음 크기보다 항상 크면 이기적인 여행이

되는 거고 그렇게 되나요? 제가 여행을 잘 서빙을 한 거네요, 저는. 서포트. 그게 맞네요, 해석이. 네,

지금 보니까 와이프분의 웃음 크기가 전반적으로 큰 걸로 봐서 여행을 잘 하신 게 아닌가. 주니어도... 이거 와이프한테

다시 한번 설명해주고 보여줘야겠네요. 내가 늘 웃음을 줬다. 이렇게 해석 좋은데요?

호이안하고 리조트가 좋은 곳이군요.

네, 어쨌든 여러 가지 그걸 하셔서 어쨌든 그렇게 하시는게 실제 일에도 도움이 되시나요? 그렇게 생각을 하시나요? 규민님 그렇게 열심히 여행 다니면서도 분석하시고 하시는게 오히려 일해야 되는 시간에 그런거 하시면 생산성에 방해가 된달까?

회사에서는 더 좋을 수 있는 것 같아요 그러니까 그래프 그리는 걸 이런 걸 해보면서 많이 배웠거든요 플루팅 하는 거를 그러니까 회사에서 이제 뭐 추천 시스템을 만들고 효과 분석을 한다 그러면 이제 예전에는 그냥 수치로 뭐 CTR 그러니까 클릭률이 얼마나 올랐다 이렇게 하는데 이게 어떻게 해서 또 예쁘게도 그리고 막 하면서 더 좋아지는 것 같기도 하고요 이제 데이터 분석을 되게 관심이 점점 많아지다 보니까 데이터만 계속 플루팅하고 계속 탐색하는 게 재미있어지더라구요 그래서 회사에서는 그 아프리카 TV에서는 데이터 분석 조직은 없었거든요 그래가지고 그런 것들을 어떻게 좀 이렇게 같이 의도적으로 더 하려고 제가 하는 걸 좋아했으니까 하니까 더 좋아하긴 하더라구요 회사 측면에서는

네 지금 예전에 그 바이올린 플랫이라고 이제 잘 아주 많이 쓰진 않는 플랫이었던 것 같은데 그 시각적인 시각적으로 어떤 수치가 이제 변하는 트렌드를 여러 개를 동시에 비교할 때 되게 유용한 것 같네요 네 저도 글쓰신 거 보면 굉장히 데이터를 여러 각도에서 이제 보는 거를 굉장히 그 패턴이 있어요 그래서 다른 사람은 보통 그 데이터 분석을 한다 그러면은 뭐 문제 정의 1 그 다음에 뭐 데이터 뭐 탐색 뭐 한 2, 3 그 다음에 이제 본론이 한 5, 9 막 이렇게 되는데 규민님 글을 보면은 탐색이 한 7, 8 되는 것

같아요. 아 예예 맞습니다. 네. 뭐 하나를 이렇게 딱 간단한 정의를 뭐 가사를 이렇게 파 보고 근데 그게 거의 안 맞더라고요. 그러면 외를 되게 찾아보는 걸 많이 하거든요. 그 외를 찾다 보면은 디테일해지면서 다른 데이터, 다른 걸 알게 되더라구요. 그러면서 이제 원래 목적은 단순하게 그냥 이동 경로만 알고자 했는데 그걸 하면서 외를 계속 찾고 찾고 하다보면은 더 새끼로 빠지는 해서 그게 더 좋은 결과가 나오는 그런 케이스가 되게 더 많았던 것 같아요. 그러니까 외를 계속 좀 디테일하게 찾아보면은 재밌어지는

것 같아요.

근데 이제 새끼리라고 말씀하셨지만 데이터를 가지고 문제를 해결한다는 것은 뭐가 맞는 길인지 뭐가 새끼리인지 모르고 시작하는 거잖아요 그렇죠? 예 그렇죠 그래서 그런 의미에서는 그러니까 어찌 보면 보통은 가설을 딱 세우고 사실 그걸 어떻게 하면 증명을 하려고 굉장히 노력하다가 잘못된 그 결론으로 빠지는 경우가 굉장히 많은데 어찌 보면 굉장히 그 뭔가 유연하다고 볼 수도 있고 좀 겸손하다고 볼 수도 있고 이렇게

데이터를... 좀 갈대 같습니다 그냥 하다가 이게 아니다 싶으면은 걷었다 다른 게 더 재밌다 하면

그냥 바로 선회하고요 네 아무튼 굉장히 다양하게 그 데이터 분석을 뭐 프로야구까지 프로야구 데이터까지

꼭 하고 싶었는데 하다가 하다가 세이버 매트릭스가 너무 잘 되어 있어 가지고 굳이 해야 되나 생각이 많이 들더라구요

그쵸 그쪽은 전문가들이 전문가들이 많죠

그쵸 야구는 되게 데이터로 파보기엔 정말 좋은 것 같아요 되게 정량적이 될 수도 있고 수치도 하기도 쉽고 누가 잘했는지 모르겠으니까 되게 명확해 가지고 축구나 이런 것보다는 훨씬 더 세이버 미트릭스처럼 이런 데이터로 진화할 수 있는 게 여력이 큰 스포츠 분야인 것 같아요.

네, 어쨌든 뭐 정말 여러 가지 이렇게 또 분석도 하시고 또 그게 일에도 도움이 된다 이렇게 하시는데 근데 사실 여기 방송 들으시는 분들은 많은 부분은 데이터 과학자가 아닌 분들이 꽤 많으신 것 같아요 그리고 제가 말씀드렸듯이 저는 데이터 과학자가 아니라도 데이터 지능이 필요하다 이렇게 생각을 하는데 이렇게 데이터 활용을 습관을 하다보면 데이터 지능이 무럭무럭 자라는 그런 효과가 나지 않을까 그런 생각을 해봅니다 근데 이제 사실 뭐 저희 셋이야 데이터 가지고 일도 계속 하고 있고 그 다음에 취미도 있고 뭐 사실 저도 사람들한테 제가 뭐 10년 동안 행복 데이터 모아서 분석했다 그러면 좀 놀라는 사람 많은데 공감은 별로 못했거든요 아까 이제 그 뭐지 약파하는 거랑 비슷한데 사람들이 항상 그 저한테 제 그런 얘기를 하면은 와 너 대단하다 이런데 어 이거 나는 어떻게 나는 어떻게 할 수 있을까 이런 이런 건 절대 안 물어보더라구요 그래서 네 이거는 사실 그 지금 그 방청 하시는 분들한테 드리는 질문이기도 한데 그럼 왜 사람들이 사실 어 뭐 미국에도 quantified self 이런 그 사이트도 있고 굉장히 몇 년 동안 이제 그런거 하는 사람들이 늘어나긴 했어요 그렇지만은 제가 봤을 땐 아직도 인구의 뭐 한 어 뭐 10% 많아요 미국에서도 정말 정말 그렇게 아직 메인 스트림은 아닌 것 같아요 이게 자기가 뭔가 직업 직업이 아니라 자기가 정말 재미로 이렇게 데이터 분석을 하고 하는게 왜 왜 그럴까 왜 그럴까 이런 생각을 좀 저는 항상 해보는데 왜 그럴까요 혹시 청취자 중에 지금 그 생방송 계신 분들 중에 의견이 있으시면 주셨죠. 본인이 생각할 때 왜 나는 이걸 안하게 된다 뭐 이런 게 있으면 좀 전 궁금하기도 하고 어 뭐 그런 왜 그런지 뭐 생각 두 분은 해보셨나요? 왜 나는 다른 사람들이 공감을 못 얻는 어 왜 다른 사람들은 난 공감하지 못할까 이 재미있는 어 생활 데이터 분석을 왜 어 지금 주교영님께서 한 말씀 해주셨는데 추석에 한 일을 정리를 해봤는데 원하는 데이터를 모으는 게 쉽지 않다 그쵸? 데이터를 모으는 게 참 어려운 것 같아요 그쵸? 저 같은 경우에도 사실 최근에 육아 데이터 모으면서 참 애기가 보통 자면은 지금 막 새벽에 일어나잖아요 새벽에 일어나면 그때 막 애기가 팩 울면은 바로 먹여야 되는데 그때 이제 기록을 하고 있을 정신이 별로 없거든요 그러니까 이제 저도 이해는 해요 사실은 이해는 하는데 저는 이제 그렇게 생각을 하는게 문제를 굉장히 자기한테 중요한 문제를 찾는게 일단 좀 중요한다는 생각이 좀 들고 왜냐면 이거는 정말 제 아기가 죽고 사는 문제니까 저한테는 굉장히 이게 힘들어도 데이터를 모아야 된다 그런 생각을 저는 했었던 것 같고 지금 사회적 분위기도 크다고 최재환님께서 말씀해 주셨는데 사회적 분위기가 데이터 분석을 방해하는 분위기가 있네요 한국 사회에 뭔가 그 데이터와 뭔가 데이터 분석과 맞지 않은 어떤 그런 게 있나요?

제가 생각하기에는 그러니까 뭐랄까 그... 뭐라 그러지? 데이터 같은 거를 일일이 수집을 하고 그거를 분석을 하면서 이제 뭐 이런 식으로 한다라 그러면 뭐 되게 사람이 쪼잔하다 라든가 깐깐하다 라든가 뭐 이런 소리를 많이 듣는데 저는 그나마 어쨌든 이쪽 업을 하니까 이쪽 업에서는 뭐 이런 깐깐한 거 하는 것도 어느 정도 넘어갈 수 있는데 이런 쪽을 안 하시는 분들은 굉장히 좀 편견의 편견의 어린 시선들을 많이 받으실 수 있지 않나 하는 생각이

들긴 해요 네 그쵸 그리고 막 되게 사람들이 뭐 이렇게 서로 뭐 약간 눈치 이런 게 좀 심하잖아요 그쵸? 우리나라는 미국 같은 경우에는 사실 그 뭐 Quantified Self 이런 것도 사실 메인 스트림에서는 별로 신경 안 쓰지만 이 사람들은 자기들끼리 열심히 모이거든요 저도 이런 데 가봐서 아는데 진짜 열심히 막 그 자기가 뭐 이번에 저는 제가 행복 측정하면서 참 별나다고 생각했는데 여기 사람들은 말도 못해요. 자기 몸에다가 막 센서 붙이고 1년씩 살았는데 일단 약간 네, 지금도 재환님 말씀해 주셨는데 여기는 사실 호기심이 장려되기도 하지만 서로 별로 신경을 안 써요. 너는 너고 나는 나고 워낙 뭔가 그 집들도 좀 서로 떨어져 있고 뭔가 약간 좀 다른 것 같긴 해요. 근데 뭐 어쨌든 사회의 분위기를 사회 분위기에 관계없이 개인은 또 잘 살아야 되니까

실시간 채팅 중에 김영욱님이 덕후의 영역이 다른 거 아닐까라고 한 답변이 있거든요. 여기 조금 궁금한 게 어떻게 보면 이런 데이터를 수집하고 분석하고 덕후의 영역인 게 아닌가. 즉 덕후라면 내가 데이터 분석을 좋아하기 때문에 강력한 동기부여가 되기 때문에 끝까지 데이터를 수집하고 분석해보고 결과까지 내보는 그걸 한 번 해봤기 때문에 그 다음에 좀 더 빨라지고 빨라지고 그런 것처럼 아직까지는 그래도 좀 생활 데이터가 그래도 다른 사람이 보기에는 좀 덕후의 영역이 덕후의 영역이라고 생각하기 좀 그러지 않을까 라는 생각이 드네요 그렇다면은 자기 취미를 가지고 취미가 덕후 덕질을 할 수 있는 취미가 있다면 그걸 데이터로 피보팅 해보면은 그나마 생활 데이터에 접근하는데 좀 용이하지 않을까라는 생각이 들긴 하네요 이런 덕후의 영역

이런 걸 얘기를 들으니요 네 저는 덕후라는 말도 사실은 꼭 부정적이진 않을 수도 있겠지만은 약간 뭔가 어 그쵸 약간 별난 별난 별나다 약간 이런 얘기인데 뭐 어쨌든 그런거 별로 신경쓰지 저는 이제 그런거를 한국에서도 그렇게 신경쓰는 편은 아닌데 미국에 지금 산지가 10년이 되니까 정말 완전 다 무시하고 사는거에 굉장히 익숙해졌는데 어쨌든 저는 저희 아기가

덕질을 많이 했으면 좋겠어요 왠지 덕질을 하면은 자기 인생은 재밌게 즐길 것 같다는 생각이 들더라구요 맞습니다 왠지

그런 걱정 안 하셔도 될 것 같은데 아 그리고 저는 생활 데이터랑 이건 좀 다른 얘기인데 또 그 최근에 제가 되게 놀라는 게 우리나라 그 딥러닝 열풍이 저는 그냥 사람들이 얘기만 하는 건 줄 알았는데 뭐 텐서플로 막 그 커뮤니티에 막 엄청나게 사람들이 막 가서 스터디도 굉장히 열심히 하고 저는 왜 딥러닝 쪽 그렇게 막 붐인데 뭔가 다른 그 전에 왜 그런 게 없었을까 데이터 뭐 사실 뭐 과학 아니 뭐 빅데이터 그냥 딥러닝은 데이터를 가지고 할 수 있는 일 중에 테크닉 중에 하나잖아요 근데 이제 왜 딥러닝은 그렇게 핫할까 뭐 그런 생각도 좀 해보거든요

그거는 또 아무래도 체감 차이가 있을 것 같은데 확실히 우리나라에서 딥러닝이 제가 체감하기에 사람들이 확 열풍이 있었다고 한 게 그 알파고 나온 이유거든요. 근데 그게 알파고 같은 경우는 정말 실제로 우리나라에서 이세도라고 바둑을 둔 거잖아요. 그러다 보니까 체감을 그때 갑자기 크게 하시게 된 게 아닌가라는 생각을 해요.

그쵸 충격파가 좀 컸죠 그쵸 다른 나라보다 네 저는 사실 되게 바람직하게 봐요 저도 데이터 그래도 관련 일을 하는 사람으로서 뭐 뭐가 됐든 그렇게 열심히 하시는 건 되게 좋은 것 같은데 근데 이제 저는 궁금한게 그렇게 공부를 열심히 하시는데 뭐가 뭘 하시려고 그렇게 공부를 열심히 하실까 왜냐면은 딥러닝이 아무리 지금 핫해도 지금 당장 딥러닝을 꼭 필요로 하는 그런 회사가 얼마나 될까 아니면 뭐 스타트업을 하더라도 딥러닝을 가지고 경쟁우위를 만들 수 있는 스타트업이 얼마나 될까 저는 그런 생각을 하거든요 그래서 이제 그렇게 이제 붐이 일어나는 거가 아 이게 뭔가 현실적으로 도움이 돼서 그런 건가 이제 아니면 이제 무조건 좀 복잡한 걸 해봤으면 뭔가 취직이 잘 될 잘 되는 약간 그런 효과가 있나 네 좀 어쨌든 전 그 다음 스텝이 뭔지 그러니까 왜냐하면 이제 반대로 주변에 있는 문제를 푸는 약간 이런 식으로 접근을 하다보면 내가 나한테 되게 중요한 문제를 그냥 데이터로 푸는 거니까 굉장히 명확하거든요 내가 얻는 게 뭐 저 같은 경우 예를 들어 뭐 애기를 잘 키울 수 있는 약간 그런 자신감을 얻었다거나 약간 이런 게 있는데 내가 지금 텐서플로우를 가지고 뭘 만들어가지고 그걸 가지고 지금 내가 나한테 돌아오는 게 뭘까 물론 공부를 했다는 보람은 있지만 저는 이제 다른 분들이 어떻게 생각하시는지 좀 그런 게 궁금하긴 했어요 중요한 건

아닌데 저는 개인적으로 딥러닝 이런 거를 거의 안 해봤는데 거꾸로 그러니까 더 불안하게 되는 것 같아요. 안 하는 사람이 없으니까 빨리 해야 되나? 계속 빨리 빨리 해야 되나? 더 불안해지고 왠지 이제 그걸 안 하면은 사회적으로 계속 붐이 일어나니까 뒤쳐진다는 생각이 들어가지고 더 따라붙게 되는 것 같고 다들 그래서 거기에 몰입하는 것도 아닌가라는 생각이 많이 들더라고요. 딥러닝 좀 하신

것 같은데 여기 보니까. 이거는 그냥 어떻게

보면 워터벨이나 이런거는 약간 다르니까 근데 다들 비슷하게 생각하시는 것 같아요

빨리 빨리 해야 되나? 계속 이러고 있으면서 하려고 하던데 저도

그래가지고 공부를 딥러닝 쪽을 뿅뿅뿅 하기는 해가지고 하고 나니까 재밌기는 한데 그거를 실질적으로 쓰는 것도 다른 얘기여서 뭐 쓰는 것도 이제 그거를 제가 개인적으로 쓸 일은 사실 그다지 많지 않고 뭐 어디다 라이브러리 같은 거 간단하게 이용을 해볼 수 있겠지만 그런데 이제 그걸 실질적으로 쓰려고 하면 어쨌든 일에서 적용을 하는 게 가장 좋은데 일하는데 딥러닝을 쓸 일이 그렇게까지 많은가라고 하면은 또 그거는 제가 생각하기엔 아닌 것 같거든요. 그 다음에 그 전에 관련해가지고 이제 특히 회사들이라든가 이런 데서는 데이터에 대한 전처리라든가 아니면 다른 것을 적용을 해본다든가 그 다음에 그거를 가지고 실질적으로 서비스나 이런데 어떻게 구현을 할 것인가 이런 게 맞물려야 되다 보니까 실제 말씀하신 대로 실제로 쓰는 데는 많지 않고 그 다음에 관련해 가지고 뭐 스타트업 같은 것들을 세운 회사 스타트업 같은 걸 만드는 데서도 이제 또 거기선 또 거기 나름대로 데이터를 확보하느라고 또 정신이 없고 그래서 너무 전반적인 거를 고려하지 않고 이제 어떤 열풍이 생기고 하니까 이제 그런 거에 대한 불안감 때문에 가는 것 같아서 좀 안타까운 점이 있어요 네

그 지금 근데 사실 저도 공감해요 저도 사실 제가 이제 저 같은 경우에는 최근에 스냅에서 저도 계속 저희 검색 프로덕트에 매트릭 같은 걸 만들고 또 매트릭을 하다보면 당연히 추천 랭킹 이런 것도 조금 같이 얘기를 하게 되는데 저희도 고민을 하고 있고 뭔가 어떤 측면에서 쓰는 팀도 있지만 모든 사람이 쓰진 않거든요 그리고 쓰는 분들도 보면 그 아키텍처나 이런거 설계보다도 데이터 모으는게 뭐 정말 90%다 이런 말씀도 많이 하시고 어 근데 그쵸 지금 이제 제 방청객분 중에서 이제 그 제 신이라고 이렇게 쓰시는 분이 그니까 준비를 하고 있어야 실제가 실제로 써야될 시점이 되면 이제 기회를 잡을 수 있으니까 네 그것도 맞는 말씀인 것 같아요 일단은 준비를 해놓는다 그러니까 이제 미리 공부를 해놓는 건데 워낙 나중에 컸을 테니까 근데 이제 반대로 사실 지금은 딥러닝 쪽에 약간 뭐 아직 굉장히 핫하다는 게 이제 어떤 의미가 있냐면은 어 그거를 계속 바뀌고 있다는 거거든요 계속 뭔가 어 브레이크 드루가 일어나고 있고 뭔가 계속 오늘 뭐 이렇게 하는게 맞으면 내일은 이렇게 하는게 틀릴 수도 있고 약간 그런 상태인데 조만간에 정리가 돼서 이제 뭐 그 회사들에서 이제 보통 이제 구글이나 이제 아마존 같은 마이크로소프트 같은 회사에서 이제 클라우드 api 같은게 나오면은 그냥 싹 정리가 될 수도 있거든요 지금 공부를 열심히 하는게 물론 당연히 개인적인 성장에 도움이 되겠지만은 그게 정말 현실적으로 나중에 내가 공부를 한 걸 써먹을 수 있을까 생각을 해보면 나중에 세상이 완전 달라질 수 있을 수도 있다는 거죠 네 어쨌든 저는 제가 그 딥러닝이 필요한다고 생각하는 업종은 어디라고 생각하시나요? 이렇게 질문을 하셨는데 어 우선은 데이터가 당연히 많아야 될 거고요 데이터가 많으면서 그 피처를 뽑기가 굉장히 어려운 분야 그러니까 뭐 자연어처리나 아니면 이제 컴퓨터 비전이나 그런게 당연히 될 거라고 저는 생각을 하는데 또 두 분 생각에 어떤 분야에서 딥러닝이 필요할까요?

요즘에 추천 쪽에서도 요즘에 딥러닝을 좀 많이 쓰는 추세로 가는 것 같아요 실제적으로도요 특히 이제 추천하면은 이제 협업 필터링 기법이 있고 컨텐츠 베이스드가 있는데 컨텐츠 베이스드 쪽이 그래도 이제 실제적으로 써가게 되는 것 같아요 음악에서 음악이라는 아이템을 베스터로 임베딩 한다던가 아니면 어떻게 보면 블로그나 이런건 텍스트기관의 컨텐츠잖아요 그걸 어떻게 임베딩 한다던가 이런쪽으로도 좀 실제적으로 쓰여지는 것 같다는 생각이 들더라구요 제가 그냥

주위에서 실제적으로 쓰는걸 봤었을때는요 근데 그거를 베토로 임베딩 하는거 자체를 딥러닝이라고 할 수는 없잖아요 벡터를 인베딩하기

위해서 RNN을 쓴다던가 그 안에 RNN에서 들어가는 CNN을 가지고 중간에 있는 웨이트를 피쳐벡터로 쓴다던가 이렇게 해가지고 거기에서 또 이렇게 이어 리스트 네이버를 구한다던가 이런 식으로 많이 쓰게 되는 것 같아서 그것도 하나의 쓰는 방법 중에 하나인가 아닌가 하는

생각이 들기도 하고요 그러니까 이제 N2에 말씀하세요

그러니까 사실 딥러닝이라는게 아까 전에 말씀하셨다시피 그 데이터를 가지고 쓸 수 있는 하나의 한가지 방법인 거잖아요. 그러니까 기존에 사실 그 좀 어떤 알고리즘을 써가지고 데이터 특히 특히 분류하고 회귀 쪽 같은 경우에는 그런 거 기존에 썼던 거에다가도 이제 좀 더 특히 데이터도 많아지고 한 경우에는 딥러닝을 다른 대안 같은 걸로 다 적용을 해볼 수는 있을 것 같아요. 근데 지금

막 이렇게 열풍올듯이 엔드 투 엔드로 딥러닝이 끝을 내주겠다. 요거는

좀 안 맞는 것 같아요. 그건 좀 아닌

것 같아요. 넣으면 정답 탁 나오고 이런 수준까지 가려면 언젠가는 되겠지만 멀지 않았을까 그래도

조금은. 네, 좀 거품이

있죠 네, 어쨌든 저도 뭐 검색 쪽에서 보면은 그러니까 논문 나오는 거 보면은 이제 딥러닝을 피처로 이제 기존의 검색 시스템을 좀 인플루하고 이 정도까지는 있는데 말씀하신 대로 엔투엔드 검색을 그냥 다 어떤 그 뉴럴렛으로 하는 거는 아직 그러니까 시기상 좋은 것 같고 네, 어쨌든 그

그

데이터 진행해서 딥러닝 특집을 또 준비를 하고 있기 때문에 네, 그때 또 더 깊은 말씀을 나눌 수 있지 않을까 예 좀 생각을 해보고요 어 그리고 이제 또 마지막으로 좀 더 이제 실질적인 얘기를 어 나누고 이제 또 저희가 이제 1시간이 넘었기 때문에 마무리를 할까 하는데 사실 그 생활 데이터 활용을 많이 해보신 분들이니까 저도 사실 어 좀 오랫동안 했었고 그래서 프로세스를 한번 대충 생각해 보면 어떨까 생활 데이터를 내가 주변에 문제를 찾아가지고 해결하려고 할 때 그걸 어떤 식으로 그 해야 되는지 제가 생각하는 게 지금 몇 가지가 있긴 한데 그걸 말씀을 드려보고 두 분의 의견을 듣고 약간 이런 식으로 좀 말씀을 나누면 어떨까 싶어요 어 그래서 우선은 당연히 문제를 발견하는 게 우선순위인데 그 주변에 이제 데이터 문제 데이터를 가지고 해결할 수 있는 문제를 발견을 하는 건데 전 이제 아까도 말씀이 나왔지만 사실 이게 여기서 굉장히 어려워들 하시거든요 데이터를 모으는 게 워낙 힘드니까 그러면 이제 근데 이제 제가 생각하는 거는 힘들다는 게 결국에는 문제 해결의 효용이 문제 해결의 비용보다 더 작기 때문에 힘든 거잖아요 그래서 효용이 크거나 좀 비용이 작은 문제, 효용이 큰건 저같은 경우 애기 키우는거 비용이 작은건 이제 데이터 수집이 좀 쉬운 경우가 있어요 예를 들어 손에 그냥 차고 있으면 되는 뭐 그런 시계같은 걸로 데이터를 수집할 수 있다 건강문제같은 경우에 요새 많이들 그렇게 그 웨어러블이 나오니까 그런게 있는 것 같고 어... 또 주변 두분은 데이터 문제를 발견하는 방법이 있나요? 어떻게 내 주변에 데이터를 가지고 해결할 수 있는 문제가 어떤 게 있을까 그런 걸 어떻게 과거의 경험에 비춰보면 찾으셨는지 불편했던

거를 어떻게 하면 해결할 수 있을까라는 고민을 하면 거기서부터 출발점이 되기도 많이 한 것 같아요 근래에 지하철 자리앉기도 지하철을 가면서 누가 내릴까를 생각해보다가 데이터를 수집하게 되고 이렇게 그 어떤 사람이 내릴까 뭐 이렇게 개발자 같은 사람이 내릴까 아니면은 어떤 남자가 내릴까 여자가 내릴까 어떤 행동하는 사람이 내릴까 이런 것들은 이렇게 내가 해결하고자 하는 문제를 풀기 위해서 한번 노력을 해보고 노력을 해봐도 데이터가 수집 안되는 케이스가 많더라구요. 그게 큰 비용이 안든다면 그냥 수집을 해서 한번 해보면 스스로 뿌듯하지 않을까 라는 생각이 많이 들어가지고 그런 식으로 내 문제를 어떻게 풀어볼까를 계속 고민해보고 비용 대비 효과가 좋은 거 위주로 좀 찾죠, 많이. 그렇게 해가지고 많이 저는 어떤 데이터를 할까 많이 고민할, 그런 거 풀까, 생활 데이터로 풀어볼까 이런 것들을 많이 소스를 얻는 단략화에 이렇게 하는 것 같아요.

네, 여기 그 슬라이드를 보니까 하루에 2시간, 그게 일주일에는 이제 10시간, 그 다음에 1년엔 65... 65 그 워크데이를 이제 지하철에서 쓰신다. 그쵸? 거기서 앉아라 할 수 있는 게 굉장히 중요한... 일단 앉아라. 네, 중요한 문제인 것 같습니다. 중요한 문제를 찾으신 것 같아요. 그래서 공감을... 많은 분들에게서 공감을 하신 것 같다는 생각도

좀 들고요. 은근히 이 자료를 되게 좋아하시더라고요.

저도 되게 재밌게 봤어요. 정말 명품 슬라이드입니다.

명품 슬라이드. 사실 이것도 그렇고 질문 자체는 그렇잖아요. 그러니까 한교 지하철에서 앉아갈 수 있는 방법은 뭐냐라고 하면 되게 질문이 무슨 구글 면접에서 나오는 질문들 같잖아요. 그 여기에 뭐 서울에 스타벅스가 몇 개인가 뭐 이런

거 그래서

그런 컨텐츠, 그런 것들이 보면은 그 문제를 어떤 정확한 답이 있는 것보단 그러니까 그런 거 문제를 쪼개가지고 그 문제를 논리적으로 쪼개고 그 안에다가 이런 숫자를 집어넣고 이런 데이터를 찾아먹고 하는 것들을 보통 그런 면접문제에서 보잖아요 그래서 그런 거하고도 사실 그 여기서 그 데이터를 가지고 뭔가를 하는 게 어떤 거냐고 하면은 사실 저는 그게 큰 차이가 안 나는 거라고 생각을 하거든요 그러니까 뭐 회사에서

푸는 문제랑 그 다음에 이런 개인적인 문제를

해결하는 게 네, 그러니까 그냥 어떤 문제가 있고 그거를 잘 쪼개고 거기에다가 여기에 이런 데이터를 넣으면 되겠다 뭐 그런 게 아닌가 여기 설명도 잘 해주셨고 이거

이 발표를 하고 나니까 주위에 그 때 좀 만난 분들이 그런 얘기를 많이 해주시더라구요 문득 이제 제가 이제 서울대 입구 역 쪽에서 이제 사람을 만났는데 여기에서는 사당에서 많이 날리기 때문에 5-3번 플랫폼을 가면은 앉아 가실 수 있습니다 라고 저한테 노하우를 알려주시더라구요

네, 저는 여기서 진짜 터졌어요. 여기. 여의, 햄,

평, 이. 발표할 때도 되게 좋아하더라고요. 여의, 햄, 평, 이. 이렇게 했다니까. 이게

그러니까 20대 여성이 평상복 패션에 이어폰을 끼고 핸드폰을 하면서 앉아있다가 정자에 계속 내렸어. 그러니까 이게 이것도 약간 그 뭐지? 지하철에서 이걸 다 기록하고 있을 수가 없으니까. 네. 일종의 인코딩을 하신 거잖아요 그쵸? 데이터를 뭔가 컴프레션을 하신 건데 아 네 뭐 이 시각화 뭐 참 네 저는 사실 저도 이제 저희 회사에서 면접을 종종 보는데 이런 거 보여주면 무조건 뽑을 것 같아요 무조건 뽑을 것 같아요 무조건 뽑을 것 같아요 무조건 뽑을 것 같아요 무조건 뽑을 것 같아요 무조건 한 뽑을 것 같아요

무조건

뽑을 뽑을 100배 것 같아요 무조건 뽑을 같아요 무조 안 좋거든요 진짜 지저분하고 근데 사람은 별로 없어서 사실 저는 이런거 할 필요는 별로 없는데 누가 바트를 가지고 이런걸 분석을 했다 그러면 아죠 예 저는 사실 그래서 그 아까 이제 그 뭐 그 복잡한 문제를 복잡한 걸 해야지 이제 뭐 취직에 도움이 되지 않느냐 그런 의미에서 이제 딥러닝 열풍 이런 것도 말씀드렸는데 뭐든 이렇게 엔투엔드로 직접 동기부여, 그니까 문제 정의부터 해가지고 해결을 해보신 분이 참 정말 잘 하시는 것 같아요 그래서 그런 면에서 이제 공부하시는 분들한테 항상 이렇게 문제 하나 잡아서 끝까지 처음부터 해보시라고 그렇게 항상 말씀을 드리는데 네 어쨌든 참 좋은 예를 보여주시지 않았나 민님이 생각을 해봅니다 네 어쨌든 뭐 문제 발견할 때는 이제 문제에서 출발하는 경우도 있고 안그러면 뭐 이미 데이터가 있으면 그 데이터 갖고 출발하는 것도 방법이죠 그쵸 되게 재미있는 데이터가 있으면 어 제가 최근에 본거는 그 캐글에서 2017년 그 데이터 사이언스 설베이라고 이제 자기 그 사용자들 이제 설베이 해가지고 이제 어떤 식으로 이제 데이터 과학자들이 일하는지 뭐 이제 그런거를 한걸 봤었는데 그것도 굉장히 재미있을 것 같더라구요 그거 저는 한번 이번 주에나 시간 되면 한번 해볼 생각인데 재미있는 데이터가 이미 누가 만들어놓은 게 있으면 그냥 그거는 떠먹여주는 거죠 그쵸? 찾아보시면은 이건데 이거 혹시 보셨어요 두 분은? 어 잠깐 봤어요 전 요거는 안 봤네요 네 요거가 근데 여기서는 파이폰이 엄청 강세로 나와요 예 알은 거의 죽었어요, 여기 보면은 저는 이제 이게 태그리 근데 사실 생각해 보시면은 거의 머신러닝 컴피티션이잖아요? 네 알 보단 당연히 파이턴 쓰는 사람이 많을 수밖에 없는 그런 사용자층이 일단 그렇기 때문에 혹시나 알을 쓰시는 분이 있으시면 너무 좌절하지 마시라고

캐글 얘기가 나왔으니까 저는 데이터 분석을 한다던가 아니면 생활 데이터를 해보자는 분들은 정말 캐글에 kernel을 쓰면 정말 좋은 것 같아요. 캐글에 kernel이 있는데요. 우선은 캐글에서의 kernel은 캐글에서 다양한 데이터셋을 제공하는데 그 데이터셋을 온라인으로 바로 빌드해서 실행을 할 수 있는 환경을 다 제공해 주거든요 그러니까 파이썬이나 아니나 이런 걸로요 그냥 바로 지금 보이시는 이런 캐글 커널을 다 실행을 할 수가 있어요 그렇기 때문에 유명인들이 자기가 분석 과정을 다 했던 것들 이런 것들을 이 커널에 블로깅 하듯이 블로그를 올리면은 그것을 보고 이해하기도 하고 내가 하고 싶다면은 포크를 바로 떠가지고 그냥 바로 실행만 하면은 로컬에서 그냥 바이파이성 노트북 실행하듯이 똑같이 실행까지 다 할 수가 있거든요 그러면은 정말 이거는 왠지 정말 분석의 그 데이터 탐색의 엔드 투 엔드를 고수들이 해놓은 것을 그냥 아까 진영님 얘기했던 것처럼 떠먹여주는 거거든요. 음 그러네요. 그러니까 단순히 그냥 블로깅도 아니고 실행까지도 할 수 있으니까 내가 거기다 다른 아이디어로 넣어가지고 조금 수정해가지고 뭐 다시 뭐 퍼블리싱을 할 수도 있고 아니면은 그리고 특히 이런 생활 데이터라던가 데이터 분석을 하고자 하는 분들이 이런 플로우를 경쟁적인 플로우들이 되게 없거든요 은근히 되게 그래서 하다가 그냥 좌절을 하는데 여기 데이터부터 시작해가지고 전체 플로우 과정이 다 있고 실외경 보면서 나의 의견도 한번 거기다 한번 놓고 또 이렇게 피보팅하면서 탐색도 할 수 있기 때문에 전 정말 좋은 하나의 플랫폴로라고 생각이 드네요 네,

노트북만, 그러니까 Python 노트북만 해도 굉장히 유용한데 이렇게, 이거는 사실 R도 가능한 거고요, 그쵸? 네, 맞습니다. R 노트북으로 그냥 되어있는 거고 네, 한 번 꼭 써보시면

좋을 것 같습니다. 그리고 여기에 대고 하는 것만 아니라 다른 분들도 막 올려놔서 데이터셋도 많거든요. 뭐 MBA 데이터나 이런 것도 그러니까 자기 침해에 있는 데이터셋을 찾고 거기에 있는 분석 사례를 분석해도 되게 처음에 접근하기에 좋을

것 같습니다. 저는 예전에 538이라고 굉장히 유명한 데이터 저널리즘 사이트가 있는데 거기서 항상 자기들 분석했던 데이터를 같이 공유하더라구요 매번 하는 건 아닌데 기사를 되게 재미있게 써놓고 기사에 이런 데이터를 썼다 해가지고 공유하는 걸 보고 그거 가지고도 좀 여러가지 해볼 수 있지 않을까 생각을 했었어요 네 어쨌든 뭐 지금 문제 발견하기에 대해서 많이 말씀을 나눴는데 어 예 그 다음에 이제 그 데이터 수집 단계가 있죠 데이터 수집 단계에서는 이제 뭐 자동으로 이제 모으는 게 더 좋긴 하지만 필요하면 이제 수동으로 모아야 되는데 어 뭐 앱을 쓰는 것도 방법이고 저 같은 경우는 그냥 요새 그 모바일 앱에 스프레드시트 같은게 잘 되어 있으니까 그런 것도 활용해 볼 수 있을 것 같고요 그 다음에 이제 당연히 종이화펜 좋습니다 종이화펜으로 썼다가 나중에 옮길 수도 있고 어쨌든 근데 이거를 보통은 데이터 모으시다가 사실 많이 포기하시는 경우가 많은데 사실 생각해 보면 그렇게 많은 양의 데이터가 필요한 건 아니에요 데이터를 분석을 하신다고 했을 때 일단은 그냥 분석해서 모아서 보는 것만으로도 사실은 뭔가 패턴이 나오는 경우도 많고 어 네 일단 자주 모아서 분석을 하고 해보고 그 다음에 이제 또 분석하다 보면 데이터를 또 더 모아야 될게 생기거든요 뭐 이런 속성을 추가해 봐야겠다 뭐 이런 뭐 예를 들어 아침 저녁에 했는데 아침 점심 저녁으로 모아야겠다 이런 식으로 계속 뭔가 그 뭔가 어 이토레이션을 해야 돼요 그래서 이거를 막 모아서 1년치를 모아서 한꺼번에 분석해야겠다 이렇게 생각하지 마시고 자주 자주 하시라고 말씀을 드리고 싶습니다 데이터 분석 쪽에서 또 해주실 만한 말씀이 좀 있으신가요?

데이터 수집 쪽에서? 사실 수집 쪽은 제가 생각하기에는 흔히 생활 데이터를 쓰시는, 특히 개인적인 데이터라든가 그런 것 같은 경우에 자동으로 수집되는 앱을 쓰시지 않으시는 분들이 대부분 아마 2단계에서 나가 떨어지시지 않을까 하는 생각을 하는데 사실 왜냐하면 저도 몇 번 하다가 포기한 적이 있기 때문에

최소 비용 고효율이 있는 수집 방법을 아니면 버티지 못하더라고요. 그래서

말씀하신 대로 저 작게 모아서 자주 분석하는 거 물론 작게 모아서 분석을 하는 경우에는 그 양이 충분하지 않기 때문에 그거를 가지고 어떤 내가 뭐 이렇구나 라든가 이런 어떤 명확한 그런 거를 발견하기는 좀 어렵긴 하지만 그래도 최소한 내가 이때는 대량 이런 식이었구나라는 정도까지라도 볼 수 있잖아요 그래서 그런 것부터 처음부터 너무 많은 결과 뭔가 정확한 결과와 이런 걸 얻으려고 한다기보다는 그냥 지금 대충 이런 게 있구나라는 거를 어떤 그냥 상태를 모니터링한다는 느낌으로 보면서 하면은 조금씩 조금씩 조금씩 결과를 보면서 하면은 좀 낫지 않을까 하는 생각을 하긴 해요 거기다가 일단

인내심을 가지고 나는 보상신이네요 그러니까 요만큼 했으니 우선 이거는 뭔가 받아먹어야 된다 그러자나 너무

힘든 것 같아요 그러니까 저같은 경우에는 보통 그래서 일주일에 한 번씩은 적어도 뭔가 데이터를 보려고 해요. 일주일 치를 모은 다음에 주말엔 보는 거죠. 그런 식으로 뭔가 사이클을 만들어가지고 저같은 경우에 사실 이런 면에서 인내심이 굉장히 뚜렷한 편인, 인내심이 굉장히 충만한 편인데도 일주일 이상 데이터만 모으려면 어느 순간 막 관 두는 경우도 많고 저도 정말 많이 뭐 했습니다. 관 두는 거. 하다가 하다가 안 관둔거는 가끔 글이 나오고 하는건데

열심히 많이 포기합니다 여기 채팅 하나 올려주신 분이 제가 예전에 팻빗을 많이 사용했는데 사용했다고 얘기한게 있었거든요 분석할 계획이 있으신지 지금은 사용하는지도 물어보네요 지금도 사용하긴 하는데 다들 핏빛이라던가 이런거를 시계로 쓰잖아요. 시계로만 쓰고 있습니다. 이게 한번 어쩌다가 몇주 동안 2,3주 못차고 데이터가 뜨믄뜨믄 끊기니까 데이터의 신뢰성이 없어진다고 생각하니까 많이 못쓰게 되더라구요. 그러면서 멀어지긴 되더라구요. 하여간 그렇게 됐네요. 저도 한번 야심차게 제가 pp 저도 사고 와이프도 채워줬거든요. 같이 중교분석 해보겠다라고 야심차게 했다가 그냥 야심차게 그냥 시계로만 쓰고 있습니다.

네 저도 뭐 애플와치의 마치로 쓰고 있습니다. 뭐 예 어쨌든 수집 쪽은 그렇고 그 사실은 어쨌든 그래요 제가 봤을 때 이 생활데이터 분석은 저는 이제 그렇게 생각해요 이게 보통 혼자 하다보니까 끝을 내기가 되게 어려운데 그래서 이제 마지막에 소통의 중요성 이거를 quantified self 이런게 괜히 생긴게 아니거든요 제 생각에는 혼자 사람들이 하다 포기하고 포기하니까 누군가가 아 이거 우리 같이 한번 얘기해보자 하고 만든 것 같아요 그래서 그 내가 이렇게 뭔가 데드라인을 세우고 뭔가 내가 오늘 1월 1일부터 1월 15일까지 한번 해보자 그 다음 15일 날은 뭔가 나오는 거죠 그러니까 이게 뭔가 좀 그 의지가 굉장히 필요한 일이긴 한데 이렇게 그래도 내가 이번 달 말에 여기 가서 발표를 해야겠어 이렇게 계획을 세우고 이제 가서 열심히 데이터를 모으는 거죠 약간 그런 커뮤니티의 존재가 좀 중요합니다

저도 거긴 되게 공감이 많이 되는 것 같아요 이게 저도 이렇게 써가지고 다 이렇게 정리를 해가지고 블로그에 하나 올리고 사람들이 좋아요 누르는 거 요런 재미에 그런 재미가 돼서 되게 동기부여도 더 많이 받기도 하고요 또 이렇게 남에게 공유를 하고 소통을 한다는 거는 데이터 분석이라는 게 정량적이라 그렇지만 되게 주관적인 정량화 잖아요 처음에는 근데 남에게 얘기를 한다 보면은 객관적 정량화가 다시 되는 것 같아요. 내가 몰랐던 부분, 틀렸던 부분 이런 것들이 주관적으로 그냥 이렇게 하겠지라고 그냥 가설 같은 것들은 마음속에 있는 가설이 주관적 정량화가 됐었는데 그거를 누구에게 얘기한다면은 객관적으로 정량화돼가지고 정제되고 정제돼서 더 좋은 결과를 나오는 경험을 많이 받았던

생각이 많이 들어요. 뭔가 명언을 해주신 것 같아서 제가 여기다 적었습니다. 불안적인 경영하다 뭔가 그 데이터 분석의 본질을 깨뚫는 한마디인 것 같네요 동기부여도 그렇고 객관성도 그렇고 제가 자주 들은 비유가 데이터 분석은 항상 장림 꽃길 만지는 거라고 어떤 식으로 하든 자기가 다 전체 그림 보기가 어렵기 때문에 오류 가능성을 염두에 둬야 되고 당연히 이제 그럼 여러명이 이제 같이 만지면은 어 더 잘 알 수 있는 거죠 네 시간이 지금 많이 됐기 때문에 어 그 이제 뭐 미래 뭐 전망 얘기를 간단히 하고 마무리를 하시죠 어 그래서 2000 왜 2022년이라고 했죠? 세상이 많이 이제 바뀔 텐데 5년 뒤에 5년 뒤에 사실 지금 워낙 빨리빨리 바뀌기 때문에 5년 뒤에 무슨 일이 있을지 잘 모르겠어요 그래서 당연히 이제 더 많은 데이터와 컴퓨팅 파워가 있고 뭐 제가 봤을 때는 데이터 인공지능이 뭐 물론 발전을 하겠지만 데이터로 문제를 해결하는 능력 데이터 지능이 훨씬 중요해지지 않을까 저는 이제 생각을 하는데 어 두 분 생각은 어떠세요?

저 부분이야 예전에도

중요했고 지금도 중요하고 앞으로도 중요하겠죠. 예전에도 원래 중요했었는데 이제는 모든 사람이 중요하다고 얘기를 하는

것 같아요. 예전에는 중요했지만 이제 그런 데이터라든가 이런 거에 접근하기가 힘들고 구하기도 힘드니까 아무래도 그게 이제 그냥 그 논리적인 능력이 중요하다라고만 됐었는데 이제는 그 논리적인 거에다가 가지고 올 수 있는 근거인 데이터를 찾기가 쉬워지는 거잖아요 그러다 보니까 이제 그런 데이터를 가지고 무언가를 하는 게 좀 더 중요해진 거고 그 다음에 뭐 앞으로도 데이터는 접근하기도 편해질 거고 뭐 요즘 툴도 많이 생길 거고 그러니까 역시 그런 게, 그런 꾸준히 어떤 논리적으로 데이터를 가지고 사용해서 하는 건 항상 중요한데 그게 좀 더 쉬워짐으로써 더 볼 수 있게

되지 않을까 네 어쨌든 뭐 저도 이제 사실 요새 얘기하는 거 보면은 데이터 관련된 거 이제 다 기계가 다 해버리지 않을까 뭐 이런 식으로 얘기를 하는 사람들도 있는데 뭐 문제 해결의 어떤 부분은 더 자동화되고 뭐 그런 것도 있을 것 같아요 근데 이제 그러면 이제 좀 더 중요한 사람은 좀 더 중요한 문제를 정의하는 부분이나 예를 들어 feature selection을 머신러닝 알고리즘에서 알아서 해준다고 해도 어떤 문제를 머신러닝으로 할 것이냐 그리고 결과를 어떤 metric으로 평가할 것이냐 이런 건 계속 중요한 문제이기 때문에 그 생각에는 이제 계속 데이터를 잘 사용하고 또 남이 그만큼 더 중요한 게 남이 해결책을 가져오는 걸 평가하는 거를 그런 비평할 수 있는 안목을 길러야 되지 않을까 생각을 해봅니다 마지막으로 이제 제가 또 좀 중요한 공지를 한번 드릴텐데 제가 사실 다 다음주에 한국을 방문하게 됐어요 그래서 이제 11월 16일 이날이 목요일인 걸로 알고 있는데 저녁 7시에 홍대 한빈 미디어에서 회의실을 빌려주시기로 했어요 그래서 거기서 이제 생활 데이터 뭐 및 데이터 쪽 관심 있으신 분들이 모여서 뭔가 서로 분석하는 것을 공유해 볼 수도 있고 말씀을 나눌 수 있는 자리를 만들려고 해요 생활 데이터의 첫 오프 모임이 되지 않을까 하는데 아마 이제 공지를 올리겠지만 여기 이제 온라인에 지금 18분 아직 계신데 온라인에 계신 분들 그리고 또 회원분들도 많이 오시면 좋을 것 같고 저희가 이게 뭐 사실 제가 무슨 대형 무슨 강의를 하려고 하는 것도 아니라서 한 40분 정도 그 제안을 하려고 해요 그래서 빨리 신청을 해주시면은 더 좋을 것 같은데 어쨌든 그 목표 모임이 있다는 거 말씀을 드리고 네 그리고 또 여기 저희가 이제 벌써 그 1, 2회에 500 합쳐가지고 1000 다운로드 정도 지금 했는데 저는 그래도 너무 많이 이렇게 관심 가져주니까 감사드리고 이번에 사실 생방송을 유튜브로 했는데 저는 이렇게 여러분들 한 20분 오셔가지고 이렇게 댓글도 주시고 사실 저희가 얘기하다 보면은 또 뭔가 이렇게 힘을 많이 받거든요 이렇게 해주시는 거 너무 감사하고 앞으로도 이제 하려고 하고 이번에는 이제 슬라이드 같은 걸 좀 준비를 해봤는데 슬라이드도 좀 도움이 됐던 것 같고 네 어쨌든 저희는 앞으로도 다양한 시도를 해서 더 좋은 방송을 그리고 뭐 당연한 거지만은 지속가능한 방송을 한번 만들어 보려고 노력을 하겠습니다 아 예 그리고 방송 잘 들으신 분들은 뭐 피드백도 그렇지만은 그 아이툰스나 팟판 같은데 의견 주시면 저희가 그거 보고 열심히 노력해서 좋은 방송 만들어 보도록 하겠습니다 그러면 생방송 지금 오신 분들 그 이메일 주소 하나씩 남겨주시면 제가 말씀드린 대로 이번에는 그 한빈 미디어 협찬으로 헬로 데이터 과학 제가 작년에 썼던 헬로 데이터 과학이나 아니면 혹시나 뭐 그 책은 필요 없다 이러시는 분들은 이제 그 이번에 이제 김승현님 지난번 방송에 나오셨는데 김승현님이 쓰신 처음 배우는 머신러닝 이 책 둘 중에 한 권을 이번 생방 참여해주신 분들 중에 한 분을 추첨해서 드릴 생각이고요. 네, 그래서 이메일 남겨주시고 이제 마지막으로 권정민 님부터 한 말씀씩 듣고 방송 마치려고 합니다.

무슨 말을 해야 되지? 어떤 말을

하면 될까요? 규민 님 먼저 하실래요?

감사합니다 아 요런 이렇게 예전에 이제 아프리카 TV 에서 한번은 그냥 방송을 해봤었는데 이렇게 세 분이 모여 가지고 이렇게 하는 팟빵 요런걸 해보니까 재미도 있고 좋은 경험이었던 것 같아요 그리고 이렇게 생활 데이터라는 그래서 온정민 님이나 진영 님의 많은 또 인사이트도 받았구요 그래서 좀 재미있게 많이 했던

것 같습니다 저도 예전에 팟캐스트를 예전에 한 번 녹음해보고 이번이 두 번째인가?인 것 같은데 저번에 인사말은 따로 녹음한 거였으니까 그래서 지금 오랜만에 팟캐스트 하니까 좀 되게 어버버버한 것 같긴 하지만 재밌었고요. 그 다음에 제가 생활데이터 쪽을 사실 제가 요즘에 이제 개인적 다른 일들로 바빠가지고 보시다시피 보면은 좀 이렇게 블로그도 잘 안 올리고 네, 그러고 있었는데 오늘 또 물론 저번에 한번 발표자료를 보긴 했는데 규민님 발표자료 같은 것들도 보고 그다음에 진영님 그 육아 키우는 것도 보고 하면서 저도 오랜만에 뭘 해봐야겠다는 생각이 아주 조금은 들었어요. 그래서 여러모로 저한테도 의미가 있었던 재밌는 기회였던 것 같습니다. 감사합니다.

네, 두 분은 항상 저한테 굉장히 많은 영감을 주시기 때문에 저도 사실 이렇게 작년에 책을 쓰긴 했지만 올해도 낳고 회사도 옮기고 하면서 사실은 제가 특히 또 미국에 있으니까 가만히 있으면 시간이 잘 가요. 근데 누가 만나자는 사람도 없고 한국에서 똑같아요. 가만히 있으면 시간 잘 가요. 그냥 조용히 살게 되는데 그것도 나름 나쁘지 않은 삶의 방식인데 그래도 이제 뭔가 좀 계속 공부도 해야겠고 다음에 또 어떤 훌륭한 분들 만나서 말씀도 듣고 싶고 그래서 이렇게 일을 벌리고 있는데 어쨌든 저희 두 분 나오셨는데 오늘 저희가 이제 방송 다음에 했을 때 또 계속 참여를 저희가 하실 수 있도록 뭐 그룹 같은 걸 만들어서 다음에 예를 들어 뭐 딥러닝 방송을 한다 아니면 뭐 뭐 다른 주제로 사실은 두 분은 사실 생활 데이터 얘기만 듣기엔 너무 아까운 좋은 경험이 되게 많으신 훌륭한 분들인데 다음에 좀 더 데이터 뭐 무슨 그 서비스에 뭐 온라인 서비스의 평가랄지 아니면 모델링 추천 시스템 모델링이랄지 뭐 이런 것도 또 말씀 나누는 기회가 있으면 좋겠어요 아 네 어쨌든 시간 너무 감사드리고 그 다음에 또 라이브에 방송에 참여해주신 한 20분 정도 오셨는데 너무 감사드리고 예 또 청취자 분들 감사드리고 네 그러면은 시간 되시는 분들은 11월 16일 목요일 저녁 7시에 홍대 한빈 미디어에서 뵙겠습니다 제가 생활 데이터 그룹에