블로그

Jul 04, 2023

데이터 과학 경력에 비용을 초래할 수 있는 피해야 할 10가지 치명적인 실수

Divyanshi kulkarni 팔로우 DataDrivenInvestor - 듣기 공유 데이터는 비즈니스에 있어 혈액이 신체에 미치는 영향과 같습니다. 그리고 오늘날의 분주한 세상에서는 데이터로 무엇을 만드는가가 중요합니다. 그건 그저

디뱐시 쿨카르니

따르다

데이터 중심 투자자

--

듣다

공유하다

비즈니스에 있어서 데이터는 신체에 있어서 혈액과 같습니다. 그리고 오늘날의 분주한 세상에서는 데이터로 무엇을 만드는가가 중요합니다. 그것은 단지 데이터일 뿐이지만 인공지능과 함께라면; 당신은 그것을 더욱 강력하고 영향력 있는 것으로 만듭니다. 데이터의 다양성으로 인해 부적절함이나 실수가 거의 발생하지 않는 대규모 익명성이 제공됩니다.

ExplodingTopics.com의 최근 통계를 이해하기 시작하면 매일 생성되는 약 3억 2,877만 테라바이트의 데이터가 드러납니다. 2025년에는 약 181제타바이트의 데이터 생성이 발생할 것으로 예상됩니다. 데이터 생성 분야에서는 너무 많은 일이 발생하므로 계산 착오와 실수가 발생할 가능성이 높습니다. 앞으로의 비즈니스에 막대한 비용이 발생할 수 있으므로 처음부터 이에 대응하는 것이 중요합니다.

실수 1: 정확한 비즈니스 문제를 정의하는 무능력

당면한 비즈니스 데이터 문제를 정의하는 것이 가장 중요합니다. 그것이 사업 전망의 방향을 결정하게 될 것이기 때문이다. 데이터 과학 경력 초기의 초보 데이터 과학 전문가 , 데이터 과학의 중요한 측면을 중요하게 생각하는 것을 잊지 마십시오. 데이터 과학이 각 단계에서 무엇을 가져올 것인지에 대한 명확한 비전을 갖기 위해서는 처음부터 프로젝트의 전체 잠재력 범위를 파악하는 것이 매우 중요합니다. 이것이 바로 비즈니스 요구 사항을 항상 이해하는 것이 필수적인 이유입니다.

실수 2: 연구 및 계획 부족

데이터 과학자가 피해야 할 또 다른 실수는 충분한 데이터를 수집하지 않고, 충분히 연구하지 않고, 비즈니스 문제에 대한 구체적인 계획이 부족하다는 것입니다. 연구 질문에 정확하게 대답할 수 있을 만큼 충분한 데이터를 보유하는 것이 최선의 방법입니다. 데이터가 충분하지 않으면 분석에서 신뢰할 수 있는 결론을 추론하고 도출할 수 없습니다. 다음과 같은 질문을 해결합니다. 우리가 답변하려는 질문은 무엇이며 이에 대한 답변을 어떻게 진행할 것인가? 데이터가 특정 방식으로 동작하는 이유는 무엇입니까? 그것은 우리에게 어떤 이야기를 말하려고 하는가? 적극 권장됩니다. 해독 계획 없이 문제에 직접 부딪히면 비즈니스에 막대한 비용이 발생할 수 있습니다.

실수 3: 부적절한 데이터 시각화 방법 선택

문제를 더 깊이 파고들려면 청소와 전처리가 가장 중요한 단계입니다. 데이터 시각화의 올바른 선택 기술과 기타 도구는 성공에 매우 중요합니다. 이는 프로젝트 개발의 모든 단계에서 필수적인 것으로 간주됩니다. 잘못되었거나 잘못된 시각화로 인해 잘못된 정보를 얻을 수 있습니다. 궁극적인 비즈니스 목표에서 벗어났습니다.

실수 4: 효율적인 모델 피팅 실패

올바른 기계 학습 모델을 배포하고 활용하지 못하는 것은 큰 위험 신호입니다. 보유한 데이터에 맞게 모델을 최적화하는 것이 가장 중요합니다. 시간이 지남에 따라 데이터가 변경되고 발전함에 따라 최고 성능에 도달하려면 하이퍼파라미터 값을 적시에 변경하고 최적화해야 합니다.

실수 5: 성과보다 이론에 지나치게 집중함

실제 모델 성능보다 이론에 지나치게 의존하는 것은 진행 중인 프로젝트 전체에 큰 반발을 불러일으킵니다. 솔루션의 정확성은 선택한 알고리즘, 작업 중인 데이터, 설정한 매개변수에 따라 크게 달라집니다. 실용성을 살펴보면 확실히 결과에 긍정적인 영향을 미칠 것입니다.

실수 6: 솔루션 맞춤화 실패

둘 이상의 프로젝트에 대해 프로그램 구현을 재사용하지 않는 것이 좋습니다. 데이터 과학은 모든 종류의 일률적인 흐름이 아닙니다. 한 프로젝트를 위해 설계된 하나의 솔루션이 다른 프로젝트에 완전히 적용될 수도 있고 그렇지 않을 수도 있습니다. 두 가지 비즈니스 문제는 동일하지 않습니다. 따라서 맞춤형 솔루션을 만드는 데 있어서 엄격한 관용이 필요합니다.

실수 7: 문제에 대한 잘못된 도구 선택