데이터 사이언스로 갈까? 백엔드 개발자로 갈까?

석박 통합과정 당시 가장 어려운 부분은, 선배가 없다는 것이었고,

 

혈당 변화에 따른 유전율 변화로 인한 공진 주파수 천이를 활용하여 EM 기반 혈당 측정 센서를 개발하기 위해서,

신생분야이면서, 국내에서는 역사가 없거나, 손을 놓은 분야이다 보니, (구글 렌즈도 포기하였다...)

해외 우수한 논문만 200편 이상은 읽어보았는데, 
어떤 분야든 그렇겠지만, 데이터-> 정보 -> 지식으로 이어지는 단계에서

데이터나 정보는 참 많지만, 

맞다고 일컬어지는 지식을 찾기는 참 어렵다는 느낌을 받곤 했었다. 

그런데, 개발자 + 데이터 사이언스 분야는 정답 혹은 정석 혹은 쪽집게 강의로 일컬어지는 참고자료들이 너무도 많다.

분야 자체도 많지만 결국 연관되어 있고, 확장성이 있다는 것 또한 매력적이고, 

무엇보다 문지현이란 나란 사람에게 정말 맞는 것 같다. 

 

사실 한동안 매우 방황했다. 

개발자가 되기로 결정한 9월초부터 지금까지 강의, 특강, 멘토링, 유투브,블로그, 책만 해도 

정말 말도 안되게 읽어보고 참고해보고, 질문도 40~60퍼센트를 내가 질문할 정도로 물어보고,

 

경력있는 신입 개발자를 뽑는 것이 회사입장/인사팀 입장에서 이해는 간다지만,

내가 과연 Why? / What? / How? 에 대한 명확한 방황성을 못잡은 듯한 느낌이 강했다. 

 

현재 이수중인 과정도 다 짬뽕되어 있는 듯한 느낌이 강하다. 
Python -> Java -> MySQL -> Spring ->Android -> Aduino -> OPENCV 

 

예전에는 이것을 다 배우면 제대로 할 수 있게다는 느낌이었지만,

시중에 나와있는 책들을 기반으로 책을 따라하는 튜토리얼 + 팀(혹은 개인)프로젝트를 진행해가다보면,

6개월의 과정이 끝날 계획이기에 너무도 불안했다. 

 

채용 공고는 뜨고,
주니어 개발자를 위한 취업정보(github.com/jojoldu/junior-recruit-scheduler) 를

기반으로 부족한 나를 발견하고, 나의 방향성을 생각해보면, 

참 안일했고, 부족하다는 것을 느끼지만,

과연 내가 정말 뭐가 맞는지 모르겠다는 생각을 했었다. 

 

데이터 사이언티스트가 되려면, 바로 데이터사이언티스트가 되기 어려우니,

데이터 엔지니어가 되서 어떻게 데이터를 가져와서 자료구조를 어떻게 처리하고 저장하는 지등을 이해하려면

백엔드 엔지니어로 시작해야 어디로 가든 좋다고 하고,

 

과연 내가 무엇을 어떻게 하는지 그리고 왜 이 언어/프레임워크를 선택해야 하는지 

참 어렵다는 생각을 하곤 했다.

여전히 답은 없지만, 내실을 갖추기 위해선 

하나하나 차근 차근 밟아가야겠다는 생각밖에 없다. 

여전히 바뀐 것이 없는 것은

 

1. 컴퓨터공학 매주 과제는 끝내는 수준으로 하기

2. 프로젝트 어떻게든 마무리하기

3. 실무강의 듣기

4. 디자인 강의 듣기

5. 위에것 끝나면 캐글로 넘어가고

6. 수업은 틈틈히 해나가기

→ 이를 모두 수행해나가기 위해서 매일 계획표 작성하고 매주 계획표 작성해내가면서

달력 체크해가면서 어떻게 얼마나 해나갈지 고민해보자!!

컴퓨터공학 2주안에 끝내고

프로젝트는 오늘, 내일, 월, 화에 마무리 짓고,

실무강의는 1주일 반만에 끝내고

디자인 강의도 1주일 반만에 끝내고

캐글을 본격적으로 시작하면서 + 홈페이지 진행시키기

 

이 프로세스대로 해나가면서 나의 부족함을 적당함으로 전이시키고, 
결국에 데이터 분석가건 백엔드 엔지니어건 하면 되는 것이다. 

 

남들도 어렵게 쟁취한 것이고,

나의 경쟁자가 많다고 한다한들 나만의 강점을 최대한 어필해보자!

너무도 불안한 하루하루를 보내고, 방향에 대한 불안감 다시 무르 익고 있지만, 

 

나에겐 정말 좋은 선생님들이 네이버 블로그, 티스토리, verilog, 유투브, 책 등에 널려 있다. 

연말이라 더더욱 불안하고, 조급해지지만, 

이제 블로그 작업도 해내고 있고, 깃허브도 해내고 있고, CV도 해내고 있고,

추후에는 두번째 토이 프로젝트인 학교 홈페이지 프로젝트도 마무리할 것이고,

종국에는 패스트 캠퍼스의

1. 직장인 필수 스킬 3종 세트 MAX 올인원 패키지

2. 디자인 툴 MAX 올인원 패키지

3. 컴퓨터 공학 전공자 따라잡기 온라인 완주반을 100% 이수할 것이고,

 

내가 가고 싶어하는 회사에서 원하는 언어와 프레임워크를 활용한 프로젝트도 해낼 거이다.

나는 여전히 부족하고 앞으로도 부족할 것이다. 

 

그렇지만, 부족한 것은 상태이고, 나는 스칼라보다는 벡터를 생각하며, 나의 방향을 확고하게 

잡는데 집중하자! 

정말 많은 언어와 사례들을 참고하면서 수행해나가고 있지만, 좌절하지 말자! 
난 할 수 있고, 미루면 늦어질 뿐이고, 나중이란 것은 나중에 해야한다는 말이다

 

----------------------------------------------------------------------------------

쏘카 데이터 그룹 변성윤(카일)님 깃허브 강의(멘토링) 자료

zzsza/kyle-school

커리큘럼

• (1) 1주차 - [발표 자료]
  • 우리는 왜 일하는가?
  • 어떻게 해야 일을 더 잘할 수 있을까?
  • 번아웃
  • 맥북 스마트하게 사용하기
• (2) 2주차 - [발표 자료]
  • 올바른 자세
  • Pandas 퀵 리뷰
  • 데이터 시각화
    • Matplotlib, Seaborn, Cufflinks
    • Ipywidgets
    • Pydeck
• (3) Shell Command - [발표 자료]
  • 쉘 관련 용어 정의 및 데이터 직군에서 쉘 사용하는 경우
  • 기본 쉘 커맨드
  • 데이터 전처리시 사용할 쉘 커맨드
  • 종합 실습 : 카카오톡에서 대화 많이 한 사람을 1줄로 추출해보기!
  • 서버에서 주로 사용하는 쉘 커맨드
• (4) Shell Command & Shell Script - [발표 자료]
  • 질문 잘 하는 방법
  • 쉘 커맨드
    • awk
    • sed
    • alias
    • xargs
    • nohup
    • screen
    • scp
    • pbcopy
    • /dev/null이란
  • 쉘 스크립트
    • 함수
    • 변수
    • 위치 매개 변수
    • for loop
    • while loop
    • 조건문(if elif, case)
    • set
    • ''와 ""는 다르다
    • trap
• (5) 클라우드 & 데이터 엔지니어링 - [발표 자료]
  • 연말정산
  • 클라우드란?
  • 데이터 엔지니어링 퀵 요약
• (6) 영양제 & Airflow - [발표 자료]
  • 영양제
  • Apache Airflow란?
  • Apache Airflow를 사용한 간단한 ETL 파이프라인 만들기
• (7) Git, Github - [발표 자료]
  • 회복 탄력성
  • Git
  • Github
  • Sourcetree
• (8) Github Action - [발표 자료]
  • Github Action 입문
  • YES24의 IT 신간 도서 TOP40을 매일 아침에 Github Issue에 업로드
  • Github Action with Python
• (9) Test Code - [발표 자료]
  • Pytest 사용 방법
  • 오픈소스의 Test Code
  • 딥러닝 프로젝트의 Test Code
• (10) Docker - [발표 자료]
  • Docker 사용 방법
  • Docker Image 빌드하기
  • Docker Container 실행하기
  • Dockerfile

---

소재

• MLOps 개론
  • MLOps 개론

---

제게 하는 이야기

• 말을 천천히 하자
• 매주 링크를 통해서 피드백 받기
•