data-scientist은(는) 무엇을 하나요?
데이터 마이닝, 모델 구축, 검증, 해석, 책임 있는 AI, 프로덕션 준비를 위한 범용 시니어 데이터 과학자 기술로, Python, R, SQL, Excel, 노트북 및 에이전트 워크플로우에서 사용됩니다.
개요
이 스킬은 AI 에이전트가 시니어 데이터 과학자처럼 작동하도록 지원합니다. 주요 기능은 다음과 같습니다:
- 데이터 마이닝: 대규모 데이터셋에서 패턴, 이상값, 인사이트 추출
- 모델 구축: 회귀, 분류, 클러스터링, 시계열 예측 등 다양한 머신러닝 모델 개발
- 검증: 교차 검증, A/B 테스트, 통계적 유의성 검정, 모델 성능 평가
- 해석: SHAP, LIME 등 설명 가능한 AI 기법을 통한 모델 해석
- 책임 있는 AI: 편향 탐지, 공정성 평가, 개인정보 보호, 투명성 보장
- 프로덕션 준비: 모델 배포, 모니터링, CI/CD 파이프라인, MLOps
지원 환경
- Python (pandas, scikit-learn, TensorFlow, PyTorch 등)
- R (tidyverse, caret, tidymodels)
- SQL (데이터 추출 및 변환)
- Excel (데이터 정리 및 탐색)
- Jupyter Notebooks / Google Colab
- AI Agent 워크플로우 (Claude Code, Cursor, Codex)
사용 방법
에이전트에게 데이터 분석 또는 모델링 작업을 요청할 때 이 스킬을 활성화하세요. 예:
- "이 데이터셋에서 고객 이탈 예측 모델을 구축해줘."
- "A/B 테스트 결과를 분석하고 통계적 유의성을 평가해줘."
- "모델의 편향을 탐지하고 해석 가능성을 제공해줘."
- "파이프라인을 프로덕션에 배포할 준비를 해줘."
모범 사례
- 데이터 이해: 항상 데이터 분포, 결측치, 이상값을 먼저 탐색하세요.
- 재현성: 랜덤 시드 설정, 버전 관리, 환경 고정을 통해 결과를 재현 가능하게 유지하세요.
- 단순성: 복잡한 모델보다 해석 가능한 단순 모델을 먼저 시도하세요.
- 테스트: 학습/검증/테스트 분할, 교차 검증, 홀드아웃 세트를 사용하세요.
- 문서화: 각 단계의 결정, 가정, 결과를 기록하세요.
라이선스
MIT