문장 스크랩

---

복사

---

공유

1. 자기소개 전공강의 팀 프로젝트 중 R 프로그램을 이용해 회귀분석을 활용한 데이터 분석 프로젝트를 진행한 경험이 있습니다. 기상청 혹은 공공데이터 포털 등을 통해 데이터를 수집하고 전처리하여 함수를 모델링 하고 데이터 간의 연관성을 찾아내 새로운 인사이트를 발견하는 과정이 흥미롭고 유용하다고 느꼈습니다. 데이터마이닝 입문, Python, 선형대수 등 데이터 분석과 관련된 전공을 위주로 수강하였고, 데이터 사이언티스트로 진로를 굳히게 되었습니다. 2학년을 마치고 진로와 관련하여 더 많은 공부를 하기 위해서 컴퓨터공학과 복수전공을 시작했습니다. 저의 주된 역량으로는 1. Python을 이용한 데이터 분석 프로젝트 경험 2. 데이터 분석 준전문가 자격증(ADsP) 취득이 있습니다. 첫 번째는 광양시의 전기자동차 충전소 최적 입지 선정 프로젝트를 진행한 경험입니다. 해당 프로젝트의 대략적인 분석 개요로 광양시를 일정한 격자로 나누고 격자별 입지 선정에 영향을 미치는 요소들을 격자에 scoring 하여 고득점의 격자를 도출하는 방법을 이용했습니다. 프로젝트에서 맡았던 역할은 polygon, linestring등 서로 다른 타입의 지리 데이터로 이루어진 변수 파일을 매핑하는 일이었습니다. geopandas, shapely등 처음 접하는 모듈을 사용했기 때문에 모듈에 대한 학습을 먼저 해야 했습니다. shapely 모듈에 대해서는 구글링만으로 많은 정보를 얻을 수 없었고, 영어로 된 공식 문서를 읽으며 공부해야 했습니다. 코드를 짜는 시간보다 학습하는 단계에서 더 많은 시간을 투자해야 했지만, 해당 프로젝트를 진행하며 모르는 모듈 사용에 대한 자신감을 얻을 수 있었습니다. 모르는 것을 스스로 학습하고 적용을 하는 과정에서 성취감과 재미를 느낄 수 있었고 이 경험을 토대로 인턴 업무 수행 시 주어진 문제를 보다 능동적으로 해결할 수 있을 것입니다. 두 번째는 올해 여름방학에 취득한 데이터 분석 준전문가 자격증입니다. 해당 자격증을 통해서 데이터 분석에 필요한 기본기를 다질 수 있었습니다. 결측값을 처리하는 방법에는 전체 데이터의 일정 수준 미만이면 무시하는 방법, 평균값으로 대체하는 방법 등 다양한 방법이 있고, 데이터의 정보 손실을 최소화하며 전처리하는 방법에 대해 자세히 알 수 있었습니다. 회귀분석, 군집 분석 등 다양한 분석 기법에 대해 코드를 예제를 보며 학습할 수 있어 전공 수업 시간에 배운 내용을 명확히 이해할 수 있었습니다. 자격증을 공부하며 데이터 분석 공모전을 준비할 때 이론으로 학습했던 전처리 방법, 회귀분석을 적용해보며 배운 것들을 자유자재로 구현할 수 있는 능력을 기를 수 있었습니다. 2. 지원동기 Python과 데이터 마이닝, 선형대수 전공강의를 들으며 데이터 분석과 시각화에 관심을 갖게 되었습니다. 진로의 방향으로 데이터 사이언티스트를 고려하고 있으며, 데이터 분석 공모전에 도전해 실질적인 데이터 분석 역량을 강화하고자 했습니다. 이를 위해 데이터 분석 학술동아리를 구성하여 약 6개월간 활동했습니다. 학술동아리 활동을 하며 준비한 공모전에서는 몇 가지 아쉬운 점이 있었습니다. 올해 8월 한국수자원공사에서 주최한 공모전에서 '미세먼지와 교통량 간의 상관관계 분석' 프로젝트를 진행했습니다. 해당 공모전의 주제를 고민할 때 실내 공기 질의 오염물질 데이터와 해당 오염물질을 초래하는 요인들 간의 상관관계를 도출하고 싶었습니다. 하지만 실내 공기 질 데이터와 요인 변수로 고려하였던 데이터들은 측정 기간이 매우 짧거나 절반 이상의 결측값이 존재해 분석에 사용하기에 어려움이 있었습니다. 2주를 데이터 수집에 투자했지만 결국 데이터 확보의 어려움으로 차선책이었던 주제로 데이터 분석을 진행하게 되었습니다. 이런 아쉬운 점을 보완하기 위해 서울시정 동계인턴을 지원하였고 다가오는 1, 2월 두달간 서울기술연구원 기후환경연구실에서 Python을 이용한 실내 공기 질 데이터 분석 업무를 맡게 되었습니다. 동계인턴에서 Python을 이용해 실제 데이터로 데이터 분석을 진행하는 과정은 학술동아리에서는 경험해보지 못한 실질적인 분석 능력을 향상시킬 수 있는 기회가 될 것입니다. KIST계산과학연구센터에서는 질병 데이터와 시계열 자료를 해석하고 머신러닝을 이용한 상관성 분석을 하는 것으로 알고 있습니다. Python 이외에도 컴퓨터공학 복수전공을 하며 C와 C++등 다양한 프로그래밍 언어를 학습하여 이해하고 활용할 수 있습니다. 데이터 사이언티스트로 진로의 방향을 잡았고 대학원 진학에 대해서도 고민하고 있습니다. KIST계산과학연구센터에서 실제 연구에 참여해볼 수 있는 경험은 앞으로의 미래를 더욱 구체화할 수 있는 좋은 계기라고 생각해 지원하게 되었습니다. 3. 입사 후 포부 [문제 해결에 대한 자신감] 공모전 학술동아리 활동을 하며 두 번째로 참여한 '광양시 전기자동차 충전소 최적 입지 선정 공모전'에서 Python을 이용한 본격적인 데이터 분석 프로젝트를 경험할 수 있었습니다. 광양시를 일정한 격자로 나누고 입지 선정에 영향을 미치는 요소들을 격자에 scoring 하여 고득점의 격자를 추출하는 방법을 분석 개요로 잡았습니다. 해당 공모전에서 가장 어려웠던 점은 격자에 scoring 해야 하는 변수들의 지리정보 데이터 타입이 일치하지 않는다는 점이었습니다. polygon, multilinestring등의 지리 데이터 타입을 다루려면 shapely 모듈을 공부해야 했고, 구글링을 통해 모르는 것을 찾아볼 때도 다른 모듈보다 정보가 많이 부족했습니다. 이러한 서로 다른 데이터 타입을 가진 변수들을 매핑하는 단계에서 아무도 선뜻 나서는 사람이 없었습니다. 물어볼 사람이 없었기에 저 또한 막연한 두려움을 느꼈지만, 동아리를 시작했던 처음 목적인 '실력 향상'이라는 목표를 떠올렸고 2주간 shapely 모듈을 공부해보고 해당 분석 단계를 맡아보겠다고 했습니다. 자료가 부족했고 이해하기 어려운 부분이 많아 공식 문서를 여러 번 반복해서 읽으며 학습해야 했기에 상당한 시간이 걸렸지만 2주 안에 데이터를 매핑하는 함수를 모두 작성할 수 있었습니다. 코드를 짜는 시간보다 학습하는 단계에 더 많은 시간을 투자해야 했지만, 해당 프로젝트를 진행하며 문제 해결에 대한 자신감을 얻을 수 있었습니다. 모르는 것을 스스로 학습하고 적용을 하는 과정에서 성취감과 재미를 느낄 수 있었고 모르는 것에 대해 능동적으로 답을 구하는 방법을 터득하게 되었습니다. 전공공부와 학술동아리 스터디를 통해 학습한 Python, C, C++프로그래밍 지식을 실제 연구에 응용해보고 싶습니다. 데이터 사이언티스트로 진로 방향을 설정하고 공부하고 있으며 대학원 진학을 고민하고 있습니다. KIST계산과학연구센터에서 한 학기 동안의 연구 경험은 앞으로의 진로를 결정하는데 중요한 경험이자 기회라고 생각합니다. 공모전을 준비하며 터득한 문제 해결에 대한 자신감을 토대로 항상 배울 준비가 되어있는 능동적인 인턴 연구원으로 업무에 임하겠습니다. 1. Python을 이용해 광양시의 전기자동차 최적 입지 선정 프로젝트를 진행했다. 프로젝트 배경 : 광양시에서 제공한 데이터(교통량 데이터, 인구수 데이터, 건물정보 데이터, 전기자동차 등록대수 데이터 등)을 이용해 광양시의 전기자동차 충전소 최적 입지를 선정한다. 분석 아이디어의 개요이다. 1. 우선 광양시를 일정한 크기의 격자로 나눈다. 2. 주어진 데이터 중 전기자동차 충전소 입지 선정에 영향을 주는 변수를 선정한다. 3. 변수 데이터 파일의 지리정보 데이터를 격자(polygon 타입의 데이터)에 mapping시켜 해당 격자의 점수를 계산한다. 4. 최종적으로 점수 상위 40개의 격자를 도출한다. 주로 사용된 모듈은 geopandas, shapely, folium 등이 있다. 2. Python과 R프로그래밍을 이용한 미세먼지, 유가, 교통량 간의 상관관계 분석하는 프로젝트를 진행했다. 프로젝트 배경 : 서울특별시에서 시행되고 있는 미세먼지 저감조치는 미세먼지 농도 악화가 선행된 후 그에 대한 대책을 제시하는 방식이다. 유가와 교통량, 교통량과 미세먼지 농도 간 상관관계가 존재한다는 뉴스 기사를 확인하였다. 유가가 교통량에 미치는 영향과 교통량이 미세먼지에 미치는 영향을 데이터 분석을 통해 상관관계를 밝혀 미세먼지 저감조치 개선에 참고할만한 인사이트를 도출하고자 하였다. Python을 이용해 데이터 전처리 진행 R프래밍을 이용해 단순 선형 회귀분석, 상관분석 진행