[내일배움 본캠프]'아티클 스터디'와 '커리어 스터디' 진행

오늘은 팀원들과 함께 아티클 스터디와 각자 진행한 커리어 스터디에 대해 논의하는 시간을 가졌다.

그리고 남는 시간에 강의를 수강하며 하루를 마무리 하였다.

---

2개의 아티클에 대해 스터디를 진행했다. 각자 아티클을 읽어보고 자신만의 색깔로 아티클을 정리하는 시간을 가진 뒤 서로의 생각을 의논하는 시간을 가졌다.

 

▶ 아티클1

파이썬 초보자가 저지르는 10가지 실수 | 요즘IT

파이썬 초보자가 저지르는 10가지 실수 | 요즘IT

 강의에서 Python을 배우고 있어 우리의 상황에 적합한 아티클이라고 생각하여 해당 아티클을 선택하여 스터디를 진행했다. 하지만 생각보다 내용이 어려워서 아티클의 내용을 100% 이해하지는 못하겠다.. 나는 초보자가 아니라 왕초보자라 그런가보다!ㅎㅎ,,

 위의 아티클에서는 파이썬 초보자가 작업 시 많이 실수하는 함수와 문법, PEP8 가이드 10가지를 다루고 있고,  단순히 작동가능한 코드를 구현하는 것이 아니라 좋은 코드를 구현해내는 것이 중요하다는 것을 강조하고 있다.

 팀원들과 함께 뽑은 인사이트는

1. 실행되는 코드보다 읽기 쉬운 코드가 중요하다
처음에는 코드가 돌아가기만 하면 된다고 생각했는데, 아티클을 보면서 다른 사람이 읽고 이해하기 쉬운 코드 작성이 중요하다는 걸 느꼈다. 특히 import * 사용이나 너무 넓은 범위의 except 처리는 나중에 오류를 찾기 어렵게 만들 수 있다는 점이 인상적이었다.

2. 파이썬에는 더 효율적인 작성 방식이 있다
-range(len()) 대신 enumerate, 문자열 연결 대신 f-string처럼 파이썬에서 권장하는 방식들이 있다는 걸 알게 되었다. 단순히 코드를 짧게 쓰는 게 아니라 가독성과 효율성을 높이기 위한 방법이라는 점이 중요하게 느껴졌다.

3. 작은 코딩 습관도 코드 품질에 영향을 준다
-with open()을 사용해 파일을 자동으로 닫거나, 딕셔너리 메서드를 상황에 맞게 사용하는 것처럼 작은 습관들이 코드 안정성과 관리에 영향을 줄 수 있다는 점을 배웠다.

4. 초보자일수록 기본 습관이 중요하다
-아티클에서 나온 실수들은 대부분 초보자가 많이 하는 내용이었다. 그래서 지금 단계에서 올바른 코딩 습관을 익히는 것이 나중에 더 좋은 코드를 작성하는 데 도움이 될 것 같다고 느꼈다.

이다.

 

 파이썬 문법을 단순 설명하는 방식이 아니라, 초보자가 실제로 많이 하는 실수들을 예시와 함께 알려줘서 이해하기 쉬웠다. 특히 왜 잘못된 방식인지와 어떤 방식이 더 좋은 코드인지 비교해서 설명해주기 때문에, 파이썬을 처음 배우는 사람이나 데이터 분석을 시작하는 사람에게 도움이 될 것 같다. 또한 실무에서 자주 사용하는 문법들을 다루고 있어서 기초를 다시 정리하기에도 좋은 글이라고 생각한다.
그리고 파이썬은 처음 공부할 때부터 Pythonic한 방식과 좋은 코딩 습관을 제대로 익히는 것이 중요한데, 잘못된 습관이 들면 나중에 고치기 어렵고 실무에서도 비효율적인 코드를 작성하게 될 수 있기 때문에 이 아티클을 추천한다.

---

▶ 아티클2

데이터 분석가가 되고 싶은 취준생을 위한 안내서 | 요즘IT

데이터 분석가가 되고 싶은 취준생을 위한 안내서 | 요즘IT

 첫 번째 아티클이 생각보다 어려웠어서 가장 우리가 이해하기 쉽고 공감할 수 있을 주제로 두 번째 아티클을 선택했다.

현재 우리는 취업을 위해 열심히 달려나가고 있고, 캠프를 통해 AI 및 데이터 분석 역량을 갖추길 희망하므로 해당 아티클이 적합하다고 생각하여 선택하였다.

 위의 아티클에서는 데이터 분석가를 준비하는 취업 준비생에게 필요한 역량과 준비 방향을 설명해주고 있으며, 데이터 분석 시 단순히 데이터를 다루는 것이 아니라 데이터를 바탕으로 문제를 해결하고 의사결정에 도움이 되는 인사이트를 제시할 수 있는 사고력과 설명 능력을 갖추는 것이 중요하다고 강조하고 있다.

 팀원들과 함께 뽑은 인사이트는

1. 데이터의 가공 : 이미 정제된 데이터보다 직접 수집(크롤링)하고 전처리 하는 과정을 보여주는 것이 중요하다.
2. 목표의 명확성 : ‘데이터가 있어서 분석했다’가 아니라, ‘해결하고 싶은 구체적인 문제’를 위해 데이터를 활용해야 한다.
3. 실행 가능한 인사이트(Actionable Insight) : 분석 결과가 실제 행동(Action)으로 이어져 어떤 변화를 만들었는지가 핵심이다.
4. 이 아티클을 통해 데이터 분석가는 단순히 데이터를 다루는 사람이 아니라 데이터를 기반으로 문제를 정의하고 해결 방향을 도출하는 역할을 한다는 점을 알게 되었으며, 앞으로는 단순 기술 습득에 그치지 않고 실제 산업과 연결된 문제 해결 경험과 논리적인 사고 과정을 갖추는 것이 중요하다고 느꼈다. 또한 앞으로 스파르타 부트캠프를 통해 제조 공정 데이터 분석, 품질 개선, 문제 원인 분석 능력뿐 아니라 실무에서 활용 가능한 데이터 기반 의사결정 역량과 Actionable Insights를 도출할 수 있는 역량을 갖추어야겠다고 느꼈다.

이다.

 

어떻게 준비할지 방황하는 데이터 분석 관련 취업준비생들의 지침서가 될 수 있을 것 같아 데이터 관련 분야를 준비한다면 한 번쯤은 읽어보면 도움이 될 아티클이다.

---

▶ 커리어 스터디

 팀원들이 각자 관심있는 도메인을 조사하여 해당 내용을 공유하는 시간을 가졌다. 우리 팀은 화장품 2명, 제약/바이오 2명, 반도체 2명이 각 산업군에 관심을 가지고 조사를 진행하였다.

 관심있는 도메인이 겹치긴 하지만 그 안에서 관심있어 하는 세부 제품이나 직무들이 조금씩 달라서 서로가 조사한 내용을 공유하며 이야기 나누는 것이 의미있고 내가 모르는 부분에 대해 알아갈 수 있는 시간이었던 것 같다.

 

● 직무별 공통점과 차이점

직무	주요 업무	필요한 역량
QA	문서 관리, 제조 및 품질 시스템 관리, 밸리데이션	불량 분석, 데이터 분석, 공정 이해, 품질 문제 해결 능력, 문서 작성 능력
QC	원료/반제품/완제품 시험 및 검사	제품 품질 확인 중심. 품질 데이터 분석 능력, 문서화 및 기록 관리 능력, 규정 및 품질 시스템 이해, 문제 해결 능력
Quality Control Engineer	품질 기준 충족 여부 확인, 공정 데이터 분석, 불량 원인 분석 및 개선	공정 이해 능력, 데이터 분석 역량, 문제 해결력, 협업 능력, 기준 관리 역량, 기술 및 시스템 이해력, 문서화 능력
품질분석 오퍼레이터	가스/소재 분석, 검사, 데이터 기록	꼼꼼함(데이터 관리),책임감(품질 기준 유지),데이터 해석 능력, 장비 이해력( 분석 장비), 문제 해결 능력, 협업 능력, 문서화 능력

 

●  채용공고에서 반복적으로 등장한 공통 역량

공통 역량	중요한 이유
데이터 분석	품질 문제를 수치로 확인하고 발생 원인을 찾기 위함
문제 해결 능력	일탈이 발생했을 때 신속 정확하게 대처 후 해결 하기 위해서 필요함
협업 능력	품질 문제는 생산, 공정, 설비 부서 등 다양한 이해관계자와 함께 해결해야 함
공정 이해	어떤 공정에서 일탈이 발생했는지 알기 위해서 필요함

 

 우리 조가 이야기 나누었던 직무로는 QA, QC, Quality Control Engineer, 품질분석 오퍼레이터이다. 이와 관련된 채용공고에서 공통적으로 요구했던 역량으로는 데이터 분석, 문제 해결 능력, 협업 능력, 공정 이해가 있었다,

---

▶ 데이터 분석 종합반 4강 학습

● column별 데이터 통계치 확인하기

import pandas as pd
import matplotlib.pyplot as plt

plt.rc('font', family='NanumBarunGothic')
sparta_data = pd.read_csv('/content/user_db1.csv', sep=',')
sparta_data.info()
sparta_data.isnull().sum()
sparta_data = sparta_data.dropna()

↓ ↓ ↓ 코드 해설↓ ↓ ↓

● '.info()'를 이용하여 column별 데이터 통계치를 확인할 수 있다.
● '.isnull().sum()'을 이용하여 결손치를 확인할 수 있다.
● '.dropna()'를 이용하여 결손치가 존재하는 행을 제거한다.

 

● 데이터 시각화 하기

access_media = sparta_data.groupby('access_media')['user_id'].count()
access_media

import matplotlib.pyplot as plt
import numpy as np
plt.rc('font', family='NanumBarunGothic')

plt.figure(figsize=(6,6))
plt.bar("x축 기입" ,"y축 기입")
plt.title('수강생 별 수강 신청 경로')
plt.xlabel('수강 신청 경로')
plt.ylabel('수강생 수')
plt.xticks(rotation=45)
plt.show()

↓ ↓ ↓ 코드해설↓ ↓ ↓

● access_media = sparta_data.groupby('access_media')['user_id'].count()
-> 그룹별 데이터 합계 구하기
-> sparta_data.groupby('access_media') : 스파르타 데이터 중 access_media 데이터를 그룹화 해라!
-> ['user_id'].count() : 각 그룹별로 나눈 access_media에서 user_id의 개수를 세라!
● plt.rc('font', family='NanumBarunGothic')
-> 한글 폰트 깨짐 방지
● plt.figure(figsize=(6,6)) 
->plt.figure(width, height) : 넓이와 높이 만큼 이미지를 생성해라!
● plt.bar("x축 기입" ,"y축 기입")
● plt.title('수강생 별 수강 신청 경로')
-> 그래프의 제목
● plt.xlabel('수강 신청 경로')
-> 그래프의 x축 라벨 이름
● plt.ylabel('수강생 수')
-> 그래프의 y축 라벨 이름
● plt.xticks(rotation=45)
-> x축 눈금의 글씨를 45도 회전
● plt.show()
-> 그래프를 화면에 나타내라!

---

 팀원들과 커리어 스터디를 진행하며 채용 공고에서 공통적으로 요구하는 역량을 기르기 위해 노력해야겠다는 생각을 했다. 앞으로 캠프를 진행하면서 이 4가지의 역량을 다 갖추어나갈 수 있도록 내가 관심있는 분야의 공정을 먼저 이해하고, 데이터를 찾아낸 후 팀원들과 함께 데이터를 가지고 가설을 세우고 입증할 수 있는 결과물을 만들어내기 위해 데이터 분석을 하며 그 사이에서 발생하는 문제들을 해결해나가야겠다.