[Data Science] 캐글(Kaggle)을 해야하는 이유

www.kaggle.com/

Kaggle: Your Machine Learning and Data Science Community

 

캐글은 Data Science 분야나 ML(Machine Learning) 개발자에 특화된 커뮤니티 사이트이다.

마치 깃허브가 구글이라면 캐글은 유튜브 같은 느낌이 든다.

whoishoo.tistory.com/22

[Kaggle에 빠지다] 캐글(Kaggle)이란?

그렇다면 왜 ML 개발자라면 캐글을 해야 하는가?

왜냐하면 캐글은 ML 개발자의 필수 덕목이기 때문이다.

 

Competiton을 통한 학습

이전 "캐글(Kaggle)이란" 포스트에서 캐글은 ML 개발자의 좋은 수입원이라고 말한 적이 있다.

물론 Competition을 통해 돈을 벌 수 있는 건 사실이다.

하지만 ML 개발 공부를 하고 있다면 사실상 Competition를 통한 수입 창출 보다는

스스로 공부할 수 있는 환경을 제공한다는 점에서 캐글이 꼭 필요하다.

Competition을 통해 다른 사람이 작성한 코드를 살펴보며 코딩에 대한 시야를 넓힐 수 있으며,

직접 참여하고 수정을 통해 직접적인 ML 공부가 가능하다.

프로그래밍 교육과 관련된 논문들에서 공통적으로 나오는 말이 80% 자율 공부, 20% 지도자의 스킬 전수라고 한다.

ML 개발자 또한 개념을 탄탄히 파악하고 직접 개발을 통한 응용력을 높여야 하는 것이 중요하다.

이 점에서 캐글은 ML 개발자로부터 좋은 공부 수단인 셈이다.

 

다양한 Data science 교육자료

또한 캐글은 다양한 Data science programming에 대한 교육 자료를 제공하고 있다.

ML 기초 개발자부터 스스로 공부할 수 있는 환경을 제공한다.

예를 들어, 파이썬부터 시작해서 ML를 기본적으로 다루는 방법 등을 제공함으로써

AI 분야에 대한 관심을 가지고 있으나 접근하기 어려웠던 사람들도 쉽게 다가갈 수 있게끔 손을 내밀어 준다.

 

캐글을 통한 경력 관리

필자가 느낀 ML 개발자가 캐글에서 활동해야하는 큰 이유 중 하나는 경력이다.

초창기 캐글 사이트를 통해 활동을 하든, 자료를 올리든, Competiton에 참여를 하든 경력에 연관성이 크지 않았다.

하지만 캐글 사이트가 점차적으로 활성화가 되어 가던 중 구글(Google)에 2017년 인수되었다.

이후에는 캐글이라는 사이트 자체가 숙련된 ML 개발자를 채용할 수 있는 근거 자료로써 활용될 정도로

ML 개발자가 경력 관리를 위한 수단으로도 활용되고 있다.

 

물론 아직 모든 업체에서 캐글을 큰 경력을 인정해주지는 않는다.

국내 시장에서도 캐글에 대한 대중적 인지도는 낮은 편에 속한다.

하지만 Data science, 또는 AI programmer 와 같이 ML를 다루는 개발자이고 해당 분야와 상관된 기업이라면

캐글을 한번쯤은 살펴볼 정도로 ML 개발자의 역량을 확인할 수 있는 사이트가 되었다.

마치 국내 채용 사이트처럼 캐글은 ML 개발자를 채용하기 위한 곳인 셈이다.

결과적으로 캐글은 ML 개발자가 학습이든 경험이든 경력이든 간에 꼭 한번쯤은 거쳐가야하는 사이트가 되어 버렸다.