[코드잇 스프린트 / 데이터분석] 파트2를 마무리 하며
파트 2의 프로젝트가 마무리되었다.
(1) 수업
부트캠프를 알아보면서 이런 저런 후기를 찾아보았는데,
요약하자면 "강사 스타일에 따라 케바케"라는 후기를 본 적이 있다.
파트 1을 수강할 때는 나랑 잘 맞는 강사를 만나게 되어 다행이라고 생각했지만,
파트 2의 강사는 나랑 잘 맞지 않았다.
더군다나 파트 3과 4는 강사가 바뀌리라 기대하고 우선 참아보자 생각했지만,
파트 2-4는 같은 강사가 수업을 맡게 된다고 해서 고민이 깊어졌다.
강사와 맞지 않는다는 이유로 코드잇 부트캠프를 그만두기에는,
팀 프로젝트나 멘토링 등 다른 요소들이 있었다.
게다가 다행이도 수업은 코드잇 사이트에서 따로 들을 수 있다.
그리고 코드잇 부트캠프의 강의 내용은 코드잇 사이트에 올라와있는 강의와 거의 같다.
강사의 역량에 따라 보충 설명이나 부가적인 내용이 들어가기도 하겠지만,
기본적으로는 코드잇 사이트에 올라온 강의 내용을 충실하게 따라가는 편이다.
파트 2까지는 그래도 수업을 들어보려고 했지만,
파트 3부터는 그냥 코드잇 사이트에 올라온 강의를 들을 생각이다.
그런데 이것도 과정에 따라 사정이 다르다.
코드잇 스프린트 풀스택 과정을 듣고 있는 남편 왈,
그 쪽은 1년이 지나면 새로운 기술이 나오기 때문에
코드잇에 올라온 강의들은 이제는 사용하지 않는 버전을 기준으로 한다고 했다.
그러다 보니 자기는 수업을 열심히 듣는게 중요하다고 했다.
다행이도 데이터 분석은 그렇게까지 새로운 언어나 기법을 사용할 일은 없는 듯 하다.
풀스택처럼 코딩으로 무언가 기능을 구현하기 보다는,
코드는 정말이지 컴퓨터(computer)를 본연의 정의대로 계산기로 활용하는
그냥 입력값으로 무언가 계산해서 결과값을 뽑아내는 단순한 구조로 코드를 짜기 때문이다.
기본적으로 파이썬으로 분석이 가능하고 또 엄청난 개발자들이 이미 잘 돌아가는 코드와 함수들을 짜놓았기 때문에.
그걸 가져다 쓰면 되는, 코딩으로 머리를 쥐어뜯을 일은 없는 듯 하다.
게다가 데이터 분석은 애초에 코딩 능력이 중요하다기 보다는
계산 결과를 해석하고 의미를 부여하고, 설득력있게 전달하는 능력이 더 중요한 분야 같다.
그런 의미에서 강사가 잘 맞지 않더라도 코드잇에 올라온 강의들로 수업을 따라갈 수 있다는 점은 참 다행이다.
파트 1의 강사는 수학 및 통계를 전공했기 때문에 배울 점도 많았다.
파트 2-4의 강사는 인공지능을 전공했기 때문에 또 배울 점이 있겠지만,
수업을 듣느라 스트레스 받는 일이 더 크게 느껴져서, 앞으로는 그냥 코드잇 강의를 듣기로 했다.
물론 코드잇 스프린트를 신청할 때,
강사가 누구인지, 강사 강의 스타일이 어떤지 미리 확인할 수 있으면 베스트이겠지만 말이다.
(2) 멘토링
파트 1의 멘토는 정말 좋았는데,
파트 2의 멘토는 아쉬운 면모가 많았다.
기껏 시간 내서 모였는데 10분 조금 지나서 멘토링을 끝내자고 한다던가,
갑자기 일정을 바꾸더니, 그냥 시간 떄우기 식으로 멘토링을 진행하는 모습이 보였다.
아침 9시부터 저녁 7시까지 수업을 듣고 나면 저녁 시간은 자유롭게 쓰고 싶어진다.
그런데 매 주 1회 멘토링을 하기 위해 나의 자유를 포기하고 시간에 맞춰 멘토링에 접속했는데,
멘토링이 무의미하게 끝나면 그렇게 허탈할 수가 없었다.
그래서 팀원들의 의견을 모아 과정 담당자에게 불만을 제기했고, 멘토가 바뀌었다.
파트 1의 멘토가 다시 멘토를 맡게 되었고, 이후의 멘토링은 의미있는 시간들로 채워졌다.
멘토를 교체하길 원했던 가장 큰 이유는 프로젝트였다.
초급 프로젝트를 했던 경험과 다른 조들의 발표를 돌이켜 봤을 때,
멘토에 따라서 프로젝트 결과물이 큰 차이가 난다고 느꼈다.
물론 수강생들이 프로젝트를 열심히 수행하는 일이 첫 번째 이지만,
한 두 마디 뿐이라도 멘토가 어떤 피드백을 하는지에 따라 프로젝트 완성도가 달라진다고 느꼈다.
그런 의미에서 지금까지의 멘토의 태도를 보았을 때에,
프로젝트에서 건설적인 피드백을 받을 수 있을지 불확실했다.
멘토를 교체한 것은 정말 잘 한 일이었다.
프로젝트를 하면서 정말 큰 도움을 받았고,
다른 팀원들에게도 좋은 반응을 얻었다.
물론 최종 결과물을 발표했을 때에 멘토에게도 칭찬 세례를 받았고,
채용 사전 과제 결과물이었으면, 통과 시킬 정도로 완성도가 높다는 피드백도 받았다.
나에게는 파트 1의 멘토이기도 했기 때문에
파트 1에서 내가 부족했던 면이 나아졌다고 피드백 받을 수 있기도 했고,
또 솔직하게 내 속내를 이야기하고 어떤 면에서 더 나아질 수 있을지 조언을 듣기도 했다.
앞으로도 계속 같은 사람에게 멘토링 받고 싶을 정도로 나와는 잘 맞는 멘토였다.
강사는 안맞아도 멘토와는 잘 맞아서 다행이었다.
(3) 프로젝트
파트 1의 프로젝트 주제는 서울시 대중교통 개선 방안을 제안이었다.
데이터는 서울시 데이터광장에서 필요한 데이터를 찾아서 활용했다.
파트 2의 프로젝트는 두 가지 데이터 중에서 선택해서 진행하는 방식이었다.
후보 1은 채용 플랫폼, 후보 2는 구독 플랫폼을 주제로 했다.
우리 팀은 채용 플랫폼을, 다른 두 팀은 구독 플랫폼을 골랐고,
한 팀은 구독을 골랐다가 중간에 채용으로 바꾸었다.
구독 플랫폼 데이터가 한계가 많다고 듣기는 했는데,
채용 데이터도 한계가 없는 것은 아니었다.
어떤 데이터가 더 나았는지는 내가 구독 플랫폼 데이터를 다뤄보지 않아서
쉽게 이야기 할 수는 없을 듯 하다.
우리 팀은 채용 플랫폼의 중요한 두 주체, 기업과 구직자를 각각 클러스터링하고,
어떤 구직자 클러스터가 어떤 회사 클러스터에 지원하는지를 중심으로 분석을 진행했다.
처음부터 이런 큰 그림이 그려진채로 분석을 시작한 것은 아니었고,
각자 데이터 살펴보고 관심 있는 분석을 조금씩 진행해보았고,
결과물을 모아보니 저렇게 큰 그림이 그려졌다.
경험상 시간 제약이 있는 프로젝트에서 추진력을 얻기 위해서는
어느 정도 공통 분모가 있어야 한 듯 하다.
하지만 부트캠프 특성상 다양한 배경의 사람들이 모이고
배경 지식이나 사고방식 등이 다양하기 때문에,
초반에 주제를 잡아서 빠르게 일을 진행하기는 어려운 듯 하다.
그리고 데이터분석의 특성상
데이터가 어떻게 생겼는지 파악은 해야 뭐라도 정하는지라
그렇게 더듬더듬 하는데에 시간을 쓰게 된다.
실무를 할 때는 어떤 데이터가 있는지 이미 파악하고 있을테고,
요청이나 이슈에 따라서 분석을 수행할테니,
팀플을 할 때 처럼 주제를 정하는 어려움을 겪지는 않을 듯 하다.
파트 3에서도 좋은 멘토와 좋은 팀원들과 함께 하기를 바라며
