사이버 강의로 데이터 과학자 되자!
수많은 데이터 사이언스 강의 플랫폼을 비교해 봅시다!
사이버 강의로 데이터 과학 공부하기?
최근, 환경적 문제로 인해 사이버 강의로 강의를 전환한 대학들이 많다. 물론, 현장 강의가 주는 이점들이 많지만, 데이터 과학을 공부하는 데 있어 사이버 강의는 꽤 훌륭한 도구가 될 수 있다. 일단 컴퓨터 or 데이터 과학 강의의 경우 1) 컴퓨터를 켜놓고 듣는 경우가 많고(일단 뭘 해봐야 감이 잡히므로) 2) 내용을 돌려보는 경우가 많으며 3) 실시간, 온라인 게시판을 통해 구체적인 피드백을 받기 좋고 4) 대부분 이쪽 계열(?) 사람들이 야행성이기 때문에 시간을 유동적으로 활용할 수 있기 때문이다.
적응하기에는 시간이 좀 걸리지만, 익숙해지면 괜찮다그래서 어디를 골라야 하나요?
이런 배경에서 최근 데이터 과학 광풍과 더불어 컴퓨터 과학 분야에서 공개 강의(흔히 MOOC라 불린다)를 찾기 쉬워졌다. 누구나 유튜브나 다양한 플랫폼에 강의를 올리고, 공유하기 쉬운 환경이 갖춰졌기 때문이다. 물론, 이렇게 정보의 공개가 활발해지다 보니 초보자의 경우 "어디서 뭘 들어야 하는지?" 헷갈리는 경우가 많다.
이런 강의 추천도 최근에는 AI로 가능하다(이 이야기는 나중에 이어서...)오늘은 이런 의미에서 "컴퓨터 기술" or "데이터 과학"을 배울 때 추천할만한 플랫폼과 특징을 살펴보도록 하겠다. 괄호는 주 사용 언어이며, 세부적인 강의는 보다 간략한 트렌드를 적었다.
Udacity (영어, https://www.udacity.com/)
컴퓨터 기술 인강계의 메X스터디, 강의가 효율적이고 전달력이 뛰어나다. 가격이 상대적으로 고가지만 끝까지 수강하면 관련 기업과 인터뷰 기회를 주기 때문에 결과적으로 손해는 아닌 듯. 간단히 말해 비싼 값을 한다.
Udemy (대부분 영어, https://www.udemy.com/)
과외와 비슷하다. 퀄리티가 들쭉날쭉한데, 잘 찾으면 재야의 고수를 발견하지만, 차라리 내가 강의하는 게 낫겠다 싶은 강의도 많다. 할인 코드를 매번 뿌리기 때문에, 가격 부담이 크지는 않은 편.
인프런 (한국어, https://www.inflearn.com/)
한국어로 된 강의라는 점에서 일단 추천, 세부적인 느낌은 유다시티와 유데미 중간쯤에 위치한다. 강의 폭이 상대적으로 컴퓨터 기술 쪽에 집중되어 있다. 바로 배워서 사용하기 좋은 기술 강의가 많고, 디자인 등 쪽의 강의도 다수 존재한다. 적절한 중저가 강의가 많은 편
네이버 edwith (한국어, 자막 지원, https://www.edwith.org/)
무료 강의, 한국어(외국 강의는 자막 지원)라는 점에서 매우 높은 점수를 줄 수 있다. 강의 폭이 넓고, 깊이 있는 강의도 많다. 다만, 유다시티같이 바로바로 배워서 써먹는 테크닉 위주의 강의는 상대적으로 부족한 느낌이 든다(애초에 타깃이 거기에 맞춰져 있지 않기 때문에). 컴퓨터 기술 외에도 재미있는 강의가 많아 골라 들으면 좋다. UI/UX 쪽 강의도 다양하게 갖춰져 있다는 점이 강점.
포스텍 공개강의 (한국어, http://gsit.postech.ac.kr/mooc/)
강의의 수준차가 심한 편이다(아주 초보부터, 심화된 강의까지). "맞는 강의"를 찾는 것이 관건. R로 하는 데이터 과학 기초 시리즈 등 초보자가 듣기 좋은 R 강의가 다수 있다.
카이스트 공개강의(한국어, edwith와 연계)
과목 차가 있지만 컴퓨터 관련해서 강의 수준이 깊고, 심화된 내용을 배우기에 좋다. 특히, ML 쪽 강의 중 수학/통계학적인 내용이 부족한 강의가 많은데, 카이스트 강의 대부분은 통계와 수학적 깊이가 있는 강의가 많다(반대로 말하자면, 한참 동안 수식만 보고 멍 때리다 끝날 수 있다).
스탠퍼드 공개강의 (영어, 정식 채널보다 stanford + 원하는 기술/과목명으로 검색해 보자)
따로 채널은 있지만, 유튜브에 강의가 널려있는 편. 플레이리스트로 묶어서 보면 편하다. 명강의가 많지만, 피드백이 없기 대문에 컴퓨터에 대한 지식이 없으면 조금 헤맬 수 있다(억울하면 비싼 값을 내고 온라인 코스 정식 등록을 하면 된다...). 아무래도 무료, 유튜브다 보니 끝까지 다 보기가 쉽지 않다 1편 조회수가 마지막 편 조회수의 10배 정도 되는 비극(?)을 관찰할 수 있다. 각 강의별로 과제를 공개해 놨는데, 난이도가 꽤 되기 때문에 "다 풀 수만 있다면" 실력이 크게 늘어난다(보통 구글 검색 실력이 더 늘어난다). 최근에는 유료 강의로 전환된 강의가 많아서 가슴을 많이 아프게 하고 있다.
MIT 공개강의 (영어, https://ocw.mit.edu)
스탠퍼드와 비슷하게 유튜브에 올라와 있는 강의가 많다(원래는 강의 페이지에서 mp4를 다운로드할 수 있다). 연식있는 강의가 많은 편인데, 연식이 좀 있는 강의가 명강의인 경우가 많다(e.g. 길버트 스트랭 교수님의 선형대수 같은 경우. 본 사람은 많지만 끝까지 본 사람이 없다는 전설의 강의)
EdX (영어, https://www.edx.org/)
연계 프로그램이 매우 뛰어난 편, 데이터 사이언스 코스나 통계 코스를 묶어서 1년 정도 천천히 따라가면서 듣기 좋다. 강의 퀄리티는 전체적으로 높은 수준. 전 세계의 영어 발음을 다 경험해 볼 수 있다.
코세라(영어, https://www.coursera.org/)
EdX와 비슷한데, 좀 더 올드한 느낌이 있다(사실, MOOC계의 원조 맛집?이다). 유료 시스템을 적극적으로 도입했기 때문에, 다양한 과정의 수료증 수집(?)이 가능하다. 숨겨진 재야의 명강의를 듣는 맛이 있고, edX와 동일하게 전 세계의 영어 발음을 다 경험해 볼 수 있다.
그래서 어떻게 시작할까요?
위에서 저렇게 많은 사이트를 나열했지만, 개인적으로 초보자에게 추천하는 코스는 "유튜브 검색"이다. 일단 세상의 모든 정보는 유튜브에 다 존재하며(아마도?) 관심 있는 디테일한 기술을 찾기에는 수많은 유튜브 강의가 도움이 되기 때문이다.
만약 유튜브 강의로 흥미를 갖고 "조금 깊게" 공부하고 싶기를 바란다면 우선 "네이버 edwith의 무료 강의" 혹은 "인프런"강의로 감을 잡고 기술을 익혀보길 바란다(의외로 언어의 벽이 크다).
여기서 더 나아가 전문적으로 연구자 혹은 "돈을 받는" 사람이 되고 싶다면 적어도 edx나 코세라의 강의를 들어보길 바라며(학위증을 발급해 주기 때문에, 경력에 적기 좋다), 빠르게 기술을 배워서 쓰고 싶다면 유다시티(돈이 뒷받침된다면) 혹은 유데미를 이용하면 좋겠다.
