데이터 과학이란?
데이터 과학(Data Science)은 알고리즘 개발, 데이터 추론, 기술을 융합하여 분석적으로 복잡한 문제를 해결하는 다학제적 탐구 분야입니다. 데이터셋을 다룰 때는 기술 통계(descriptive statistics)의 심층 탐색, 통계 검정, 시각화 함수 등 다양한 통계 기법이 활용되며, 이 모든 작업의 중심에는 항상 '데이터'가 있습니다.
Python의 경우 Pandas는 대표적인 데이터 분석 라이브러리로, Excel 스프레드시트나 CSV 파일은 물론 다양한 외부 데이터 소스로부터 손쉽게 데이터를 가져올 수 있도록 도와줍니다.
R 개요
R은 오픈소스 프로그래밍 언어로, 사용자 친화적인 환경을 제공하고 데이터 분석, 통계 처리, 그래픽 모델링을 더 효율적으로 수행할 수 있게 해준다는 점에서 큰 인기를 얻고 있습니다. 개발 초기에는 학계와 연구 분야에서만 사용되었지만, 오늘날에는 기업 환경에서도 널리 채택되어 현재 가장 빠르게 성장하는 통계 언어 중 하나로 자리 잡았습니다.
R의 데이터 과학 특징
R은 방대한 커뮤니티를 보유하고 있습니다. 메일링 리스트, 사용자 기여 문서, 매우 활발한 Stack Overflow 그룹 등을 통해 폭넓은 지원을 받을 수 있습니다. 특히 CRAN은 엄선된 R 패키지가 모인 거대 저장소로, 누구나 쉽게 기여할 수 있습니다. 덕분에 최신 기법과 기능을 처음부터 직접 개발하지 않고도 손쉽게 활용할 수 있습니다.
주요 기능
R은 데이터 분석을 위한 내장 함수를 다수 제공하며, 본질적으로 통계와 데이터 분석에 최적화된 언어입니다. 기본으로 제공되는 다양한 도구들은 데이터 분석 관련 연구와 개발에 필수적인 요소들입니다.
핵심 적용 분야
데이터 분석에서 시각화는 매우 중요한 부분입니다. R은 ggplot2, ggvis, lattice 등 강력한 시각화 패키지를 제공하여 구현 과정을 한결 수월하게 만들어 줍니다.
패키지 생태계
R은 데이터 과학 애플리케이션 구현을 위한 방대한 패키지를 보유하고 있으며, 이러한 풍부한 패키지 생태계는 R을 가장 유연하고 다재다능한 도구로 만들어 준습니다.
R을 언제, 어떻게 사용할까?
데이터 분석 작업이 단독 컴퓨팅 환경이나 개별 서버에서 수행되어야 하는 경우 R이 적합합니다. 또한 탐색적 데이터 분석에 매우 유용하며, 어떤 유형의 데이터 분석이든 처리할 수 있어 문제 해결을 위한 큰 그림을 그리는 데 효과적입니다.
활용 분야
R은 주로 데이터 과학 환경에서 폭넓게 활용됩니다.
Python
Python 개요
Python은 매우 유연한 범용 프로그래밍 언어로, 새롭고 창의적인 작업에 적합하며 가독성과 단순함에 중점을 둡니다. 데이터 과학의 여러 분야에서 활용할 수 있는 다양한 패키지를 갖추고 있습니다.
데이터 과학을 위한 특징
데이터셋에서 이상치(outlier)를 찾는 작업이라면 Python과 R 모두 훌륭한 선택입니다. 하지만 웹 서비스를 통해 데이터셋을 업로드하고 이상치를 분석하는 상황이라면 Python이 더 유리합니다.
주요 기능
Python은 범용 프로그래밍 언어이기 때문에 대부분의 데이터 분석 기능을 손쉽게 구현할 수 있습니다.
핵심 적용 분야
Python은 Lasagne, Caffe, Keras, Mxnet, OpenNN, TensorFlow 등 딥러닝 패키지도 제공합니다. 이러한 패키지들을 활용하면 딥 신경망(deep neural network)을 Python에서 훨씬 간단하게 구축할 수 있습니다.
패키지 생태계
Python은 Pandas, Scikit-learn처럼 데이터 분석용 패키지 수는 상대적으로 적지만, 목표 달성 과정을 매우 단순하고 직관적으로 만들어 준다는 장점이 있습니다.
Python을 언제, 어떻게 사용할까?
데이터 분석 작업을 웹 애플리케이션과 통합해야 하거나, 통계 코드를 운영(production) 데이터베이스에 반영해야 하는 경우 Python이 적합합니다. 실제로 Python은 프로덕션 환경용 알고리즘을 구현하는 데 널리 사용되는 인기 도구입니다.
다양한 활용 분야
Python은 다음과 같이 매우 폭넓은 분야에서 활용되고 있습니다.
- 컴퓨터 비전 — 얼굴 인식, 색상 감지 등
- 게임 개발
- 머신러닝 — 컴퓨터에 학습 능력 부여
- 웹사이트 구축
- 로보틱스 구현
- 스크립팅
- 웹 브라우저 자동화
- 과학적 연산
- 데이터 분석
- 웹 스크래핑 — 웹사이트에서 데이터 수집
- 인공지능(AI) 구축