데이터과학 스토리텔링

# 데이터과학 스토리텔링
## <br/> 문제정의-분석-적용
### 데이터 과학자 이광춘
### 2018/06/22

---

### 계급을 나누는 기준 - 데이터

.center[
    <iframe width="560" height="315" src="https://www.youtube.com/embed/7Xs3auqcX7k" frameborder="0" allow="autoplay; encrypted-media" allowfullscreen></iframe>
]

“고대에는 ’땅’이 가장 중요했고 땅이 소수에게 집중되자 인간은 귀족과 평민으로 구분됐으며, 근대에는 ’기계’가 중요해지면서 기계가 소수에게 집중되자 인간은 자본가와 노동자 계급으로 구분됐다”. 이제는 데이터가 또 한번 인류를 구분하는 기준이 될 것이다. 향후 데이터가 소수에게 집중되면 단순 계급에 그치는 게 아니라 **데이터**를 가진 종과 그렇지 못한 종으로 분류될 것이이다. - 유발 하라리(Yuval Noah Harari)

---

---
# 가트너 데이터 과학

- 기술 분석(Descriptive Analytics): 무슨 일이 있었나? (What happened?)

- 진단 분석(Diagnostic Analytics): 왜 일어났나? (Why did it happen?)

- 예측 분석(Predictive Analytics): 무슨 일이 일어날까? (What will happen?)

- 처방 분석(Prescriptive Analytics): 어떻게 그런 일을 일으킬까? (How can we make it happen?)

이를 통해 뒤늦은 깨달음(Hindsight) 복기, 깨달음/통찰력(Insight), 예지력/선견지명(Foresight)을 얻을 수 있다.
가치도 크지만 그에 따른 어려움도 가중된다.

.footnote[
  [xwMOOC - tidyverse 데이터 과학 기본체계](https://statkclee.github.io/data-science/ds-tidyverse.html)
]

---
### 제멜바이스

.center[
 <img src="fig/Semmelweis.jpg" alt="Ignaz Semmelweis, (1818.7.1 ~ 1865.8.13)" width="40%" />
]

.footnote[
  [기초 통계: 손씻기 그리고 통계 - 제멜바이스](https://statkclee.github.io/statistics/stat-hand-washing.html)
]

---
## 마스터 알고리즘

.center[
  <img src="fig/programming_machine_learning_comparison.png" alt="마스터 알고리즘" width="60%" />
]

.footnote[
- [궁극의 주인이 될 알고리즘(Master Algorithm)](https://statkclee.github.io/ai-lab/master-algorithm.html)
]

---
class: inverse, middle, center

# 6 `$\Huge{\sigma}$`

---
## 6 `$\large{\sigma}$`

- 통계적 사고(Statistical Thinking) 패러다임
  - 모든 것은 프로세스 (Everything is a process)
  - 모든 프로세스는 내재적 변동성이 존재. (All processes have inherent variability)
  - 데이터를 사용해서 변동성을 이해하고, 프로세스를 개선하는 의사결정을 내림. (Data are used to understand variation and to drive decisions to improve the processes.)

- 수학적 관점
`$$g(y_{\text{고객 만족, 수익성}})=f(x_{1}^*, x_{2}, x_{3}^*, \cdots, x_{k})$$`
  - `$x_{\cdot}$` : 표준, 공학 프로세스, 제품혁신, 시장요인 등
  - `$x_{\cdot}^*$` : 핵심요인(Vital Few)

---
## 방법으로 6 `$\large{\sigma}$` 이해

---
## DMAIC

---
## 통계모형

`$$\Huge{Y = X\beta + \epsilon}$$`

- **Define**: `$Y$`, `$X$` 정의

- **Measure**: 데이터 수집을 통한 측정

- **Analyse**: 분석을 통한 방정식 최적 `$\beta$` 찾기

- **Improve**: 최적 설계를 통한 `$X$` 찾기

- **Monitor**: 최적수준 `$Y$` 유지관리

---
## DMAIC &rarr; 통계도구상자

---
## 미니탭과 수정구슬

.pull-left[
### 미니탭(Minitab)
  <img src="fig/simulation-crystalball.png" alt="Crystal ball" width="100%" />
]

.pull-right[
### 수정구슬(Crystal Ball)
  <img src="fig/experiemnt-minitab.png" alt="Minitab" width="100%" />
]

---
class: inverse, middle, center

# 데이터 과학

---
## 보고서 vs. 알고리즘

.footnote[
  [기초 통계 -통계 모형(Statistical models)](https://statkclee.github.io/statistics/stat-modeling.html)
]

---
## 데이터 크기

.footnote[
  [데이터 과학: 빅데이터 - tidyverse 스파크](https://statkclee.github.io/data-science/ds-tidyverse-spark.html)
]

---
## 베이지안 A/B 검정

.footnote[
  [기초 통계 - 베이지안 A/B 검정](https://statkclee.github.io/statistics/bayesian-ab-testing-in-practice.html)
]

---
### 데이터 과학 투여비용

.footnote[
  [PLOTCON 2016: Jenny Bryan, Behind every great plot there is a great deal of wrangling](https://www.youtube.com/watch?v=4MfUCX_KpdE)
]

---

---
## 빅데이터

---
## 보고서

.footnote[
- [데이터과학을 위한 저작도구](https://statkclee.github.io/ds-authoring/slides/2016/ds_authoring_toolchain.html#/)
    - [데이터 과학을 위한 저작도구 - 심각한 현재 상황](http://statkclee.github.io/modern-scientific-authoring/01-mess-kr.html)
    - [데이터 과학을 위한 저작도구 - R 유니코드, 인코딩](https://statkclee.github.io/ds-authoring/regex-encoding.html)
]

---
## 보고서 자동생성

.footnote[
- [데이터 과학을 위한 저작도구 -보고서 자동화](https://statkclee.github.io/ds-authoring/ds-report-automation.html)
- [xwMOOC 데이터 제품 -전자우편 보고서 발송 자동화](https://statkclee.github.io/data-product/cron-automation.html)
]

---
class: inverse, middle, center

# 그리고...

---
## 엑셀에서 탈출하자

.pull-left[
  <img src="fig/ds-xls-data-format-logic.png" alt="엑셀" width="100%" />
]
.pull-right[
  <img src="fig/train-to-data.jpg" alt="분석행" width="100%" />
]

.footnote[
- [데이터 과학 -탈옥(jailbreakr) – 엑셀에서 탈출… 자유](https://statkclee.github.io/data-science/ds-xls.html)
- [데이터 과학 - 위기의 스프레드쉬트](https://statkclee.github.io/data-science/ds-why-not-excel.html)
]

---
## 사전선거율 - 엑셀 파이터의 종말

.footnote[
  [사전선거율 - 엑셀 파이터의 종말, 6·13 지방선거 사전투표](http://statkclee.github.io/politics/excel-the-end.html)
]

---
## 시계열 예측 자동화

.footnote[
  [데이터 과학- 기초 통계: 시계열 예측 자동화](https://statkclee.github.io/statistics/stat-forecast-automation.html)
]

---
## 디지털 경제와 열린 적들

.footnote[
- [기초 통계 - 작업장 탐지](https://statkclee.github.io/statistics/stat-gold-farming-detection.html)
- [기초 통계 -디지털 경제와 작업장(Gold Farming)](https://statkclee.github.io/statistics/stat-gold-farming.html)
]

---
## [얼굴 분석 - Face Analysis](https://itunes.apple.com/kr/app/%EC%96%BC%EA%B5%B4-%EB%B6%84%EC%84%9D-face-analysis/id1290130969?mt=8)

.pull-right[
  - **클라우드 APIs**
    - [나이(Age): MS Face API](http://statkclee.github.io/deep-learning/ms-oxford-age.html)
        - [정보과학교육연합회-R을 이용한 인공지능 튜토리얼](http://statkclee.github.io/deep-learning/ms-oxford-kcode-tutorial.html)
        
    - [감정분석: MS Emotion API](http://statkclee.github.io/deep-learning/ms-oxford-video.html)
    
    - [국회의원 사진 - Computer Vision API](http://statkclee.github.io/deep-learning/ms-azure-computer-vision.html)
]

.footnote[
  [Azure Computer Vision API: Generate image captions with the Computer Vision API](http://blog.revolutionanalytics.com/2018/03/computer-vision-api.html)
]

---
## 데이터 과학자와 함께하는 지방선거

.footnote[
  [xwMOOC 기계학습 - 지방선거 광역단체장 지지율 예측모형](http://statkclee.github.io/ml/ml-local-election.html)
]