AI 관련 부업을 찾다 보면 한 번쯤 보게 되는 플랫폼이 있다. 바로 Outlier AI. “AI 답변 평가하고 수익 얻기”“집에서 원하는 시간에 작업 가능”“영어 가능하면 지원 가능” 솔직히 처음에는 조금 의심했다. 광고처럼 보이는 글은 많은데 실제로 무슨 일을 하는지, 얼마나 걸리는지, 지원 과정은 어떤지 자세히 적힌 후기는 생각보다 많지 않았다. 그래서 이번 글에서는 내가 직접 경험한 기준으로 가입부터 프로젝트 매칭, 실제 작업, 그리고 첫 수익까지 솔직하게 적어보려고 한다. (참고로 프로젝트마다 경험은 조금씩 다를 수 있다.)1. 가입 Outlier AI는 AI 모델 학습용 데이터를 만드는 플랫폼이다. 쉽게 말하면, AI가 더 똑똑해질 수 있도록 사람이 직접 데이터를 검토하고 피드백을 주는..

최근 BI Analyst 인터뷰를 진행하면서 기술 역량뿐 아니라 업무 스타일, 우선순위 설정, 압박 상황 대응 방식, 피드백 수용 태도까지 상당히 깊게 평가한다는 점을 느꼈다. 이번 글에서는 실제로 받았던 질문들과 함께, 어떤 의도를 가지고 물어봤는지, 그리고 어떻게 답하면 좋을지 정리해 보려고 한다.1. Tell me about yourself.What they are evaluatingCommunication abilityRelevant experience summaryCareer directionGood structureCurrent → Experience → Technical skills → Why BIExample approach:Current # student at # University → ..

통계를 처음 공부할 때 가장 먼저 마주치는 개념이 바로 표본공간(Sample Space)과 사건(Event)이다. 이 개념들이 잡히면 그 뒤의 확률과 통계 이론이 훨씬 더 쉽게 다가온다. 이 글에서는 이 두 개념과 그 배경이 되는 집합 이론(Set Theory)에 대해 간단하고 명확하게 정리해보겠다.표본공간(Sample Space)이란?표본공간(sample space)은 어떤 확률 실험에서 가능한 모든 결과들의 집합을 말한다. 예시 상황:한 개의 퓨즈가 정상(Not defective, N)인지 불량(Defective, D) 인지 검사하는 실험1. 한 개의 퓨즈 검사이 실험의 결과는 두 가지 중 하나다N: 정상D: 불량따라서 표본공간(Sample Space)는 다음과 같이 나타낼 수 있다S = {N, D}..

통계 컴퓨팅이란?“통계 컴퓨팅(statistical computing)”이란 단순히 숫자를 계산하는 것이 아니다. 데이터를 다루고 분석하며, 시각화하고 결과를 프로그래밍적으로 구현하는 모든 과정을 포함하는 넓은 개념이다. 통계 컴퓨팅은 다음과 같은 작업을 포함한다.데이터 처리 및 변환 (data manipulation)통계 모델링과 분석 (statistical modeling)시각화 (graphics)시뮬레이션 (예: 몬테카를로 시뮬레이션)프로그래밍 (모듈화, 함수 작성, 디버깅 등)이러한 작업을 쉽게 수행할 수 있도록 만들어진 언어가 바로 R이다.R 문법의 기초R은 인터프리터 언어다. 즉, 우리가 콘솔에 한 줄을 입력하면 R이 바로 실행 결과를 보여준다. 반면 여러 줄의 코드를 작성할 때는 .R 파일에..

통계에서 데이터의 중심(평균, 중앙값 등)을 파악하는 것만으로는 부족하다. 데이터가 얼마나 퍼져 있는지, 즉 산포(variability)를 함께 이해해야 데이터 전체의 특성을 제대로 해석할 수 있다. 이번 글에서는 산포를 측정하는 대표적인 지표들과 함께, boxplot과 이상치(outlier) 해석까지 다루어 보겠다. 왜 평균만으로는 부족할까?데이터 분석에서 평균(mean)이나 중앙값(median) 같은 중심 경향치(measures of center)는 중요한 정보를 제공한다. 하지만 이들만 보고 전체 데이터의 특성을 완전히 이해하기는 어렵다.“평균이 같다고 해서 데이터가 같다고 말할 수는 없다!” 예를 들어, 샘플 A: 5, 5, 5샘플 B: 1, 5, 9샘플 C: 0, 5, 10이 세 샘플은 모두 ..

평균(mean)과 중앙값(median)은 데이터가 어디쯤 중심을 이루는지 보여주는 수치이다. 이번 글에서는 이 두 가지 중심 위치 척도뿐만 아니라, 극단값(outlier)에 대한 민감도, 그리고 이를 보완해주는 절사 평균(trimmed mean)까지 함께 살펴본다.평균값(mean)과 중앙값(median)평균 (Mean): 모든 값을 더해 개수로 나눈 값. 중앙값 (Median): 데이터를 정렬했을 때 정확히 가운데에 위치한 값.둘 다 데이터의 중심을 나타내지만, 데이터 분포가 비대칭이거나 극단값(outlier)이 존재할 경우 서로 다른 이야기를 한다. 그리고 실제 통계 분석에서는 전체 모집단의 데이터를 알 수 없는 경우가 많기 때문에 표본(sample)을 사용한다. 이때 나오는 개념은 표본 평균(samp..