그라운드 룰은 Atomic해야 한다.

그라운드 룰은 Atomic해야 한다.
Photo by Arka Roy / Unsplash

이전에 수학과 논리학에 관한 책을 보다가 수학에 관한 재미난 정의를 본 적이 있습니다. 수학은 여러 논쟁 끝에 얻어낸 단단한 논리 기반 위에 차곡차곡 쌓아 올린 학문이기에 가장 정확한 사실을 전달해주는 언어이다라는 내용이었던 것으로 기억합니다. 이 이야기를 듣고 나니, 왜 고등학교에서 배우던 수학의 정석의 첫 단원이 집합이고, 그 이후에 이어지는 내용이 명제인지 자연스럽게 이해되었습니다. 특정 기준을 놓고 군을 나누고, 사칙연산과 같은 단순한 부분부터 명제에 기반해서 증명함으로써 수학은 지금까지 발전해왔기 때문입니다.

이 관점을 어느 날 팀의 운영을 두고 투영해보니 어느정도는 동일할 수 있겠다는 생각에 도달하였습니다. 팀의 운영을 할 때 그라운드 룰을 세우는데, 이 역할이 가장 중요한 바닥에 위치한 명제와 동일할 수 있겠다는 생각이 들었기 때문입니다. 그리고 이 그라운드 룰 위에 경험이 쌓이게 되면 최종적으로 신뢰감이 쌓이게 될 것이라는 생각도 자연스레 들었습니다.

이렇게 팀내 경험이 어느정도 구체화되면 그 이후에 일을 할 때는 대부분의 업무처리 방식에는 개연성이 생길 것입니다. 즉 70% 이상은 팀구성원이 기대하는 스타일대로 일이 진행되겠지요.  30%는 생각하지 못한 일이겠지만, 이게 업무방식에 있어서 절반을 넘지는 못할 것입니다. 절반을 넘는다는 것은 팀이 아니라 거의 TF가 아닐까 싶습니다.

여기까지 생각을 진전시켜보니 그라운드 룰은 가급적 “Atomic Rule”이어야 한다는 생각이 들었습니다. 적용은 최대화하고 해석은 최소화하려면 아무래도 간결하고 명확해야 하기 때문이다. 팀의 구성원이 보았을 때 해석에 대한 이해도가 대체로 비슷해야 합니다. 특히나 경험은 굉장히 예측이 어렵고 포괄적이기 때문에 그라운드 룰은 더더욱 간결해야할 필요가 있습니다.

Read more

DataFrame은 Pandera로, 모델은 Pydantic으로 데이터를 검증한다.

DataFrame은 Pandera로, 모델은 Pydantic으로 데이터를 검증한다.

Pandera: 데이터프레임 검증에 최적화된 도구 주요 장점 * Pandas와 통합: Pandas 데이터프레임에 대해 스키마 기반 검증을 수행합니다. * 유연한 검증 조건: 열 데이터 타입, 값 범위, Null 여부 등 다양한 검증 조건을 정의할 수 있습니다. * 명확한 오류 메시지: 스키마 불일치에 대한 명확한 오류 메시지를 제공합니다. 단점 * 대용량 데이터 검증에서는 속도가 느릴 수

Tobit Regression은 Censored Data에 적합한 Regression이다.

Tobit Regression은 Censored Data에 적합한 Regression이다.

Tobit Regression * Tobit 회귀(Tobit Regression)는 종속 변수가 특정 값에서 절단(Censored)된 상황에서 데이터를 분석하기 위해 사용되는 통계 기법입니다. * James Tobin이 처음 제안한 이 모델은 경제학과 사회과학 분야에서 자주 사용되며, 일반 선형 회귀로는 설명할 수 없는 상황에서 효과적으로 적용할 수 있습니다. Tobit Regression 수식 1. 관측된 종속 변수