전체와 부분은 순환참조로 연결되어 있습니다.

전체와 부분은 순환참조로 연결되어 있습니다.
Photo by Joseph Barrientos / Unsplash

거실에 홈캠을 하나 설치할 일이 생겼습니다. 홈캠은 이전에 구매한 것과 동일한 구조로, 회전은 되지 않지만, 앞으로 각도를 조절하여 찍을 수 있는 구조로 되어 있었습니다.

설치 자체는 어렵지 않을 것이라고 생각했는데,문제는 장소였습니다. 거실은 부엌과 연결되어 세로로 긴 구조로 일반적인 정사각형 형태의 방 대비 화각의 한계에서 발생하는 사각지대가 존재하고 있었습니다. 이를 극복하기 위해서 카메라를 천장에 가깝게 높게 올리되 카메라 자체를 90도 회전해서 설치해보려고 했습니다.

90도로 회전해서 설치해보니 사각지대는 사라지는 듯했습니다. 그런데 90도로 회전한 탓에 본연의 기능이었던 전면 위 아래 각도 조절 기능은 무용지물이 되고 말았습니다. 결국 원위치를 해서 설치 높이만 조정하는 형태로 다시 설치를 1차 마무리 했습니다.

이렇게 카메라를 설치하면서 문득 이런 생각이 들었습니다

"카메라의 가장 핵심기능에만 주안점을 두다보니, 다른 기능을 지나치게 무시하였구나."

이를 문제와 문제를 푸는 방법의 차원에 보다보니, 제가 놓친 것들이 보였습니다. 최근에 본 Simon Sinek의 [[Start With Why (The Inspiring Million-Copy Bestseller That Will Help You Find Your Purpose) - 사이먼 시넥]]가 그린 Golden Circle이 떠오르는 순간이었습니다. 왜 이문제를 해결할까에 대해서만 지나치게 집중하다 보니, How를 완전히 잊고 있던 것입니다.

500

당연한 이야기이지만 WHY는 매우 중요합니다. 리더로 일을 하면서도 Why를 How / What 대비 굉장히 집중하면서 일하곤 했습니다. 하지만 중간관리자의 입장에서는 How / What에 대해서도 어느정도 고려했어야 하지 않았나라는 생각이 들었습니다. HOW/What에 대해서 무작정 동일한 가중치로 강조하라는 의미가 아닙니다. 하지만 How/What을 고려하여 Why에 대해서 다듬는 스킬이 중요하다는 것입니다. 결국 Why - How - What이 서로 상호순환참조하면서 잘 다듬어져야 한다는 생각이 들었습니다.

이 부분은 현재 보고 있는 [[아버지의 마지막 골프 레슨 - 윌리엄 데이먼]]과도 연결되어 있는 부분이기도 합니다. 삶의 의미이고, 의미는 결국 매순간 존재하기 때문에 이러한 회고가 가능하다고 저자는 주장하는데 이 관점에서 결국 Why-How-What은 잘 만들어진 이야기에서는 꼭 포함되어야 할 중요한 요소이기 때문입니다.

다음은 최근에 읽었던 [[독학력 (AI 시대 우리에게 필요한 단 하나의 힘) - 고요엘]]에 나오는 문구입니다. 이렇게 디테일과 전체의 균형점을 찾아 나갈 때 성장이 가능한데, 복직을 앞둔 부분에서 회고해보니, 균형점에 대한 보강이 필요할 수 있겠다는 결론에 이르게 되었습니다.

p104 또한 독학은 자기 결정권 에 대한 존중을 담고 있다. 남이 이미 해보고 만들어 놓은 것을 단순히 따라 가는 것이 아니라 각 과정마다 본인이 선택하고 결정하는 것 자체를 스스로 성장할 수 있는 핵심적인 프로세스로 간주한다. 마지막으로, 독학의 학습 성과는 결국 환경이 아니라 스스로와의 싸움에 달려 있다는 점이다. 학습 성과는 결국 학습 주체인 본인이 어떻게 하느냐에 달려 있다. 이러한 전제 는 개인의 역량을 극대화하는 데 있어서 자유와 책임이 얼마나 큰 역할을 하는지를 깨닫게 해준다.

우리는 연차를 보면서 내가 굳이 이런 것을 공부해야 하나 할 때가 있습니다. 하지만 이렇게 전체의 관점에서 필요한 디테일은 계속 보강해나가는게 맞고, 이렇게 보강할 때 더 유연하지만, 포괄적인 관점으로 전체를 바라볼 수 있겠다는 생각이 듭니다.

홈캠에서 시작한 생각의 흐름이 다소 길어지긴 했지만, 이를 계기로 점차 디테일에 대한 중요성을 다시 조망하게 되어서 오늘도 다행히 배우고 지나갈 수 있었습니다.

Read more

다중공선성은 잘못된 인과추론 결과를 만들어낼 수 있습니다.

다중공선성은 잘못된 인과추론 결과를 만들어낼 수 있습니다.

다중공선성(Multi Collinearity) * **Multi-Collinearity(다중공선성)**는 독립 변수들 간의 강한 상관관계가 존재할 때 발생합니다. 즉, 한 독립 변수가 다른 독립 변수에 의해 설명될 수 있을 정도로 상관관계가 높은 상황을 의미합니다. * 이 문제는 주로 회귀 분석에서 나타나며, 변수들 간의 관계를 해석하는 데 있어 큰 장애물이 될 수 있습니다. * 일반적인 회귀식을 $Y=

Bayesian P-Value는 불확실성을 감안하여 모델의 적합도를 평가합니다.

Bayesian P-Value는 불확실성을 감안하여 모델의 적합도를 평가합니다.

Bayesian P- Value * Bayesian P-Value는 **모델의 적합도(goodness-of-fit)**를 평가하는 데 사용됩니다. * 사후 분포(posterior distribution)를 이용하여 실제 데이터와 모델이 생성한 예상 데이터를 비교함으로써, 관측된 데이터가 모델에 의해 얼마나 잘 설명되는지를 평가합니다. * 빈도주의 p-값은 "관찰된 데이터보다 극단적인 데이터가 나올 확률"을 계산하지만, Bayesian P-Value는 "모델이 실제

Non-Identifiability는 Model Parameter를 고유하게 식별할 수 없는 현상입니다.

Non-Identifiability는 Model Parameter를 고유하게 식별할 수 없는 현상입니다.

Non Identifiability * Non-Identifiability는 주어진 데이터와 모델에 대해 특정 파라미터를 고유하게 식별할 수 없는 상황을 의미합니다. 즉, 여러 파라미터 값들이 동일한 데이터를 생성할 수 있으며, 이로 인해 특정 파라미터 값을 확정적으로 추정하기 어렵게 됩니다. * 베이지안 추론에서 Non-Identifiability는 사후 분포가 특정 파라미터 값에 대해 명확하게 수렴하지 않고, 여러 값들에 대해 비슷한 확률을

Rootgram은 큰 분산을 갖거나 비정규 형태의 데이터를 위한 히스토그램입니다.

Rootgram은 큰 분산을 갖거나 비정규 형태의 데이터를 위한 히스토그램입니다.

Rootgram * 히스토그램의 변형으로 데이터가 비정규적이거나 큰 분산을 가지는 경우, 정확한 분포를 파악하기 위해 사용됩니다. * 일반적으로 히스토그램은 데이터의 빈도를 직접적으로 나타내기 때문에, 큰 값이 빈번하게 발생하는 경우 상대적으로 작은 값을 잘 드러내지 못하는 경향이 있습니다. 반면, Rootgram은 빈도를 제곱근 형태로 변환하여, 데이터 분포의 차이를 더 잘 시각화할 수 있도록 돕습니다 * 여기서