모든 일에 "Why"로 시작하라

아버지와 함께 오후 일정을 소화 후 집에 오니 오후 6시였다. 해야할 것들은 많다고 느껴지는데, 무엇을 해야 할지 모르겠다라는 생각이 머리를 맴돌았다.  그래서 오전에 읽을까 하여 Read it Later로 북마크해놓은 ‘챗GPT의 아버지’ 샘 알트만은 어떤 사람인가 글을 읽기 시작하였다.

이 글을 대략 빠르게 훑어서 마지막에 갈 때 쯤, 그 생각이 들었다.

이거 읽고 뭔가를 남겨야 하나?

항상 그렇듯이. 그래야 하나 라는 생각이 들어서, 어떻게 남겨야 할지 고민하기 시작했다. 그대로 복붙은 말그대로 표절(Plagiarism)이니까, 어떻게 남기면 좋을지 생각하던 끝에 문득 그 생각이 들었다.

나는 왜 이 글을 북마크해놓았던 것일까?

북마크할 시점으로 돌아가보니 아무래도 샘 알트먼은 비즈니스 씬에서 핫한 사람이니, **"어떤 사람"**인지를 알면 재미있지 않을가 하는 생각이 들었던 것같다. 어떤 사람인지 알면 삶에 적용해 볼 수 있을테니 말이다.

함께 북마크해놓은 쇼피파이 투자 심사 보고서(한글번역 도 비슷한 맥락이었던 것같다. 미래를 생각해본다면 창업을 고민해볼 수도 있으니, 또는 팀에게 공유해서 비즈니스 관점의 Data Science를 전파하는 것은 어떨까라는 생각에서 기대했던 것 같다.

결국 "Why"를 생각하지 않고 읽는 것은 그냥 쫓기는 삶의 전형적인 Task라는 생각이 들기 시작하였다. 샘 알트먼 역시 자신을 믿고 진실을 추구하면서 가면을 벗은 채로 삶을 살아간다. 하지만 협력의 중요성을 알고, 낙관적인 태도로부터 시작하되 멀리 바라본다.

극단적인 솔직함이 때론 부담스럽기는 하지만, 적어도 내 자신에게는 그렇게 해야 하지 않나. 싶다.

Read more

OLS 기반 인과추론 시 오차항 관련 체크 필요 가정

OLS 기반 인과추론 시 오차항 관련 체크 필요 가정

배경 * 아래 글을 DANBI에서 보다가 더 알아보게 되었습니다. OLS를 떠받치는 몇 개의 기둥이 있는데 그중 실용적으로 가장 중요한 것이 일치성(consistency)다. 쉽게 말해서 OLS를 통해 도출된 추정량이 있을 때 샘플사이즈가 커지면서 이 값이 참 값으로 접근한다는 것이다. 일치성이 충족되면 우리는 적당하게 큰 표본에 대해서 추정치가 좋은 속성을 지니고 있다고

인공지능이 문제가 아니라 결국 사람이 문제가 될 것입니다.

인공지능이 문제가 아니라 결국 사람이 문제가 될 것입니다.

사람들이 AI가 필요하다고 생각하는 시점 저 판사를 얼른 AI로 교체해야 한다. 유튜브에서 뉴스를 보다 보면 정말 많이 보이는 덧글입니다. 이러한 내용의 덧글이 달릴 때마다, 정말 많은 사람들이 공감을 표하곤 합니다. 왜 이렇게 사람들은 이러한 주장에 공감을 표하는 것일까? AI는 시킨대로 하기 때문에 공정하다는 인식 여러 이유가 있겠지만, 사람들은 아마 AI가

BG/NBD 모델은 고객 생애가치를 추정하는데 사용되는 확률 모델입니다.

BG/NBD 모델은 고객 생애가치를 추정하는데 사용되는 확률 모델입니다.

1. BG/NBD 모델이란? * BG/NBD(Beta-Geometric/Negative Binomial Distribution) 모델은 **고객의 생애 가치(Customer Lifetime Value, CLV)**를 추정하는 데 사용되는 확률적 모델입니다. * 특히 고객이 반복 구매를 할지, 아니면 더 이상 활동하지 않을지를 추정하는 데 유용합니다. 이 모델은 고객의 구매 행태를 두 가지 중요한 개념으로 나눕니다: * 고객은 활성(active)

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=