데이터 과학은 상대적으로 굉장히 새로운 분야다. 어떤 이들은 단순히 통계학의 응용 분야라고 하고, 어떤 이들은 완전히 새롭게 정의내리기도 한다. 나는 개인적으로 데이터 과학(Data Science)이란 분야는 컴퓨터 공학(Computer Science)과 통계학(Statistics)의 융합 분야라고 생각한다. 통계학에 그 기초를 두고 있지만, 통계학과 가장 다른 점은 통계학이 기저 모델과 추론을 중시한다면, 데이터 과학은 굳이 논리적 추론보다는 데이터 자체에서 답을 얻으려 한다는게 아닐까 싶다. 전통적인 통계학은 데이터 수집의 한계 때문에 정밀한 모델링이 중요했고, 한정된 샘플 사이즈에서 최대한 정확한 결론을 끌어내야 했지만, 빅 데이터 시대가 도래하면서 데이터 과학자들은 굳이 샘플이 모집단을 잘 대변하는지를 신경 쓸 필요도, 제한된 샘플로 현상을 잘 설명할 모델링을 할 필요도 없어졌다. 모집단 자체에 접근이 가능해졌고, 모집단 자체를 프로세스할 수 있을 정도로 컴퓨팅 능력이 발달했기 때문이다. 따라서 데이터 과학을 공부하는데는 기존 통계적 추론도 빼놓을 수는 없지만, parallel computing과 같은 컴퓨터 공학 개념들을 습득하는 것도 필수가 되었다. 또한 머신러닝이나 딥러닝과 같은 기법들을 다루는데 있어 컴퓨터 공학을 빼놓을 수 없어졌다. 

나는 2011년부터 트레이더로 일해왔다. 그리고 요즘 트레이딩 산업의 변화에서 빼놓을 수 없는 트렌드는 데이터 과학의 대두라고 할 수 있다. 트레이딩이란 결국 금융 상품 가격의 변화에서 수익을 거두는 일이고, 그것을 위해서는 결국 금융 상품 가격 데이터를 잘 분석하는 것이 중요하기 때문이다. 메뉴얼 트레이더에서 퀀트 트레이더로 전환하고자 하는 나는, 데이터 과학의 지식은 석사 과정을 밟기로 하였다. 어째서 금융 공학이나 금융 수학 석사를 밟지 않았느냐고 하면, 첫번째 이유는 이미 계량적 금융의 지식은 온라인 계량 금융 과정을 밟고 있어서 추가적으로 석사를 할 필요가 없었기 때문이고, 두번째 이유는 트레이딩에 있어서 금융 이론보다 더 근본적으로 중요한 것이 컴퓨터 공학이나 데이터 과학이라고 생각했기 때문이다.

이러한 연유로 나는 2016년부터 데이터 과학을 본격적으로 공부할 것이고, 이 게시판에는 데이터 과학에 관련한 정보글, 기사 스크랩, 공부 노트 등을 모을 계획이다. 금융 공학 게시판과 마찬가지로, 이 게시판 또한 일반적인 블로그처럼 독자를 대상으로 하는 게시판이 아닌, 순수하게 나의 공부를 위한 게시판이다. 다만, 내가 공부를 진행하면서 남기는 글들이, 다른 데이터 과학을 공부하는 학생들에게 도움이 된다면 금상첨화라고 생각한다.