Data science's canon runs from a 17th-century London tradesman counting plague deaths by hand to a 21st-century scientist mining billions of anonymized link clicks. The eight people here span more than three centuries and three continents.
What connects them is less a shared method than a shared instinct: look hard at real, messy records, and trust a pattern only after checking it survives scrutiny — the same discipline the field still runs on, however it happens to be titled this decade.
“엄격한 실험에는 처음부터 제어 및 무작위화가 필요하며 나중에 논쟁이 필요하지 않습니다.”
1920년대 Rothamsted Experimental Station에서 수십 년간의 작물 수확량 실험을 분석하면서 분산 분석, 무작위 실험 설계 및 최대 우도 추정 등 응용 통계의 현대적인 프레임워크를 대부분 구축한 영국의 통계학자이자 유전학자입니다.
1920년대 후반 Rothamsted 애프터눈 티에서 동료 Muriel Bristol은 차를 마시기 전이나 후에 컵에 우유를 부었는지 알 수 있다고 주장했습니다. 피셔는 그녀를 기각하는 대신 실제로 주장을 테스트하기 위해 무작위 실험을 설계했습니다. 이는 나중에 귀무 가설과 무작위 실험 설계의 논리를 배치하기 위해 1935년 저서 '실험 설계'에서 사용한 시나리오였습니다.
“엄격한 실험에는 처음부터 제어 및 무작위화가 필요하며 나중에 논쟁이 필요하지 않습니다.”
현대 간호의 창시자로 더 잘 알려진 나이팅게일은 또한 데이터 시각화를 사용하여 크림 전쟁에서 대부분의 군인이 전투 부상이 아닌 열악한 위생으로 인해 사망했다는 사실을 영국 정부에 설득하고 왕립 통계 학회 회원으로 선출된 최초의 여성이 된 선구적인 통계학자였습니다.
1858년 나이팅게일은 1년을 월별 사망자 수로 쐐기 모양으로 나누고 원인별로 색상을 지정하는 원형 차트인 '콕스콤' 또는 극지방 다이어그램을 출판하여 전쟁이 아닌 예방 가능한 질병이 크리미아에서 영국군 사망자의 압도적인 다수를 초래했다는 사실을 전쟁성에 보여주었습니다. 시각화는 지속적인 군대 위생 개혁을 추진하는 데 도움이 되었습니다.
“잘 디자인된 차트는 테이블에 있는 동일한 숫자보다 더 빠르게 정부 정책을 변경할 수 있습니다.”
더블린의 기네스 양조장에서 화학자이자 통계학자로 일하면서 Gosset은 작은 보리 샘플의 품질을 판단하는 매우 실용적인 문제를 해결하기 위해 t-분포와 t-테스트를 개발했으며 기네스가 직원들이 자신의 이름으로 출판하는 것을 금지했기 때문에 'Student'라는 가명으로 출판했습니다.
경쟁업체가 영업 비밀을 배우는 것에 대한 기네스의 우려로 인해 직원 간행물이 금지되었습니다. 따라서 Gosset의 랜드마크인 1908년 논문 'The Probable Error of a Mean'은 Biometrika에 'Student'라는 가명으로 게재되었습니다. 이 이름은 통계학자들 사이에서 그의 정체가 알려진 지 오랜 후에도 오늘날 수백만 건의 소표본 분석에 사용되는 t-테스트에 여전히 붙어 있습니다.
“하나의 좁고 실용적인 문제를 해결하기 위해 구축된 방법은 원래 목적보다 100년 이상 오래 지속될 수 있습니다.”
25세에 Cramér-Rao 경계와 Rao-Blackwell 정리(통계 추정 이론에서 가장 널리 사용되는 두 가지 결과)를 도출하고 나중에 미국 대학에서 오랫동안 경력을 쌓기 전에 인도의 인도 통계 연구소 설립을 도운 인도계 미국인 통계학자입니다.
콜카타에 있는 인도 통계 연구소의 젊은 연구원으로 작성된 Rao의 1945년 논문은 편견 없는 추정자가 현재 Cramér-Rao 경계라고 불리는 미지의 양을 얼마나 정확하게 측정할 수 있는지에 대한 하한선을 입증했습니다. 이 결과는 이후 출판된 거의 모든 통계 교과서에 나타나며 그가 26세가 되기 전에 쓴 논문에 반영됩니다.
“경력 초기에 정확하게 입증된 단 하나의 결과는 해당 분야의 이후 수십 년보다 오래 지속될 수 있습니다.”
고속 푸리에 변환(Fast Fourier Transform) 알고리즘을 공동 발명하고 상자 그림을 발명했으며 1962년 논문 '데이터 분석의 미래(The Future of Data Analysis)'에서 실제 데이터를 분석하는 것은 수학적 통계와는 별개의 과학 분야로 인식되어야 한다고 주장한 미국의 수학자이자 통계학자입니다.
Tukey는 '데이터 분석의 미래'(1962)에서 데이터 분석이 수학의 작은 분야로서 '잘못 배웠으며' 그 후 15년 동안 그의 1977년 저서 '탐색적 데이터 분석'에 소개된 상자 그림과 줄기와 잎 그림을 포함한 실습 기술을 개발하는데 보냈으며 컴퓨터가 숫자를 터치하기 전에 연필과 종이를 사용하여 손으로 작업할 수 있도록 설계되었습니다.
“데이터로 구축된 모델을 신뢰하기 전에 간단한 손으로 그린 도구를 사용하여 직접 눈으로 데이터를 살펴보세요.”
2001년 논문에서 확장된 통계 분야의 이름으로 '임상 데이터 과학'을 창안하고 LOESS 로컬 회귀 방법을 포함하여 널리 사용되는 데이터 시각화 및 평활화 기술을 별도로 발명한 Bell Labs 통계학자입니다.
클리블랜드의 2001년 논문 '임상 데이터 과학: 통계 분야의 기술 영역 확장을 위한 실행 계획'에서는 대학이 통계학과와 별개로 전담 데이터 과학학과를 만들 것을 제안했습니다. 이는 따라잡는 데 10년 이상이 걸렸지만 2010년대 중반까지 전 세계 수백 개의 대학이 정확히 그렇게 했습니다.
“인쇄된 분야의 경계를 명명하고 공식적으로 제안하는 것은 몇 년 후 대학이 해당 분야를 중심으로 조직하는 방식을 형성할 수 있습니다.”
LinkedIn의 데이터 팀을 이끌었고 동료 Jeff Hammerbacher는 2008년경 독립적으로 '임상 데이터 과학자'라는 직위를 정했고, '21세기 가장 섹시한 직업'이라는 영향력 있는 2012 Harvard Business Review 기사를 공동 집필했으며, 이후 오바마 대통령 하에서 최초의 미국 최고 임상 데이터 과학자를 역임했습니다.
Patil은 2008년경에 LinkedIn의 데이터 팀을 구성하는 동안 그와 그의 팀이 '데이터 분석가' 및 '비즈니스 분석가'와 같은 직위를 고려한 후 '임상 데이터 과학자'로 결정했다고 말했습니다. 부분적으로는 실제로 필요한 역할에 필요한 엔지니어링과 통계의 혼합을 더 잘 포착했기 때문이고, 부분적으로는 단순히 채용하기에 더 매력적인 직위였기 때문입니다.
“올바른 직위는 업무 자체만큼이나 전체 직업이 채용되는 방식을 결정합니다.”
2009년에 bit.ly의 수석 과학자가 되었으며, 링크 단축 서비스의 대규모 클릭 스트림 데이터를 사용하여 온라인으로 퍼지는 내용을 연구하고 나중에 기계 학습 연구 스타트업인 Fast Forward Labs를 설립하여 직위를 공개적으로 보유한 최초의 사람 중 한 명이었습니다.
bit.ly에서 Mason과 동료들은 정보가 실제로 인터넷 전체에 어떻게 확산되는지 연구하기 위해 수십억 개의 익명화된 단축 링크 클릭을 채굴했으며, 하루 중 어떤 링크가 가장 많이 클릭되는지와 같은 패턴에 대한 결과를 발표했습니다. 이를 통해 링크 단축 유틸리티를 공개적으로 논의된 최초의 대규모 임상 데이터 과학 연구 프로그램 중 하나로 전환했습니다.
“평범한 인프라 제품은 누군가가 보려고 생각한다면 이용 가능한 가장 풍부한 연구 데이터세트 중 하나로 두 배가 될 수 있습니다.”
그래프는 이 목록 1위 기준 상대값입니다.
이름을 켜고 끄면 — 모든 막대가 선택된 그룹의 1위를 기준으로 다시 계산된다.
Whether DJ Patil and Jeff Hammerbacher truly 'coined' the job title is disputed; both have credited broader teams and informal prior industry use, and the phrase appears in scattered references before 2008.
Credit for naming the field itself is contested: computer scientist Peter Naur used the term 'clinical data science' as a synonym for computer science as early as 1974, decades before William S. Cleveland's widely cited 2001 proposal.
같은 분야만이 아니라 여섯 점수 프로필이 가까운 직업입니다.
디지털 공격을 찾아내고 예방하며 대응함으로써 시스템, 데이터, 사람을 지킨다.
AI 내성 63 🌬️재생 가능한 자원을 신뢰할 수 있는 전기로 전환하는 풍력, 태양열, 저장 및 그리드 시스템을 설계, 구축 및 개선합니다.
AI 내성 72 🦾물리적 세계를 감지하고 판단하고 행동하는 기계를 설계하는 사람으로, 진짜 난제는 지능이 아니라 언제나 세계 그 자체였다.
AI 내성 65 🌿조직이 비즈니스 의무를 이행하면서 환경 및 사회적 피해를 줄이는 데 도움이 되는 전략, 측정 및 보고를 주도합니다.
AI 내성 66 🔌컴퓨터, 휴대폰, 무기 등 거의 모든 전자기기 내부의 트랜지스터를 설계하고 제조하며, 지구상 극소수 공장만이 다룰 수 있는 초정밀 장비를 다룬다.
AI 내성 60 📦프로덕션 환경에서 기계 학습 모델을 교육, 배포, 모니터링 및 관리하는 시스템을 구축합니다.
AI 내성 54물질과 에너지, 공간과 시간을 지배하는 수학 법칙을 이끌어내고 검증한다. 혼자 칠판 앞에 선 연구자에서 3,000명이 공동 저자로 이름을 올리는 입자가속기 논문까지 그 모습은 다양하다.
AI 내성 65 🧬생명 그 자체를 연구하는 과학자. 린네가 손으로 종을 명명하던 시절부터 크리스퍼로 유전체를 편집하는 오늘날까지, 모든 아이디어를 살아있는 생물체에 비추어 검증한다.
AI 내성 64 🧪물질 그 자체를 만들고 측정하는 과학자 — 바빌로니아 타푸티의 증류기에서 오늘날 로봇 실험실에 이르기까지, 스펙트럼이 의미하는 바를 결정하는 것은 여전히 사람이다.
AI 내성 70 📊데이터에서 패턴을 찾고 예측 모델을 만드는 직업 — 2008년에 붙여진 이름이지만, 그 밑바탕에는 3세기에 걸친 증거 수집·검증·시각화의 역사가 있다.
AI 내성 38 🔭바빌로니아의 점토판에서 우주 망원경까지, 우주를 측정하는 과학자 — 데이터 속 어떤 깜빡임이 발견인지는 지금도 가려내는 중이다.
AI 내성 70 🧮바빌로니아 서기관에서 필즈상 수상자와 AI 보조 증명까지: 어려운 질문을 영구적 확실성으로 바꾸는 직업, 정리 하나하나마다.
AI 내성 70 🧿컴퓨팅, 감지, 통신 및 재료 연구를 위해 양자 상태를 활용하는 장치를 구축, 측정 및 제어합니다.
AI 내성 78