본문 바로가기

Python6

네트워크 자동화 포트폴리오 준비법(Python, API, 설정관리) 네트워크 엔지니어를 준비하는 취업 준비생의 프로젝트를 점검하다 보면 Python을 이용해 여러 장비의 정보를 한 번에 가져오거나 동일한 설정을 배포한 경험을 포트폴리오에 넣는 경우가 많습니다. 처음 보면 수동 작업을 코드로 바꿨다는 점에서 충분히 자동화 프로젝트처럼 보입니다. 그런데 자동화하기 전에는 얼마나 반복적인 작업이었는지, 일부 장비에서 명령이 실패하면 어떻게 처리했는지, 잘못된 설정이 여러 장비에 동시에 적용되는 문제는 어떻게 막았는지를 질문하면 설명이 짧아지는 경우가 있습니다. 반대로 Python 코드는 길고 GitHub 저장소도 잘 정리되어 있는데 실제 네트워크가 무엇 때문에 개선되었는지 보이지 않는 프로젝트도 있습니다. 장비에 SSH로 접속하고 명령을 실행하는 함수는 있지만, 라우팅과 인터.. 2026. 10. 24.
AI 직무 취업 Python 다음 학습(데이터, ML, 배포) AI 직무를 준비하는 취업 준비생의 학습 과정과 프로젝트를 함께 점검하다 보면 Python 문법과 기본 라이브러리는 상당히 익숙한데, 그다음 무엇을 공부해야 하는지에서 방향이 갈리는 경우가 있습니다. 변수와 함수, 클래스까지 학습했고 NumPy와 Pandas도 한 번씩 사용했지만 바로 딥러닝 강의로 넘어가야 하는지, SQL과 데이터 전처리를 더 공부해야 하는지, 아니면 PyTorch로 모델부터 만들어야 하는지 판단하지 못하는 식입니다. 조금 더 진행한 경우에는 머신러닝 모델까지 만든 경험이 있는데도 비슷한 문제가 나타납니다. 캐글이나 공개 데이터셋을 이용해 분류 모델을 학습하고 정확도를 비교했지만, 새로운 데이터가 들어오면 어떤 전처리가 다시 필요한지, 학습한 모델을 다른 사용자가 실제로 이용하려면 어떻.. 2026. 10. 18.
데이터 분석 직무 엑셀이 중요한 이유(정리, 검증, 실무요청) 데이터 분석 직무를 준비하는 취업 준비생의 프로젝트를 함께 점검하다 보면 Python과 SQL은 능숙하게 사용하는데, 정작 엑셀 파일 하나를 받았을 때 데이터를 어떻게 확인해야 할지 오래 걸리는 경우가 있습니다. SQL로 복잡한 JOIN과 집계를 할 수 있고 Python으로 데이터 전처리도 가능하지만, 현업에서 전달받은 엑셀 파일에 숨겨진 열이 있는지, 날짜 형식이 섞여 있는지, 중복 행이 존재하는지, 전체 합계와 세부 합계가 맞는지 빠르게 확인하는 과정에서는 익숙하지 않은 식입니다. 반대의 경우도 있습니다. 엑셀 함수와 피벗테이블은 능숙하게 사용할 수 있지만 데이터가 커질수록 수작업이 반복되고, 같은 분석을 매주 다시 해야 하는 상황에서도 복사와 붙여 넣기로 처리하는 경우입니다. 이 경우 엑셀을 사용할.. 2026. 10. 16.
데이터분석 취업 Python만으론 부족(SQL, 지표, 비즈니스) 데이터분석 취업을 준비하는 학생의 포트폴리오를 보면 Python으로 만든 결과물이 가장 먼저 눈에 들어오는 경우가 많습니다. pandas로 데이터를 정리하고, matplotlib이나 다른 시각화 도구로 그래프를 만들고, 결측치를 처리하거나 간단한 분석 모델을 적용한 프로젝트도 있습니다. 처음에는 준비가 잘 된 것처럼 보이지만 프로젝트 설명을 조금 더 깊게 들어가면 예상하지 못한 빈틈이 나타납니다. 분석에 사용한 데이터는 어디에서 가져왔는지, 필요한 데이터만 다시 조회해야 한다면 어떤 조건을 사용해야 하는지, 매출 증가율이나 재구매율 같은 지표의 기준을 어떻게 정의했는지, 그래프에서 숫자가 달라졌다면 실제 업무에서는 어떤 행동으로 이어져야 하는지 설명하지 못하는 경우입니다.처음 설명은 보통 Python으로.. 2026. 9. 20.
데이터 엔지니어 취업 준비에서 파이프라인을 이해해야 하는 이유 (ETL, 데이터품질, 자동화) 데이터 엔지니어 취업을 준비하는 분들의 포트폴리오와 모의면접 답변을 점검하다 보면 Python, SQL, Spark, Airflow, Kafka, Docker, 클라우드 같은 기술 이름은 많이 정리되어 있지만, 정작 데이터가 어떤 흐름으로 이동하고 처리되는지 설명이 약한 경우를 자주 봅니다. 데이터를 수집했습니다, 전처리했습니다, 저장했습니다라고 말할 수는 있지만 어떤 원천에서 데이터를 가져왔는지, 어떤 기준으로 변환했는지, 오류 데이터는 어떻게 처리했는지, 작업이 반복될 때 자동화는 어떻게 구성했는지까지 설명하지 못하는 경우가 있습니다. 저는 이 지점이 데이터 엔지니어 준비에서 매우 중요하다고 생각합니다. 데이터 엔지니어는 분석 결과만 만드는 사람이 아니라 데이터가 안정적으로 흐르도록 구조를 만드는 직.. 2026. 7. 8.
데이터 분석가 도구 (팩트, 경험, 심층분석) 도구를 많이 알면 데이터 분석가가 될 수 있을까요? 저도 처음엔 그렇게 생각했습니다. Python 배우고 SQL 공부하면 취업되는 줄 알았습니다. 그런데 실제로 공부를 시작해 보니, 도구 이름보다 훨씬 앞에 있어야 하는 게 있다는 걸 깨달았습니다. 이 글은 도구 목록이 아니라, 어떤 도구를 왜 배워야 하는지 방향이 필요한 분들을 위해 썼습니다.데이터 분석가가 실제로 쓰는 도구, 팩트부터 정리합니다데이터 분석 업무는 단계마다 쓰는 도구가 다릅니다. 데이터를 정리하는 단계, 꺼내는 단계, 분석하는 단계, 전달하는 단계가 각각 따로 있고, 그 단계마다 맞는 도구가 있습니다.가장 먼저 접하게 되는 건 엑셀입니다. 엑셀은 피벗테이블(PivotTable)을 활용해 대량 데이터를 조건별로 집계하고 요약할 수 있습니다.. 2026. 5. 24.

티스토리툴바