원문 캡처 · datascienceweekly.substack.com
원문 캡처 · datascienceweekly.substack.com

데이터 사이언스 위클리 675호는 데이터 과학, AI, 머신러닝과 데이터 시각화·엔지니어링 분야의 글과 자료를 모았다. 편집자 추천에는 위험비 해석, 인과 머신러닝 비교, AI 도구가 업무량에 미친 영향에 관한 글이 포함됐다.

편집자 추천

  • 위험비와 함께 살아가기: 건강이나 장수에 관한 글을 읽다 보면 위험비를 자주 접한다. 식이섬유 섭취가 사망 위험을 HR=0.90으로 바꿀 수 있다는 연구나 가끔 흡연하는 것이 HR=1.30으로 바꿀 수 있다는 연구에서, 이런 수치를 얼마나 중요하게 봐야 하는지 살펴본다.
  • 인과 머신러닝 모델은 언제 LM·GLM·GBM보다 나은가?: 실제 효과를 알고 있는 9개의 시뮬레이션 사례를 통해 인과 포리스트, Double ML, AIPW, 메타 학습기가 일반 LM, GLM, GBM보다 나은 경우와 실제 효과를 모를 때 이를 판단하는 방법을 다룬다.
  • AI는 일을 줄여준다고 했지만 나는 그 어느 때보다 많이 일한다: AI 도구를 모든 엔지니어링 업무에 활용하는 한 엔지니어가 자신의 깃허브 기록을 바탕으로 업무량이 늘고 일이 더 버겁게 느껴지는 이유를 살펴본다. 그는 AI로 예전 같으면 시작할 가치가 없던 일도 조사하고 출시할 수 있게 됐지만, 한 번에 처리할 일이 훨씬 많아졌다고 말한다.

데이터 과학 글과 영상

  • 전투와 공간 채움 곡선: 위키데이터에서 SPARQL 질의로 추출한 영국의 역사적 전투 약 550건을 활용해 데이터 차원을 줄이는 방법을 설명한다. 2차원 위치를 1차원 선에 나타내는 한 방법으로 힐베르트 곡선 같은 공간 채움 곡선을 소개한다. 1차원에서 가까운 점은 2차원에서도 가깝지만, 2차원에서 가까운 점이 1차원에서도 가까운 것은 보장되지 않는다.
  • [프로덕션 모델을 망쳤는데 불안하다 [Reddit]](https://www.reddit.com/r/datascience/comments/1xg56jj/screwed_up_a_model_in_production_feeling_super/): 한 주니어 데이터 과학자가 처음 배포한 모델의 성과를 크게 보고했지만, QA의 빈틈 때문에 실제 프로덕션에서 개선 폭이 그만큼 크지 않다는 점이 확인됐다. 그는 매니저의 반응 이후 불안이 커졌다고 적었다.
  • 민스키와 페이퍼트에 대한 (미지근한) 옹호: AI 역사 속 패러다임 전환: AI 역사 입문 강의에서 민스키와 페이퍼트가 신경망 연구의 겨울을 불러온 인물로 그려지는 관점에 이의를 제기한다. 글은 이들이 반대한 AI 접근법이 이론적 한계로 이미 흔들리고 있었으며, 저서 《퍼셉트론》이 나온 1969년에는 신경망에 대한 관심도 이미 줄어든 상태였다고 주장한다.
  • 나무 키우기: 팰루비츠키 외 연구진의 SIGGRAPH 2009 논문에 기반한 절차적 나무 성장 방식을 소개한다. 새싹들이 빛을 두고 경쟁하고 나무가 성장 자원을 나누면, 성공한 새싹이 새 가지를 만든다. 이 가지가 다음 성장 단계에서 이용 가능한 빛을 바꾸며 나무의 수관 형태가 나타난다.
  • 데이터센터 1,584곳을 조사했더니 기계로 가득한 건물은 지역 일자리의 완만한 증가와 관련이 있었다: 부동산과 도시 경제를 연구하는 교수진과 동료 연구자들이 2000~2023년에 문을 연 데이터센터 주변의 고용 변화를 조사했다. 데이터센터가 위치한 카운티에서 평균 1,000~1,300개의 일자리가 생겼지만, 데이터센터 내부가 아닌 곳에서 이뤄지는 업무의 일자리이며 나타나기까지 몇 년이 걸렸다고 밝혔다.
  • H.264는 마법이다: 인터넷 영상부터 블루레이, 휴대전화, 보안 카메라, 드론까지 널리 쓰이는 H.264 영상 압축 표준의 원리를 높은 수준에서 설명한다. 전송에 필요한 동영상 대역폭을 줄이려는 30여 년의 작업이 낳은 기술이라고 소개한다.
  • 별것 아닌 것에 대한 큰 소동: 파이썬의 센티널 값: 파이썬에서 None을 누락, 미설정, 오류, 실제 값 등 여러 의미로 사용하면서 생기는 모호성을 살펴보고 대안을 다룬다. PyConDE/PyData Berlin 2026, EuroPython 2026, Swiss Python Summit 2026에서 발표한 내용을 바탕으로 한다.
  • 지구 데이터 임베딩 입문: 지리공간 파운데이션 모델이 학습한 표현을 검색, 정보 검색, 자연어 인터페이스 등에 활용하는 임베딩의 생성 방식과 쓰임을 설명한다.
  • 다음 개념 모델링: 빠르고 병렬적인 거친 단계에서 세밀한 단계로의 텍스트 생성: 확산 언어 모델은 자기회귀 모델보다 병렬 샘플링으로 빠르게 생성할 수 있지만, 샘플링 단계가 줄면 성능이 빠르게 저하되고 매 단계 전체 시퀀스를 처리해야 한다는 한계가 있다. 논문은 텍스트를 이산 코드의 계층으로 인코딩한 뒤 각 단계의 코드를 병렬로 예측하는 2단계 프레임워크인 Next-Concept Modeling을 제안한다.
  • 분산 SQLite의 12년: 2014년 SQLite에 Raft 로그를 붙여 쓰기 작업을 클러스터에 복제하는 rqlite를 공개한 경험을 돌아본다. 글은 당시 이 조합을 구현한 첫 오픈소스 시스템이 rqlite였다고 설명하며, 이후 분산 SQLite 프로젝트가 늘어난 과정을 정리한다.
  • 목적 함수에는 사회라는 것이 없다: 영국의 법률, 강, 공공 서비스를 둘러싼 공식 산식을 살펴보고, 정부의 최적화 기준이 무엇을 빠뜨리는지와 개선 방법을 다룬다.
  • 에이전트가 일을 대신할 때도 알아야 할 것은 무엇인가?: 복잡한 소프트웨어를 개발하고 유지하려면 시스템에 대한 작동 모델이 필요하다는 통념을 검토한다. 시스템을 성공적으로 운영하는 데 필요한 이해의 세밀함이 어느 정도인지 묻는다.
  • 우리 가족은 어디서 만나야 할까?: 여러 대륙과 국가에 흩어진 가족이 만날 장소를 각자의 이동 거리 합이 최소가 되도록 정하는 문제를 살펴본다. 창고까지의 거리 합을 최소화하는 공장 위치 선정과 같은 최적 입지 문제도 함께 설명한다.

지난주 뉴스레터에서 가장 많이 클릭된 링크

지난주 674호는 여기에서 볼 수 있다. 아래 링크는 고유 클릭 수를 기준으로 선정했다.

그 밖의 링크

데이터 사이언스 위클리 675호는 2026년 10월 29일 발행됐다.