1. 사실 (Fact):

이번 한 주동안 Vector, Metrix, Linear algebra, Dimension Reduction, Clustering에 대해 배웠다.

2. 느낌 (Feeling):

이번 주에 배운 내용들 중 Linear Projection 내용이 특히나 어려웠다.
선형대수학을 배우지 않은 나로써는 용어도 생소하고, 개념이 잡히지 않았기 때문이다.

3. 교훈 (Finding):

그러나 수학적으로 완전한 이해를 접어두고, 데이터 분석으로서 접근하는 것이 더욱 중요하다는 교훈을 얻었다.
예를 들어, Linear Projection은 PCA의 기반이 되는 개념이다. 이 개념에서 직교하는 것이 왜 중요한 것인지,
분산의 어떤 특징이 사용될 것인지, 결론적으로 이러한 차원축소 방법이 고안된 이유가 무엇인지 생각하는 것이 중요했다.

4. 향후 행동 (Future Action):

공부를 하다보면 나무만 바라보다 숲을 놓치는 경우가 있다.
방대한 지식들 속에서 작은 부분에 매몰되어 전체적인 의미를 이해하지 못하게 되는 것을 말한다.

데이터 분석 공부도 이러한 함정에 빠지면 안된다고 생각한다.
데이터 분석이라는 것이 수학과 통계학, 컴퓨터 공학 그외 다양한 도메인 지식을 적절히 결합해야 하는 작업이다.
이러한 지식들을 완벽하게 아는 것이 베스트이지만, 이는 짧은 시간에 거의 불가능하다는 것이 나의 판단이다.
따라서 데이터 분석이라는 큰 그림을 그리고, 전체의 관점에서 개념을 이해하는 태도가 필요할것이다.