데이터홀릭

그동안 많은 전문가들이 사회과학 연구에서 LLM의 잠재력에 대해 논의해왔지만, 일각에서는 좀 망설이는 목소리도 있었습니다. 신뢰 및 편향의 문제로 인해 실제 연구에 적용하기를 주저하는 분위기였죠. 그러나 최근 아주 흥미로운 연구 결과가 나왔습니다. 바로 LLM이 사회과학 도메인 텍스트를 분석하고 실험 결과를 예측하는데 꽤나 효과적으로 쓰일 수 있다는 연구입니다. 이번 에피소드를 통해 자세한 연구 내용과 함께 앞으로 사회과학 연구 분야에서 LLM이 새로운 도구로 자리 잡을 수 있는 가능성에 대해서 함께 이야기해 보아요! 참고 논문) Rathje et al. (2024). GPT is an effective tool for multilingual psychological text analysis. PNAS, https://www.pnas.org/doi/10.1073/pnas.2308950121 Ashokkumar, Hewitt, Ghezae, & Willer (2024). Predicting Results of Social Science Experiments Using Large Language Models. https://docsend.com/view/ity6yf2dansesucf 데모 어플리케이션) Demo: Predicting social science experimental results using LLMs https://www.treatmenteffect.app/ ──────────────────────── ■ 유튜브에서 보기 https://youtu.be/VxqXAmPyfck ■ 팟빵에서 듣기 http://www.podbbang.com/ch/1771386?e=24983904 ──────────────────────── ● 유튜브 | https://www.youtube.com/dataholic4 ● 팟빵 팟캐스트 | http://bit.ly/dataholic ● 애플 팟캐스트 | https://apple.co/2M3yFyc ● 페이스북 | https://www.fb.com/dataholic4

AI 도구 만족도 조사 결과가 화제입니다. 직군에 따라 AI 도구 만족도가 다르다고 하네요. 하지만 이 해석, 과연 믿을 만할까요? 작은 표본의 함정, 직군별 비교의 오류, 여러 조사 결과를 비교할 때 주의할 점까지. 이번 방송에서는 화제의 AI 만족도 조사 결과를 심층 분석합니다. 데이터를 제대로 읽는 법, 함께 알아보겠습니다! ──────────────────────── ■ 유튜브에서 보기 https://youtu.be/ ■ 팟빵에서 듣기 http://www.podbbang.com/ ──────────────────────── ● 유튜브 | https://www.youtube.com/dataholic4 ● 팟빵 팟캐스트 | http://bit.ly/dataholic ● 애플 팟캐스트 | https://apple.co/2M3yFyc ● 페이스북 | https://www.fb.com/dataholic4

엑셀 파일을 받았을 때, 이 데이터를 어떤 차트로 보여줄지부터 고민하셨나요? 하지만, 표(table)야말로 데이터 시각화의 근본 중의 근본이라고 할 수 있죠. 이번 에피소드를 통해 표를 기반으로 한 다양한 시각화 사례들을 살펴보면서, 더 많은 정보를 효과적으로 전달하기 위해 신경 써야하는 요소들을 확인해보세요! ──────────────────────── ■ 유튜브에서 보기 https://youtu.be/8eg0cQU1NHg ■ 팟빵에서 듣기 http://www.podbbang.com/ch/1771386?e=24973945 ──────────────────────── ● 유튜브 | https://www.youtube.com/dataholic4 ● 팟빵 팟캐스트 | http://bit.ly/dataholic ● 애플 팟캐스트 | https://apple.co/2M3yFyc □ 페이스북 | https://www.fb.com/dataholic4

AI가 좋은 것은 알겠는데 너무 어렵게 느껴지셨던 분들 많으시죠? 이제 데이터홀릭에서 진행하는 [일상을 바꾸는 AI] 시리즈와 함께 해보세요. 재미있고 쉽게 AI를 활용하는 방법을 조과장이 전해드립니다. 첫화에서는 클로드3로 편지쓰기에 대해 알아보았는데요, 가족에게 편지 쓰는 법 뿐 아니라 업무에서 이메일을 활용하는 방법까지 폭넓게 다뤄보았습니다. 특히 상사를 이메일로 기가 먹히게 설득하는 모습에 패널들이 매우 놀랐다는데요, 과연??! 이번 에피소드에서 남들과는 다른 조과장만의 프롬프트도 구경해보시고, 여러분도 어떻게 생성형 AI를 쓸 수 있을지 함께 생각해보시기 바랍니다. 조과장의 브런치 글은 아래의 링크에! https://brunch.co.kr/@chanrran/139 ──────────────────────── ■ 유튜브에서 보기 https://youtu.be/uR4kjO_gSLs ■ 팟빵에서 듣기 http://www.podbbang.com/ch/1771386?e=24966689 ──────────────────────── ● 유튜브 | https://www.youtube.com/dataholic4 ● 팟빵 팟캐스트 | http://bit.ly/dataholic ● 애플 팟캐스트 | https://apple.co/2M3yFyc □ 페이스북 | https://www.fb.com/dataholic4

데이터 분석에도 위계가 있다는 사실, 알고 계시나요? 데이터를 토대로 의사결정했다고 해서 다 같은 게 아닙니다. 어떤 데이터를, 어떻게 수집해서, 어떻게 분석했느냐에 따라 신뢰할 수 있는 정도가 다르기 때문입니다. 특히 중요한 의사결정을 해야 한다면 각각의 자료가 얼마나 신뢰할 만한지를 판단할 수 있어야 합니다. 데이터 분석에 어떤 위계가 있을까요? 데이터홀릭 멤버들과 이야기 나누었습니다. ──────────────────────── ■ 유튜브에서 보기 https://youtu.be/sOYzAUXedDM ■ 팟빵에서 듣기 http://www.podbbang.com/ch/1771386?e=24966619 ──────────────────────── ● 유튜브 | https://www.youtube.com/dataholic4 ● 팟빵 팟캐스트 | http://bit.ly/dataholic ● 애플 팟캐스트 | https://apple.co/2M3yFyc ● 페이스북 | https://www.fb.com/dataholic4

데이터 분석이나 인프라에 기술 용어들이 난무하고 있습니다. 도대체 내가 알아야 할 것이 이렇게나 많다니! 그래서 박박사가 데이터 인프라, 데이터 플랫폼으로 검색한 구인 정보를 읽으며 각 단어가 무엇인지 살펴봅니다. 박박사는 그 용어들을 어떻게 생각하고 있는지 한번 들어볼까요? ──────────────────────── ■ 유튜브에서 보기 https://youtu.be/KU8IcghtAuk ■ 팟빵에서 듣기 http://www.podbbang.com/ch/1771386?e=24961014 ──────────────────────── ● 유튜브 | https://www.youtube.com/dataholic4 ● 팟빵 팟캐스트 | http://bit.ly/dataholic ● 애플 팟캐스트 | https://apple.co/2M3yFyc □ 페이스북 | https://www.fb.com/dataholic4

AI에 인간적 성격을 부여하는 것은 단순한 기술이 아닌 철학적 도전입니다. AI 성격이란 무엇이며 성격이 그들에게 왜 필요할까요? 이번 에피소드에서는 Claude AI Alignment팀의 연구를 소개하며, AI 성격을 구축하는 Constitutional AI 방법론과 성격을 둘러싼 다소 철학적인 이야기도 함께 다뤄보고자합니다. 여러분들의 생각도 댓글을 통해 남겨주세요! ──────────────────────── ■ 유튜브에서 보기 https://youtu.be/XJK9M9k9av4 ■ 팟빵에서 듣기 http:// ──────────────────────── ● 유튜브 | https://www.youtube.com/dataholic4 ● 팟빵 팟캐스트 | http://bit.ly/dataholic ● 애플 팟캐스트 | https://apple.co/2M3yFyc □ 페이스북 | https://www.fb.com/dataholic4

AI가 모든 직업에 영향을 미칠 것이라는 전망은 과장된 주장이 아니라 많은 연구자들이 공통적으로 내놓는 전망입니다. 경제적 효율성에 따라 순서와 정도의 차이는 있겠지만, 결국 우리 모두의 직업이 AI의 영향권 안에 들어갈 거라고 합니다. AI는 어떤 기준으로, 어떤 순서로 우리 일자리에 영향을 미치게 될까요? 지난 방송에 이어서 HR 분야에서 오랫동안 연구해오신 이중학님을 모시고 이야기 나누었습니다. ──────────────────────── ■ 유튜브에서 보기 https://youtu.be/Y1TK0lY156k ■ 팟빵에서 듣기 http://www.podbbang.com/ch/1771386?e=24952171 ──────────────────────── ● 유튜브 | https://www.youtube.com/dataholic4 ● 팟빵 팟캐스트 | http://bit.ly/dataholic ● 애플 팟캐스트 | https://apple.co/2M3yFyc ● 페이스북 | https://www.fb.com/dataholic4

경제적 목적으로 일을 하던 시절은 이제 지나가고 있습니다. 물론, AI의 등장 때문이죠. AI가 사람과 일의 관계를 어떻게 바꾸어 놓고 있을까요? HR 분야에서 오랫동안 연구해오신 이중학님을 모시고 이야기 나누었습니다. ──────────────────────── ■ 유튜브에서 보기 https://youtu.be/80_CowKMsKs ■ 팟빵에서 듣기 http://www.podbbang.com/ch/1771386?e=24948887 ──────────────────────── ● 유튜브 | https://www.youtube.com/dataholic4 ● 팟빵 팟캐스트 | http://bit.ly/dataholic ● 애플 팟캐스트 | https://apple.co/2M3yFyc ● 페이스북 | https://www.fb.com/dataholic4

내 직무 배치나 승진을 AI가 결정한다고요? 입사 후에 이뤄지는 배치, 직무 순환, 승진 등등 HR 담당자의 고유한 업무 영역이었던 이 분야들도 AI에게 대체 될까요? 대체가 된다면 어떤 데이터가 필요하고, 대체가 되지 않는다면 그 이유는 무엇일까요? 잠깐, 오늘도 조과장이 주는 이직 꿀팁이 있다는데요(특히 경력직은 꼭 참고해주세요). 임원이 되고 싶은 사람이라면 반드시 DART 공시 정보를 봐야 한다는데 대체 어떤 이야기인지 들어보도록 합시다! ──────────────────────── ■ 유튜브에서 보기 https://youtu.be/CA5Jejsm380 ■ 팟빵에서 듣기 http://www.podbbang.com/ch/1771386?e=24944340 ──────────────────────── ● 유튜브 | https://www.youtube.com/dataholic4 ● 팟빵 팟캐스트 | http://bit.ly/dataholic ● 애플 팟캐스트 | https://apple.co/2M3yFyc □ 페이스북 | https://www.fb.com/dataholic4

국내 기업들은 공공데이터를 얼마나 활용하고 있을지 궁금하시죠? 그런데 마침 NIA에서 국내 기업을 대상으로 조사하여 연구 결과를 발표했습니다. 데이터홀릭 멤버들이 NIA의 '2022년 공공데이터 활용기업 실태조사 최종보고서'를 뜯어봤습니다! 09:12 본론 NIA '2022년 공공데이터 활용기업 실태조사 최종보고서' https://www.odsc.go.kr/files/boards/3097/2023_04_25_14301100004_1.pdf ──────────────────────── ■ 유튜브에서 보기 https://youtu.be/nLqS4GRJT14 ■ 팟빵에서 듣기 http://www.podbbang.com/ ──────────────────────── ● 유튜브 | https://www.youtube.com/dataholic4 ● 팟빵 팟캐스트 | http://bit.ly/dataholic ● 애플 팟캐스트 | https://apple.co/2M3yFyc ● 페이스북 | https://www.fb.com/dataholic4

어느덧 2024년의 상반기 결산을 할 시즌이 되었다니 시간이 참 빠르네요! 기은님이 올 상반기에 눈 여겨본 데이터 스토리텔링 콘텐츠 3개를 공유하고 멤버들과 소감을 나누는 시간을 가져봤어요. 이번에도 멤버들의 입을 떡 벌어지게 했던 콘텐츠가 있었는데, 영상을 통해 만나보시죠! 그리고 한 가지 더, 이번 에피소드는 유튜브에서 함께해요 ❤️ 참고 링크: 1) America’s best decade, according to data (워싱턴포스트) https://www.washingtonpost.com/business/2024/05/24/when-america-was-great-according-data/ 2) This is a teenager (푸딩) https://pudding.cool/2024/03/teenagers/ 3) What polling can and can't tell you (로이터) https://www.reuters.com/graphics/USA-ELECTION/POLLING/gdpzdolqxpw/ ──────────────────────── ■ 유튜브에서 보기 https://youtu.be/FuBu7XQRniE ■ 팟빵에서 듣기 http://www.podbbang.com/ch/1771386?e=24940954 ──────────────────────── ● 유튜브 | https://www.youtube.com/dataholic4 ● 팟빵 팟캐스트 | http://bit.ly/dataholic ● 애플 팟캐스트 | https://apple.co/2M3yFyc ● 페이스북 | https://www.fb.com/dataholic4

머신러닝 모델은 구조가 너무 복잡해서 안을 들여다볼 수도 없고, 모델을 이용해 예측 값을 구해도 도대체 왜 그런 값이 나왔는지 알 수 없다는 특징이 있습니다. 내부가 촘촘하게 연결된 신경망 모형은 더욱 알 수 없어서 블랙박스 모형이라고도 합니다. 그런데 여러분, 모델 내부를 살펴보고 해석도 할 수 있는 기법들이 꾸준히 연구되어 왔다는 사실을 아시나요? 특히나 도무지 왜 때문에 그런 결과물을 내놓는지 알 수 없는 LLM이 끊임없이 등장하는 요즘, 모델을 이해하고 개선할 수 있게 도와주는 방법들이 엄청 활발하게 연구되고 있다고 합니다. 그런 연구를 누가 하고 있을까요? 물론 수학자들이죠! 지난 시간에 이어서 응용 수학 전공자 맷수달님을 모시고, 함께 이야기 나누었습니다! ──────────────────────── ■ 유튜브에서 보기 https://youtu.be/nEkzbVrU1dQ ■ 팟빵에서 듣기 http://www.podbbang.com/ch/1771386?e=24926544 ──────────────────────── ● 유튜브 | https://www.youtube.com/dataholic4 ● 팟빵 팟캐스트 | http://bit.ly/dataholic ● 애플 팟캐스트 | https://apple.co/2M3yFyc ● 페이스북 | https://www.fb.com/dataholic4

데이터홀릭에 드디어 찐 수학 전공자를 모셨습니다! 수학 전공자들은 머신러닝을 어떻게 바라볼까요? 수학자들도 코딩을 할까요? 설마, 연구하는데 AI도 사용하고 있을까요? 미국에서 응용 수학을 전공하는 맷수달님을 모시고 궁금했던 온갖 질문을 쏟아냈습니다. 그리고 수학 전공자가 머신러닝에 빠져들게 되기까지, 흥미진진한 이야기들 들어봤습니다! 08:01 본론: 맷수달님 초대석 ──────────────────────── ■ 유튜브에서 보기 https://youtu.be/-8q2wEl38UQ ■ 팟빵에서 듣기 http://www.podbbang.com/ch/1771386?e=24926511 ──────────────────────── ● 유튜브 | https://www.youtube.com/dataholic4 ● 팟빵 팟캐스트 | http://bit.ly/dataholic ● 애플 팟캐스트 | https://apple.co/2M3yFyc ● 페이스북 | https://www.fb.com/dataholic4

직업계의 타노스인 거대언어모델(AI)이 나타난 이후 세상이 변하고 있습니다. 기능 발표 한번에 직업들이 우수수 사라지고, 업데이트 소식 한번에 기업들이 우수수 없어지고 있는 요즘인데요. 그때마다 박박사는 대체 왜 달라질게 없다고 했을까요? 박박사가 바라보는 관점에서는 대체 세상에 어떤 일이 벌어지고 있는 걸까요? 과연 박박사만의 생각하는 것일까요? 참고 링크 직업의 번들링: https://platforms.substack.com/p/ai-wont-eat-your-job-but-it-will 프리렌서 23년 시장분석: https://bloomberry.com/i-analyzed-5m-freelancing-jobs-to-see-what-jobs-are-being-replaced-by-ai/ 미디엄의 정책: https://blog.medium.com/our-curation-teams-approach-to-keeping-ai-generated-content-out-of-your-recommendations-7e57384d897a ──────────────────────── ■ 유튜브에서 보기 https://youtu.be/CUQReQRrqeY ■ 팟빵에서 듣기 http://www.podbbang.com/ch/1771386?e=24927320 ──────────────────────── ● 유튜브 | https://www.youtube.com/dataholic4 ● 팟빵 팟캐스트 | http://bit.ly/dataholic ● 애플 팟캐스트 | https://apple.co/2M3yFyc □ 페이스북 | https://www.fb.com/dataholic4