위의 예에서 살펴보았듯이 데이터 과학자가 되기 위해서는 통계 능력, 컴퓨터 도구 활용 능력, 실무 지식이 필요함을 알 수 있다. 많은 사람이 이를 벤다이어그램으로 표현하였는데, 몇몇 예시를 함께 살펴보도록 하자(그림 1-4, 1-5, 1-6).
_11쪽

위에서 간략히 살펴보았듯이 베이스 R은 데이터 가공을 위한 강력한 기능을 제공한다. 하지만 필자는 데이터 가공 도구로 베이스 R보다는 dplyr 패키지를 가능한 한 많이 사용할 것을 강력하게 추천한다. dplyr(“디플라이어”라고 읽는다)는 데이터를 빨리 쉽게 가공할 수 있도록 도와주는 R 패키지다[Wickham & Francois (2015)]. dplyr는 베이스 R 데이터 가공에 비해 다음과 같은 차이점과 장점이 있다.
_51쪽

데이터 과학의 통계 분야 인터뷰에서 많이 물어보는 질문 중 하나가 P-값을 정의하라는 것과 다양한 가설검정 상황에서 비전문들을 이해하기 쉽게 P-값을 설명하라는 것이다. 즉, 데이터 과학자는 P-값을 정확히 이해하고 P-값의 의미를 ‘지식의 저주’를 피하여 비전문가들에게 전달해야 한다.
_113쪽

앞장에서 살펴보았듯이, 설명변수 중 범주형 변수가 있을 경우, glm( ) 함수는 자동으로 모형행렬을 생성해주었다. 이와 달리, glmnet( ) 함수는 모형행렬을 수동으로 만들어주어야 한다. 앞장에서 살펴본 model.matrix( ) 함수를 사용하면 된다. 절편항은 필요하지 않으므로 ‘-1’을 모형식(formula)에 지정하도록 한다.
_199쪽

분석 코드와 보고서의 괴리는 오랫 동안 데이터 분석가를 괴롭힌 문제 중 하나다. 분석 코드를 통하여 계산과 시각화를 한 후, 그 계산 결과와 차트를 보고서와 슬라이드에 붙여넣는 것이 전통적인 작업 방식이었다. 그러나 시간이 오래 걸리고, 노동 집약적일 뿐만 아니라 항상 분석 코드와 분석 문서를 함께 관리해야 하고, 분석이 바뀔 때마다 보고서도 수동으로 업데이트해야 하는 불편함과 오류의 위험성이 있었다.
_279쪽