4월 28일, 밀워키는 데이터 과학 및 통계 심포지엄(Sympaument on Data Science and Statistics) 의 중심지가 되었습니다. 이 심포지엄은 해당 분야 최고의 학술 연구자들이 한자리에 모인 자리였으며, JMP는 그 중심에 있었습니다. 심포지엄 둘째 날, Sarah Sylvestre( @Sarah-Sylvestre )와 Sarah Gilyard( @SarahGilyard )는 JMP를 대표하여 데이터 과학 및 통계 연구의 최신 동향 에 초점을 맞춘 포스터를 발표했습니다.
인공지능 시대에서 통계학자의 역할
SDSS는 마이크로소프트와 협력하는 생물학 연구원인 로린 크로포드의 흥미로운 기조 강연으로 시작되었습니다. 그는 인공지능과 LLM을 단일 세포 시퀀싱에 적용하는 방법에 대해 발표했습니다. 로린은 자신의 연구실에서 얻은 방법과 결과를 공유하며, LLM 모델 성능이 데이터 양에 비례하여 반드시 향상되는 것은 아니라는 점을 강조했습니다. 특정 생물학적 작업의 경우, 모델 성능은 훈련 데이터의 약 1% 정도에서 포화 상태에 도달합니다. 이는 LLM이 더 많은 양의 데이터보다는 더 다양하고 풍부한 훈련 데이터를 필요로 한다는 것을 의미합니다.
로린은 바로 이 지점에서 통계학자의 역할이 중요해진다고 생각합니다. 통계학자는 작업에 필요한 변동성과 불확실성 구조를 유지하는 합성 데이터를 생성하여 훈련 데이터의 부족한 부분을 보완하는 데 필요합니다. 또한, LLM(학습 모델)을 더 효과적으로 훈련시키기 위해 훈련 데이터를 어떻게 계층화해야 하는지 이해하는 데에도 통계학자가 필요할 것입니다. 로린은 인공지능/머신러닝 분야에서 통계학자의 새로운 역할은 "데이터 기반 시스템의 전략적 설계자"라고 믿습니다.
인공지능 시대에 통계학자의 중요한 역할에 대한 주제는 둘째 날 전체 패널 토론에서도 이어졌습니다. 학계, 제약, 이론 물리학 분야의 전문가 네 명이 현재 인공지능 환경에 대한 견해를 밝혔습니다. 모든 패널리스트는 인공지능에 적응하지 않으면 뒤처질 위험이 있으며, 위험성을 인지하는 것이 중요하다고 강조했습니다. 과도한 의존은 바람직하지 않으며, 균형이 핵심입니다. 이러한 관점에서 통계학자는 재현성 허용 범위 설정, 합성 데이터를 일반 데이터와 똑같이 취급하지 않도록 인공지능 전문가 교육, 단순히 많은 양의 데이터를 수집하는 것이 아니라 통계적으로 가장 의미 있는 데이터를 식별하는 방법 등 다양한 방식으로 인공지능을 평가하는 데 매우 중요한 역할을 합니다.
Sarah Sylvestre (left) and Sarah Gilyard presented at the 2026 Symposium on Data Science and StatisticsSarah Sylvestre (left) and Sarah Gilyard presented at the 2026 Symposium on Data Science and StatisticsSarah Sylvestre (left) and Sarah Gilyard presented at the 2026 Symposium on Data Science and StatisticsSarah Sylvestre (left) and Sarah Gilyard presented at the 2026 Symposium on Data Science and StatisticsSarah Sylvestre (left) and Sarah Gilyard presented at the 2026 Symposium on Data Science and Statistics사라 실베스트르(왼쪽)와 사라 길리아드는 2026년 데이터 과학 및 통계 심포지엄에서 발표했습니다.
대화의 중심에 JMP가 있습니다
포스터 발표 시간에는 Bayes Opt, FDE, 동적 필터링, 데이터 테이블 업데이트, Python 통합, LearnBot/Assistant 등 JMP의 최신 기능들을 소개했습니다. 25분간의 발표 시간 동안 JMP 사용 가능성이 있는 분들과 유익한 대화를 나눌 수 있었습니다. 대부분의 참석자들은 JMP에 대해 잘 몰랐지만, 몇몇 분들은 사용을 고려하고 있었습니다. 한 참석자는 동료들은 SPSS를 사용하고 자신은 R을 사용하는데, 동료들과의 협업을 더 쉽게 해줄 도구를 원한다고 했습니다. JMP의 여러 기능을 보여드리자, 그녀는 동료들이 SPSS보다 JMP를 사용하는 것이 더 도움이 될 것이라는 확신을 갖게 되었습니다. 다트머스 대학의 한 교수님과의 대화에서는, 학생들이 Python 코딩에 익숙하지 않아 클릭 몇 번으로 모델을 구축할 수 있으면서도 필요에 따라 Python과 통합할 수 있는 도구를 선호한다는 것을 알게 되었습니다. JMP의 모델 구축 및 Python 통합 옵션에 대해 설명드린 후, 교수님은 학생들이 JMP를 사용하는 것을 더 좋아할 것이라고 확신하게 되었습니다.
전반적으로 이번 컨퍼런스는 통계학계가 인공지능 시대에 어떻게 적응하면서도 본연의 전문성을 유지할 수 있을지에 대한 활발한 토론이 이루어진 유익한 자리였습니다. 참석자와 발표 내용이 대부분 학술적인 성격이었지만, JMP 브랜드를 알리고 JMP의 새로운 기능에 대한 높은 관심을 불러일으키는 데에도 큰 의미가 있었습니다.
훌륭한 일을 해내신 Sarahs 님, 정말 기쁩니다! JMP가 이런 행사에서 이렇게 잘 소개되는 모습을 보니 정말 좋습니다. JMP가 최고의 통계, 그래프 및 AI 방법들을 신뢰할 수 있고 강력하며 역동적으로 통합하여 제공한다는 사실을 계속해서 알리고 싶습니다.
사라, 정말 멋졌어요! 이번 컨퍼런스에서 발표해주시고 JMP를 잘 대표해주셔서 감사합니다!
