홍보대행사 마케터가 AICE Associate를 시작한 이유 (도파민 실험)

잔나비·2026년 2월 8일

AICE AICEAssociate pandas scikitlearn 공부기록 데이터분석 마케터 업무성장 커리어관리 홍보대행사

홍보PR

목록 보기

9/9

홍보대행사에 다니고 있는 요즈음
새로운 도파민이 필요하다

쓸데없진 않지만,
쓸데없어 보이는 일들.

행정력을 낭비하는 순간마다
묘한 회의감과 스트레스가 쌓인다.

이 감정을
공부에서 오는 도파민으로 다스릴 수 있을까?

그리고 지금,

마케터로 일하고 있는 내가 AICE Associate 자격증이 과연 필요할까?

내 업무나 커리어에 실질적인 도움이 될까?

답을 미리 정해두기보다는,
약간 실험을 해보는 모드로 공부를 시작해보기로 했다.

AICE Associate, 어떤 시험인가

AICE Associate 자격증은
“AI를 잘 만든다”기보다
“데이터를 다룰 줄 아는 사람인지”를 본다.

시험은 오픈북 형식이며,
아래 7가지 라이브러리를 사용할 수 있다.

NumPy
Pandas
Matplotlib
Seaborn
Scikit-learn
TensorFlow
XGBoost

시험에서 사용하는 7가지 라이브러리 정리

1️⃣ NumPy

한 줄 요약: 수학적인 계산을 빠르고 깔끔하게 처리하는 기본 체력

파이썬에서 숫자 배열(행렬)을 다루는 핵심 라이브러리
AI, 데이터 분석의 가장 아래에 깔린 뼈대
리스트보다 훨씬 빠르고, 수학 연산이 직관적이다

이걸 왜 보냐면

“데이터를 그냥 리스트로 다루는 사람”인지
“연산 단위로 사고하는 사람”인지 구분하기 위해서

👉 마케터 관점에서는
수치 기반 리포트나 지표 계산 로직을 이해하는 데 도움이 된다.

2️⃣ Pandas

한 줄 요약: 엑셀을 코드로 다루는 능력

표 형태 데이터(DataFrame)를 다룸
CSV, 엑셀 불러오기 / 정리 / 필터링 / 그룹화까지 가능
실무에서 가장 많이 쓰이는 라이브러리

이걸 왜 보냐면
데이터 전처리를 못 하면
머신러닝이고 뭐고 아무것도 할 수 없다.

👉 마케터에게는 솔직히
이 7개 중 가장 실용적이다.
(캠페인 성과 데이터, 설문 결과, 로그 데이터 전처리 전부 여기서 한다)

3️⃣ Matplotlib

한 줄 요약: 데이터 시각화의 기본 중 기본

그래프를 ‘직접’ 그리는 라이브러리
커스터마이징 자유도는 높지만 코드가 다소 투박하다
다른 시각화 도구들의 기반이 된다

이걸 왜 보냐면
숫자를 ‘보여줄 수 있는 사람인지’ 보기 위해서다.

👉 보고서·제안서에서
“이 그래프 왜 이렇게 그렸지?”라는 질문에
답할 수 있는 감각을 만들어준다.

4️⃣ Seaborn

한 줄 요약: 보기 좋은 그래프를 빠르게 만드는 도구

Matplotlib 기반
통계적 시각화에 강함
기본 디자인이 깔끔하다

이걸 왜 보냐면
데이터의 패턴을 빠르게 읽어낼 수 있는지 확인하기 위해서.

👉 마케터에게는
데이터에서 인사이트를 뽑아내는 연습용으로 좋다.

5️⃣ Scikit-learn

한 줄 요약: 머신러닝 입문자의 표준 교과서

분류, 회귀, 군집화 등 전통적인 ML 모델이 모두 포함
코드 구조가 일관돼 있어 배우기 쉽다
시험에서도 가장 핵심 비중을 차지한다

이걸 왜 보냐면

“모델을 써본 사람”인지
“AI라는 단어만 아는 사람”인지 구분하기 위해서다.

👉 마케터 기준으로는

추천 로직
고객 세그먼트 분류
이탈 예측 같은 개념 이해와 직접 연결된다.

6️⃣ TensorFlow

한 줄 요약: 딥러닝 프레임워크 (꽤 무거움)

신경망 기반 모델 구현
실제 서비스용 AI에 많이 쓰임
AICE Associate에서는 깊게 묻지 않는다

이걸 왜 넣었냐면
AI 생태계에서 이걸 모르면 말이 안 되기 때문이다.

👉 마케터에게는
“이 모델이 왜 블랙박스인지” 이해하는 정도면 충분하다.

7️⃣ XGBoost

한 줄 요약: 실무에서 성능 잘 나오는 머신러닝 치트키

트리 기반 모델
데이터가 조금 지저분해도 성능이 잘 나온다
캐글과 실무에서 매우 많이 쓰인다

이걸 왜 보냐면
이론보다 결과를 내는 모델을 아는지 보기 위해서다.

👉 마케터 실무에서는
CTR 예측, 전환 예측 같은 사고방식과 연결된다.

그래서, 마케터에게 AICE Associate는 필요할까?

❌ 이런 기대라면 비추천

연봉이 오른다
이직에서 한 방이 된다
‘AI 마케터’ 타이틀을 바로 얻는다

✅ 이런 목적이라면 충분히 의미 있음

데이터/AI 용어에 휘둘리지 않고 싶다
개발자·데이터팀과 대화할 때 번역기 없이 말하고 싶다
‘감으로 기획하는 마케터’에서 ‘구조를 이해하는 마케터’로 넘어가고 싶다
지금의 회의감을 성장하고 있다는 감각으로 상쇄하고 싶다

AICE Associate 공부 우선순위 (마케터 기준)

👉 Pandas → Scikit-learn → 시각화(Matplotlib/Seaborn) → NumPy → XGBoost → TensorFlow

🥇 1순위: Pandas

중요도: ★★★★★

시험, 실무, 사고방식 전부 여기서 갈린다.

시험 문제의 절반 이상이 데이터 전처리 흐름에서 나온다
마케터가 AI를 이해하느냐는
👉 “데이터를 표 단위로 다룰 줄 아느냐”로 결정된다

꼭 익혀야 할 것

read_csv, head, info, describe
조건 필터링 (loc, isin)
groupby + agg
결측치 처리 (fillna, dropna)
컬럼 생성 및 변형

👉 Pandas가 안 되면
뒤에 나오는 모든 AI는 공허해진다.

🥈 2순위: Scikit-learn

중요도: ★★★★☆

“AI를 써봤다”의 최소 기준.

모델 선택 → 학습 → 평가 흐름 이해가 핵심
모델 이름 암기 ❌
언제 분류 / 언제 회귀를 쓰는지 이해 ⭕

👉 여기서부터 기획 회의에서 말이 바뀐다.

🥉 3순위: Matplotlib + Seaborn

중요도: ★★★☆☆

데이터를 인사이트로 바꾸는 연결 고리.

예쁘게 ❌
의미가 보이게 ⭕

4순위: NumPy

중요도: ★★☆☆☆

깊게 파지 말고,
왜 다른 라이브러리들이 이 위에서 돌아가는지만 이해하면 충분.

5순위: XGBoost