전체 글 (34) 썸네일형 리스트형 [내일배움캠프 후기] 비전공자에서 데이터 분석가로!! [내일배움캠프 이전의 삶] 저는 컴퓨터 공학이나 IT 전공자가 아니었습니다. 대학 시절에는 인문학을 전공하며 창의적이고 비판적인 사고를 키웠지만, 데이터나 프로그래밍과는 거리가 멀었습니다. 이전 직업은 기획과 마케팅 관련 직무로, 데이터의 중요성을 인식하면서도 이를 분석하거나 다룰 기술적인 능력이 부족하다는 점을 자주 실감했습니다. 독학으로 데이터 분석에 도전해 보기도 했지만, 체계적인 학습이 아니었기 때문에 한계가 명확했습니다. 데이터 분석가로의 진로 전환을 진지하게 고민하던 중, 내일배움캠프의 소식을 접하게 되었습니다. [내일배움캠프를 선택한 계기] 내일배움캠프를 선택한 이유는 단순했습니다. 비전공자도 따라갈 수 있는 체계적이고 실무 중심의 커리큘럼과 현직 데이터 전문가의 멘토링이 큰 매력 포인트였습.. 최종 프로젝트 7일차 Theme 1. 팀 WAR 지표 EDA 2021~2023년의 팀 WAR 지표를 분석했다 흔히 야구는 선발 놀음이라고 알려졌는데, WAR에 영향을 주는 건 타격 생산성, 구원 투수의 승리 기여도가 제일 컸다. Theme 2. 팀 타격 WAR 지표 EDA Theme 1에서 WAR에 영향을 주는 타격 생산성에 대해 분석을 했다. 타격 WAR에 영향을 주는 지표는 많지만, 그중에서도 wRC+, R/ePA, OPS, OBP, RBI, R 이 6개가 강한 양의 상관 관계를 나타낸다 최종 프로젝트 2일차 Again 2020 ! ! 가보자고 !! Theme 1 프로야구 관중 수를 크롤링 해서 수집... 하려고 했으나.. 답이 안 나와서 수작업을 했다^_^ 2021 ~ 2023 일자별 날씨, 구장, 관중수 데이터를 얻었다! Theme 2 이렇게 얻은 데이터를 가지고 어떻게 만들어갈까.. 날씨 별, 구장 별 관중수를 계산하자..! 최종 프로젝트 1일차 Again 2020 ! ! 가보자고 !! Theme 1 야구라는 주제를 가지고, 어떤 방식으로 프로젝트를 진행하면 대중들의 관심을 얻을 수 있을까 고민을 했다. i) 피타고리안 기대 승률과 우리의 직관적인 데이터를 이용한 10개 구단 순위 예측 ii) 불쾌지수에 따른 구단 성적 및 야구 관중 Theme 2 머신러닝 파트는 추후에 결정하기로 했고 데이터 수집, 데이터 전처리, EDA는 어느정도 윤곽이 나왔다. [데이터 수집] 기상청 - 기온, 습도 등 데이터 KBO - 야구 관중 수 데이터 STATIZ - 선수 성적, 구단 성적 데이터 [데이터 전처리] 기온 및 습도 데이터 활용 불쾌지수 추가 구단 별 성적 및 관중 데이터 결측치, 이상치 전처리 [EDA] 불쾌지수가 변수로 영향을 미치는 성적, 선수, 관.. 실전 프로젝트 회고 팀 회고록 Keep 아침에 하루 계획표를 작성하면, 저녁에 서로 확인해줬던 점 매일 모여서 리뷰 하는 시간을 보내는 거, 마음 편히 질문 할 수 있는 분위기 팀편성 후, 매일매일 1일 2회 회의를 통해 서로의 일정을 확인 가능 팀내에서 각자 맡은 부분을 열심히 수행하여 전체적으로 프로젝트가 완성도 있게 어우려졌다 튜터님의 피드백이 스케쥴이 정해져있어서, 질문 드릴 내용을 더 정돈해볼 수 있어서 좋았고, 2차 튜터링에서 1차 때의 결론을 적용하고 나서의 추가 피드백을 받을 수 있어서 좋았다. Problem 프로젝트 주제 선정 시 서로 관심사가 달라서 어느 하나로 정하기가 어려웠던 점 데이터 여러 개를 태블로에 올려놓으니 자주 오류가 발생함 도메인이 달라서 주제 선정하는데 시간이 걸림. 태블로 오류 발생 선.. Tableau를 활용한 데이터 시각화 데이터 시각화?! 1) 데이터를 그래프 형식으로 나타내어 직관적으로 이해하기 쉽다. 2) 그래프를 활용하여 데이터의 추세, 분포, 상관 관계 등을 시각적으로 표현 가능 1. 효과적인 차트를 고르는 법 2. 선 그래프(Line plot) 간단, 사용의 편의성 시계열 데이터(시간에 따른 추이)에서, 변화량과 트렌드를 파악 가능 연속적인 데이터(온도, 시간)에 적합 3. 막대 그래프(Bar plot) 간단, 사용의 편의성 범주 간의 차이 및 분포를 시각적으로 이해하기 쉬움 범주형 데이터(성별, 혈액형, 이름)에 적합 4. 맵 차트(Map chart) 지도를 활용해서 지리적 위치 파악 가능 각 지역별 데이터의 분포 및 비중을 확인할 때 사용 5. 파이 차트(Pie chart) 데이터의 구성 비율과 분포를 파악 .. Tableau와 친해지기 1. Business Intelligence(BI)?! 조직이 데이터 기반의 의사 결정을 빠르게 할 수 있도록 서포트하는 비즈니스 분석, 데이터 마이닝, 데이터 시각화, 데이터 도구 2. BI 워크 플로우 데이터 인프라: 데이터 레이크 → 데이터 웨어하우스 → 데이터 마트 → BI 툴 3. Tableau 소개 Tableau Desktop: 데이터를 시각화 Tableau Prep: Tableau Desktop에 필요한 데이터 전처리 역할 Tableau Cloud(Tableau Online): Tableau Server가 SaaS 버전으로 제공되는 형태 Tableau Server: Tableau Server를 통해 게시 및 배포 4. 데이터 연결과 전처리하기 라이브 추출 1) 원본 파일이 바뀌면 연동 2) .. 분류 분석 - 로지스틱 회귀 1. 범주형 데이터를 맞히는 분석 방법 2. 선형회귀의 기본식을 우변으로 활용 1. 로지스틱 회귀 이론 Y가 0,1 범주형인 경우 함수가 적합 오즈비(Odds ratio): 위 S형태의 함수를 만들기 위해 사용, 성공할 확률 / 실패할 확률 로짓(Logit): 오즈비의 값을 log를 이용해 보정 로짓과 확률의 관계를 나타내는 그래프에서, X-Y축을 교체하면 로지스틱 함수 로짓은 어떤 값이든 확률이 0~1 사이 2. 분류 평가 지표 정확도 f1_score (1) 혼동 행렬(confusion Matrix) 실제와 예측이 같으면 True, 다르면 False 예측을 양성으로 했으면 Positive, 음성으로 했으면 Negative 정밀도(precision): TP / TP + FP, 모델 관점 재현율(Recal.. 이전 1 2 3 4 5 다음
